Vektor und Graph: warum edda beides braucht und was der Unterschied im Alltag ist
Die meisten KI-Systeme speichern Wissen auf eine von zwei Arten. edda nutzt beide, und das ist kein Technik-Luxus, sondern der Unterschied zwischen einer Trefferliste und einer Antwort. Am einfachsten lässt sich das an einer Frage zeigen, die nur mit beidem funktioniert.
Ein Vektorindex findet Ähnlichkeit in Bedeutung, sodass „Spindel klemmt" auch „Achse 3 blockiert" trifft, kennt aber keine Beziehungen. Ein Graph speichert überprüfbare Beziehungen zwischen Auftrag, Kunde, Maschine und Lösungsweg, findet aber nur Verknüpftes. edda nutzt beides: Der Vektorteil findet ähnlich klingende Störungen, der Graphteil grenzt auf die richtige Baureihe ein und liefert die dokumentierten Lösungswege.
Was ein Vektorindex kann
Er findet Ähnlichkeit in Bedeutung. Wer nach „Spindel klemmt" sucht, bekommt auch Dokumente, in denen „Achse 3 blockiert" oder „Vorschubeinheit schwergängig" steht, obwohl kein Wort übereinstimmt. Das ist der große Fortschritt gegenüber der Volltextsuche und der Grund, warum ein Techniker nicht mehr den Begriff treffen muss, den jemand vor acht Jahren gewählt hat.
Was ein Vektorindex nicht kann: Beziehungen sicher abbilden. Er weiß, dass zwei Texte einander ähneln, nicht dass Maschine A zu Kunde B gehört und in Wartungsvertrag C fällt.
Was ein Graph kann
Er speichert genau diese Beziehungen als überprüfbare Kanten: Auftrag gehört zu Kunde, Maschine enthält Baugruppe, Ticket betrifft Seriennummer, Lösungsweg gehört zu Störbild. Das ist exakt und nachvollziehbar, aber es findet nichts, was nicht ausdrücklich verknüpft ist.
Die Frage, die beides braucht
„Hatten wir bei ähnlichen Maschinen dieses Problem schon, und was hat geholfen?" Der Vektorteil findet Störungsbeschreibungen, die ähnlich klingen, auch mit anderen Worten. Der Graphteil grenzt auf Maschinen derselben Baureihe beim selben Kundentyp ein und holt die dokumentierten Lösungswege samt Ticketnummern dazu. Ohne Vektor findet man nur wortgleiche Fälle, ohne Graph bekommt man ähnliche Texte aus völlig anderen Anlagen.
Warum das für Sie zählt, auch wenn Sie es nicht sehen
Sie merken den Unterschied an einer Stelle: ob eine Antwort präzise ist oder nur plausibel. Fragen Sie im Auswahlgespräch danach, was passiert, wenn dieselbe Störung in zwei Baureihen unterschiedlich gelöst wurde. Ein reiner Ähnlichkeitsindex mischt beide Lösungswege zu einer Antwort, die für keine der Maschinen stimmt.
Häufige Fragen
Was ist ein Vektorindex in einem Satz?
Eine Ablage, in der Texte nach ihrer Bedeutung statt nach ihren Wörtern eingeordnet sind, sodass inhaltlich ähnliche Inhalte gefunden werden, auch wenn kein einziges Wort übereinstimmt. Praktisch heißt das: Der Techniker muss nicht den Begriff treffen, den ein Kollege vor Jahren gewählt hat.
Warum reicht ein Vektorindex allein nicht?
Weil er Ähnlichkeit kennt, aber keine Zugehörigkeit. Er kann nicht sicher unterscheiden, ob ein ähnlich klingender Lösungsweg zu Ihrer Baureihe gehört oder zu einer völlig anderen Anlage. Genau dort entstehen Antworten, die plausibel klingen und im konkreten Fall falsch sind.
Woher kommen die Beziehungen im Graph?
Überwiegend aus Ihren Systemen: Auftrags-, Kunden-, Serien- und Ticketnummern verknüpfen Datensätze bereits. Ergänzend werden Beziehungen aus Texten erkannt und, wo sie dauerhaft gelten sollen, vom Fachteam bestätigt. Deshalb sind verlässliche gemeinsame Schlüssel wichtiger als perfekt gepflegte Einzelfelder.
Wie prüfe ich das im Auswahlgespräch?
Stellen Sie eine Frage, bei der dieselbe Störung in zwei Baureihen unterschiedlich gelöst wurde, und schauen Sie, ob die Antwort sauber trennt. Ein reiner Ähnlichkeitsindex mischt beide Lösungswege zu einer Antwort, die für keine der Maschinen stimmt — und genau das fällt in der Demo mit Ihren eigenen Daten sofort auf.
