Qdrant
Produkt
Qdrant ist eine Open-Source-Vektordatenbank und Suchmaschine für Ähnlichkeitssuche, die in Rust geschrieben ist. Sie dient dazu, Embeddings zusammen mit Payload-Metadaten zu speichern, um gefilterte semantische Suche und Retrieval-Augmented Generation zu ermöglichen.
Ebenfalls besprochen
In der Folge zu Qdrant geht es auch um Cybersecurity Maturity Model Certification (CMMC), Llama, Ollama, Graphics processing unit (GPU), ISO/IEC 27001 und Vector store.
Beschreibung
Qdrant ist eine Open-Source-Vektordatenbank und Suchmaschine für Ähnlichkeitssuche, die in Rust geschrieben ist. Sie speichert Embeddings, also numerische Vektordarstellungen von Inhalten wie Text, zusammen mit Payload-Metadaten, und liefert die Elemente zurück, die einem Abfragevektor am ähnlichsten sind. Typische Einsatzzwecke sind semantische Suche und Retrieval-Augmented Generation (RAG), bei denen eine Anwendung relevantes Quellmaterial sucht und es einem Sprachmodell als Kontext übergibt.
In einer RAG-Pipeline fungiert Qdrant als Vektorspeicher. Dokumente werden eingelesen, in Embeddings umgewandelt und in Qdrant geschrieben. Zur Abfragezeit wird die Frage auf dieselbe Weise eingebettet, und die nächsten Treffer werden abgerufen. Eine Microsoft-Learn-Seite zum Aufbau von RAG-Pipelines mit Qdrant und Azure Files beschreibt diesen Aufbau mit Azure Files als Dokumentquelle. Orchestrierungs-Frameworks wie LangChain, LlamaIndex und Haystack übernehmen das Einlesen und die Abfrage zur Laufzeit, sodass Qdrant selbst nicht von jedem Teil der Anwendung direkt aufgerufen werden muss.
Ein zentrales Merkmal ist das Payload. Qdrant kann beliebige, JSON-serialisierbare Metadaten neben jedem Vektor speichern und beim Ausführen einer Abfrage nach ihnen filtern. Laut der Microsoft-Learn-Seite erfolgt diese Filterung während der Traversierung des HNSW-Graphen und nicht als Nachfilterung, sodass die Suchleistung durch den Filter nicht sinkt. Das ist relevant, wenn eine Suche eingeschränkt werden muss, etwa auf Dokumente mit bestimmten Attributen, aber dennoch nach semantischer Ähnlichkeit gerankt werden soll. Sammlungen werden beim ersten Einfügen automatisch angelegt, mit passender Vektordimension und Distanzmetrik.
Die Bereitstellungsoptionen sind eine Entscheidungsfrage. Qdrant kann selbst gehostet werden, etwa auf Azure Kubernetes Service zusammen mit Azure-Files-Private-Endpoints, wodurch die Pipeline innerhalb der Netzwerkgrenze des Mandanten bleibt. Alternativ bietet Qdrant Cloud einen verwalteten Dienst mit derselben API wie die selbst gehostete Version, und laut der Seite reicht ein kostenloser Tarif für Entwicklung und Tests aus. Qdrant ist außerdem über den Azure Marketplace verfügbar, was eine Abrechnung über ein Azure-Abonnement ermöglicht. Die hier referenzierte Dokumentationsseite nennt keine Lizenzbedingungen, Kapazitätsgrenzen oder Leistungswerte; diese Punkte müssen bei der Projektplanung separat geprüft werden.
Im Microsoft-Ökosystem steht Qdrant neben Diensten wie Azure Files, Azure Kubernetes Service und dem Azure Marketplace und lässt sich mit .NET-basierten Anwendungen kombinieren, die semantische Suche nutzen. Die M365.FM-Episode "Build AI Applications with .NET 10" (2025-11-03) ordnet Qdrant zusammen mit Weaviate in der Infrastrukturebene einer KI-Anwendungsarchitektur unter "Semantic Search & Vector Databases" ein. In dieser Ebene steht es neben der Datenverwaltung mit Entity Framework Core und Cosmos DB sowie CI/CD und MLOps mit GitHub Actions. Die Episode behandelt Qdrant als einen Baustein eines größeren Stacks und nicht als eigenständiges Produkt und beschreibt KI-Funktionen wie intelligente Vorschläge und Spracheingabe als Teil der Intelligenzschicht der Anwendung.
Für Teams, die einen Vektorspeicher auswählen, sind die praktischen Fragen: wo die Daten gehostet werden dürfen, ob Metadatenfilterung zusätzlich zum Ähnlichkeitsranking nötig ist und ob ein verwalteter oder selbst betriebener Dienst zur eigenen Betriebskapazität passt. Die Quellen beschreiben Qdrant so, dass es beide Hosting-Modelle mit derselben API abdeckt, was Entwicklung auf einem verwalteten kostenlosen Tarif und einen späteren Wechsel zu einer selbst gehosteten Bereitstellung innerhalb eines privaten Netzwerks erlaubt, wobei die Quellen keinen Migrationsprozess beschreiben.
Überblick, mit KI aus M365.FM-Folgen und den Fakten dieser Seite zusammengestellt. Du kannst ihn unten über „Bearbeiten“ verbessern.
| Typ | Produkt |
|---|
Häufige Fragen
Mit KI markierte Fragen wurden mit KI aus den Fakten dieser Seite geschrieben.
Wofür wird Qdrant verwendet? (KI)
Qdrant ist eine Vektordatenbank und Suchmaschine für Ähnlichkeitssuche, die Embeddings zusammen mit Payload-Metadaten für gefilterte semantische Suche und Retrieval-Augmented Generation speichert. In einer RAG-Pipeline dient sie als Vektorspeicher, der die für eine Abfrage ähnlichsten Inhalte liefert.
Wie geht Qdrant mit Metadatenfilterung um? (KI)
Qdrant speichert beliebige, JSON-serialisierbare Metadaten als Payload und kann beim Ausführen einer Abfrage nach ihnen filtern. Laut der Microsoft-Learn-Seite erfolgt die Filterung während der Traversierung des HNSW-Graphen und nicht als Nachfilterung, sodass die Suchleistung nicht sinkt.
Kann Qdrant auf Azure betrieben werden? (KI)
Ja. Qdrant kann selbst gehostet werden, beispielsweise auf Azure Kubernetes Service mit Azure-Files-Private-Endpoints, oder als verwalteter Dienst Qdrant Cloud genutzt werden. Außerdem ist Qdrant über den Azure Marketplace verfügbar, was eine Abrechnung über ein Azure-Abonnement ermöglicht.
Community-Wiki
Oben die Kurzinfo, unten das Wissen der Community: ergänze praktische Tipps, Beispiele oder Korrekturen. Neue Beiträge werden zuerst geprüft, bewährte Mitglieder veröffentlichen direkt.
Experten und Firmen zu diesem Thema
Dieses Thema hat noch niemand im Profil angegeben. Trag es in deinem Profil ein.
Gepflegt von Mirko Peters (Microsoft MVP) · Zuletzt aktualisiert: