Begriff
Embedding
Ein Embedding ist eine Zahlenrepräsentation (Vektor) von Text, Bild oder anderen Daten, in der semantisch ähnliche Inhalte räumlich nah beieinander liegen.
Embedding — ausführlicher erklärt
Ein Embedding wandelt einen Inhalt in einen Vektor mit typischerweise mehreren hundert bis mehreren tausend Dimensionen um. Diese Vektoren werden so trainiert, dass die geometrische Nähe zwischen ihnen die inhaltliche Ähnlichkeit widerspiegelt — der Abstand zwischen „Hund” und „Welpe” ist klein, der zwischen „Hund” und „Aktienkurs” groß. Auf dieser Eigenschaft basieren semantische Suche, Clustering, Klassifikation und vor allem Retrieval-Augmented Generation.
Beispiel / Praxisbezug
Im klassischen RAG-Setup werden Dokumente in Chunks zerlegt, jeder Chunk durch ein Embedding-Modell (z. B. OpenAIs text-embedding-3-large, BGE oder ein lokales Modell) in einen Vektor überführt und in einer Vektor-Datenbank wie pgvector, Qdrant oder Chroma abgelegt. Bei einer Anfrage wird die Frage selbst eingebettet, und die Datenbank liefert die nächstgelegenen Vektoren — also die thematisch passenden Textstellen.
Abgrenzung zu ähnlichen Begriffen
Embeddings sind kein Volltextindex und keine Schlagwort-Liste — sie operieren auf Bedeutung statt auf exakten Wortvorkommen. Sie sind auch nicht das Sprachmodell selbst: das Embedding-Modell liefert Vektoren für die Suche, das LLM erzeugt anschließend mit den gefundenen Passagen die Antwort.
Entdecke mehr
KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen
Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.
GlossarReasoning Effort
Reasoning Effort ist ein Steuerparameter moderner Reasoning-Modelle, der festlegt, wie viel internes Schritt-für-Schritt-Denken (Thinking-Tokens) ein Modell vor der Antwort aufwendet — höhere Stufen erhöhen Qualität, aber auch Latenz und Kosten.
LexikonHalluzinationen bei LLMs — Ursachen und Gegenmittel
Warum LLMs selbstbewusst Falsches erfinden, welche Typen von Halluzinationen es gibt und welche Gegenmittel wirklich helfen — RAG, Quellenzwang, Verifikation.