Eine Vektordatenbank speichert Embeddings und findet blitzschnell die Inhalte, die einer Suchanfrage inhaltlich am ähnlichsten sind.
Was bedeutet der Begriff?
Eine Vektordatenbank ist ein Datenspeicher, der auf Vektoren spezialisiert ist, also auf die Zahlenfolgen, die Embeddings darstellen. Ihre Stärke ist die Ähnlichkeitssuche: Zu einer Anfrage findet sie in kurzer Zeit die gespeicherten Inhalte, die inhaltlich am nächsten liegen, selbst bei sehr großen Beständen. Bekannte Lösungen sind Qdrant und Pinecone; mit der Erweiterung pgvector kann auch PostgreSQL Vektoren speichern.
Welche Datenbank passt, hängt von Datenmenge, Betriebsform und Datenschutz ab. Manche Lösungen lassen sich selbst hosten, andere laufen als Dienst in der Cloud. Wer ohnehin PostgreSQL nutzt, kommt mit pgvector oft ohne zusätzliches System aus. Neben dem Vektor werden meist auch Metadaten wie Quelle, Datum oder Zugriffsrechte gespeichert, um die Suche zu filtern.
Beispiel aus einem KMU
Ein Beispiel aus einem KMU: Ein Unternehmen zerlegt seine Handbücher in Abschnitte, erzeugt für jeden ein Embedding und legt sie in einer Vektordatenbank ab. Stellt ein Mitarbeiter eine Frage, wird sie ebenfalls in einen Vektor übersetzt, und die Datenbank liefert die passendsten Abschnitte zurück. Das ist der Kern eines RAG-Systems.