ÜberblickOverview
Bei modernen KI-Produkten ist selten das Sprachmodell der Engpass. Der Engpass sind die Daten darunter und wie der Agent an sie kommt. Genau diese Schicht nennen wir den Datenlayer. Diese Seite zeigt an Elyvite, unserer eigenen medizinischen Intelligence-Plattform, wie so ein Datenlayer heute aussieht und wie wir ihn als Nächstes ausbauen.In modern AI products, the language model is rarely the bottleneck. The bottleneck is the data underneath and how the agent reaches it. That layer is what we call the data layer. Using Elyvite, our own live medical intelligence platform, this page shows what such a data layer looks like today and how we are extending it next.
Kurz zum Produkt: Elyvite ist ein Health Intelligence Workspace. Es gleicht den Konsens von Top-Experten mit aktuellen Studien und Web-Quellen ab und zeigt in einer Ansicht, wo Einigkeit herrscht und wo Streit, mit Quelle pro Aussage und in sechs Sprachen. Damit so eine Antwort verlässlich ist, muss der Datenlayer darunter stimmen. Genau darum geht es hier.A quick word on the product: Elyvite is a Health Intelligence Workspace. It reconciles the consensus of top experts with current studies and web sources, and shows in one view where they agree and where they clash, with a source per claim and in six languages. For an answer like that to be reliable, the data layer underneath has to be right. That is what this page is about.
Der rote Faden ist einfach. Erst das Problem, warum der Datenlayer über die Antwortqualität entscheidet. Dann was Elyvite heute kann und wie es gebaut ist. Zum Schluss die Richtung, in die wir es weiterentwickeln, mit neuen Datenbanken für Pflanzen, Supplemente und Krankheiten, einer Wissens-Orientierung davor und einer offenen Schnittstelle nach außen.The thread is simple. First the problem, why the data layer decides answer quality. Then what Elyvite does today and how it is built. Finally the direction we are taking it, with new databases for plants, supplements and diseases, a knowledge orientation in front of them, and an open interface to the outside.
Das KernproblemThe core problem
Die meisten Fehler von KI-Agenten sind Daten-Fehler, keine Modell-Fehler. Ein starkes Modell kann reasonen, aber es scheitert an allem davor: Es sucht, ruft ab, bewertet, sucht nochmal und fügt aus Bruchstücken ein Teilbild zusammen. Dabei verbrennt es den Großteil von Zeit und Kosten, bevor es überhaupt zum Denken kommt. Pinecone hat das im Mai 2026 sauber gemessen: Vorab strukturierte Daten lieferten doppelt so genaue Antworten wie klassisches Zusammensuchen zur Abfragezeit, bei rund einem Siebtel der Token.Most AI agent failures are data failures, not model failures. A strong model can reason, but it stumbles on everything before that: it searches, retrieves, evaluates, searches again, and assembles a partial picture from fragments. It burns most of its time and cost before it even starts thinking. Pinecone measured this cleanly in May 2026: pre-structured data produced answers that were twice as accurate as assembling context at query time, at roughly one seventh of the tokens.
Für eine medizinische Plattform ist das keine akademische Frage. Hier zählt, dass eine Aussage zur richtigen Studie, zum richtigen Experten und zur richtigen Quelle gehört. Vertrauen entsteht aus Nachvollziehbarkeit, und Nachvollziehbarkeit entsteht im Datenlayer, nicht im Prompt.For a medical platform this is not academic. Here it matters that a statement ties back to the right study, the right expert and the right source. Trust comes from traceability, and traceability lives in the data layer, not in the prompt.
Die AgentenThe agents
Elyvite läuft heute produktiv. Ärztinnen und Ärzte stellen medizinische Fragen, und je nach Modus antwortet ein anderer Agent. Die wichtigsten aktiven Modi:Elyvite runs in production today. Doctors ask medical questions, and depending on the mode a different agent answers. The main active modes:
Konsens
Der Hero-Agent. Er sammelt mehrere Expertenmeinungen zu einer Frage und macht sichtbar, wo Einigkeit herrscht und wo nicht, mit Grad der Übereinstimmung pro Punkt.The hero agent. It gathers several expert opinions on a question and shows where they agree and where they do not, with an agreement level per point.
RechercheResearch
Tiefe Recherche mit dreistufiger Eskalation: erst die interne Wissensbasis, dann Web-Suche, dann akademische Literatur über Semantic Scholar und OpenAlex.Deep research with three-tier escalation: first the internal knowledge base, then web search, then academic literature via Semantic Scholar and OpenAlex.
