Vektorsuche: Qdrant und PostgreSQL im Vergleich
Große Sprachmodelle sind in vielerlei Form auf Wortvektoren angewiesen, besonders bei Techniken zum Ergänzen von Informationen und zum Vermeiden von Halluzinationen. Daher haben sich Vektordatenbanken etabliert, während klassische Datenbanken Vektorfunktionen nachrüsten. iX vergleicht beide Varianten.
Große Sprachmodelle (Large Language Models, LLMs) verarbeiten Sprache als Wort-Embeddings in Form von vieldimensionalen Vektoren. Deshalb sind im Zuge des Hypes um die LLMs Vektordatenbanken als eine attraktive Form zum Ablegen und Suchen von Vektoren auf den Plan getreten. Diese Datenbanken besitzen Funktionen, die über die Fähigkeiten einer klassischen SQL-Datenbank hinausgehen.
Allerdings bieten mehr und mehr SQL-Datenbanken auch Vektorsuchen an. Es stellt sich also die Frage, ob es sich lohnt, auf eine dedizierte Vektordatenbank zu setzen, oder ob eine – eventuell bereits vorhandene – Datenbank nicht schon ausreicht. Dieser Artikel zeigt anhand eines Beispiels die unterschiedlichen Herangehensweisen der beiden Softwaretypen und klärt über Vor- und Nachteile auf.
