Vektordatenbank – Definition & Bedeutung
Eine Vektordatenbank speichert Inhalte als Vektoren, also als Zahlenreihen, die ihre Bedeutung abbilden. So findet sie nicht nur exakte Stichworte, sondern inhaltlich passende Texte. Sie ist die Grundlage für RAG, Unternehmens-GPTs und semantische Produktsuche.
Was ist eine Vektordatenbank?
Klassische Datenbanken und Suchen arbeiten mit exakten Werten und Stichworten. Eine Vektordatenbank ist darauf spezialisiert, Ähnlichkeit zu finden. Dazu wird jeder Inhalt, etwa ein Textabschnitt, eine Produktbeschreibung oder ein Bild, von einem Embedding-Modell in einen Vektor umgewandelt: eine lange Reihe von Zahlen, die die Bedeutung repräsentiert. Inhalte mit ähnlicher Bedeutung liegen im Vektorraum nahe beieinander.
Wie funktioniert die Suche?
Stellt jemand eine Frage, wird auch sie in einen Vektor umgewandelt. Die Datenbank sucht dann die Vektoren, die ihr am nächsten liegen. So findet eine Suche nach „Schuhe für nasses Wetter“ auch Produkte, die als „wasserdicht“ beschrieben sind, obwohl das Wort „nass“ nicht vorkommt. Um Millionen Einträge schnell zu durchsuchen, verwenden Vektordatenbanken spezielle Indexverfahren für die ungefähre Nächste-Nachbarn-Suche.
Wofür werden Vektordatenbanken genutzt?
- RAG und Unternehmens-GPT: Die passenden Dokumentabschnitte zu einer Frage finden, bevor das Sprachmodell antwortet.
- Semantische Produktsuche: Suchen im Onlineshop, die Absicht statt nur Stichworte verstehen, siehe KI im E-Commerce.
- Empfehlungen und Dubletten: ähnliche Produkte, Tickets oder Dokumente erkennen.
- Bild- und multimodale Suche: Produkte anhand eines Fotos finden, siehe Multimodale KI.
Welche Lösungen gibt es?
Es gibt spezialisierte Vektordatenbanken wie Qdrant, Weaviate, Milvus oder Pinecone. Häufig reicht aber eine Erweiterung einer vorhandenen Datenbank, etwa pgvector für PostgreSQL oder die Vektorsuche in OpenSearch und Elasticsearch. Das spart zusätzliche Infrastruktur. In der Praxis entscheiden Datenmenge, Filteranforderungen, Rechtekonzept und Betriebsort. Für gute Ergebnisse kombinieren viele Systeme die Vektorsuche mit klassischer Stichwortsuche (Hybrid Search).
Welche Lösung passt, klären wir im Rahmen unserer KI-Entwicklung.
Verwandte Begriffe & Leistungen
In der Praxis: Vektordatenbanken sind das Herzstück jedes RAG-Systems. Wie wir solche Systeme mit Datenaufbereitung, hybrider Suche und Rechtekonzept bauen, zeigt unsere Seite RAG-System entwickeln lassen.
Häufige Fragen
Brauche ich für RAG eine eigene Vektordatenbank?
Nicht zwingend. Für viele Projekte reicht eine Vektor-Erweiterung einer vorhandenen Datenbank wie pgvector für PostgreSQL. Spezialisierte Systeme lohnen sich bei sehr großen Datenmengen oder hohen Anforderungen an Geschwindigkeit.
Was ist ein Embedding?
Ein Embedding ist die Zahlendarstellung eines Inhalts, die seine Bedeutung abbildet. Es wird von einem speziellen Modell berechnet und in der Vektordatenbank gespeichert.
Ersetzt die Vektorsuche die normale Suche im Shop?
Meist ergänzt sie sie. Die besten Ergebnisse liefert eine Kombination aus Vektorsuche und klassischer Stichwortsuche mit Filtern.
Bereit, gemeinsam Großes zu schaffen?
Lass uns unverbindlich über dein Projekt sprechen.