KonversationConversation
Ein leichter Frage-Antwort-Modus mit direkten Verweisen auf Expertenvideos, für schnelle Orientierung ohne große Aufbereitung.A light question and answer mode with direct links to expert videos, for fast orientation without heavy formatting.
AnreicherungEnhancement
Zwei Helfer, die eine bestehende Antwort mit wissenschaftlichen Studien oder mit Web-Inhalten anreichern und so die Quellenbasis vertiefen.Two helpers that enrich an existing answer with scientific studies or with web content, deepening the source base.
Das Entscheidende: Jeder dieser Agenten ist nur so gut wie der Datenlayer, aus dem er schöpft. Genau deshalb steckt die eigentliche Arbeit eine Ebene tiefer.The key point: each of these agents is only as good as the data layer it draws from. That is exactly why the real work sits one level deeper.
Der Datenlayer heuteThe data layer today
Heute ruht Elyvite auf zwei eigenen Speichern und drei externen Quellen. Der erste Speicher ist ein Knowledge-Graph in Zep: Konzepte als Knoten, Beziehungen als Kanten, dazu Episoden aus Expertenvideos mit Metadaten und Quell-URL. Der zweite ist eine Vektordatenbank in Supabase mit pgvector, in der Inhalte als durchsuchbare Text-Chunks liegen, jeweils mit Experte und Quelle. Dazu kommen bei Bedarf Semantic Scholar, OpenAlex und Web-Suche.Today Elyvite rests on two of its own stores and three external sources. The first store is a knowledge graph in Zep: concepts as nodes, relationships as edges, plus episodes from expert videos with metadata and source URL. The second is a vector database in Supabase with pgvector, holding content as searchable text chunks, each tagged with expert and source. On demand it adds Semantic Scholar, OpenAlex and web search.
Diese Trennung ist Absicht. Der Graph trägt die Beziehungen, also wer was zu welchem Konzept sagt und wo widersprochen wird. Die Vektoren tragen die Breite, also die unscharfe semantische Suche über viele Passagen. Externe Quellen kommen nur dazu, wenn die interne Basis nicht reicht. Genau diese Mischung ist 2026 der Stand der Technik, weil reines Vektor-RAG bei Mehrschritt-Fragen stark abfällt.This split is deliberate. The graph carries relationships, who says what about which concept and where they disagree. The vectors carry breadth, the fuzzy semantic search across many passages. External sources join only when the internal base is not enough. This mix is the 2026 state of the art, because pure vector RAG drops sharply on multi-hop questions.
Die Artikel-PipelineThe article pipeline
Elyvite produziert Inhalte nicht von Hand. Eine automatisierte Pipeline erzeugt täglich einen medizinischen Fachartikel, prüft ihn gegen feste Marken- und Qualitätsregeln und übersetzt ihn anschließend parallel in fünf weitere Sprachen. So entsteht aus einem englischen Original ein konsistenter, mehrsprachiger Bestand, ohne dass jemand nachts Übersetzungen tippt.Elyvite does not produce content by hand. An automated pipeline generates one medical article every day, checks it against fixed brand and quality rules, and then translates it in parallel into five more languages. From one English original it builds a consistent, multilingual body of content, without anyone typing translations at night.
Blick in die WerkstattInside the workshop
Hinter der Nutzeroberfläche liegt ein Maschinenraum, der oft unsichtbar bleibt. Bei Elyvite steuert ein Admin-Dashboard mit neun Bereichen den Betrieb: Nutzer und Einladungen, Abos und Umsatz mit den üblichen Kennzahlen, ein Guthaben-System für die Nutzung, Feature-Flags zum gezielten Ein- und Ausschalten einzelner Agenten, dazu Audit und Sicherheit. So lässt sich ein Agent gefahrlos abschalten, während er überarbeitet wird, ohne dass der Rest leidet.Behind the user interface sits an engine room that usually stays invisible. In Elyvite an admin dashboard with nine areas runs operations: users and invites, subscriptions and revenue with the usual metrics, a credit system for usage, feature flags to switch individual agents on and off, plus audit and security. This lets us safely disable one agent while it is being reworked, without the rest suffering.
