Was ist ein Embedding?

Ein Embedding ist ein numerischer Vektor, der ein Element wie ein Wort, einen Satz, ein Bild, ein Produkt oder einen Nutzer in einem hochdimensionalen Raum darstellt. Elemente mit ähnlicher Bedeutung oder ähnlichen Eigenschaften liegen in diesem Raum nah beieinander, weshalb Embeddings die Grundlage für semantische Suche, Empfehlungen und Retrieval-Augmented Generation bilden.

Definition

Embeddings entstehen über neuronale Netze, die so trainiert wurden, dass sie Inputs auf Vektoren abbilden und semantische Beziehungen erhalten. Ein Produkt-Embedding kann Stil, Kategorie, Preisspanne und Zielgruppe implizit kodieren, ohne dass diese Merkmale explizit ausgewiesen sind. Moderne Embedding-Modelle arbeiten multimodal, sodass derselbe Vektorraum Texte, Produktbilder und Nutzerverhalten abbildet.

Warum es zählt

Embeddings verwandeln unscharfe Konzepte wie Ähnlichkeit, Verwandtschaft oder Absicht in Operationen, die Datenbanken effizient ausführen können. Der Vergleich zweier Elemente reduziert sich auf die Distanz ihrer Vektoren. So lassen sich passende Produkte zu vagen Anfragen finden, ähnliche Artikel für Merchandising gruppieren oder Duplikate im Katalog erkennen.

Anwendungsfälle

Im Commerce treiben Embeddings semantische Suche, Lookalike-Audiences, Content-zu-Produkt-Matching auf redaktionellen Seiten, Bildsuche und den Retrieval-Schritt in RAG-Pipelines. Sie unterstützen außerdem Personalisierung, weil Nutzer und Produkte in kompatiblen Räumen eingebettet werden können, sodass das nächstbeste Item per Vektor-Lookup statt per Handregel gewählt wird.

Verwandt

Mehr dazu: Agentic Frontend Management Platform · Personalization.