Weaviate speichert Objekte zusammen mit ihren Einbettungsvektoren und verbindet Vektorsuche mit klassischer Stichwortsuche. Damit eignet sich die in Go geschriebene Datenbank für semantische Suche, Retrieval Augmented Generation (RAG) und Empfehlungssysteme.
Zentrale Funktionen:
- Hybride Suche aus Vektorähnlichkeit und BM25-Stichwortsuche
- Filter auf Objekteigenschaften, kombinierbar mit jeder Suchart
- Mandantenfähigkeit, um Daten mehrerer Kunden in einer Collection zu trennen
- REST-, GraphQL- und gRPC-API mit Clients für Python, TypeScript, Go und Java
Für Agenturen dient Weaviate als Vektor-Backend hinter KI-Funktionen in Kundenprojekten: RAG-Chatbots über Kundendokumente, semantische Produkt- und Inhaltssuchen in Shops und Portalen oder Ähnlichkeitsempfehlungen in Content-Plattformen. Die Einbettungen erzeugt die Anwendung selbst, etwa über das mittwald AI Hosting oder einen anderen Embedding-Endpunkt, und übergibt sie zusammen mit den Objekten an Weaviate.
Bei mittwald läuft Weaviate als self-hosted Container-Komponente in deutschen Rechenzentren; Dokumente und Vektoren bleiben in der eigenen Infrastruktur, was die DSGVO-Konformität vereinfacht. Dieses Template enthält Weaviate mit API-Key-Authentifizierung ohne anonymen Zugriff; Sicherungen erfolgen über das mittwald Backup-Label (backup.command) mit dem Backup-Modul von Weaviate. Lizenzkosten fallen nicht an.
