Eine Graphdatenbank speichert Daten als Netz aus Knoten und den Verbindungen zwischen ihnen, statt als Zeilen in Tabellen. Knoten stehen für Objekte wie Personen, Firmen, Produkte oder Bauteile, die Kanten für ihre Beziehungen, wobei beide eigene Eigenschaften tragen können. Ihre Stärke liegt in Abfragen über mehrere Beziehungsschritte hinweg, die in relationalen Datenbanken viele verschachtelte Verknüpfungen erfordern und entsprechend langsam werden.
Typische Anwendungen sind Betrugserkennung über Verbindungen zwischen Konten, Empfehlungen auf Basis ähnlicher Nutzer, Lieferkettenanalysen, Berechtigungsprüfungen und Wissensgraphen. Verbreitete Systeme sind Neo4j sowie Erweiterungen bestehender Datenbanken um Graphfunktionen; abgefragt wird je nach System etwa mit der Sprache Cypher.
In KI-Anwendungen gewinnen sie an Bedeutung, weil sich ein Wissensgraph mit RAG kombinieren lässt: Statt nur ähnliche Textabschnitte zu liefern, gibt der Graph gesicherte Beziehungen mit, was Antworten auf Fragen über mehrere Zusammenhänge hinweg verbessert. Für kleinere Anwendungen bleibt die relationale Datenbank die einfachere Wahl, denn der Vorteil greift erst bei stark vernetzten Daten.