Eine Vektordatenbank speichert und verwaltet Embeddings, also Zahlenvektoren, die die Bedeutung von Texten, Bildern oder Audio abbilden. Sie sucht nach Ähnlichkeit statt nach exakten Übereinstimmungen und liefert die Inhalte zurück, die einer Anfrage inhaltlich am nächsten liegen.
Wie funktioniert eine Vektordatenbank?
Microsoft beschreibt den üblichen Ablauf für RAG-Anwendungen. Ein Embedding-Modell wandelt die Daten in Vektoren um, die Vektoren werden gespeichert und indiziert. Eine Nutzeranfrage wird mit demselben Modell ebenfalls in einen Vektor übersetzt. Die Datenbank misst den Abstand zwischen Anfragevektor und gespeicherten Vektoren, und die nächsten Treffer sind die semantisch ähnlichsten. Gängige Abstandsmaße sind die euklidische Distanz, die Kosinus-Ähnlichkeit und das Skalarprodukt.
Damit die Suche bei Millionen Vektoren schnell bleibt, arbeiten Vektordatenbanken laut AWS mit Indexverfahren wie HNSW und IVF, die nach Näherungsverfahren die nächsten Nachbarn finden. Viele klassische Datenbanken wie PostgreSQL, Azure SQL oder Cosmos DB bieten laut Microsoft inzwischen ebenfalls Vektorsuche an, daneben gibt es spezialisierte Produkte.
Rolle in RAG und KI-Suche
Vektordatenbanken sind ein zentraler Baustein von Retrieval-Augmented Generation (RAG). Das System zerlegt Dokumente in Abschnitte, erzeugt Embeddings und legt sie in der Datenbank ab. Bei einer Frage ruft es die passendsten Abschnitte ab und gibt sie dem Sprachmodell als Grundlage für die Antwort mit. Für Website-Betreiber ist das ein Hinweis, dass einzelne Abschnitte einer Seite einzeln auffindbar sein können (Einschätzung, siehe Semantic Chunking).
Beispiel
Ein Hilfecenter mit 5.000 Artikeln wird in Abschnitte geteilt und als Vektoren gespeichert. Die Frage „Wie ändere ich meine Lieferadresse?“ findet auch einen Abschnitt, der „Versandanschrift bearbeiten“ heißt, weil beide Formulierungen ähnliche Vektoren ergeben. Eine reine Stichwortsuche würde den Treffer verfehlen.
Häufige Fragen
Ersetzt eine Vektordatenbank eine klassische Datenbank? Meist ergänzt sie diese. Spezialisierte Produkte laufen laut Microsoft in der Regel zusätzlich zu einer herkömmlichen Datenbank und übernehmen nur die Vektorsuche.
Braucht jede KI-Anwendung eine spezialisierte Vektordatenbank? Microsoft verweist darauf, dass auch bestehende Datenbanken Vektorsuche anbieten. Ob das reicht, hängt von Datenmenge und Anforderungen ab.
Quellen
- Vektordatenbanken für .NET KI-Apps – Microsoft Learnlearn.microsoft.com
- Was ist eine Vektordatenbank? – AWSaws.amazon.com
- Was ist Einbettung? – IBM Thinkibm.com
Stand: