Vektorsuche
Auch: Vector Search, semantische Suche, Vektordatenbank
Vektorsuche findet Inhalte nach Bedeutung statt nach exakten Wörtern, indem Texte als Zahlenvektoren (Embeddings) gespeichert und nach Ähnlichkeit verglichen werden.
Bei der Vektorsuche werden Texte in Zahlenvektoren umgewandelt, sogenannte Embeddings. Eine Anfrage wird ebenfalls umgewandelt, und das System sucht die Textabschnitte, deren Vektoren ihr am ähnlichsten sind. So werden passende Inhalte auch dann gefunden, wenn sie andere Wörter verwenden.
So funktioniert die Vektorsuche
- Inhalte werden in Abschnitte zerlegt und als Embeddings gespeichert.
- Die Anfrage wird mit demselben Modell in einen Vektor umgewandelt.
- Das System vergleicht die Vektoren, meist über die Kosinus-Ähnlichkeit.
- Die ähnlichsten Abschnitte werden an das Sprachmodell übergeben.
Bedeutung für KI-Sichtbarkeit
Vektorsuche ist ein zentraler Baustein von Retrieval-Augmented Generation (RAG), also von KI-Systemen, die vor der Antwort Quellen abrufen. Für Inhalte heißt das: Abschnitte sollten für sich allein verständlich sein und eine Frage klar beantworten, damit sie als passender Treffer ausgewählt werden. Mehr zur Technik unter Embedding.
Häufige Fragen
Ersetzt die Vektorsuche die Keyword-Suche?
Nicht ganz. Viele Systeme kombinieren beide Verfahren, weil exakte Begriffe wie Produktnamen mit Keywords oft zuverlässiger gefunden werden.
Muss ich meine Website für Vektorsuche technisch anpassen?
Nein. Wichtig sind klar gegliederte Inhalte mit eindeutigen Überschriften und Absätzen, die eine Frage vollständig beantworten.