Was sind Embeddings?

Embeddings sind Zahlenreihen, mit denen ein KI-Modell die Bedeutung eines Wortes, Satzes, Dokuments oder Bildes beschreibt. Inhalte mit ähnlicher Bedeutung erhalten ähnliche Zahlenreihen, auch wenn sie ganz andere Wörter verwenden. Dadurch kann Software nach Sinn statt nach Buchstaben suchen, vergleichen und sortieren.

Man sieht sie nie, aber sie stecken hinter vielen Funktionen, die heute selbstverständlich wirken: der Suche, die „Kündigung“ auch unter „Vertrag beenden“ findet, dem Chatbot, der die passende Stelle im Handbuch zitiert, oder der Warnung, dass ein Kunde vermutlich schon unter anderem Namen angelegt ist.

Bedeutung als Koordinaten

Stellen Sie sich eine Landkarte vor, auf der nicht Orte, sondern Begriffe eingetragen sind. „Rechnung“, „Faktura“ und „Beleg“ liegen nah beieinander, „Bohrmaschine“ weit entfernt. Ein Embedding ist die Koordinate eines Begriffs auf dieser Karte – nur dass die Karte nicht zwei, sondern mehrere hundert bis einige tausend Dimensionen hat.

Jede Dimension ist eine Zahl. Was sie einzeln bedeutet, lässt sich kaum sagen; aussagekräftig ist nur die Lage im Verhältnis zu anderen Punkten. Um zu prüfen, ob zwei Texte inhaltlich zusammenpassen, misst die Software den Abstand ihrer Koordinaten, meist über die sogenannte Kosinus-Ähnlichkeit. Je näher, desto ähnlicher.

Wie ein Embedding entsteht

1. Text vorbereiten. Lange Dokumente werden in Abschnitte zerlegt, etwa einzelne Absätze oder Kapitel eines Handbuchs.
2. Modell anwenden. Ein Embedding-Modell, meist ein kompaktes Transformer-Modell, liest jeden Abschnitt und gibt eine feste Anzahl von Zahlen zurück.
3. Speichern. Die Zahlenreihen landen zusammen mit einem Verweis auf den Originaltext in einer Vektordatenbank.
4. Vergleichen. Kommt eine Suchanfrage, wird auch sie in ein Embedding umgewandelt. Die Datenbank liefert die Abschnitte, deren Koordinaten am nächsten liegen.

Das Modell hat beim Training gelernt, welche Wörter in welchen Zusammenhängen vorkommen. Daher weiß es, dass „Heizung fällt aus“ und „kein Warmwasser“ häufig im selben Kontext stehen, obwohl kein einziges Wort gleich ist. Viele aktuelle Modelle arbeiten mehrsprachig: Eine deutsche Frage findet dann auch eine passende Stelle in einem englischen Datenblatt.

Wofür Unternehmen Embeddings nutzen

• Semantische Suche: Mitarbeitende suchen im Dokumentenbestand mit eigenen Worten und finden, was gemeint ist.
• Wissensbasis für KI: Bei RAG suchen Embeddings die Textstellen heraus, auf die ein Sprachmodell seine Antwort stützt.
• Anfragen zuordnen: Eine eingehende E-Mail wird mit früheren, bereits eingeordneten Anfragen verglichen und an das zuständige Team geleitet.
• Dubletten finden: „Müller Haustechnik GmbH, Hauptstr. 5“ und „Haustechnik Müller, Hauptstraße 5“ werden als wahrscheinlich identisch markiert.
• Ähnliche Fälle vorschlagen: Der Servicetechniker sieht zu einer Störung die drei ähnlichsten gelösten Fälle aus den letzten Jahren.
• Produktempfehlungen: Artikel mit ähnlicher Beschreibung werden als Alternative angezeigt, wenn etwas nicht lieferbar ist.

Embeddings, Schlagwortsuche und Vektordatenbank

Die klassische Schlagwortsuche vergleicht Buchstabenfolgen. Sie ist unschlagbar bei exakten Treffern: Artikelnummern, Namen, Normbezeichnungen. Bei Umschreibungen und Synonymen versagt sie. Embeddings sind genau umgekehrt stark bei Bedeutung und schwach bei exakten Zeichenketten – „DIN 18008“ und „DIN 18800“ liegen für ein Embedding-Modell womöglich sehr nah beieinander.

Gute Systeme kombinieren deshalb beides zu einer hybriden Suche. Die Vektordatenbank ist dabei nur der Speicher, in dem Embeddings abgelegt und schnell verglichen werden. Wer Beziehungen zwischen Dingen ausdrücklich abbilden will – Kunde hat Vertrag, Vertrag betrifft Anlage –, greift ergänzend zu einem Knowledge Graph.

Fallstricke aus Projekten

• Falsch zerschnitten. Zu kurze Abschnitte verlieren den Zusammenhang, zu lange verwässern die Bedeutung. Wie Dokumente zerlegt werden, beeinflusst die Trefferqualität oft stärker als die Wahl des Modells.
• Modellwechsel. Embeddings verschiedener Modelle sind nicht vergleichbar. Wechseln Sie das Modell, muss der gesamte Bestand neu berechnet werden.
• Fachsprache. Allgemeine Modelle kennen Branchenkürzel und interne Produktnamen oft nicht. Tests mit echten Suchanfragen zeigen, ob ein Modell Ihre Sprache versteht.
• Datenschutz. Embeddings sind kein Anonymisierungsverfahren. Wurden personenbezogene Texte umgewandelt, sollten Sie die Zahlenreihen genauso schützen wie das Original.
• Veraltete Einträge. Wird ein Dokument geändert oder gelöscht, muss auch sein Embedding aktualisiert werden – sonst findet die Suche Inhalte, die es nicht mehr gibt.

In der Praxis: Suche, die versteht, was gemeint ist

Die meisten Unternehmen brauchen kein eigenes Embedding-Modell, sondern eine sauber aufgebaute Wissensbasis. Bei der KI-Implementierung bereiten wir Ihre Dokumente auf, wählen ein Modell, das Ihre Fachsprache versteht, und testen die Treffer mit Fragen aus Ihrem Alltag. Liegen die Inhalte in Scans, PDFs oder Formularen, bringt sie unsere Leistung Dokumente und Daten zuerst in eine lesbare Form. Alles läuft auf Servern in Deutschland.

Häufige Fragen

Was ist ein Embedding einfach erklärt?

Eine Übersetzung von Inhalt in Zahlen, bei der ähnliche Inhalte ähnliche Zahlen bekommen. So kann ein Computer messen, wie nah sich zwei Texte inhaltlich sind.

Sind Embeddings dasselbe wie Vektoren?

Ein Embedding ist ein Vektor, also eine geordnete Liste von Zahlen. Das Besondere ist, dass diese Zahlen von einem Modell so gewählt wurden, dass sie Bedeutung abbilden.

Kann man Embeddings zurück in Text verwandeln?

Nicht direkt. Aus einem Embedding lässt sich der Originaltext nicht einfach ablesen, teilweise aber rekonstruieren. Deshalb gelten für Embeddings dieselben Schutzregeln wie für die Ausgangsdaten.

Funktionieren Embeddings auch für Bilder?

Ja. Es gibt Modelle, die Bilder und Texte auf dieselbe „Karte“ legen. Damit lassen sich etwa Produktfotos per Textbeschreibung suchen.