Definition
Numerische Vektor-Darstellung von Text, Bild oder anderen Daten, erzeugt durch ein KI-Modell. Ähnliche Inhalte erhalten ähnliche Vektoren — semantische Verwandtschaft wird zu geometrischer Nähe. Typische Dimensionen: 768 bis 1.536 oder 3.072. Grundlage für Vektor-Datenbank-Suche, RAG-Systeme, Empfehlungssysteme. Embedding-Qualität bestimmt direkt die Suchqualität in RAG-Anwendungen.
In der Praxis
Embeddings sind der unsichtbare Übersetzer zwischen Ihrer Unternehmenssprache und der KI — und genau deshalb wird ihre Qualität unterschätzt. Was in der Praxis zählt: Das Embedding-Modell entscheidet, ob „Kundenbeanstandung" und „Reklamation" als dasselbe Thema erkannt werden oder als zwei fremde Welten. Ich erlebe RAG-Projekte, in denen wochenlang am Sprachmodell gedreht wird, während das eigentliche Problem im Embedding liegt: ein generisches Modell, das die Hausterminologie — Normkürzel, Produktnamen, interne Prozessbezeichnungen — schlicht nicht sauber abbildet. Zweiter Stolperstein: der Wechsel des Embedding-Modells im laufenden Betrieb. Embeddings verschiedener Modelle sind nicht kompatibel; wer das Modell tauscht, muss den gesamten Wissensspeicher neu einlesen — das ist ein Migrationsprojekt, kein Update. Drittens: Lange Dokumente werden in Abschnitte zerlegt, und die Schnittlogik entscheidet mit, was gefunden wird. Mein Rat: Testen Sie die Embedding-Qualität mit echten Fachfragen aus Ihrem Haus, bevor Sie über Modelle streiten.
Verwandte Begriffe
Häufige Fragen zu Embedding
Was ist der Unterschied zwischen Embedding und Vektordatenbank?
Das Embedding ist die Übersetzung, die Vektordatenbank das Archiv. Ein Embedding-Modell verwandelt einen Text in einen Zahlenvektor — eine Art mathematischen Fingerabdruck der Bedeutung, bei dem ähnliche Inhalte ähnliche Vektoren bekommen. Die Vektordatenbank speichert diese Vektoren und findet zu einer Anfrage die geometrisch nächsten — also die inhaltlich verwandtesten — Textstellen. Beides braucht einander: Ohne Embedding gibt es nichts zu speichern, ohne Datenbank nichts zu durchsuchen. Für die Praxis ist die Trennung wichtig, weil die Qualitätshebel an verschiedenen Stellen sitzen: Ein schwaches Embedding-Modell erkennt Ihre Fachbegriffe nicht — da hilft die beste Datenbank nicht. Und eine schlecht gepflegte Datenbank liefert veraltete Treffer — da hilft das beste Embedding nicht. Bei RAG-Problemen immer beide Seiten prüfen, nicht nur das Sprachmodell am Ende der Kette.
Gibt es einen normativen Rahmen, in den sich Embedding und Vektorsuche einordnen lassen?
Ja — ISO/IEC 23053 beschreibt das Rahmenwerk für KI-Systeme mit Machine-Learning-Komponenten und damit die Pipeline, in der Embeddings entstehen: Datenerfassung, Datenvorbereitung, Modellnutzung, Betrieb. Die Umwandlung Ihrer Dokumente in Vektoren ist genau so ein Datenvorbereitungs- und Verarbeitungsschritt — mit allem, was dazugehört: Welche Daten fließen ein, in welcher Qualität, mit welcher Vorverarbeitung. Der praktische Nutzen der Norm ist weniger die Vorschrift als die gemeinsame Sprache: Wenn Fachabteilung und IT über „die Einspeisung der QM-Dokumente" streiten, gibt die Pipeline-Struktur den Diskussionen ein Gerüst — wer verantwortet die Datenquelle, wer die Aufbereitung, wer den Betrieb. Ergänzend liefert ISO/IEC 22989 die einheitliche KI-Terminologie. Beide Normen sind freiwillig, aber sie strukturieren genau die Fragen, die in KI-Projekten sonst unausgesprochen bleiben (ISO/IEC 23053; ISO/IEC 22989:2022).
Wie prüfen wir, ob die Embeddings unsere Fachterminologie richtig erfassen?
Mit einem Testfragen-Katalog aus Ihrem eigenen Haus — nicht mit Demofragen des Anbieters. Bauen Sie zwanzig bis dreißig echte Fragen aus dem Arbeitsalltag: solche mit Ihrer internen Terminologie, mit Normkürzeln, mit Synonymen, die Ihre Leute tatsächlich verwenden — also „Was tun bei Kundenbeanstandung?" statt „Was ist Reklamationsmanagement?". Zu jeder Frage kennen Sie das Dokument, das die richtige Antwort enthält. Dann testen Sie: Findet die Suche dieses Dokument unter den ersten Treffern? Das Muster der Fehler ist aufschlussreich: Werden Synonyme verfehlt, liegt es am Embedding-Modell; werden richtige Dokumente in falschen Abschnitten gefunden, an der Zerlegung der Dokumente; fehlen aktuelle Stände, an der Speicherpflege. Wiederholen Sie den Test nach jeder Änderung an Modell oder Dokumentenbasis. Das ist im Kern eine Verifizierung Ihrer Suchkette — dieselbe Denkweise wie bei jeder anderen Prüfmittelüberwachung, nur eben für ein KI-Werkzeug.