Vektordatenbank

Klassische Datenbanken finden exakte Werte ("alle Rechnungen von Lieferant X"). Vektordatenbanken finden Ähnlichkeit ("alle Textstellen, die inhaltlich zu dieser Frage passen") — eine grundlegend andere Suchoperation, die auf die Geometrie der Embedding-Zahlenräume optimiert ist.

In der Praxis kommen beide zusammen: Strukturierte Daten (Kunden, Aufträge, Beträge) bleiben in der klassischen Datenbank; unstrukturiertes Wissen (Dokumente, E-Mails, Notizen) wandert zusätzlich als Embeddings in die Vektordatenbank, damit KI-Systeme es nach Bedeutung durchsuchen können.

Vektordatenbanken gibt es als Cloud-Dienst und als selbst gehostete Open-Source-Lösung — Letzteres ist für datensensible Unternehmen attraktiv, weil das gesamte Firmenwissen dann die eigene Infrastruktur nicht verlässt. Zugriffsrechte gehören auch hier dazu: Nicht jeder Mitarbeitende darf über den KI-Assistenten alles finden dürfen.

Der Markt reicht von leichtgewichtigen Open-Source-Lösungen bis zu verwalteten Cloud-Diensten; auch etablierte Datenbanken (etwa PostgreSQL mit Vektor-Erweiterung) beherrschen inzwischen Vektorsuche. Für die Auswahl zählen: Datenvolumen und Suchgeschwindigkeit, Hosting-Optionen (EU/On-Premise), Rechteverwaltung auf Dokumentebene und die Frage, ob das bestehende Datenbank-Know-how im Haus weiterverwendet werden kann.

Für die meisten Mittelstandsprojekte gilt: Die Vektordatenbank ist selten die kritische Entscheidung — Millionen von Dokumentabschnitten verwalten heute auch einfache Lösungen problemlos. Wichtiger sind die Einlese-Pipeline und die Synchronisation mit den Quellsystemen, denn dort entstehen in der Praxis die Qualitätsprobleme.

Ein häufiger Irrweg ist deshalb, die Tool-Entscheidung zur Hauptfrage des Projekts zu machen: Wochen der Evaluation verschiedener Vektordatenbanken, während die eigentlichen Erfolgsfaktoren — saubere Dokumentzerlegung, Rechtekonzept, laufende Synchronisation — unbearbeitet bleiben. Die pragmatische Reihenfolge ist umgekehrt: mit einer soliden Standardlösung starten, die Pipeline richtig bauen und die Datenbank erst wechseln, wenn messbare Grenzen erreicht sind — was bei Mittelstandsvolumina selten passiert.

Neben der reinen Bedeutungssuche entscheidet oft ein unscheinbares Detail über die Qualität: die Metadaten, die zu jedem Textabschnitt mitgespeichert werden. Dazu gehören Quelldokument, Abteilung, Gültigkeitsdatum, Vertraulichkeitsstufe, Sprache oder Dokumenttyp. Mit diesen Angaben lässt sich die Suche gezielt einschränken — etwa nur in aktuellen Dokumenten, nur in den für eine Person freigegebenen Bereichen oder nur in einer bestimmten Kategorie suchen.

Dieser Filter-vor-Suche-Ansatz löst gleich mehrere Praxisprobleme auf einmal. Die Rechteverwaltung wird konkret: Ein Mitarbeitender findet über den Assistenten nur, wozu er ohnehin Zugriff hätte, weil die Vertraulichkeitsstufe die Suche begrenzt. Die Aktualität verbessert sich, weil abgelaufene Fassungen per Datumsfilter ausgeschlossen werden können. Und die Präzision steigt, weil das System nicht im gesamten Bestand, sondern im relevanten Ausschnitt sucht. Wer eine Vektordatenbank aufsetzt, sollte die Metadatenstruktur deshalb von Anfang an mitplanen — sie nachträglich einzuziehen bedeutet, den Bestand erneut zu verarbeiten.