Digitales ABC: V wie...

Vektorisierung; engl. Vectoring, ein Begriff für die Umwandlung eines Inhalts wie Texte, Bilder oder Audio in Zahlen, um Ähnlichkeiten zu berechnen.

Von Bruno Habegger · 3. September 2026

Bedeutung

Vektorisierung ist ein Verfahren, mit dem Ähnlichkeiten zwischen Inhalten mathematisch berechnet werden können. Sogenannte «Embeddings» stellen Bedeutung oder Ähnlichkeit im Vektorraum dar – einem mathematischen Raum voller Zahlen, die nach bestimmten Regeln miteinander verbunden sind. Es ist der Grundbaustein für die semantische Suche.

Ausgangslage

KI-Systeme arbeiten mit grossen Sprachmodellen (LLM), verstehen aber die Sprache selbst nicht. Sie werten Vektoren aus und erkennen so Bedeutung und Ähnlichkeiten. Vektorisierung (die Umwandlung von Inhalten in Zahlen) und ihre Abbildung im Vektorraum («Embedding») sind die Voraussetzungen dafür, dass die KI überhaupt «weiss», was zur Fragestellung passt. Sie versteht nichts, sie berechnet es. Kurz: Da KI-Systeme nicht wie ein Mensch mit Sprache umgehen können, benötigen sie eine mathematische Repräsentation der Inhalte. Das ist auch die Grundlage für sogenannte Retrieval Augmented-Generation-Systeme (RAG). Diese nutzen speziell trainierte Vektordatenbanken für präzisere Informationen und liefern der KI vor ihrer Antwort auf einen Prompt Kontextwissen, ohne Sprachmodelle vollständig neu zu trainieren.

KI versteht Sprache nicht, sondern übersetzt sie in Vektoren und deren Ähnlichkeit zueinander. (Bild: Abraxas)

Geschichte

Es gibt keinen Erfinder, sondern eine lange Evolution aus verschiedenen Entwicklungen in Mathematik und KI-Forschung. Die lineare Algebra von Mitte des 19. Jahrhunderts lieferte die grundlegenden Erkenntnisse. Entscheidend: Ein geometrisches Objekt kann als Punkt in einem Raum dargestellt werden. Liegen zwei Punkte nahe beieinander, sind sie ähnlich. Mit den ersten Computern der 1950er-Jahre suchten Forschende nach Methoden, um Dokumente maschinell auffindbar zu machen. Suche wurde rasch nicht nur als exakte Zeichenfolge verstanden, sondern als Berechnung von Ähnlichkeit im «Vector Space Model». Über mehrere Zwischenschritte entstand schliesslich das Transformer-Modell, dessen Grundlagen 2017 von Google-Forschenden veröffentlicht wurden. Ein Wort erhielt hier nicht nur einen festen Vektor, sondern je nach Satz eine andere Repräsentation. Embeddings wurden kontextsensitiv. Neu entwickelte Vektordatenbanken und -indizes gestalteten die Suche in den Vektorräumen mit Millionen von Inhaltsstücken schnell.

Deep Dive

Vektorisierung besteht aus vielen Teilschritten. Jeder von ihnen kann die Qualität der KI positiv oder negativ beeinflussen. Die ganze Kette wird von zahlreichen Systemen abgedeckt, die sorgfältig evaluiert werden müssen.

Ein Vektor ist die numerische Repräsentation eines Inhalts. Ein Satz wird als Liste von Zahlen gespeichert. Das Embedding-Modell bestimmt, wie diese Zahlen entstehen. Es bildet die Bedeutung ab. Der gespeicherte Satz «Das Wetter heute ist heiss» liegt nahe bei anderen Sätzen, auch wenn diese andere Wörter verwenden, zum Beispiel «Die Klimaveränderung ist real» oder «Wie man nachts besser schläft». Die Nähe zueinander ermöglicht die semantische Suche. Sie erfasst auch Dokumente, die das bestimmte Suchwort nicht enthalten. Wer sich zum Beispiel nicht an eine bestimmte E-Mail erinnert, aber vage an das Thema, erhöht die Wahrscheinlichkeit eines Treffers.

Für semantische Suche und RAG werden lange Dokumente vor dem Vektorisieren meist in sogenannte Chunks aufgeteilt, und für jeden Chunk wird ein Embedding berechnet. Ein Chunk ist eine kleinere Einheit eines Dokuments. Ist ein Chunk zu gross, verwässert sich die Bedeutung. Ist er zu klein, kann der Kontext verloren gehen. Es braucht also eine gute Chunking-Strategie, die nebst formalen Kriterien auch semantische Eigenheiten berücksichtigt. Viele RAG-Systeme kombinieren mehrere Methoden, auch die klassische Suchwort-Abfrage. Sie müssen gepflegt und überwacht werden, um die Qualität hochzuhalten und Sicherheitsprobleme etwa durch falsche Berechtigungen zu vermeiden.

Auch der EGOV Chatbot von Abraxas kombiniert mehrere Methoden. Hier nutzen die Softwareentwickler Vektorisierung für die sogenannte Intent-Klassifizierung. Dabei wird eine Benutzereingabe mit den Embeddings von Beispielsätzen verglichen. Ist die Ähnlichkeit gross genug, kann der Bot eine passende Antwort geben oder einen Workflow anstossen. Das LLM kommt erst zum Einsatz, wenn keine Ähnlichkeit festgestellt werden kann. Vorteil: Die Antworten sind schneller und präziser.

Wirkung

Unstrukturierte Inhalte werden mit Vektorisierung berechenbar. Sie lassen sich als mathematische Nähebeziehung speichern. KI-Systeme finden so die passenden Inhalte. Das verbessert zahlreiche Aspekte der Informationstechnologien, von der Suche über RAG-Systeme bis zur Dubletten-Erkennung und der Klassifikation von Unternehmensdaten.

Internes Wissen wird besser nutzbar. Supportteams leisten gezielter Unterstützung und bestehende Daten bleiben intern, stehen aber im Hintergrund eines KI-Systems für Kontext zur Verfügung. Die KI ruft nur jene Inhaltsteile ab, die tatsächlich passen. Sie benötigt keine umfangreichen Datenbestände einer Organisation.

Alle bisher erschienenen Buchstaben im digitalen ABC

Abraxas erklärt die wichtigsten Begriffe und Buzzwords der IT-Branche.
Bruno Habegger

Über Bruno Habegger

Bruno Habegger ist Abraxas-Magazin-Autor und Senior Communication Manager. Er verfügt über eine langjährige Erfahrung im ICT- und Energie-Bereich als Journalist, Contentproduzent und Berater. Er war Präsident einer Regionalpartei und an seinem damaligen Wohnort acht Jahre Mitglied der Sicherheitskommission.

Lesen Sie auch

0 / 0