Lokale Infrastruktur
Vektordatenbank lokal
der Speicher hinter der Suche.
Damit die KI in Ihren Dokumenten suchen kann, braucht sie einen Speicher für Bedeutung. Das ist die Vektordatenbank. Sie liegt bei uns immer dort, wo auch die Dokumente liegen: bei Ihnen.
- Für wen
- Betriebe mit lokaler Wissensdatenbank, von tausend bis Millionen Abschnitten
- Aufwand
- 15 Arbeitstage bis zur Spezifikation
- Förderung
- Wird für Ihr Bundesland geprüft
- Datenhaltung
- Komplett auf Ihrem Server, nichts geht nach außen
- Erster Schritt
- Dreißig Minuten Erstgespräch per Video
Eine Vektordatenbank speichert zu jedem Textabschnitt eine Zahlenreihe, die seine Bedeutung beschreibt, dazu Angaben wie Projekt, Datum und Berechtigung. Bei einer Frage findet sie die Abschnitte mit ähnlicher Bedeutung, kombiniert mit klassischer Stichwortsuche. Lokal setzen wir Qdrant oder Postgres mit pgvector ein, beide laufen in Containern auf Ihrem Server.
Stand: September 2026
Warum die Wahl der Datenbank selten das Problem ist
Beide Wege tragen, was ein Mittelständler an Dokumenten hat. Qdrant ist für sehr große Bestände und hybride Suche gemacht, Postgres mit pgvector ist naheliegend, wenn ohnehin eine Postgres-Datenbank läuft und Rechte auf Datenbankebene erzwungen werden sollen. Wichtiger als die Wahl sind saubere Zerlegung, gute Embeddings und der Rechtefilter davor.
Was eine Vektordatenbank leistet und was sie nicht ist
Sie speichert keine Dokumente, sondern deren inhaltliche Position. Jeder Abschnitt wird in eine Zahlenreihe übersetzt, und ähnliche Inhalte landen nahe beieinander. Deshalb findet die Suche auch dann etwas, wenn in Ihrer Frage kein einziges Wort aus dem Dokument vorkommt.
Der häufigste Fehler ist, sich allein darauf zu verlassen. Bei Zahlen, Aktenzeichen, Normbezeichnungen und Eigennamen ist die klassische Volltextsuche überlegen, weil sie exakt trifft statt ähnlich. In der Praxis arbeiten beide Verfahren nebeneinander, und die Ergebnisse werden zusammengeführt.
Für Ihr Büro ist die wichtigere Frage nicht, welche Datenbank, sondern wo sie steht und wer sie sichert. Der Index enthält Ihre Inhalte in anderer Form, er ist also genauso schützenswert wie die Dokumente selbst, und er gehört in dieselbe Sicherung.
Sechs Dinge, die die Vektordatenbank leisten muss
Aus dem Aufbau lokaler Systeme mit Beständen von hunderttausend Dokumenten und mehr.
- Bedeutungssuche über Millionen Abschnitte in Sekundenbruchteilen
- Hybride Suche: Bedeutung plus Stichwort, damit Projektnummern exakt treffen
- Filter vor der Suche: nur Dokumente, die der Fragende sehen darf, nur dieses Projekt, nur ab diesem Jahr
- Neuindexierung einzelner Dokumente, ohne dass der ganze Bestand neu gerechnet wird
- Sicherung und Wiederherstellung von Index und Konfiguration, getrennt von den Originalen
- Betrieb in einem Container neben Modell und Anwendung, ohne eigenen Serverpark
Was wir dafür entwickeln
Der Index enthält Ihre Inhalte in anderer Form. Er ist genauso schützenswert wie die Dokumente.
Für wen sich das lohnt
IT und Administration
Ein Container, ein Datenverzeichnis, eine Sicherung. Kein zusätzlicher Dienst außerhalb Ihres Netzes.
Datenschutz
Im Index liegen Textabschnitte Ihrer Dokumente. Deshalb liegt er bei Ihnen, mit denselben Rechten wie die Originale.
Geschäftsführung
Der Index gehört Ihnen und bleibt beim Modellwechsel bestehen. Sie sind an keinen Anbieter gebunden.
So kommt der Index auf Ihren Server
- Schritt 1
Daten- und Netz-Audit
Was liegt wo, wie viele Scans, welche Rechtegruppen, welcher Serverraum. Fünfzehn Arbeitstage, am Ende die Spezifikation für Server und Software.
- Schritt 2
Aufbau im getrennten Netz
Server im eigenen Netzsegment, Modell lauffähig, Anmeldung über Ihr Active Directory, erster Test mit hundert echten Dokumenten.
- Schritt 3
Einlesen, Härten, Betrieb
Bestand einlesen, Rechte vererben, Sicherheitsprüfung durch Dritte, Pilot mit einer Abteilung, dann Betrieb mit monatlichem Bericht.
◆Fachwörter auf dieser Seite
Erklärt im Glossar
Was Betriebe an dieser Stelle fragen
Einwand
Qdrant oder Postgres mit pgvector?
Bei sehr großen Beständen und hybrider Suche eher Qdrant, bei vorhandener Postgres-Landschaft und strengen Rechten auf Datenbankebene eher pgvector. Wir entscheiden nach Ihrem Bestand.
Einwand
Wie viel Speicher braucht der Index?
Deutlich weniger als die Originale, aber messbar. Bei hunderttausenden Dokumenten planen wir Terabyte-Speicher für Index, Modelle und Zwischenergebnisse ein.
Einwand
Liegen die Originaldokumente auch dort?
Nein. Die Originale bleiben, wo sie sind. In der Datenbank liegen Textabschnitte, Vektoren und Verweise auf die Quelle.
Einwand
Was passiert beim Modellwechsel?
Wechselt das Sprachmodell, bleibt der Index. Wechselt das Embedding-Modell, wird neu indexiert, das läuft über Nacht.
Einwand
Gibt es Fördermittel für lokale KI?
Oft ja. Ob ein Zuschuss oder ein Darlehen greift, hängt an Ihrem Bundesland, an der Betriebsgröße und am Vorhaben. Hardware zählt in der Regel mit, wenn sie Teil des Vorhabens ist. Wir prüfen das vor dem Termin und sagen Ihnen, ob sich der Antragsaufwand lohnt.
Verwandte Seiten
Programme, mit denen Sie arbeiten
Zu jedem steht, was sich anbinden lässt, was dabei herauskommt und wo die Grenze liegt.
Sehen wir uns Ihren Bestand an.
Dreißig Minuten, per Video oder Telefon. Danach wissen Sie, ob lokale KI bei Ihnen trägt und was der erste Schritt ist.