Daneben steht ein eigenes Redaktionssystem. Dort werden Artikel und Ankündigungen gepflegt, Hilfe-Inhalte verwaltet und vor allem die Prompts der Agenten versioniert. Letzteres ist wichtiger, als es klingt: Wer die Anweisungen an seine Agenten wie Code versioniert, kann Qualität gezielt verbessern und Änderungen zurücknehmen, statt im Blindflug zu justieren.Next to it sits an in-house editorial system. It maintains articles and announcements, manages help content and, above all, versions the agents' prompts. That last part matters more than it sounds: versioning the instructions to your agents like code lets you improve quality deliberately and roll changes back, instead of tuning blind.
Die Ingestion-PipelineThe ingestion pipeline
Daten landen nicht von Hand in Elyvite. Eine eigene Desktop-Anwendung verwandelt die YouTube-Kanäle von Gesundheitsexperten in eine strukturierte, durchsuchbare Wissensbasis, einen Bestand, der täglich wächst. Sie hat einen früheren Bastelaufbau aus n8n und Airtable ersetzt, durch echtes Engineering: Job-Queue, Wiederholungslogik, Monitoring, Qualitätskontrolle. Wir haben sie selbst gebaut, allein mit KI-Coding-Werkzeugen, aber mit dem Drumherum, das ein verlässliches Produkt braucht.Data does not land in Elyvite by hand. A dedicated desktop application turns the YouTube channels of health experts into a structured, searchable knowledge base, a corpus that grows every day. It replaced an earlier improvised setup of n8n and Airtable with real engineering: a job queue, retry logic, monitoring, quality control. We built it ourselves, alone with AI coding tools, but with the scaffolding a reliable product needs.
Du legst einen Kanal an und startest den Scan. Neue Videos sucht die App über drei Quellen mit Fallback: zuerst die kostenlose YouTube-Data-API, und nur wenn die ausfällt, springen zwei Apify-Scraper ein. So bricht ein Scan nicht ab, nur weil eine Quelle zickt. Vor der teuren Verarbeitung prüft ein kleines Sprachmodell jeden Titel auf Relevanz zum Gesundheitsfokus. Was nicht passt, wird übersprungen. Bei einem Kanal waren das 854 von 2.587 Videos, also gespartes Budget und gesparte Zeit.You add a channel and start the scan. The app finds new videos through three sources with fallback: first the free YouTube Data API, and only if that fails do two Apify scrapers step in. That way a scan does not break just because one source acts up. Before the expensive processing, a small language model checks each title for relevance to the health focus. What does not fit gets skipped. For one channel that was 854 of 2,587 videos, so saved budget and saved time.
Was übrig bleibt, durchläuft fünf Stufen: Transkript laden, übersetzen, mit dem LLM aufbereiten, in Supabase als Vektor schreiben, und in Zep als Knowledge-Graph schreiben. Jede Stufe ist ein eigener Job in einer Warteschlange. Schlägt einer fehl, wird er bis zu dreimal neu versucht und sonst sauber als übersprungen abgelegt, statt die ganze Verarbeitung umzuwerfen.What remains runs through five stages: fetch the transcript, translate, structure it with the LLM, write it to Supabase as a vector, and write it to Zep as a knowledge graph. Each stage is its own job in a queue. If one fails, it is retried up to three times and otherwise filed cleanly as skipped, instead of toppling the whole run.
Mehr als Verarbeitung: Kontrolle und SelbstheilungMore than processing: control and self-healing
Die App schreibt nicht nur neu hinein, sie hält die bestehenden Datenbanken sauber. Beim Import laufen Qualitätsprüfungen über das, was ein früherer, fehleranfälligerer Prozess hinterlassen hat. Einträge, die korrupt oder nicht bis zur Quelle nachverfolgbar sind, werden erkannt, aus Supabase und Zep entfernt und neu erzeugt. So heilt sich der Bestand selbst, statt Altlasten mitzuschleppen.The app does not only write new data in, it keeps the existing databases clean. On import, quality checks run over what an earlier, more error-prone process left behind. Entries that are corrupt or not traceable back to their source are detected, removed from Supabase and Zep, and regenerated. The corpus heals itself instead of dragging old debt along.
Import mit QualitätskontrolleImport with quality control
Bestehende Daten aus Supabase und Zep kommen unter Kontrolle. Korrupte Einträge werden gefunden, gelöscht und sauber neu generiert.Existing data from Supabase and Zep is brought under control. Corrupt entries are found, deleted and cleanly regenerated.
