Qdrant

Wofür

Qdrant speichert Inhalte nicht als Text, sondern als Vektoren — numerische Repräsentationen ihrer Bedeutung — und findet zu einer Anfrage die inhaltlich ähnlichsten Einträge. Das ist die Grundlage für semantische Suche und für RAG-Systeme, bei denen ein Sprachmodell seine Antwort auf Auszüge aus den eigenen Dokumenten stützt.

Die Datenbank ist in Rust geschrieben und für den Dauerbetrieb ausgelegt: Sie hält Daten persistent, unterstützt Filterung nach Metadaten und lässt sich über mehrere Knoten verteilen.

Typische Einsatzgebiete

• Wissensdatenbank für einen internen KI-Assistenten (Handbücher, Richtlinien, Protokolle)
• Suche über Angebote, Verträge und technische Dokumentation
• Ähnlichkeitssuche im Produkt- oder Ersatzteilkatalog
• Dublettenerkennung in Stamm- und Kundendaten
• Langzeitgedächtnis für Agenten-Systeme

Datenschutz & Betrieb

Die Datenbank kann vollständig im eigenen Rechenzentrum oder auf einem lokalen Server laufen; die Inhalte verlassen das Haus dann nicht. Daneben gibt es Qdrant Cloud als verwalteten Dienst mit wählbarer Region, darunter EU-Regionen, sowie eine Hybrid-Variante, bei der die Steuerungsebene beim Anbieter liegt und die Daten in der eigenen Infrastruktur bleiben.

Integration & Automatisierung

Der Zugriff erfolgt über eine REST- und eine gRPC-Schnittstelle; offizielle Clients existieren unter anderem für Python, JavaScript/TypeScript, Rust, Go und Java. Qdrant ist in den gängigen KI-Frameworks als Vektorspeicher eingebunden und steht in n8n als eigener Knoten bereit. Die Vektoren selbst erzeugt ein separates Embedding-Modell — das kann ein lokal betriebenes Modell oder ein externer Dienst sein.