Vector Embedding
Numerische Darstellung von Text, Bildern oder anderen Daten als Vektoren in einem hochdimensionalen Raum (oft 1.000+ Dimensionen). Ähnliche Inhalte haben ähnliche Vektoren. Basis für moderne KI-Anwendungen wie Semantic Search, Empfehlungen, RAG.
Vor Embeddings basierte Suche auf Schlüsselwort-Matching: Query 'günstige Schuhe' fand nur Dokumente mit genau diesen Wörtern. Embeddings verstehen Bedeutung: Query 'preisgünstige Sneaker' findet auch 'erschwingliche Turnschuhe', weil die Vektoren ähnlich sind.
Wie es funktioniert: ein Embedding-Modell (z.B. OpenAI text-embedding-3, Cohere embed-multilingual) verwandelt Text in einen Vektor (z.B. 1.536 Zahlen). Diese Vektoren werden in spezialisierten Datenbanken (Pinecone, Weaviate, Qdrant, pgvector) gespeichert. Bei Query wird auch ein Vektor berechnet, ähnliche Vektoren werden gefunden.
Anwendungen: Semantic Search (besser als Volltext-Suche), Empfehlungs-Systeme (ähnliche Produkte/Inhalte), RAG (Retrieval-Augmented Generation für LLMs), Klassifikation, Cluster-Analyse, Anomalie-Erkennung. Standard in modernen KI-Setups seit 2022.
Verwandte Begriffe
Solche Begriffe sicher anwenden — im IHK-Lehrgang
„Vector Embedding" 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.