Embedding
Ein Embedding ist die Darstellung von Text (oder Bildern) als Vektor aus Zahlen, der die Bedeutung erfasst. Inhalte mit ähnlicher Bedeutung liegen im Vektorraum nah beieinander. Embeddings sind die Grundlage für semantische Suche und für RAG-Systeme.
Was Embedding für dein Unternehmen bedeutet
Embeddings arbeiten meist unsichtbar im Hintergrund, etwa wenn eine interne Suche Dokumente findet, obwohl das Suchwort darin gar nicht vorkommt. Relevant werden sie für dich bei Wissensdatenbanken, Kundenservice und RAG-Projekten. Bedenke, dass Embeddings aus deinen Daten abgeleitet sind und daher denselben Schutz brauchen wie die Originaldokumente, zum Beispiel beim Speicherort und bei Zugriffsrechten.
Beispiel aus der Praxis: Ein Ersatzteilhändler ergänzt die Suche im Onlineshop um Embeddings. Wer „Pumpe tropft, welche Dichtung?“ eingibt, findet jetzt passende Dichtungssätze, obwohl die Artikelbeschreibungen andere Begriffe verwenden. Die bisherige Stichwortsuche bleibt parallel aktiv, damit exakte Artikelnummern weiterhin sicher gefunden werden.
Häufige Fragen zu Embedding
Eine klassische Suche vergleicht Wörter, eine Embedding-Suche vergleicht Bedeutungen. Sie findet daher auch Treffer mit Synonymen, Umschreibungen oder in anderen Sprachen. Bei exakten Begriffen wie Artikelnummern oder Namen ist die klassische Suche oft genauer, weshalb viele Systeme beide Verfahren kombinieren.
Teilweise. Forschungsarbeiten haben gezeigt, dass sich aus Embeddings unter Umständen Inhalte des Ausgangstextes rekonstruieren lassen. Behandle Embeddings deshalb nicht als anonymisiert, sondern wie die Daten, aus denen sie stammen, mit entsprechenden Zugriffsrechten und vertraglichen Regelungen.
In der Regel ja. Embeddings verschiedener Modelle sind nicht miteinander vergleichbar, weil jedes Modell seinen eigenen Vektorraum aufbaut. Wechselst du das Embedding-Modell, müssen alle Dokumente neu umgerechnet werden. Plane das bei der Auswahl ein, vor allem bei großen Datenbeständen.