Shopify
Stripe
Slack
Notion
Google Workspace
Confluence
Vektordatenbank
Definition
Eine Vektordatenbank ist eine Datenbank, die darauf ausgelegt ist, Embeddings – hochdimensionale Vektoren – zu speichern und nach Ähnlichkeit zu durchsuchen. So finden Sie schnell die Inhalte, deren Bedeutung einer Anfrage am nächsten kommt.
So funktioniert es
Ihre Inhalte werden in Embeddings überführt und als Vektoren abgelegt. Trifft eine Anfrage ein, wird auch sie eingebettet, und die Datenbank sucht die nächstgelegenen Vektoren über Verfahren der approximativen Nächste-Nachbarn-Suche (ANN), die selbst über Millionen von Einträgen schnell bleiben.
Anders als eine klassische Datenbank, die exakte Werte abgleicht, ordnet eine Vektordatenbank Ergebnisse nach semantischer Nähe. Bekannte Beispiele sind Pinecone, Weaviate, Milvus und pgvector für Postgres.
Warum das für den Support wichtig ist
Die Vektordatenbank ist die Suchmaschine hinter RAG-gestützten Support-Agenten. Sie macht es möglich, Ihre gesamte Wissensdatenbank in Millisekunden nach Bedeutung zu durchsuchen und dem Modell die passendsten Passagen zu übergeben – damit Antworten in Ihren echten Inhalten verankert bleiben.
Häufig gefragt
Brauche ich für KI-Support eine Vektordatenbank?
Wenn Sie Antworten wollen, die per Retrieval in Ihren eigenen Dokumenten verankert sind, ist irgendeine Form der Vektorsuche im Spiel – viele Plattformen übernehmen das aber im Hintergrund, sodass Sie nur eine Wissensquelle anbinden und keine Datenbank selbst betreiben.
Worin unterscheidet sich eine Vektordatenbank von einer normalen Datenbank?
Eine normale Datenbank findet exakte oder strukturierte Treffer; eine Vektordatenbank findet die Einträge, deren Bedeutung einer Anfrage am ähnlichsten ist, sortiert nach dem Abstand zwischen den Embeddings.
Verwandte Begriffe
Embeddings
Embeddings sind numerische Vektordarstellungen von Text (oder Bildern, Code usw.), die Bedeutung erfassen — Inhalte mit ähnlicher Bedeutung liegen dadurch in einem hochdimensionalen Raum dicht beieinander..
Semantische Suche
Semantische Suche ist ein Suchverfahren, das Inhalte nach Bedeutung statt nach exakten Schlagwörtern abgleicht – mithilfe von Embeddings findet sie Ergebnisse, die inhaltlich zur Anfrage passen, selbst wenn sie kein einziges Wort mit ihr teilen..
Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG) ist ein Verfahren, bei dem ein KI-Modell zur Laufzeit relevante Informationen aus Ihren eigenen Wissensquellen abruft und seine Antwort darauf stützt, statt sich allein auf das zu verlassen, was es im Training gelernt hat..
Wissensdatenbank
Eine Wissensdatenbank ist eine strukturierte, durchsuchbare Sammlung von Artikeln – Anleitungen, FAQs, Troubleshooting-Guides und Richtlinien –, mit der Kunden oder Agenten Antworten finden, ohne den Support direkt kontaktieren zu müssen..
Datenquellen
Datenquellen (auch Wissensquellen genannt) sind das Wissen, aus dem ein Agent liest — hochgeladene Dokumente, indexierte Websites und Live-Inhalte aus verbundenen Apps wie Google Docs, Notion und Confluence.
Setzen Sie diese Ideen ein
Macha ist eine KI-Agent-Schicht, die auf dem Help Desk sitzt, den Sie schon nutzen, Zendesk, Freshdesk, Front, Intercom oder Gorgias.
Trial starten