Retrieval & Reranking
Hybrid Search = Vektor + Keyword:
Reine Vektor‑Suche scheitert bei Eigennamen, Codes, Akronymen. Hybrid kombiniert:
- Dense (Embedding): findet semantisch ähnliche Inhalte.
- Sparse (BM25): findet Wort‑Übereinstimmungen.
- Fusion: Reciprocal Rank Fusion (RRF) — kombiniert die Rankings.
Reranker — der Qualitätsbooster:
Nach Top‑20 Kandidaten lässt man ein Cross‑Encoder‑Modell (z. B. Cohere Rerank, Voyage Rerank) jedes Paar (Frage, Chunk) bewerten. Aus 20 → Top‑5. Genauigkeit oft +20% bei minimaler Latenz.
| Vector Store | Best für |
|---|---|
| pgvector (Postgres) | Mittlere Skalen, ein Stack |
| Pinecone | Managed, schnell, teuer |
| Qdrant | Self‑hosted, Filter‑stark |
| Weaviate | multi‑modal |
| Chroma | lokal/dev |
| Milvus | Mega‑Skalen (Mrd. Vektoren) |
Zurück zu Künstliche Intelligenz