Was ist ein Embedding?

Ein Kunde schreibt an einen Gebäudetechnik-Betrieb: „Die Anlage macht seit gestern komische Geräusche beim Anlaufen.“ Im Archiv des Betriebs liegt ein Servicebericht mit der Lösung — dort steht allerdings „ungewöhnliche Laufgeräusche des Verdichters in der Startphase“. Eine klassische Stichwortsuche nach „komische Geräusche“ findet diesen Bericht nie. Eine Suche auf Basis von Embeddings findet ihn sofort — weil sie nicht Wörter vergleicht, sondern Bedeutung.

Bedeutung als Zahlenreihe

Computer können mit Wörtern nichts anfangen, mit Zahlen dafür umso mehr. Ein Embedding-Modell übersetzt deshalb einen Text — ein Wort, einen Satz, einen Absatz — in eine lange Reihe von Zahlen, typischerweise mehrere hundert bis über tausend Werte. Diese Zahlenreihe nennt man Vektor.

Das Entscheidende: Die Übersetzung ist nicht willkürlich. Das Modell wurde mit riesigen Textmengen trainiert und hat dabei gelernt, welche Formulierungen inhaltlich zusammengehören. „Kündigungsfrist“ und „Beendigung des Vertragsverhältnisses“ landen bei ähnlichen Zahlenreihen. „Kündigungsfrist“ und „Lieferschein“ landen weit auseinander.

Man kann sich das wie eine Landkarte der Bedeutungen vorstellen: Jeder Text bekommt einen Punkt auf dieser Karte, und inhaltlich verwandte Texte liegen nah beieinander. Ob zwei Texte ähnlich sind, ist damit eine simple Rechenaufgabe — der Computer misst den Abstand zwischen zwei Punkten.

Wozu das im Unternehmen dient

Embeddings sind die Grundlage der semantischen Suche, also der Suche nach Sinn statt nach Zeichenketten. Das verändert den Zugriff auf Firmenwissen grundlegend:

• Mitarbeitende finden Dokumente, auch wenn sie andere Begriffe verwenden als der Verfasser — der Alltag in jedem Betrieb mit Fachjargon, Abkürzungen und wechselnden Schreibweisen.
• Ähnliche Fälle lassen sich automatisch gruppieren: Reklamationen desselben Typs, wiederkehrende Supportanfragen, doppelte Dokumente.
• Und vor allem: Embeddings sind der Suchmechanismus in jedem RAG-System. Wenn eine Firmen-KI zu einer Frage die passenden Textstellen aus Tausenden Dokumenten heraussucht, bevor sie antwortet, geschieht genau das über den Vergleich von Embeddings in einer Vektordatenbank.

Warum die Qualität der Vorarbeit entscheidet

Ein Embedding kann nur abbilden, was im Text tatsächlich steht. Hier liegt die in der Praxis am meisten unterschätzte Stolperstelle: Bevor Texte in Zahlen übersetzt werden, müssen sie sauber aus den Quelldokumenten herausgelöst und in sinnvolle Abschnitte zerlegt werden. Wird eine Tabelle beim Einlesen zerrissen, ein Scan falsch erkannt oder ein Absatz mitten im Gedanken geteilt, entsteht ein Embedding von beschädigtem Inhalt — und die Suche liefert später verlässlich die falschen Stellen. Der Fehler fällt dann nicht dem Parsing zur Last, sondern scheinbar „der KI“.

Professionelle Datenaufbereitung — strukturtreues Auslesen, sinnvolles Zerlegen, saubere Anreicherung mit Kontext — ist deshalb kein technisches Detail, sondern der Faktor, der über die Trefferqualität des gesamten Systems entscheidet.

Ein Hinweis zur Datenhoheit

Auch das Erzeugen von Embeddings ist Datenverarbeitung: Der volle Wortlaut Ihrer Dokumente durchläuft dabei ein KI-Modell. Wer dafür einen Cloud-Dienst nutzt, schickt sein gesamtes Firmenwissen einmal komplett zu einem externen Anbieter. Die Alternative: Embedding-Modell und Vektordatenbank laufen auf eigener Hardware im Haus. Für vertrauliche Bestände — Verträge, Personalakten, Konstruktionsunterlagen — ist das der saubere Weg, semantische Suche und DSGVO unter einen Hut zu bringen.