Zurück zum Glossar

Begriff

Qdrant

Qdrant ist eine Open-Source-Vektor-Datenbank in Rust — speichert Embeddings für Semantic Search, RAG und Empfehlungssysteme, läuft lokal, im eigenen Cluster oder als gemanagte Cloud.

Qdrant — ausführlicher erklärt

Qdrant ist 2021 als Open-Source-Projekt gestartet und gehört heute zu den meistgenutzten selbst-hostbaren Vektor-DBs. Die Engine ist in Rust geschrieben und nutzt HNSW als Indexstruktur — schnell auch bei Millionen von Vektoren. Datensätze (Points) bestehen aus Vektor und beliebigem JSON-Payload; Filter über das Payload sind ein Kern-Feature und werden direkt im Index ausgewertet, statt nachträglich. Betriebsmodi: Single-Node-Container, verteilter Cluster, Embedded-Variante in einer App, oder Qdrant Cloud (gemanagt).

Beispiel / Praxisbezug

Eine RAG-Pipeline mit Qdrant: per Python-Client client.upsert(collection_name="docs", points=[...]) Embeddings reinschreiben, dann client.search(collection_name="docs", query_vector=q, query_filter=...) zur Abfrage. Filter wie {"must": [{"key": "tenant", "match": {"value": "acme"}}]} lassen sich kombinieren — wichtig für Multi-Mandanten-Szenarien. Snapshot- und Backup-APIs vereinfachen Migrationen.

Abgrenzung zu ähnlichen Begriffen

Pinecone bietet vergleichbare Funktionen, ist aber nur Cloud-only. Weaviate setzt stärker auf Schema-Modellierung mit Klassen und Properties; Milvus zielt auf sehr große Datenmengen mit explizitem GPU-Index-Support. Qdrants Sweet Spot: solides Self-Hosting mit guter Filterleistung und überschaubarem Operations-Aufwand. pgvector bleibt die richtige Wahl, wenn Vektoren neben relationalen Daten in einer Postgres-Datenbank leben sollen.

Entdecke mehr