Vector database
Wat is Vector database?
Een vector database slaat geen tekst op zoals een gewone database, maar de betekenis van tekst. Hoe? Door tekst om te zetten in reeksen getallen (vectoren) die de inhoud representeren. Teksten met vergelijkbare betekenis krijgen vergelijkbare vectoren, waardoor je kunt zoeken op betekenis in plaats van op exacte woorden.
Dit is cruciaal voor RAG-toepassingen. Wanneer een gebruiker een vraag stelt, wordt die vraag ook omgezet naar een vector. De database zoekt vervolgens de documenten waarvan de vectoren het meest lijken op die van de vraag. Dat gebeurt in milliseconden, zelfs bij miljoenen documenten.
Populaire vector databases zijn Pinecone, Weaviate, Qdrant en Chroma. Ze worden vaak ingezet naast je bestaande databases, niet als vervanging. Je traditionele database blijft je bron van waarheid, de vector database maakt die data doorzoekbaar voor AI.
Voor bedrijven is een vector database relevant zodra je AI wilt laten werken met je eigen documenten, handleidingen, klantdata of kennisbank.
Voorbeeld uit de praktijk
Een juridisch kantoor heeft duizenden contracten. Met een vector database kunnen juristen in natuurlijke taal zoeken: 'contracten met een boeteclausule bij te late levering in de bouwsector'. Het systeem vindt relevante contracten op basis van betekenis, niet op basis van exacte woordovereenkomst.
Wat betekent dit voor jouw organisatie?
Vector databases zijn een kerncomponent van de RAG-oplossingen die Agentech bouwt. Ze maken het mogelijk om AI te voeden met jouw bedrijfskennis zodat antwoorden relevant en betrouwbaar zijn.