Vector Database
Spezialisierte Datenbank, die Embeddings (Vektoren) speichert und schnell ähnlichste Vektoren findet. Pflicht-Komponente für RAG-Systeme.
Klassische Datenbanken (SQL, NoSQL) suchen nach exakter Übereinstimmung. Vector Databases suchen nach Nähe im Embedding-Raum, was perfekt für semantische Suche, Empfehlungssysteme und RAG ist.
Wann brauchst du eine?
Sobald du semantische Suche oder RAG einsetzt. Bei unter 100k Dokumenten reicht eine Postgres-Extension (pgvector). Bei Millionen Dokumenten lohnen sich spezialisierte Lösungen wie Pinecone (managed), Weaviate, Qdrant.
Auswahlkriterien
(1) Hosting: managed (Pinecone) oder selbst (Weaviate, Qdrant). (2) DSGVO: EU-Region verfügbar? (3) Skalierung: vorhersagbare Kosten bei wachsendem Index? (4) Integration: SDKs für die Programmiersprache deines Stacks.
Beispiele aus der Praxis
Beispiel Mittelstand: Eine Kanzlei mit 50.000 Verträgen nutzt pgvector, passt in bestehende Postgres, keine zusätzliche Infrastruktur, kostet rund 50 € pro Monat extra.
Beispiel Konzern: Versicherer mit 50 Mio. Dokumenten nutzt Pinecone, managed, skaliert automatisch, rund 5.000 € pro Monat.
:quality(85))
Solche Begriffe sicher anwenden — im IHK-Lehrgang
„Vector Database" ist einer von 9 Schlüsselbegriffen, die wir im Manager-Lehrgang in praxisnahen Modulen vertiefen. Hol dir das offizielle IHK-Zertifikat.
Kostenlos testenthekey.academy ist eine deutsche Online-Lernplattform für IHK-zertifizierte berufliche Weiterbildung — 25 Lehrgänge zu KI, Führung, Resilienz, Marketing und HR. 100 % online, self-paced, mit IHK-Zertifikat.