Neben klassischen relationalen Daten speichert und durchsucht pgvector Embeddings und ermöglicht so Ähnlichkeitssuche für KI-Anwendungen direkt in PostgreSQL.
Zentrale Funktionen:
- Ähnlichkeitssuche über Embeddings (L2, Cosinus, inneres Produkt)
- Exakte und approximative Indizes (HNSW, IVFFlat) für schnelle Abfragen
- Vektor- und relationale Daten in einer Datenbank und einer Transaktion
- Voller PostgreSQL-Funktionsumfang inklusive JSON, ACID und Erweiterungen
Als Datenbank-Komponente bildet pgvector das Backend für KI-Funktionen, die Agenturen entwickeln oder betreiben: Retrieval-Augmented-Generation (RAG), semantische Suche, Empfehlungssysteme oder Chatbots auf Basis eigener Dokumente. Da Vektoren und Geschäftsdaten in einer Datenbank liegen, entfällt eine separate Vektor-DB, und bestehende PostgreSQL-Kenntnisse und -Werkzeuge lassen sich weiter nutzen.
Bei mittwald läuft pgvector als self-hosted Container-Komponente in deutschen Rechenzentren; alle Daten und Embeddings verbleiben unter der Kontrolle des Betreibers und werden nicht an externe Dienste weitergegeben, was die Einhaltung der DSGVO vereinfacht. Dieses Template enthält PostgreSQL mit vorinstallierter pgvector-Erweiterung; Sicherungen erfolgen über das mittwald Backup-Label (backup.command). Lizenzkosten fallen nicht an.
