Prompt Engineering beschreibt das bewusste Schreiben, Testen und Verbessern von Eingaben für Sprachmodelle. Ziel ist nicht nur eine gute Antwort, sondern eine Antwort, die konsistent, präzise und für den Anwendungsfall nützlich ist.
\nTypische Bausteine sind:
\nPrompt Engineering ist eng mit Context Window, LLM und Guardrails verbunden.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/llm","url":"https://proleads.online/ki-glossar/llm","title":"LLM","content_text":"Large Language Model, also ein großes Sprachmodell, das Texte versteht, generiert und zusammenfasst.","content_html":"Ein LLM ist ein Sprachmodell, das auf sehr großen Datenmengen trainiert wurde und besonders gut mit natürlicher Sprache arbeiten kann. Es kann Antworten generieren, Inhalte zusammenfassen, Texte umformulieren und viele weitere Sprachaufgaben erledigen.
\nWichtige Nachbarbegriffe sind Token, Context Window und Inference.
\nLLMs sind die Basis für viele Anwendungen wie Chatbots, Recherche-Assistenten oder Content-Workflows.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/retrieval-augmented-generation","url":"https://proleads.online/ki-glossar/retrieval-augmented-generation","title":"Retrieval Augmented Generation","content_text":"Ein Verfahren, bei dem ein Modell vor der Antwort gezielt externe Informationen abrufen kann.","content_html":"Retrieval Augmented Generation, kurz RAG, kombiniert Sprachmodell und Suche. Statt nur auf das trainierte Wissen zu vertrauen, werden passende Dokumente oder Wissensquellen hinzugezogen und in die Antwort integriert.
\nDas ist besonders hilfreich bei:
\nRAG ist eng mit Embeddings und Vector Databases verbunden.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/embeddings","url":"https://proleads.online/ki-glossar/embeddings","title":"Embeddings","content_text":"Numerische Repräsentationen von Texten oder anderen Inhalten, die semantische Nähe abbilden.","content_html":"Embeddings verwandeln Inhalte in Vektoren, damit ähnliche Inhalte auch mathematisch nahe beieinander liegen. So lassen sich Texte vergleichen, clustern und für semantische Suche nutzen.
\nEmbeddings sind zentral für RAG, Vector Databases und semantische Suche.
\nPraktisch heißt das: Nicht nur exakte Wörter zählen, sondern auch Bedeutung und Kontext.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/answer-engine-optimization","url":"https://proleads.online/ki-glossar/answer-engine-optimization","title":"Answer Engine Optimization (AEO)","content_text":"\"Die Optimierung von Inhalten, damit Antwortmaschinen und KI-Systeme sie als direkte, verlässliche Antwort verwenden.\"","content_html":""Answer Engine Optimization (AEO) beschreibt die Optimierung von Inhalten für Suchmaschinen, KI-Assistenten und andere Antwortsysteme, die Nutzern direkte Antworten statt nur Linklisten liefern. Ziel ist es, Inhalte so klar, strukturiert und vertrauenswürdig aufzubereiten, dass sie in Snippets, KI-Antworten oder Conversational-Search-Ergebnissen aufgegriffen werden. Wichtig sind präzise Definitionen, gut strukturierte Abschnitte, belastbare Quellen, Schema-Markup und eine klare Ausrichtung auf konkrete Nutzerfragen."
\n","date_published":"2026-06-25T07:52:48.720Z","date_modified":"2026-06-27T19:55:47.079Z","tags":[]},{"id":"https://proleads.online/ki-glossar/claude-code-loop","url":"https://proleads.online/ki-glossar/claude-code-loop","title":"Claude Code: /loop","content_text":"Ein Claude-Code-Slash-Befehl, der wiederkehrende Aufgaben, dynamische Prüfungen und geplante Prompts innerhalb einer Sitzung ausführt.","content_html":"/loop in Claude Code\nDefinition\n/loop ist ein Slash-Befehl in Claude Code für wiederkehrende Prompts und sitzungsnahe Aufgabenplanung. Der Befehl startet einen Loop, der Prüfungen, Wartungsaufgaben oder eigene Anweisungen in festgelegten oder dynamischen Abständen ausführt. Mit einem Intervall wie /loop 5m check the deploy läuft der Prompt nach einem festen Zeitplan. Ohne Intervall wählt Claude einen passenden Abstand je Iteration.
