Was ist eine Vektordatenbank und wozu braucht ein RAG-System sie?
Eine Vektordatenbank speichert Textabschnitte als numerische Vektoren, die deren inhaltliche Bedeutung repräsentieren — dadurch kann ein RAG-System bei einer Anfrage gezielt die inhaltlich ähnlichsten Textstellen wiederfinden, statt nur nach exakten Stichwörtern zu suchen.
Vektordatenbanken sind der technische Baustein, der ein RAG-System überhaupt erst in die Lage versetzt, aus großen Dokumentenmengen die inhaltlich passende Textstelle zu finden.
Wie die Speicherung funktioniert
Jeder Textabschnitt wird durch ein KI-Modell in einen Vektor umgewandelt — eine Liste von Zahlen, die die inhaltliche Bedeutung des Textes abbildet.
Inhaltlich ähnliche Textstellen erhalten dabei rechnerisch ähnliche Vektoren, unabhängig davon, ob dieselben Wörter verwendet wurden.
Warum das gegenüber klassischer Stichwortsuche einen Unterschied macht
Eine klassische Volltextsuche findet nur exakte oder sehr ähnliche Begriffe — eine Vektorsuche findet auch sinngemäß passende Textstellen, etwa wenn ein Kunde nach „Rückgabe" statt „Widerruf" fragt, obwohl im Dokument nur „Widerruf" steht.
Was in der Praxis beim Aufbau zu beachten ist
Die Qualität der Antworten hängt stark davon ab, wie die Dokumente vor der Speicherung in sinnvolle Abschnitte zerlegt wurden — zu große Abschnitte verwässern die Trefferqualität, zu kleine verlieren den Kontext.
Questions about this topic?
We’ll help you find the next concrete step for your company.
Next step
Ready for your AI infrastructure?
Nextise guides you from the first analysis to a productive solution. Ready to deploy in 6–10 weeks.
Let’s talk about your AI transformation together
