Embedding (semantischer Vektor)

Ein Embedding ist eine Art, einen Datenpunkt – ein Wort, einen Satz, ein Dokument oder ein Bild – als Liste von Zahlen darzustellen, einen sogenannten Vektor, der seine Bedeutung erfasst. Entscheidend ist, dass ähnliche Elemente ähnliche Vektoren erhalten und dadurch in diesem Zahlenraum „nah" beieinanderliegen: „Hund" und „Welpe" liegen etwa dicht zusammen, „Hund" und „Flugzeug" dagegen weit auseinander. KI ✕ Künstliche Intelligenz ist die Fähigkeit eines Computersystems, Aufgaben zu erledigen, die wir mit menschlicher Intelligenz verbinden – etwa Sprache verstehen, Bilder erkennen oder Entscheidungen treffen. Mehr im Glossar → -Modelle erzeugen diese Embeddings und können damit Bedeutungen mathematisch vergleichen, nicht nur exakte Wörter. Das ist die Grundlage der semantischen Suche (finden nach Sinn statt nach wörtlicher Übereinstimmung), von Empfehlungssystemen und von Techniken wie der abrufgestützten Generierung ( RAG ✕ RAG verbindet ein Sprachmodell mit einer externen Datenquelle, damit es auf Basis echter, aktueller Informationen antwortet statt nur aus dem Gedächtnis. Mehr im Glossar → ). Embeddings werden oft in Vektordatenbanken ✕ Eine Vektordatenbank speichert Embeddings (Vektoren) und durchsucht sie nach Ähnlichkeit: Zu einem Anfrage-Vektor findet sie schnell die nächstgelegenen – also die mit ähnlichster Bedeutung. Mehr im Glossar → gespeichert. Im Kern sind sie die Brücke zwischen der Bedeutung, die Menschen verstehen, und den Zahlen, die Maschinen verarbeiten.