\nIm Unterschied zu einem einmaligen Prompt hält /loop eine Aufgabe über mehrere Iterationen aktiv. Gegenüber klassischen Cron-Jobs bleibt der Ablauf stärker an die aktuelle Claude-Code-Sitzung gebunden. Verwandte Einträge sind Claude Code: /resume, Claude Code: claude --continue und LLM, weil sie ebenfalls Kontext, Sitzungen und automatisierte Arbeitsschritte betreffen.
\nNutzung\n/loop akzeptiert entweder ein Intervall mit Prompt, nur einen Prompt oder einen leeren Aufruf. Ein Aufruf wie /loop 20m /review-pr 1234 startet eine wiederkehrende Prüfung mit festem Abstand. Ein Aufruf ohne Intervall erlaubt Claude eine dynamische Taktung zwischen kurzen und längeren Wartezeiten. Ein leerer Aufruf nutzt den eingebauten Wartungsprompt oder eine vorhandene loop.md als Standardanweisung.
\nDamit grenzt sich /loop von One-Shot-Erinnerungen ab, die nur einmal feuern und danach enden. Der Befehl ähnelt Aufgabenplanung, bleibt aber näher an interaktiver Entwicklung, Pull-Request-Pflege und CI-Prüfung. Für dauerhafte Automatisierung passen eher Routines, GitHub Actions oder Desktop Scheduled Tasks. Für lokale Sitzungsarbeit ergänzt /loop besonders Claude Code: claude --resume.
\nSteuerung\n/loop unterstützt feste Intervalle, dynamische Zeitwahl und einen Standardprompt über loop.md. Die Datei kann projektweit unter .claude/loop.md oder nutzerweit unter ~/.claude/loop.md liegen. Claude nutzt zuerst die projektweite Datei, falls beide Varianten existieren. Änderungen an loop.md gelten ab der nächsten Iteration und helfen, laufende Wartungsaufgaben feinzujustieren.
\nIm Vergleich zu einzelnen Kommandozeilenbefehlen bündelt /loop Wiederholung, Kontext und Arbeitsziel in einem laufenden Ablauf. Gegenüber dem Cron-Ausdruck bietet der Slash-Befehl eine natürlichere Steuerung innerhalb von Claude Code. Ähnliche Konzepte sind Automatisierung, Prompt und Claude Code, weil sie Anweisungen, Ausführung und Tool-Nutzung verbinden.
\nGrenzen\n/loop eignet sich für sitzungsnahe Automatisierung, nicht für unbeaufsichtigte Dauerjobs. Geplante Aufgaben laufen nur im Rahmen der Claude-Code-Sitzung und enden spätestens nach der vorgesehenen Ablaufzeit. Mit Esc lässt sich ein wartender Loop stoppen. Plattform- und Umgebungsregeln können außerdem beeinflussen, ob ein leerer Loop den Wartungsprompt nutzt oder nur eine Hilfemeldung zeigt.
\nDamit unterscheidet sich /loop von Infrastruktur-Automatisierung, die unabhängig von einer aktiven Entwicklungssitzung läuft. Wer exakte Uhrzeiten, langfristige Jobs oder robuste Produktionstrigger benötigt, greift eher zu GitHub Actions, Routines oder systemnahen Schedule-Tools. Für kurze, kontextreiche Prüfzyklen in Claude Code liefert /loop dagegen eine einfache Brücke zwischen Prompting und Aufgabenplanung.
