Vectordatabases slaan embeddings (vectorvoorstellingen) op en doorzoeken ze efficiënt op gelijkenis — wat semantisch zoeken, RAG en aanbevelingssystemen mogelijk maakt. Ze zijn een belangrijk infrastructuuronderdeel voor moderne AI-applicaties die werken met embeddings.
Wat vectordatabases doen
VECTOR DATABASE → stores EMBEDDINGS (vectors) and searches them by SIMILARITY:
→ store millions of vectors (representing documents, images, etc.)
→ given a query vector, efficiently find the most SIMILAR vectors (nearest neighbors)
→ optimized for high-dimensional vector similarity search at scale
→ enables fast semantic similarity search over large embedding collections
