Embedding
Ein Embedding ist eine Zahlen-Repräsentation eines Texts (oder Bildes) in einem hochdimensionalen Raum, in dem ähnliche Inhalte nah beieinander liegen — die Grundlage für semantische Suche und RAG.
Auch genannt: Vektor-Repräsentation
Im Detail
Embeddings übersetzen Text in Vektoren (z.B. 1.536 Zahlen für OpenAI's text-embedding-3-small). Die Vektoren sind so gewählt, dass Kosinus-Ähnlichkeit zwischen zwei Vektoren angibt, wie ähnlich die ursprünglichen Texte sind.
Damit kann ein Computer schnell die thematisch passendsten Dokument-Stücke finden, auch wenn die Worte nicht exakt übereinstimmen — „Wie kündige ich?“ findet auch Texte über Vertragsbeendigung oder Abmeldung.
Beispiel
Wir indexieren Ihre 12.000 Service-Dokumente einmal als Embeddings (~30 Min). Bei jeder neuen Anfrage suchen wir in Millisekunden die 5 ähnlichsten Stücke heraus.
Verwandte Begriffe
- Multi-AgentMulti-Agent bezeichnet eine Architektur, in der mehrere spezialisierte KI-Agenten zusammenarbeiten — ein Router entscheidet, wer übernimmt, und sie übergeben Aufgaben sauber untereinander.
- RAGRAG (Retrieval-Augmented Generation) ist ein Verfahren, bei dem das Sprachmodell vor jeder Antwort relevante Dokumente aus Ihrer Wissensbasis sucht und diese als Grundlage für die Antwort nutzt — so antwortet der Agent immer aktuell und mit Quellenangabe.
- Tool UseTool Use (oder Function Calling) ist die Fähigkeit eines Sprachmodells, externe Funktionen mit strukturierten Argumenten aufzurufen — z.B. eine API, eine Datenbank-Abfrage oder einen Skill.