Cypher
Cypher ist die typische Abfragesprache für Property Graphs wie Neo4j. Sie ist stark, wenn du Knoten, Beziehungen, Eigenschaften und Pfade in einem konkreten Graphmodell abfragen willst.
Praxis · Graph nutzen
Graph Querying übersetzt fachliche Fragen in Beziehungsmuster: Welche Dinge sind verbunden, über welche Pfade, mit welchen Bedingungen?
Wie fragt man Graphwissen praktisch ab?
Graphen werden erst wertvoll, wenn Teams und Agenten präzise nach Beziehungen fragen können: Abhängigkeiten, Pfade, Nachweise, Themencluster oder Lücken.
Die wichtigsten Prinzipien dieses Themas auf einen Blick.
Graphabfragen suchen Beziehungsmuster zwischen Datensätzen.
Cypher passt gut zu Neo4j und Property Graphs; SPARQL passt zu RDF- und Ontologie-nahen Graphen.
Gute Abfragen hängen an guter Modellierung: Kantenrichtung, Typen und Eigenschaften müssen verständlich sein.
Für Agenten sollten Graphabfragen oft als sichere Tools mit klaren Eingaben gekapselt werden.
Diese Fragen machen das Thema praktisch prüfbar. Hak sie ab – sie eignen sich als Einstieg für Workshops, Pilotvorhaben oder Architekturreviews.
Graph Querying bedeutet: Du fragst nach passenden Textstellen, Tabellenzeilen und nach einem Beziehungsmuster. Eine gute Graphfrage sagt, welche Dinge gesucht werden, wie sie verbunden sind und welche Bedingungen gelten. Für GraphRAG ist das wichtig, weil der Graph dann nicht bloß Speicher ist und Antwortlogik liefert: Pfade, Nachbarschaften, Abhängigkeiten und Nachweise.
Cypher ist die typische Abfragesprache für Property Graphs wie Neo4j. Sie ist stark, wenn du Knoten, Beziehungen, Eigenschaften und Pfade in einem konkreten Graphmodell abfragen willst.
SPARQL wird im RDF- und Ontologie-Umfeld genutzt. Es passt gut, wenn Wissen als semantische Aussagen modelliert wird: Subjekt, Beziehung, Objekt. Also etwa: ACME hat Vertrag V1.
Für den Einstieg ist es hilfreicher, erst Fragemuster zu verstehen als sofort Syntax zu lernen.
Welche Dinge hängen direkt an dieser Entität?
Welche Systeme sind mit Vertrag X verbunden?
Gut für erste Orientierung, Impact-Analysen und Kontextpakete.
Über welche Beziehungen sind zwei Dinge verbunden?
Wie hängt Lieferant A mit Produkt B und Risiko C zusammen?
Gut für Mehrsprung-Fragen, Begründungen und Auditpfade.
Welche Beziehungen zählen nur unter bestimmten Bedingungen?
Welche aktiven Verträge laufen in den nächsten 90 Tagen aus?
Gut, wenn Zeit, Status, Rolle oder Berechtigung die Antwort verändert.
Wie viele, wie stark, wie häufig oder wie zentral ist etwas?
Welche Systeme haben die meisten kritischen Abhängigkeiten?
Gut für Priorisierung, Monitoring und Management-Übersichten.
Die Beispiele sind bewusst klein. Sie zeigen die Denkweise.
Cypher liest sich fast wie ein gezeichnetes Muster: Knoten stehen in Klammern, Beziehungen in eckigen Klammern. Diese Abfrage sucht Risiken, die über Verträge mit einem Kunden verbunden sind.
MATCH (kunde:Kunde {name: "ACME"})-[:HAT_VERTRAG]->(vertrag)-[:HAT_RISIKO]->(risiko)
RETURN vertrag.titel, risiko.name, risiko.statusSPARQL wird oft bei RDF- und Ontologie-nahen Graphen genutzt. Die Abfrage beschreibt Subjekt-Prädikat-Objekt-Muster: Kunde hat Vertrag, Vertrag hat Risiko.
SELECT ?vertrag ?risiko
WHERE {
:ACME :hatVertrag ?vertrag .
?vertrag :hatRisiko ?risiko .
}Graph Querying wird dann produktiv nützlich, wenn Abfragen funktionieren, begrenzt, erklärbar und wiederverwendbar sind.