Live-Pipeline-RunsLive pipeline runs
Jeder Lauf und jede Stufe in Echtzeit sichtbar. Hängende Jobs lassen sich gezielt neu anstoßen oder zurücksetzen.Every run and every stage visible in real time. Stuck jobs can be retried or reset on demand.
Prompt-SteuerungPrompt control
Alle LLM-Prompts an einem Ort, versioniert. Verhalten ändern, ohne neu zu deployen.All LLM prompts in one place, versioned. Change behavior without redeploying.
StatuspageStatus page
Ein Gesamtüberblick über den Zustand. Echte Fehler sauber getrennt von bewusst Übersprungenem.One overview of the whole state. Real errors cleanly separated from what was deliberately skipped.
Warum eine eigene Anwendung statt n8n und Airtable? Weil wir die Datenextraktion vollständig automatisieren wollen, mit Qualitätsschichten an jeder Stufe, und weil dieselbe Quelle künftig mehrere Datenbanktechnologien aus einem Lauf füttern soll. Heute Supabase und Zep, als Nächstes die strukturierten Datenbanken für Pflanzen, Supplemente und Krankheiten. Die teure Aufbereitung passiert einmal zentral, das Ergebnis wird mehrfach genutzt. Genau das ist die Brücke zum nächsten Kapitel.Why a dedicated application instead of n8n and Airtable? Because we want to fully automate the data extraction, with quality layers at every stage, and because the same source will soon feed several database technologies from one run. Today Supabase and Zep, next the structured databases for plants, supplements and diseases. The expensive processing happens once, centrally, and the result is used many times. That is exactly the bridge to the next chapter.
Neue DatenbankenNew databases
Der nächste Ausbau betrifft den Kern: neue, strukturierte Datenbanken für Pflanzen, Supplemente und Krankheiten, dazu Bücher und Fotos. Auf der Roadmap stehen außerdem traditionelle Wissenssysteme wie TCM und Ayurveda, regulatorische Quellen und Bilddatenbanken. Der wichtigste Grundsatz dabei ist, was man nicht tut. Strukturierte Stammdaten gehören nicht als Textbrocken in den Vektor-Store. Eine Pflanze mit Synonymen, Wirkstoffen, Indikationen und Kontraindikationen ist eine Entität mit Feldern, keine Textpassage.The next expansion touches the core: new, structured databases for plants, supplements and diseases, plus books and photos. The roadmap also includes traditional knowledge systems like TCM and Ayurveda, regulatory sources and image databases. The most important principle here is what you do not do. Structured master data does not belong in the vector store as chunks of text. A plant with synonyms, active compounds, indications and contraindications is an entity with fields, not a passage of text.
| DatentypData type | Beste MethodeBest method |
|---|---|
| Pflanzen, Supplemente, KrankheitenPlants, supplements, diseases | Relationale Tabellen, Zugriff über strukturierte Werkzeuge, im Graph verknüpftRelational tables, access via structured tools, linked in the graph |
| Bücher, lange DokumenteBooks, long documents | Adaptives Chunking entlang von Kapiteln, hierarchisch, mit Kontext pro AbschnittAdaptive chunking along chapters, hierarchical, with context per section |
| Fotos, IllustrationenPhotos, illustrations | Multimodale Embeddings für Kataloge, seitenbasierte Modelle für dokumentlastige ScansMultimodal embeddings for catalogs, page-based models for document-heavy scans |
Damit dieselbe Pflanze über Datenbank, Video, Buch und Foto hinweg dieselbe Sache bleibt, egal in welcher Sprache oder Tradition, hängt alles an einer gemeinsamen Begriffsschicht. Johanniskraut, Hypericum perforatum und St. John's Wort sind eine Entität, nicht drei. Diese Auflösung ist die unsichtbare Klammer um den ganzen Bestand.For the same plant to stay the same thing across database, video, book and photo, no matter the language or tradition, everything hangs on a shared concept layer. Johanniskraut, Hypericum perforatum and St. John's Wort are one entity, not three. That resolution is the invisible bracket around the whole corpus.
