Ein Suchverfahren, das Informationen anhand von Bedeutung und semantischer Ähnlichkeit findet statt anhand exakter Stichwortübereinstimmungen, indem es mathematische Repräsentationen (Vektoren) des Textes verwendet.
Die Vektorsuche funktioniert, indem sie Text in hochdimensionale numerische Repräsentationen umwandelt, die als Embeddings bezeichnet werden und bei denen semantisch ähnliche Inhalte im Vektorraum nahe beieinander liegen. Wenn eine Nutzerin oder ein Nutzer eine Frage stellt, wandelt das System sie in einen Vektor um und findet die ähnlichsten Inhalte, selbst wenn die verwendeten Wörter völlig anders sind als in den gespeicherten Dokumenten. Eine Suche nach "wie gehe ich mit einem unzufriedenen Kunden um" findet beispielsweise Dokumente zur "Bearbeitung von Kundenbeschwerden", obwohl sie keine gemeinsamen Stichwörter haben. Genau das lässt moderne KI-Wissensassistenten natürlich wirken: Mitarbeitende können Fragen in eigenen Worten stellen, statt die richtigen Suchbegriffe zu erraten. Die Vektorsuche ist ein zentraler Bestandteil von Systemen zur Retrieval-Augmented Generation (RAG).