> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-de/rag-and-vektordatenbanken/rag-vectordb.md).

# Überblick

Retrieval-Augmented Generation und Vektordatenbanklösungen zum Aufbau intelligenter Such- und KI-Anwendungen.

RAG-Systeme kombinieren große Sprachmodelle mit externen Wissensdatenbanken, um genaue, aktuelle Antworten zu liefern. Vektordatenbanken ermöglichen semantische Suche und Ähnlichkeitsabgleich, indem sie hochdimensionale Einbettungen von Texten, Bildern und anderen Daten speichern.

Setzen Sie Vektordatenbanken und RAG-Frameworks auf CLORE.AI-GPUs ein, um intelligente Suchanwendungen, Chatbots mit externem Wissen und fortschrittliche KI-Systeme zu betreiben, die über große Dokumentensammlungen auf dem Clore.ai-Marktplatz sinnvoll schlussfolgern können.

## Verfügbare Anleitungen

| Anleitung                                                                  | Anwendungsfall                 | Schwierigkeitsgrad |
| -------------------------------------------------------------------------- | ------------------------------ | ------------------ |
| [ChromaDB](/guides/guides_v2-de/rag-and-vektordatenbanken/chromadb.md)     | Einfache Vektordatenbank       | Einfach            |
| [LlamaIndex](/guides/guides_v2-de/rag-and-vektordatenbanken/llamaindex.md) | RAG-Framework & Orchestrierung | Mittel             |
| [Milvus](/guides/guides_v2-de/rag-and-vektordatenbanken/milvus.md)         | Enterprise-Vektordatenbank     | Fortgeschritten    |
| [Qdrant](/guides/guides_v2-de/rag-and-vektordatenbanken/qdrant.md)         | Schnelle Vektorsuchmaschine    | Mittel             |
| [RAGFlow](/guides/guides_v2-de/rag-and-vektordatenbanken/ragflow.md)       | Komplette RAG-Plattform        | Mittel             |
| [Weaviate](/guides/guides_v2-de/rag-and-vektordatenbanken/weaviate.md)     | KI-native Vektordatenbank      | Fortgeschritten    |

## Datenbankvergleich

| Datenbank | Am besten geeignet für | Skalierbarkeit | GPU-Beschleunigung |
| --------- | ---------------------- | -------------- | ------------------ |
| ChromaDB  | Prototyping            | Klein–Mittel   | Begrenzt           |
| Milvus    | Unternehmen            | Hoch           | Ausgezeichnet      |
| Qdrant    | Leistung               | Hoch           | Gut                |
| Weaviate  | KI-native Funktionen   | Hoch           | Ausgezeichnet      |

## Verwandte Anleitungen

* [Sprachmodelle](/guides/guides_v2-de/sprachmodelle/language-models.md)
* [Computer Vision](/guides/guides_v2-de/computer-vision/computer-vision.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-de/rag-and-vektordatenbanken/rag-vectordb.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.