Embedding
Wie Text zu Zahlen wird, damit KI Bedeutung vergleichen kann.
Ein Embedding ist die Übersetzung eines Textes in einen Vektor aus Zahlen, der seine Bedeutung repräsentiert. Texte mit ähnlichem Inhalt liegen in diesem Zahlenraum nah beieinander, unabhängig von den genauen Wörtern. „Wie kündige ich mein Abo?" und „Vertrag beenden" ergeben ähnliche Embeddings, obwohl sie kaum ein Wort teilen.
Warum Embeddings wichtig sind
Embeddings machen semantische Suche möglich: Statt nach exakten Stichwörtern zu suchen, findet das System inhaltlich passende Abschnitte — auch wenn Nutzer ganz anders formulieren als Ihre Dokumente. Genau das ist die Grundlage des Retrieval-Schritts in RAG: Die Frage wird in ein Embedding umgewandelt und mit den Embeddings Ihrer Inhalte verglichen, um die relevantesten Stellen zu finden.
Embeddings bei Kyros
Wenn Sie Inhalte in Ihre Wissensdatenbank aufnehmen — per URL-Crawl, Dokumenten-Upload oder Golden Answer — werden diese im Hintergrund als Embeddings hinterlegt. Stellt später jemand eine Frage, sucht der Assistent über Embeddings die passenden Abschnitte und formuliert daraus eine fundierte, mit Quellen belegte Antwort. Sie müssen sich um diese Technik nicht kümmern — sie läuft automatisch.
Häufige Frage
Was ist ein Embedding?
Ein Embedding ist die Übersetzung eines Textes in einen Zahlenvektor, der seine Bedeutung repräsentiert. Inhaltlich ähnliche Texte liegen nah beieinander, was semantische Suche ermöglicht. In Kyros bilden Embeddings die Grundlage dafür, dass ein Assistent passende Abschnitte aus der Wissensdatenbank findet.
Semantische Suche über Ihre Inhalte.
Kostenloser Plan, keine Kreditkarte.