\n","date_published":"2026-06-26T17:44:24.819Z","date_modified":"2026-06-27T19:55:47.081Z","tags":["Claude","Claude Code"],"category":"Claude","subcategory":"Claude Code"},{"id":"https://proleads.online/ki-glossar/claude-code-slash-resume","url":"https://proleads.online/ki-glossar/claude-code-slash-resume","title":"Claude Code: /resume","content_text":"\"Ein Slash-Befehl, der innerhalb einer aktiven Claude-Code-Sitzung zu einem anderen Gespräch wechselt.\"","content_html":""/resume wird innerhalb einer aktiven Claude-Code-Sitzung verwendet, um zu einem anderen Gespräch oder Arbeitskontext zu wechseln. Der Befehl unterscheidet sich von claude --resume, weil er nicht beim Start über die Kommandozeile ausgeführt wird, sondern im laufenden Gespräch. Er ist hilfreich, wenn du während einer aktiven Session den Kontext wechseln möchtest, ohne Claude Code komplett neu zu starten."
\n","date_published":"2026-06-25T14:03:33.907Z","date_modified":"2026-06-27T19:55:47.081Z","tags":["Claude","Claude Code"],"category":"Claude","subcategory":"Claude Code"},{"id":"https://proleads.online/ki-glossar/claude-code-continue","url":"https://proleads.online/ki-glossar/claude-code-continue","title":"Claude Code: claude --continue","content_text":"\"Ein Claude-Code-Befehl, der die neueste Sitzung im aktuellen Verzeichnis direkt fortsetzt.\"","content_html":""claude --continue setzt die zuletzt verwendete Claude-Code-Sitzung im aktuellen Projektverzeichnis fort. Der Befehl ist nützlich, wenn du ohne Auswahlmenü unmittelbar an der letzten Arbeit weiterarbeiten möchtest. Besonders praktisch ist er bei längeren Coding-Sessions, in denen Kontext, Dateien und Zielsetzung bereits in der vorherigen Sitzung aufgebaut wurden."
\n","date_published":"2026-06-25T14:03:33.904Z","date_modified":"2026-06-27T19:55:47.080Z","tags":["Claude","Claude Code"],"category":"Claude","subcategory":"Claude Code"},{"id":"https://proleads.online/ki-glossar/claude-code-from-pr","url":"https://proleads.online/ki-glossar/claude-code-from-pr","title":"Claude Code: claude --from-pr"claude --from-pr setzt die Claude-Code-Sitzung fort, die mit einem bestimmten Pull Request verbunden ist. Der Platzhalter steht für die Pull-Request-Nummer. Das ist besonders nützlich in Review-, Debugging- oder Implementierungsprozessen, bei denen der Arbeitskontext direkt an einen PR gebunden ist."
\n","date_published":"2026-06-25T14:03:33.907Z","date_modified":"2026-06-27T19:55:47.081Z","tags":["Claude","Claude Code"],"category":"Claude","subcategory":"Claude Code"},{"id":"https://proleads.online/ki-glossar/claude-code-resume","url":"https://proleads.online/ki-glossar/claude-code-resume","title":"Claude Code: claude --resume","content_text":"Ein Claude-Code-Befehl, der frühere Sitzungen per Auswahl oder gezieltem Namen fortsetzt.","content_html":"claude --resume in Claude Code\nDefinition\nclaude --resume ist ein Kommandozeilenbefehl in Claude Code, der frühere Sitzungen wieder öffnet. Ohne zusätzlichen Namen zeigt der Befehl eine Sitzungsauswahl, aus der du einen früheren Arbeitskontext auswählst. Mit claude --resume <name> springst du direkt in eine benannte Sitzung. Der Befehl hilft, längere Coding-Aufgaben, Rechercheläufe oder Debugging-Kontexte gezielt fortzusetzen.
\nIm Unterschied zu Claude Code: claude --continue setzt claude --resume nicht automatisch die neueste Sitzung fort. Du entscheidest bewusst, welche Unterhaltung oder welcher Arbeitsstand relevant ist. Gegenüber Claude Code: /resume startet der Befehl vor oder beim Öffnen von Claude Code über die Kommandozeile, nicht innerhalb eines bereits laufenden Gesprächs.