Die OrientierungsschichtThe orientation layer
Hier kommt der interessanteste Baustein. Vor die eigentliche Datenbanksuche setzen wir eine Orientierungsschicht. Sie beantwortet drei Fragen, bevor ein einziger Treffer gezogen wird: Wo lohnt sich die Suche überhaupt, wer ist als Experte relevant und welchen Hintergrund hat er, und wie tief muss man gehen. Erst danach startet die teure Tiefensuche, und zwar gezielt statt blind.Here comes the most interesting building block. In front of the actual database search we place an orientation layer. It answers three questions before a single result is fetched: where is searching worthwhile at all, which expert is relevant and what is their background, and how deep do we need to go. Only then does the expensive deep search start, targeted instead of blind.
Sie besteht aus drei Teilen: einem Themen- und Video-Index, der wie ein Inhaltsverzeichnis des ganzen Bestands wirkt, einem Experten-Wiki mit Steckbriefen als Hintergrund- und Vertrauensschicht, und einer Routing-Logik, die aus beidem eine gezielte Suchanweisung macht. Das Bild dazu: nicht das ganze Archiv durchwühlen, sondern erst das Inhaltsverzeichnis und die Autorenverzeichnisse lesen, dann die richtigen Kapitel aufschlagen.It has three parts: a topic and video index that works like a table of contents for the whole corpus, an expert wiki with profiles as a background and trust layer, and a routing logic that turns both into a targeted search instruction. The picture: do not rummage through the whole archive, first read the table of contents and the author index, then open the right chapters.
Das ist keine exotische Idee. Pinecone hat im Mai 2026 mit Nexus genau diesen Ansatz als Produkt vorgestellt und gemessen: Vorab-Verdichtung war in ihrem Test rund doppelt so genau wie klassisches Agentic RAG, bei etwa einem Siebtel der Token und in deutlich weniger Schritten. Weaviate geht mit seinem Query Agent denselben Weg. Wir setzen das Prinzip auf Elyvites eigenem Stack um, weil die wertvolle Verdichtung dort liegen soll, wo auch der Wert liegt: bei uns.This is not an exotic idea. In May 2026 Pinecone introduced exactly this approach as a product, Nexus, and measured it: pre-compaction was about twice as accurate as classic agentic RAG in their test, at roughly one seventh of the tokens and in far fewer steps. Weaviate takes the same path with its Query Agent. We implement the principle on Elyvite's own stack, because the valuable compaction should sit where the value sits: with us.
MCP und Distributionand distribution
Bleibt die Frage, wie all diese Quellen sauber an die Agenten kommen. Die Antwort heißt MCP, das Model Context Protocol. Seit Ende 2025 ist es der Industriestandard dafür, wie Agenten an Daten und Werkzeuge kommen, von vielen "USB-C für KI" genannt. Wichtig: MCP ist keine Datenbank und ersetzt weder Zep noch Supabase. Es ist eine einheitliche Steckdose, über die ein Agent Daten anfragt, egal was darunter liegt.That leaves the question of how all these sources reach the agents cleanly. The answer is MCP, the Model Context Protocol. Since late 2025 it has been the industry standard for how agents reach data and tools, often called the USB-C for AI. Important: MCP is not a database and replaces neither Zep nor Supabase. It is a single socket through which an agent requests data, no matter what sits underneath.
Praktisch wird jede Quelle als ein gleichförmiges Werkzeug bereitgestellt. Der Agent muss nicht mehr wissen, dass der Graph anders angesprochen wird als die Vektoren. Er sieht eine Liste von Werkzeugen, und die Orientierungsschicht entscheidet, welche davon angefasst werden. Jede neue Datenbank wird so zu einem Anstecken statt zu einem Umbau.In practice each source is exposed as one uniform tool. The agent no longer needs to know that the graph is addressed differently than the vectors. It sees a list of tools, and the orientation layer decides which ones get touched. Every new database becomes a plug-in instead of a rebuild.
Derselbe Mechanismus öffnet einen Distributionskanal. Elyvite kann sich selbst als MCP-Server bereitstellen und damit als Wissensquelle in Werkzeuge einklinken, in denen Fachleute ohnehin arbeiten, etwa Claude Desktop. Eine Frage dort löst im Hintergrund einen Aufruf aus, und die kuratierte Antwort mit Quellen fließt direkt in den Chat. Der Zugriff läuft über die bestehende Anmeldung und Abrechnung, und nach außen gehen nur fertige Antworten, nie der rohe Graph. So bleibt der Wert geschützt und wird trotzdem dort sichtbar, wo gearbeitet wird.The same mechanism opens a distribution channel. Elyvite can expose itself as an MCP server and plug in as a knowledge source inside the tools professionals already use, such as Claude Desktop. A question there triggers a call in the background, and the curated answer with sources flows straight into the chat. Access runs through the existing login and billing, and only finished answers go out, never the raw graph. The value stays protected and still shows up where the work happens.
