Vektordatenbank: Was ist eine Vektordatenbank?

Eine Vektordatenbank speichert Embeddings, also Zahlenreihen, die die Bedeutung von Texten oder Bildern abbilden, und findet zu einer Anfrage sehr schnell die ähnlichsten Einträge. Sie ist ein Grundbaustein für Chatbots mit eigenem Wissen.

Eine normale Datenbank sucht nach genauen Treffern: Kundennummer 4711, Ort Lünen. Eine Vektordatenbank sucht nach Ähnlichkeit: Welche Abschnitte in Ihren Unterlagen passen inhaltlich am besten zu dieser Frage? Diese Art der Suche ist der Kern fast jedes Chatbots, der auf Ihre Dokumente zugreift.

Woher der Begriff stammt

Ein Vektor ist in der Mathematik eine geordnete Liste von Zahlen. Seit Texte und Bilder als solche Listen dargestellt werden, siehe Embedding, braucht man Systeme, die Millionen davon speichern und schnell vergleichen können.

Das Problem dahinter heißt Suche nach den nächsten Nachbarn. Ein wichtiger Durchbruch war 2016 das Verfahren HNSW von Yury Malkov und Dmitry Yashunin. Es ordnet die gespeicherten Vektoren in mehreren Ebenen wie ein Straßennetz mit Autobahnen und Nebenstraßen. Laut der Studie wächst der Suchaufwand dadurch nur logarithmisch mit der Datenmenge. HNSW ist heute in vielen Vektordatenbanken das Standardverfahren.

Was eine Vektordatenbank genau tut

Eine Vektordatenbank erledigt drei Aufgaben:

Speichern: Sie nimmt Embeddings auf, zusammen mit dem Originaltext und Zusatzangaben wie Dokumentname oder Datum.
Ordnen: Sie baut einen Index, eine Art Inhaltsverzeichnis. Weaviate beschreibt einen Vektorindex als Datenstruktur, die Embeddings für eine effiziente Ähnlichkeitssuche ordnet.
Suchen: Zu einer Anfrage liefert sie die ähnlichsten Einträge, oft gefiltert nach Zusatzangaben, etwa nur Dokumente einer bestimmten Abteilung.

Die Suche ist meist näherungsweise. Das heißt, sie findet sehr wahrscheinlich, aber nicht garantiert die besten Treffer. Dafür ist sie auch bei Millionen Einträgen in Sekundenbruchteilen fertig.

Abgrenzung zu ähnlichen Begriffen

Klassische Datenbank: Sie sucht nach genauen Werten und Stichworten. Viele klassische Datenbanken haben inzwischen Erweiterungen für Vektoren, sodass beides in einem System laufen kann.

Suchmaschine mit Stichworten: Sie findet Texte, die die gesuchten Wörter enthalten. Eine Vektordatenbank findet auch Texte mit anderen Wörtern und ähnlicher Bedeutung. Beides zusammen heißt Hybride Suche.

Retrieval Augmented Generation: RAG ist das Gesamtverfahren, bei dem ein Sprachmodell passende Textstellen nutzt. Die Vektordatenbank ist darin der Baustein, der diese Textstellen findet.

Was das für Ihr Unternehmen bedeutet

Sie werden mit einer Vektordatenbank selten direkt arbeiten. Sie steckt im Hintergrund von Anwendungen wie:

einem Chatbot, der Fragen aus Ihren Handbüchern und Preislisten beantwortet
einer internen Suche, die Dokumente nach Inhalt statt nach Dateinamen findet
einer Zuordnung eingehender Anfragen zu passenden Antworten oder Ansprechpartnern

Wichtige Fragen bei der Auswahl sind: Wo liegen die Daten, in der Cloud oder auf Ihrem Server? Lassen sich Zugriffsrechte abbilden, damit nicht jeder alles findet? Wie wir solche Lösungen aufbauen, zeigen wir auf der Seite zu KI-Chatbots.

Grenzen dessen, was man sicher weiß

Welche Vektordatenbank die beste ist, hängt von Datenmenge, Tempo, Betriebsform und vorhandener Technik ab. Vergleichstests der Hersteller sind selten neutral.

Auch die beste Datenbank findet nur, was die Embeddings abbilden. Sind die Texte schlecht zerlegt oder ist das Embedding-Modell für Ihre Sprache ungeeignet, hilft die schnellste Suche nichts. Die Qualität entsteht im Zusammenspiel aller Bausteine.

Häufig gestellte Fragen

Brauche ich eine eigene Vektordatenbank?

Wenn Sie einen Chatbot oder eine Suche auf Ihren eigenen Unterlagen aufbauen, meist ja. Das muss aber kein eigenes Produkt sein. Viele bekannte Datenbanken wie PostgreSQL können über Erweiterungen auch Vektoren speichern und durchsuchen.

Ist eine Vektordatenbank teuer?

Es gibt kostenlose quelloffene Lösungen, die Sie selbst betreiben können, und bezahlte Cloud-Dienste. Für kleine und mittlere Wissensbestände reichen oft einfache Lösungen. Die Kosten steigen mit der Datenmenge und den Anforderungen an Tempo und Verfügbarkeit.

Findet eine Vektordatenbank immer den besten Treffer?

Nicht garantiert. Um schnell zu sein, suchen die meisten Verfahren nur näherungsweise. Weaviate schreibt, dass das die Suche deutlich beschleunigt, bei nur geringem Verlust an Genauigkeit. Das Verhältnis lässt sich über Einstellungen steuern.

Vektordatenbank