\nNutzung\nclaude --resume eignet sich, wenn mehrere frühere Sitzungen existieren und du den passenden Kontext auswählen möchtest. Die Auswahl hilft besonders bei parallelen Projekten, mehreren Branches oder unterschiedlichen Aufgabenbereichen. Der Befehl vermeidet Neustarts ohne Kontext und spart Zeit, weil Verlauf, Zielsetzung und Arbeitsstand erhalten bleiben. So knüpfst du an bestehende Analyse-, Implementierungs- oder Review-Arbeit an.
\nMit claude --resume <name> nutzt du eine benannte Sitzung ohne manuelle Auswahl. Der Platzhalter <name> steht für den Namen der Sitzung, die du gezielt öffnen möchtest. Diese Variante passt besonders gut, wenn du Sessions klar benennst, etwa nach Projekt, Feature, Pull Request oder Kundenauftrag. Sie grenzt sich von der normalen Auswahl ab, weil sie den gewünschten Kontext direkt adressiert.
\nEinordnung\nclaude --resume gehört zu den Sitzungsbefehlen von Claude Code und unterstützt strukturiertes Arbeiten über mehrere Unterbrechungen hinweg. Der Befehl ist kein Prompt und keine Automatisierung, sondern ein Startmodus für vorhandene Gesprächskontexte. Er passt zu Workflows, in denen Entwicklungsarbeit nicht in einer einzigen Sitzung endet. Besonders nützlich ist er bei Pull-Request-Arbeit, Refactorings, Bugfixes und längeren technischen Analysen.
\nÄhnliche Begriffe sind Claude Code: claude --continue, Claude Code: /resume und Claude Code: /loop. claude --continue bevorzugt Geschwindigkeit beim neuesten Kontext, /resume wechselt im laufenden Gespräch, und /loop plant wiederkehrende Aufgaben. claude --resume fokussiert dagegen die bewusste Auswahl oder den direkten Aufruf einer bekannten Sitzung.
\n","date_published":"2026-06-25T14:03:33.905Z","date_modified":"2026-06-27T19:55:47.080Z","tags":["Claude","Claude Code"],"category":"Claude","subcategory":"Claude Code"},{"id":"https://proleads.online/ki-glossar/context-window","url":"https://proleads.online/ki-glossar/context-window","title":"Context Window","content_text":"Der Text- und Informationsumfang, den ein Modell gleichzeitig berücksichtigen kann.","content_html":"Das Context Window ist die Menge an Informationen, die ein Modell in einer Anfrage verarbeiten kann. Dazu zählen Prompt, Systemanweisungen, vorherige Nachrichten und eventuell mitgelieferte Dokumente.
\nWenn das Context Window zu klein wird, fallen Informationen heraus. Das wirkt sich direkt auf Qualität und Konsistenz aus.
\nDarum ist das Thema wichtig für Prompt Engineering, RAG und lange Dialoge.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/fine-tuning","url":"https://proleads.online/ki-glossar/fine-tuning","title":"Fine-Tuning","content_text":"Das gezielte Nachtrainieren eines Modells auf eigene Daten, um Tonalität, Format oder Fachwissen zu verbessern.","content_html":"Fine-Tuning passt ein Basismodell an eine spezifische Aufgabe oder Domäne an. Das ist sinnvoll, wenn wiederkehrende Muster, eine besondere Sprache oder domänenspezifische Antworten gefragt sind.
\nNicht immer ist Fine-Tuning der beste Weg. Oft reichen Prompt Engineering oder RAG aus. Wenn die gewünschte Ausgabe aber sehr konstant sein soll, kann Fine-Tuning die bessere Wahl sein.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/generative-engine-optimization","url":"https://proleads.online/ki-glossar/generative-engine-optimization","title":"Generative Engine Optimization (GEO)","content_text":"\"Die Optimierung von Inhalten, damit generative KI-Systeme sie verstehen, auswählen und in Antworten verwenden.\"","content_html":""Generative Engine Optimization (GEO) beschreibt die Optimierung von Inhalten für generative KI-Systeme wie Chatbots, KI-Suchmaschinen und Antwortassistenten. Ziel ist es, Inhalte so strukturiert, eindeutig und vertrauenswürdig aufzubereiten, dass sie von KI-Modellen leichter erkannt, kontextualisiert und in generierten Antworten genutzt werden können. Dazu gehören klare Definitionen, präzise Entitäten, semantische Struktur, konsistente Markeninformationen, Quellenangaben und Inhalte, die konkrete Nutzerfragen direkt beantworten."
