Ein Embedding übersetzt Text (oder Bilder) in einen Zahlenvektor, der die Bedeutung erfasst — Ähnliches landet im Vektorraum nah beieinander.
Was bedeutet Embedding?
Die Übersetzung von Text (oder Bildern) in einen Zahlenvektor — oft hunderte bis tausende Dimensionen —, der die Bedeutung erfasst. Kernprinzip: Inhaltlich Ähnliches landet im Vektorraum nah beieinander, egal welche Wörter benutzt wurden.
Abgrenzung — worauf es ankommt
Erzeugt wird das von einem eigenen, kleinen Embedding-Modell — nicht vom Chat-LLM selbst. Embeddings generieren keinen Text; sie sind das Fundament für semantische Suche, Empfehlungen, Clustering und vor allem für die Dense-Seite von RAG.
Beispiel aus der Praxis
„Urlaubsanspruch“, „freie Tage“ und „Erholungsurlaub“ bekommen sehr ähnliche Vektoren — eine Embedding-Suche findet alle drei, obwohl kein gemeinsames Wort vorkommt.
Zum Weiterdenken
Ähnlichkeit wird meist als Kosinus-Ähnlichkeit gemessen (Winkel zwischen Vektoren). Das klassische Anschauungsbeispiel für die „Geometrie der Bedeutung“: Vektor(König) − Vektor(Mann) + Vektor(Frau) ≈ Vektor(Königin).
Embedding in Ihrem Unternehmen nutzen?
Von der Theorie in die Praxis: Wir zeigen Ihnen den passenden Weg — pragmatisch, DSGVO-konform und messbar.
Kostenlos · unverbindlich