Anbieter-Landschaft und wie man wähltProvider landscape and how to choose
Es gibt viele gute Speicher, und die richtige Wahl hängt nicht vom Namen ab, sondern von drei Fragen: gehostet oder selbst betrieben, Vektor oder Graph oder beides, und welche Lizenz und welcher Datenschutz nötig sind. Wir listen hier die wichtigsten Anbieter und ordnen sie ein, statt sie nur aufzuzählen. Der Markt bewegt sich schnell, der Stand ist Juni 2026.There are many good stores, and the right choice does not depend on the name but on three questions: hosted or self-run, vector or graph or both, and which license and data protection you need. We list the main providers here and place them in context, rather than just enumerating them. The market moves fast, this is the state as of June 2026.
Die drei EntscheidungsachsenThe three decision axes
Gehostet oder selbst betriebenHosted or self-run
Managed ist schnell und ohne Betriebslast, kostet aber mehr at scale und die Daten verlassen den eigenen Stack. Self-Host gibt Kontrolle, EU-Residency und ist bei Skala günstiger, aber man betreibt es selbst.Managed is fast and ops-free, but costs more at scale and the data leaves your stack. Self-hosting gives control, EU residency and is cheaper at scale, but you run it yourself.
Vektor, Graph oder HybridVector, graph or hybrid
Vektoren für die Breite, Graph für Beziehungen, Mehrschritt und temporales Gedächtnis. Hybrid ist 2026 der Default.Vectors for breadth, graph for relationships, multi-hop and temporal memory. Hybrid is the 2026 default.
Skala und LizenzScale and license
Bis grob 10 bis 100 Mio Vektoren reicht Postgres. Darüber lohnen spezialisierte Stores. Lizenz prüfen: permissiv quelloffen, source-available oder nur managed.Up to roughly 10 to 100 million vectors, Postgres is enough. Beyond that, specialized stores pay off. Check the license: permissive open source, source-available, or managed-only.
Datenhoheit und EU-ResidencyData ownership and EU residency
Für medizinische Daten nicht verhandelbar. Self-Host oder Anbieter mit echter EU-Region und passenden Zertifikaten (SOC 2, ISO 27001, HIPAA, DSGVO).Not negotiable for medical data. Self-host, or a provider with a real EU region and the right certifications (SOC 2, ISO 27001, HIPAA, GDPR).
Vektor-StoresVector stores
| AnbieterProvider | Hosting | LizenzLicense | StärkeStrength |
|---|---|---|---|
| pgvector (Supabase, Neon)(Supabase, Neon) | Self-Host oder Managed-PostgresSelf-host or managed Postgres | PostgreSQL, permissivPostgreSQL, permissive | Postgres-nativ, EU-Residency leicht, bis ~10 bis 100 Mio VektorenPostgres-native, easy EU residency, up to ~10 to 100M vectors |
| Qdrant | Self-Host oder CloudSelf-host or Cloud | Apache 2.0 | Rust, starke Filter, am einfachsten selbst zu betreibenRust, strong filtering, easiest dedicated store to self-host |
| Weaviate | Self-Host oder CloudSelf-host or Cloud | BSD-3, quelloffenBSD-3, open source | Beste Hybrid-Suche (BM25, Vektor, Filter in einer Abfrage)Best hybrid search (BM25, vector, filter in one query) |
| Milvus / Zilliz/ Zilliz | Self-Host oder CloudSelf-host or Cloud | Apache 2.0 | Milliarden-Skala, aber komplex zu betreibenBillion-scale, but complex to operate |
| Chroma | Self-Host / embeddedSelf-host / embedded | Apache 2.0 | Einfach, gut für Prototypen und kleinere RAG-AppsSimple, good for prototypes and smaller RAG apps |
| LanceDB | EingebettetEmbedded | Apache 2.0 | Läuft im Prozess, kein Server, schlankRuns in-process, no server, lightweight |
| Pinecone | Nur managed (BYOC möglich)Managed only (BYOC available) | ProprietärProprietary | Einfachster Betrieb, viele Zertifikate, teuer at scale, Nexus als Knowledge-EngineEasiest to operate, many certifications, costly at scale, Nexus as a knowledge engine |
Zum Vergleich: Pinecone ist am einfachsten zu betreiben, Weaviate führt bei Hybrid-Suche, Qdrant hat die stärksten Filter und ist am leichtesten selbst zu hosten. Dieselbe Last kostet auf selbst gehostetem Qdrant oder Milvus oft das Fünf- bis Zehnfache weniger als auf Pinecone, dafür trägt man die Betriebslast.For comparison: Pinecone is easiest to operate, Weaviate leads on hybrid search, Qdrant has the strongest filtering and is easiest to self-host. The same workload on self-hosted Qdrant or Milvus often costs five to ten times less than Pinecone, but you carry the ops.