\n","date_published":"2026-06-25T07:52:48.721Z","date_modified":"2026-06-27T19:55:47.079Z","tags":[]},{"id":"https://proleads.online/ki-glossar/guardrails","url":"https://proleads.online/ki-glossar/guardrails","title":"Guardrails","content_text":"Regeln und Schutzmechanismen, die KI-Ausgaben begrenzen, absichern oder in gewünschte Bahnen lenken.","content_html":"Guardrails helfen dabei, Modelle sicherer und vorhersagbarer einzusetzen. Sie können Eingaben prüfen, Ausgaben filtern, Formatregeln durchsetzen oder sensible Inhalte blockieren.
\nFür produktive KI-Anwendungen sind Guardrails oft genauso wichtig wie das Modell selbst.
\nSie stehen in enger Beziehung zu Prompt Engineering, Hallucination und Compliance-Themen.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/hallucination","url":"https://proleads.online/ki-glossar/hallucination","title":"Hallucination","content_text":"Wenn ein Modell überzeugend klingende, aber faktisch falsche Inhalte erzeugt.","content_html":"Eine Hallucination entsteht, wenn ein Modell Informationen mit hoher Sicherheit formuliert, obwohl sie inhaltlich nicht stimmen. Das ist ein zentrales Risiko bei generativen Modellen.
\nGegenmaßnahmen sind:
\nDas Thema ist ein Muss für jede AEO- und Content-Strategie rund um KI.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/inference","url":"https://proleads.online/ki-glossar/inference","title":"Inference","content_text":"Die eigentliche Ausführung eines trainierten Modells, also der Moment, in dem es eine Antwort erzeugt.","content_html":"Inference beschreibt die Phase, in der ein Modell nicht trainiert, sondern produktiv verwendet wird. Es empfängt Eingaben und berechnet darauf basierend Ausgaben.
\nIn der Praxis entscheidet Inference über:
\nInference ist ein guter Gegenbegriff zu Training und wird bei produktiven KI-Anwendungen oft unterschätzt.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/mixture-of-experts","url":"https://proleads.online/ki-glossar/mixture-of-experts","title":"Mixture of Experts","content_text":"\"Ein Modellarchitektur-Ansatz, bei dem nur ein Teil des Modells pro Anfrage aktiv ist.\"","content_html":""Mixture of Experts (MoE) ist eine Architektur für große KI-Modelle. Statt immer das komplette Modell zu nutzen, werden pro Eingabe nur die passenden „Experten“ aktiviert. Das kann Rechenkosten senken und gleichzeitig hohe Modellkapazität ermöglichen. Typisch ist der Ansatz bei großen Sprachmodellen, wenn Skalierung und Effizienz gleichzeitig wichtig sind."
\n","date_published":"2026-06-25T07:52:48.716Z","date_modified":"2026-06-27T19:55:47.078Z","tags":[]},{"id":"https://proleads.online/ki-glossar/prompt-injection","url":"https://proleads.online/ki-glossar/prompt-injection","title":"Prompt Injection","content_text":"Ein Angriff, bei dem ein Modell durch manipulierte Eingaben zu unerwünschtem Verhalten verleitet wird.","content_html":"Prompt Injection versucht, die ursprünglichen Anweisungen eines Modells auszuhebeln. Das kann über versteckte Befehle in Dokumenten, Webseiten oder Nutzertexten passieren.
