Ein Embedding ist die Umwandlung eines Textes, eines Bildes oder eines anderen Objekts in einen numerischen Vektor, der die Bedeutung im mehrdimensionalen Raum abbildet. Ähnliche Inhalte liegen dabei geometrisch nah beieinander – dadurch lassen sich semantische Ähnlichkeiten berechnen, ohne auf identische Wörter angewiesen zu sein.
Embeddings sind die Grundlage moderner semantischer Suche, von Produktempfehlungen, Clustering und RAG-Systemen. Typische Modelle stammen von OpenAI, Cohere oder aus der Open-Source-Welt (e5, bge). Die resultierenden Vektoren werden in einer Vektordatenbank gespeichert und per Ähnlichkeitssuche abgefragt.
Wir konzipieren und betreiben Embedding-basierte KI-Anwendungen – von der Dokumentensuche bis zum internen Chatbot – in unserem Bereich Künstliche Intelligenz.