Graph- und Memory-EnginesGraph and memory engines
| Engine | Hosting | LizenzLicense | Stärke / HinweisStrength / note |
|---|---|---|---|
| Zep / Graphiti | Cloud (Zep) oder Self-Host (Graphiti)Cloud (Zep) or self-host (Graphiti) | Graphiti quelloffenGraphiti open source | Temporaler Wissensgraph fürs Agenten-Gedächtnis. Zep Community Edition eingestellt, Self-Host läuft über Graphiti plus eigene Graph-DB.Temporal knowledge graph for agent memory. Zep Community Edition discontinued, self-host runs via Graphiti plus your own graph DB. |
| Neo4j | Self-Host oder CloudSelf-host or Cloud | Community GPLv3, Enterprise kommerziellCommunity GPLv3, Enterprise commercial | Reifster Graph, Cypher, großes ÖkosystemMost mature graph, Cypher, large ecosystem |
| Memgraph | Self-Host oder CloudSelf-host or Cloud | BSL 1.1, kein OSI-Open-SourceBSL 1.1, not OSI open source | In-Memory, sehr schnellIn-memory, very fast |
| FalkorDB | Self-Host oder CloudSelf-host or Cloud | Source-availableSource-available | Leichter, Redis-basierter Graph, beliebt als Graphiti-BackendLightweight Redis-based graph, popular as a Graphiti backend |
| Kuzu | EingebettetEmbedded | MIT | Eingebettet, eine Datei. Vorsicht: 2025 von Apple übernommen, Repo archiviert, Entwicklung gestoppt.Embedded, single file. Caution: acquired by Apple in 2025, repo archived, development stopped. |
AusblickOutlook
Die Richtung ist klar, und sie deckt sich mit dem, was die führenden Anbieter gerade bauen. Reines Vektor-RAG hat seine Decke erreicht. Der Konsens für 2026 ist hybrid: Vektoren für die Breite, Graph für die Tiefe, strukturierte Datenbanken für exakte Fakten, eine Orientierung davor und eine einheitliche Bereitstellung über MCP. Genau auf dieser Linie liegt Elyvite, mit dem Unterschied, dass die wertvolle Schicht im eigenen Besitz bleibt.The direction is clear, and it matches what the leading vendors are building right now. Pure vector RAG has hit its ceiling. The 2026 consensus is hybrid: vectors for breadth, graph for depth, structured databases for exact facts, an orientation in front and a unified delivery over MCP. Elyvite sits exactly on that line, with the difference that the valuable layer stays in our own hands.
Die nächsten Schritte sind konkret: die neuen strukturierten Datenbanken anbinden, die Orientierungsschicht aus Index und Experten-Wiki aufbauen, und MCP genau dann einführen, wenn die erste neue Datenbank dazukommt. Jeder Schritt zahlt direkt auf das ein, worauf es bei medizinischer KI ankommt: genauere Antworten, klare Quellen, mehr Vertrauen.The next steps are concrete: connect the new structured databases, build the orientation layer from index and expert wiki, and introduce MCP exactly when the first new database arrives. Every step pays straight into what matters for medical AI: more accurate answers, clear sources, more trust.
Im Produkt zeigt sich dieselbe Richtung. Heute ist Elyvite ein Recherche-Vorsprung: drei Quellen im Konsens, jede Aussage mit Beleg. Als Nächstes wird aus der Recherche mit einem Klick Klienten-Content und Marketing in der eigenen Markenstimme. Und danach wachsen die Datenbanken weiter, von TCM und Ayurveda über regulatorische Quellen bis zu Bildbeständen, samt Werkzeugen für Klienten-Materialien, Produktentwicklung und Lehre. Jede dieser Stufen steht und fällt mit dem Datenlayer.The product shows the same direction. Today Elyvite is a research edge: three sources in consensus, every claim backed by evidence. Next, research turns into client content and marketing in your own brand voice with a single click. After that the databases keep growing, from TCM and Ayurveda through regulatory sources to image collections, together with tools for client materials, product development and teaching. Each of these stages stands or falls with the data layer.