\nDie Abwehr besteht meist aus einer Kombination von:
\nDas Thema ist besonders wichtig für RAG- und Agenten-Setups.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/search-engine-optimization","url":"https://proleads.online/ki-glossar/search-engine-optimization","title":"Search Engine Optimization (SEO)","content_text":"\"Die Optimierung von Websites und Inhalten, damit sie in Suchmaschinen besser gefunden, verstanden und bewertet werden.\"","content_html":""Search Engine Optimization (SEO) beschreibt die Optimierung von Websites, Inhalten und technischen Signalen, damit Suchmaschinen Seiten besser crawlen, verstehen und in relevanten Suchergebnissen platzieren können. SEO bildet die Grundlage für digitale Sichtbarkeit: AEO erweitert diesen Ansatz auf direkte Antworten in Antwortmaschinen, während GEO ihn auf generative KI-Systeme und KI-Sucherlebnisse überträgt. Gemeinsam zielen SEO, AEO und GEO darauf ab, Inhalte klar, vertrauenswürdig, strukturiert und nutzerzentriert bereitzustellen."
\n","date_published":"2026-06-25T07:52:48.721Z","date_modified":"2026-06-27T19:55:47.079Z","tags":[]},{"id":"https://proleads.online/ki-glossar/temperatur-kuenstliche-intelligenz","url":"https://proleads.online/ki-glossar/temperatur-kuenstliche-intelligenz","title":"Temperatur (Künstliche Intelligenz)","content_text":"\"Ein Parameter in KI- und Sprachmodellen, der steuert, wie zufällig, kreativ oder vorhersehbar eine Ausgabe ausfällt.\"","content_html":""Temperatur, häufig auch LLM-Temperatur genannt, ist ein Steuerparameter in der Künstlichen Intelligenz, der die Zufälligkeit der Ausgabe beeinflusst. Sie spielt besonders bei großen Sprachmodellen eine Rolle, wenn aus mehreren möglichen nächsten Tokens eine Antwort generiert wird. Niedrige Temperaturen führen zu vorhersehbareren, sachlicheren und präziseren Antworten, weil das Modell stärker die wahrscheinlichsten Tokens auswählt. Höhere Temperaturen machen die Wahrscheinlichkeitsverteilung flacher und erhöhen die Chance auf kreativere, vielfältigere oder überraschendere Formulierungen, können aber auch Halluzinationen oder unpassende Ergebnisse begünstigen. Praktisch eignen sich niedrige Werte etwa für Programmierung, technische Beschreibungen und faktenorientierte Aufgaben, mittlere Werte für ausgewogene Ideenentwicklung und hohe Werte für exploratives Brainstorming. Mathematisch wird die Temperatur T meist auf die Logits vor der Softmax-Funktion angewendet: p_i(T)=exp(z_i/T)/Σ_j exp(z_j/T). Bei T=1 entspricht dies der normalen Softmax-Verteilung; T<1 konzentriert die Wahrscheinlichkeit auf die wahrscheinlichsten Tokens, T>1 verteilt sie breiter auf mehr mögliche Ausgaben."
\n","date_published":"2026-06-25T07:52:48.722Z","date_modified":"2026-06-27T19:55:47.079Z","tags":[]},{"id":"https://proleads.online/ki-glossar/token","url":"https://proleads.online/ki-glossar/token","title":"Token","content_text":"Kleine Texteinheiten, in die ein Modell Eingaben und Ausgaben intern zerlegt.","content_html":"Tokens sind die Verarbeitungseinheiten vieler Sprachmodelle. Ein Wort kann aus einem Token bestehen, aus mehreren Tokens oder nur ein Teil eines Tokens sein.
\nWarum das wichtig ist:
\nToken sind die Basis für LLM, Context Window und Inference.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]},{"id":"https://proleads.online/ki-glossar/vector-database","url":"https://proleads.online/ki-glossar/vector-database","title":"Vector Database","content_text":"Eine Datenbank, die Vektoren effizient speichert und semantische Suche sowie Ähnlichkeitsabfragen ermöglicht.","content_html":"Vector Databases speichern Embeddings und machen sie suchbar. Damit lassen sich ähnliche Texte, Produkte oder Dokumente schnell finden, auch wenn die Worte nicht exakt gleich sind.
\nSie sind ein Kernbaustein vieler RAG-Setups.
\nWichtige Schlagworte sind Embeddings, Semantische Suche und Retrieval.
\n","date_published":"2026-06-20T12:00:00.000Z","date_modified":"2026-06-20T12:00:00.000Z","tags":[]}]}