Vector Database
Eine Vector Database ist eine Datenbank, die auf die effiziente Speicherung und Ähnlichkeitssuche von Vektoren (Embeddings) spezialisiert ist.
Kurz erklärt
Klassische Datenbanken sind auf exakte oder strukturierte Abfragen optimiert (z. B. “finde alle Bestellungen von Kunde X”). Vector Databases hingegen sind darauf spezialisiert, unter Millionen von Vektoren effizient diejenigen zu finden, die einem gegebenen Such-Vektor am ähnlichsten sind - eine Aufgabe, die mit naivem, paarweisem Vergleich bei großen Datenmengen zu langsam wäre.
Beispiel
Ein Support-Chatbot wandelt bei einer Nutzeranfrage die Frage in ein Embedding um und durchsucht eine Vector Database mit den Embeddings aller Hilfe-Artikel, um die inhaltlich passendsten Dokumente zu finden - Grundlage für ein RAG-System.
Warum ist das relevant?
Vector Databases sind ein zentraler Baustein moderner KI-Anwendungen, insbesondere für semantische Suche und Retrieval-Augmented Generation. Es gibt sowohl spezialisierte Vector Databases als auch Vektorsuchfunktionen, die in bestehende Datenbanksysteme integriert wurden.
Häufige Missverständnisse
Eine Vector Database ersetzt in den meisten Anwendungen keine klassische, relationale Datenbank, sondern ergänzt sie um eine spezifische Fähigkeit - viele Systeme nutzen beide Datenbankarten parallel für unterschiedliche Zwecke. Auch garantiert eine Vector Database allein keine korrekten Ergebnisse: Die Qualität hängt maßgeblich von den verwendeten Embeddings und der Aktualität der gespeicherten Daten ab.