Ein Forschungsteam der Korea Advanced Institute of Science and Technology (KAIST) in Zusammenarbeit mit dem Start-up GraphAI Co. Ltd. hat die Datenbanklösung AkasicDB entwickelt. Der Ansatz adressiert eine der größten Schwachstellen bei Unternehmens-KI: das Phänomen der Halluzinationen, bei dem plausible, aber faktisch falsche Informationen generiert werden. AkasicDB vereint die Funktionen von Vektor-, Graphen- und relationalen Datenbanken in einem einzigen Datenbankverwaltungssystem. Durch einen integrierten Abfrageplaner und kombinierte Operatoren für Traversierung, Join-Operationen und Ähnlichkeitsberechnung ermöglicht die Technologie die Auswertung komplexer Anfragen über alle drei Datenmodelle hinweg als einheitlichen Ausführungsplan. Auf dieser Architektur basiert Omni RAG, eine neu entwickelte Retrieval-Augmented-Generation-Methode. Herkömmliche RAG-Ansätze suchen primär auf Basis semantischer Vektoren in unstrukturierten Dokumenten, stoßen jedoch bei komplexen Abfragen an ihre Grenzen, die zugleich tabellarische Filter und Beziehungsanalysen erfordern. Omni RAG kombiniert stattdessen semantische Dokumenteninformationen, Beziehungsdaten aus Wissensgraphen und strukturierte Tabellenbedingungen in einer einzigen Anfrage. Dies führt dazu, dass generative Sprachmodelle auf einer fundierteren Faktenbasis antworten, was KI-Halluzinationen signifikant reduziert. In praktischen Tests konnte AkasicDB komplexe Suchanfragen, die in herkömmlichen Systemen bis zu 21,3 Sekunden benötigten, in unter einer Sekunde bearbeiten. Dies entspricht einer Beschleunigung um das Mehrfache von über zwanzig. Gleichzeitig stieg die Antwortgenauigkeit der KI um bis zu 78 Prozent gegenüber herkömmlichen RAG-Implementierungen. Die integrierte Architektur minimiert zudem den unnötigen Generierungs- und Datentransfer von Zwischenergebnissen, wodurch der Token-Verbrauch der Sprachmodelle sinkt und die Antwortlatenz weiter abnimmt. Die Forschungsergebnisse wurden im Journal Companion of the International Conference on Management of Data veröffentlicht und am 2. Juni als Demo-Paper auf der Konferenz ACM SIGMOD 2026 präsentiert. Das Team unter Leitung von Professor Min-Soo Kim aus der Fakultät für Informatik betont, dass eine integrierte Dateninfrastruktur essenziell sei, damit KI-Agenten die vielfältigen und heterogenen Datenbestände von Unternehmen zuverlässig verstehen und nutzen können. AkasicDB soll als Kerninfrastruktur für sektorale Anwendungen mit hohen Zuverlässigkeitsanforderungen dienen, darunter Verteidigung, Fertigung, Finanzwesen, Rechtswesen sowie Wissenschaft und Technologie.