Wir behandeln diese Seite als Anfang, nicht als Abschluss. Sie wächst mit dem, was wir bauen.We treat this page as a beginning, not an end. It grows with what we build.
FAQ
Was ist ein Datenlayer und warum entscheidet er über die Antwortqualität?What is a data layer and why does it decide answer quality?
Der Datenlayer ist die Schicht unter den Agenten: das qualifizierte Korpus, der Knowledge-Graph und die Vektoren. Die meisten Agenten-Fehler sind Daten-Fehler. Wer die Daten gut strukturiert und vorab orientiert, bekommt genauere Antworten bei niedrigeren Kosten.The data layer is the layer beneath the agents: the qualified corpus, the knowledge graph and the vectors. Most agent failures are data failures. Structuring the data well and orienting it up front gives more accurate answers at lower cost.
Was kann Elyvite heute?What can Elyvite do today?
Elyvite ist eine live laufende medizinische Plattform mit Multi-Experten-Konsens, tiefer Recherche mit Eskalation in akademische Literatur, Studien-Anreicherung, mehrsprachiger Oberfläche und einer täglichen, automatisch übersetzten Artikel-Pipeline.Elyvite is a live medical platform with multi-expert consensus, deep research that escalates into academic literature, study enrichment, a multilingual interface and a daily, automatically translated article pipeline.
Warum nicht einfach alles in eine Vektordatenbank werfen?Why not just throw everything into a vector database?
Weil reine Vektorähnlichkeit bei Mehrschritt-Fragen und bei exakten, feldbasierten Abfragen stark abfällt. Strukturierte Daten gehören in Tabellen, Beziehungen in den Graph, unscharfe Suche in die Vektoren. Die Mischung schlägt jede Einzelmethode.Because pure vector similarity drops sharply on multi-hop questions and on exact, field-based queries. Structured data belongs in tables, relationships in the graph, fuzzy search in the vectors. The mix beats any single method.
Was bringt MCP konkret?What does MCP actually bring?
MCP ist der Standard, über den Agenten an Daten kommen. Elyvite kann damit jede Quelle als einheitliches Werkzeug bereitstellen und die Plattform sogar als Wissensquelle in externe Clients wie Claude Desktop einklinken, abgesichert über die bestehende Anmeldung.MCP is the standard through which agents reach data. With it Elyvite can expose every source as a uniform tool and even plug the platform into external clients like Claude Desktop as a knowledge source, secured through the existing login.
Neu in 1.3: Abschnitt Anbieter-Landschaft (Vektor-Stores, Graph- und Memory-Engines, gehostet vs. selbst betrieben, Lizenzen, EU-Residency) aus tiefer Recherche. v1.2: Pipeline-Kontrolle und Selbstheilung, Produkt- und Vision-Kontext, feste Mengen raus. v1.1: Ingestion-Pipeline, zweisprachige Diagramme, Eigentümerschaft.Version 1.3 · Last updated: 8 June 2026 · FLOWPRIMO workshop report
New in 1.3: provider landscape section (vector stores, graph and memory engines, hosted vs self-run, licenses, EU residency) from deep research. v1.2: pipeline control and self-healing, product and vision context, fixed counts removed. v1.1: ingestion pipeline, bilingual diagrams, ownership.
Tools und weiterführend: Pinecone Nexus (Mai 2026), Weaviate Query Agent, Qdrant, Milvus, Zep mit Graphiti, Supabase pgvector. Anbieter-Einordnung und Kennzahlen aus öffentlichen Vergleichen und Benchmarks 2026; Elyvite-Details aus eigener Plattform-Analyse. Lizenz- und Hosting-Angaben können sich ändern, vor einer Entscheidung am Anbieter prüfen.Tools and further reading: Pinecone Nexus (May 2026), Weaviate Query Agent, Qdrant, Milvus, Zep with Graphiti, Supabase pgvector. Provider context and figures from public 2026 comparisons and benchmarks; Elyvite details from our own platform analysis. License and hosting details can change, verify with the provider before deciding.