Vektor-Datenbank

Auch bekannt als: Vector Database, Vector Store

Eine Vektor-Datenbank speichert Embeddings und findet effizient die ähnlichsten Vektoren zu einer Suchanfrage. Sie ist das Herzstück jeder RAG-Implementierung.

Normale Datenbanken suchen nach exakten Treffern. Vektor-Datenbanken suchen nach Ähnlichkeit. "Finde die fünf Dokumente, die dieser Frage am nächsten kommen" ist ihre Kernfähigkeit.

Bekannte Anbieter

Pinecone, Weaviate, Qdrant, Chroma, pgvector (PostgreSQL-Erweiterung). Die Wahl hängt ab von Skalierung, Hosting-Präferenz und Integrationsanforderungen.

Wann du eine brauchst

Sobald du RAG implementierst, brauchst du eine Vektor-Datenbank. Für kleine Prototypen reicht eine In-Memory-Lösung. Für Produktion brauchst du eine dedizierte Datenbank mit Persistenz und Skalierung.

Gelernt in Lessons

KI-Agenten – technische Vertiefung40 Minuten · profi

Verwandte Begriffe

Passende Fragen

Löst RAG alle Wissensprobleme von KI?Nein. RAG ist nur so gut wie die eingespeisten Dokumente. „Garbage in, garbage out" gilt genauso. Schlechte Dokumentenqualität, falsche Chunking-Strategie oder unpassende Embeddings machen RAG-Systeme ungenauer, nicht präziser.