Vektordatenbank

Was ist eine Vektordatenbank?

Eine Vektordatenbank ist eine spezialisierte Datenbank, die Daten nicht als Tabellenzeilen oder Dokumente speichert, sondern als mathematische Vektoren — sogenannte Embeddings. Diese Zahlenvektoren repräsentieren die inhaltliche Bedeutung von Texten, Bildern oder anderen Daten. Der entscheidende Unterschied zu klassischen Datenbanken: Statt exakte Übereinstimmungen zu suchen ("WHERE name = 'Müller'"), findet eine Vektordatenbank die ähnlichsten Einträge zu einer Anfrage — und zwar in Millisekunden, selbst bei Millionen von Datensätzen.

Damit ist die Vektordatenbank die technische Grundlage der semantischen Suche: Eine Suche nach "Kündigung Arbeitsvertrag" findet auch Dokumente über "Beendigung des Arbeitsverhältnisses", obwohl kein Wort übereinstimmt.

Wie funktioniert eine Vektordatenbank?

Der typische Ablauf in drei Schritten:

• Vektorisierung: Ein Embedding-Modell wandelt jedes Dokument (oder jeden Textabschnitt) in einen Vektor mit hunderten bis tausenden Dimensionen um. Inhaltlich ähnliche Texte erhalten ähnliche Vektoren.
• Indexierung: Die Vektordatenbank organisiert diese Vektoren in speziellen Indexstrukturen (z.B. HNSW-Graphen), die eine näherungsweise Nachbarschaftssuche extrem beschleunigen. Eine exakte Suche über Millionen hochdimensionaler Vektoren wäre zu langsam — die Approximation liefert fast identische Ergebnisse in einem Bruchteil der Zeit.
• Ähnlichkeitssuche: Eine Suchanfrage wird ebenfalls in einen Vektor umgewandelt. Die Datenbank liefert die k nächstgelegenen Vektoren zurück, meist gemessen per Kosinus-Ähnlichkeit. Zusätzliche Metadaten-Filter (Datum, Abteilung, Dokumenttyp) grenzen die Ergebnisse weiter ein.

Bekannte Vektordatenbanken

• Pinecone: Vollständig verwalteter Cloud-Dienst, einfacher Einstieg, gute Skalierung
• Weaviate: Open Source, auch selbst hostbar, mit integrierten Vektorisierungs-Modulen
• Qdrant: Open Source (in Rust), performant, starke Filterfunktionen — selbst hostbar
• Chroma: Leichtgewichtig, beliebt für Prototypen und kleinere Projekte
• Milvus: Open Source, ausgelegt auf sehr große Datenmengen
• pgvector: Erweiterung für PostgreSQL — ideal, wenn bereits PostgreSQL im Einsatz ist und keine separate Infrastruktur gewünscht wird

Die wichtigste Anwendung: RAG

Ihren Boom verdanken Vektordatenbanken vor allem Retrieval Augmented Generation (RAG): Unternehmensdokumente werden als Embeddings gespeichert; bei einer Nutzerfrage sucht die Vektordatenbank die relevantesten Abschnitte heraus und übergibt sie dem Sprachmodell als Kontext. So beantwortet ein Chatbot Fragen zu internen Handbüchern, Verträgen oder Support-Tickets — ohne dass das Modell selbst trainiert werden muss, und mit deutlich weniger Halluzinationen.

Bedeutung für deutsche Unternehmen

Für den DSGVO-konformen Einsatz ist relevant, dass mehrere führende Vektordatenbanken Open Source sind und sich vollständig auf eigener Infrastruktur betreiben lassen — sensible Dokumente müssen das eigene Rechenzentrum also nicht verlassen. Bei kleineren Datenmengen ist oft gar keine dedizierte Vektordatenbank nötig: pgvector in einer bestehenden PostgreSQL-Instanz reicht für viele Mittelstandsprojekte völlig aus. Entscheidend für gute Ergebnisse ist ohnehin weniger die Datenbank als die Qualität der Embeddings und die sinnvolle Aufteilung der Dokumente in Abschnitte.