Embedding
Definition
Ein Embedding ist eine Liste von Zahlen, die die Bedeutung eines Textes abbildet, damit ein Computer messen kann, wie ähnlich sich zwei Texte sind. Texte mit derselben Aussage bekommen ähnliche Zahlen, auch wenn sie andere Wörter verwenden.
Von Ronan Liedmeier, Fractional Head of Growth und Kursautor · Veröffentlicht 17. Oktober 2026 · Zuletzt aktualisiert 17. Oktober 2026
Auch genannt: Vektor-Embedding, Text-Embedding, Einbettung
Mit Embeddings findet eine Suche zu „Erstattung“ auch „Geld zurück“ und zu „Abo kündigen“ auch „Vertrag beenden“. Sie stecken hinter der semantischen Suche und hinter dem Suchschritt in RAG-Systemen.
So funktioniert es
Ein Embedding-Modell liest einen Text und gibt eine lange Zahlenliste zurück, einen sogenannten Vektor. Texte mit ähnlicher Bedeutung bekommen Vektoren, die nah beieinanderliegen, und ein Ähnlichkeitswert misst, wie nah. Für eine Suche wandelst du jeden Dokument-Chunk einmal in ein Embedding um und speicherst die Vektoren, meist in einer Vektordatenbank. Kommt eine Frage, wandelst du sie mit demselben Modell um und holst die Chunks, deren Vektoren am nächsten liegen.
Dokumente und Fragen müssen durch dasselbe Embedding-Modell laufen. Wer das Modell wechselt, muss also alles neu umwandeln.
Beispiel
Der Hilfe-Bot eines Onlineshops bekommt die Nachricht „mein Paket ist nie angekommen“. Keines dieser Wörter steht im Artikel „Verlorene oder fehlende Lieferungen“. Trotzdem setzt die Embedding-Suche diesen Artikel auf Platz eins, weil beide Texte fast dasselbe bedeuten. Eine Stichwortsuche hätte wahrscheinlich nichts gefunden.
Häufiger Fehler
Sich allein auf Embeddings verlassen, wenn Leute nach exakten Kennungen suchen. Wer im Support eine Artikelnummer oder einen Fehlercode eintippt, bekommt vielleicht Chunks zurück, die thematisch passen, aber ein anderes Produkt betreffen. Kombiniere die Embedding-Suche mit einer Stichwortsuche, das nennt man hybride Suche. Dann stehen exakte Treffer weiterhin oben.
In AI Academy lernen
- RAG: Wann es die richtige Lösung istExperte · 9 Min.
- RAG für einen DokumentensatzFortgeschritten · 16 Min.Kostenlos
Verwandte Begriffe
- Vektordatenbank
- Eine Vektordatenbank ist eine Datenbank, die Embeddings speichert, also Zahlenlisten, die die Bedeutung von Text abbilden, und schnell die Einträge findet, die einer neuen Frage am nächsten sind. In vielen RAG-Systemen passiert dort der Suchschritt.
- Semantische Suche
- Semantische Suche ist eine Suche nach Bedeutung statt nach exakten Wörtern, die auch Textstellen findet, die deine Frage mit anderen Worten beantworten. Meist vergleicht sie dafür Embeddings, also Zahlenreihen, die erfassen, was ein Text bedeutet.
- Retrieval-Augmented Generation (RAG)
- Retrieval-Augmented Generation (RAG) ist ein Verfahren, mit dem ein KI-Modell aus deinen eigenen Dokumenten antwortet. Zuerst findet eine Suche die Textstellen, die zur Frage passen, dann schreibt das Modell seine Antwort auf Basis dieser Stellen.
- Chunking
- Chunking ist das Zerlegen langer Dokumente in kleinere Stücke, bevor sie in ein RAG-System gehen, damit eine Suche genau den passenden Teil findet. Wo du den Text schneidest, entscheidet, ob jedes Stück für sich noch Sinn ergibt.