Grounding hybride sur HANA Cloud — Vector Engine + Knowledge Graph Engine

Pourquoi une seule technique de grounding ne suffit pas

La leçon SAP Learning consacrée au Knowledge Graph énumère les limites du RAG vectoriel naïf : il ignore les relations entre entités, et les LLM peinent avec les formats, les hiérarchies et la connaissance métier de l'entreprise. Le remède que nomme SAP consiste à combiner GraphRAG et RAG vectoriel sur des données métier stockées dans SAP HANA et Datasphere. Une série communautaire SAP de juillet 2026, qui construit un agent à graphe de connaissances sur des data products BDC, le résume en une ligne : les bases vectorielles aident l'IA à trouver ce qui se ressemble ; les graphes de connaissances l'aident à comprendre ce qui est relié. Prenez la question « si le poste de travail Z_ASM3 tombe en panne, quels clients sont touchés et quel chiffre d'affaires est exposé ? » — aucune recherche par similarité ne suit la chaîne poste de travail → produit → commande client → client, et aucun graphe ne devrait additionner du chiffre d'affaires.

Pourquoi c'est important

• Les questions de relations (quels clients sont touchés si un poste de travail tombe) ne se résolvent pas par similarité ; les agrégations ne se font pas dans un graphe.
• HANA Cloud exécute recherche vectorielle, SPARQL et SQL dans un même moteur : les résultats sont fusionnés dans la base plutôt que par le LLM.
• Les index HNSW approximatifs, le choix du modèle d'embedding et le re-classement par cross-encoder changent directement les éléments que l'agent voit.

Points clés

• Les vecteurs trouvent le semblable ; les graphes savent ce qui est relié — combiner GraphRAG et RAG vectoriel (SAP Learning).
• REAL_VECTOR / HALF_VECTOR, dimension 1–65 000 ; pas de row tables, pas de tri, pas de clé de partition.
• Similarité : COSINE_SIMILARITY et L2DISTANCE ; embeddings dans la base avec VECTOR_EMBEDDING (service NLP).
• Modèles documentés : SAP_NEB.20240715 et SAP_GXY.20250407 (768 dimensions).
• Index HNSW uniquement : M 64, efConstruction 128, efSearch 256 par défaut ; construction ONLINE ; NO_VECTOR_INDEX pour une recherche exacte.
• CROSS_ENCODE avec SAP_CER.20250701 re-classe les meilleurs candidats.
• Moteur de graphe : SPARQL_EXECUTE, SPARQL_TABLE, SQL_TABLE ; fédération avec les moteurs SQL et vectoriel.
• Patron : données de référence dans le graphe, transactions en SQL sur les data products BDC (tables virtuelles), texte via les vecteurs.

Termes employés sur cette page

HNSW

Hierarchical navigable small world : type d'index de plus proches voisins approximatif pris en charge par les colonnes vectorielles de HANA Cloud.

efSearch

Paramètre de recherche HNSW : nombre de candidats collectés par requête top-k ; plus élevé, il accroît rappel et temps de requête.

Cross-encoder

Modèle qui note ensemble requête et passage ; utilisé par CROSS_ENCODE pour re-classer les résultats d'une recherche vectorielle.

GraphRAG

Récupération qui suit des relations explicites dans un graphe de connaissances pour assembler le contexte d'un LLM.

Question de compétence

Question métier à laquelle un graphe de connaissances doit répondre ; elle guide la conception de l'ontologie et sert de cas de test.

SHACL

Langage W3C de validation des graphes RDF par rapport à des formes (propriétés obligatoires, types).

Table virtuelle (data product BDC)

Chemin d'accès de HANA Cloud à un data product BDC partagé vers l'instance, sans pipeline ETL construit par le client.

Sources

1. SAP Learning — Exploring SAP Knowledge Graph (452,000 ABAP tables, 80,000 CDS views, 7.3 million fields)
2. SAP Community — Knowledge Graph Agent on SAP HANA Cloud Series, Part 1: Why Knowledge Graph for SAP Data (Jul 2026)
3. SAP Help — Vector Engine Guide: REAL_VECTOR and HALF_VECTOR Data Types (QRC 3/2026)
4. SAP Help — Vector Engine Guide: Using the VECTOR_EMBEDDING Function
5. SAP Help — Vector Engine Guide: Creating Text Embeddings with NLP (SAP_NEB, SAP_GXY models)
6. SAP Help — Vector Engine Guide: Embedding Text Values in Tables (generated columns, triggers)
7. SAP Help — Vector Engine Guide: Creating Indexes on REAL_VECTOR and HALF_VECTOR Columns
8. SAP Help — Vector Engine Guide: CREATE VECTOR INDEX Statement (HNSW, M, efConstruction, efSearch)
9. SAP Help — Vector Engine Guide: Improving Search Results with a Cross-Encoder (CROSS_ENCODE)
10. SAP Help — HANA Cloud Knowledge Graph Engine Guide: Connectivity Interfaces (SPARQL_EXECUTE, SPARQL_TABLE, SQL_TABLE), QRC 3/2026
11. SAP Help — SPARQL Reference Guide: SPARQL SELECT Queries Using SPARQL_TABLE
12. SAP News — Business AI Innovation Unveiled at SAP TechEd (Nov 2025): HANA Cloud knowledge graph engine auto-generation from metadata (Q1 2026)
13. SAP Community — Converging Every AI Workload on a Single Database (SAP HANA Cloud, Sep 2026)