Vektorsuche

Die Vektorsuche findet zu einem Anfragevektor die ähnlichsten Dokumentvektoren (Embedding). Bei großen Beständen wäre der Vergleich mit jedem einzelnen Dokument zu langsam. Deshalb nutzt man Näherungsverfahren (Approximate Nearest Neighbour), zum Beispiel den Graph-Index HNSW. Sie sind schnell, können aber einzelne passende Treffer verfehlen.

Gespeichert werden die Vektoren in einer Vektordatenbank oder in einer Suchmaschine mit Vektorfunktion. Im Collections Explorer war das erst FAISS, später Elasticsearch. Auch Apache Solr beherrscht Vektoren. Die Vektorsuche ist die technische Grundlage der semantischen Suche.

Weiterlesen

• Malkov/Yashunin (2016): Hierarchical Navigable Small World Graphs
• Elastic: kNN search
• Caizzi/Deschenes (2026): From Card Catalogs to Semantic Search (ITAL)