Die Vektorsuche ist wichtig, dass KI-Workloads skalieren können. Laut Jefferies sind die Wachstumsaussichten gut, da die Nachfrage nach KI-Anwendungen steigt. In einer Studie gibt der US-Finanzdienstleister einen Überblick über die Vektordatenbankbranche sowie die Wettbewerbslandschaft und beleuchtet die Positionierung der wichtigsten Anbieter. TraderFox berichtet und nennt die Namen der vier Plattformunternehmen, die besonders gut positioniert sind.

 Megatrends wie die Künstliche Intelligenz ziehen viele Veränderungen nach sich bzw. beschleunigen Neuerungen, die bereits im Gange sind. Ein Beispiel dafür ist die Vektorsuche. Dazu muss man folgendes wissen: Vektorsuchmaschinen – auch bekannt als Vektordatenbanken, semantische oder Kosinus-Suche – suchen den nächsten Nachbarn für eine bestimmte (vektorisierte) Anfrage.

Im Gegensatz zu herkömmlichen Suchmethoden mit Schlüsselwörtern, lexikalischer Ähnlichkeit und Worthäufigkeiten bilden Vektorsuchmaschinen Ähnlichkeiten anhand der Distanz im Einbettungsraum ab. Um verwandte Daten zu finden, suchen Sie nach den nächsten Nachbarn für Ihre Abfrage.

Die Vektorsuche nutzt laut dem Suchspezialisten Elextic N.V, Machine Learning (ML), um die Bedeutung und den Kontext unstrukturierter Daten zu erfassen, inklusive Text und Bilder, und diese in eine numerische Darstellung zu transformieren. Die Vektorsuche wird den weiteren Angaben zufolge oft für semantische Suchanwendungen eingesetzt und findet ähnliche Daten mit Algorithmen wie "geschätzter nächster Nachbar" (Approximate Nearest Neighbor, ANN). Im Vergleich zur herkömmlichen Schlüsselwortsuche liefert die Vektorsuche in kürzerer Zeit relevantere Ergebnisse, so das Urteil.

Die Industrie im Überblick

In einer aktuellen Studie beschäftigt sich auch die US-Investmentbank Jefferies mit diesem Thema. Enthalten darin sind ein Überblick über die Vektordatenbankbranche sowie die Wettbewerbslandschaft. Außerdem findet eine Beleuchtung der Positionierung der wichtigsten Anbieter statt und es erfolgt die Nennung jener vier Aktien von Plattformunternehmen, die Jefferies für am besten positioniert hält, um von der skizzierten Entwicklung zu profitieren.

In ihrem zu der Branche abgegebenen Überblick schreiebn die Autoren, dass eine Vektordatenbank eine Datenverwaltungslösung ist, die sich Vektoreinbettungen zunutze macht, um riesige Datensätze mit halbstrukturierten und unstrukturierten Daten (Bilder, Beiträge in sozialen Medien, E-Mails, Audiodateien, Sensordaten, Videos usw.) effizient zu indizieren und zu durchsuchen.

Mit Hilfe von Vektoreinbettungen können Wörter, Sätze und andere Daten in numerische Darstellungen umgewandelt werden, die deren Bedeutung und Beziehungen erfassen. Sie ermöglicht es den Nutzern, ähnliche Objekte (semantische Suche) auf skalierbare Weise zu finden und abzurufen.

Unabhängigen Forschungsunternehmen zufolge werden unstrukturierte Daten bis 2025 exponentiell von 33 Zettabyte im Jahr 2018 auf 175 Zettabyte (175 Milliarden Terabyte) anwachsen. Darüber hinaus werden unstrukturierte Daten 80 % - 90 % aller neuen Unternehmensdaten ausmachen. Jefferies sieht diese explosionsartige Zunahme unstrukturierter Daten als Katalysator für die Nachfrage nach Vektordatenbanken als Lösung für die effiziente Verarbeitung und Abfrage dieser Informationen.

Quellen: Jefferies, IDC

Es wird erwartet, dass die Ausgaben für nicht-relationale Datenbankverwaltungssysteme oder Nicht-RDBMS (NoSQL-Datenbanken, Dokumentendatenbanken, Graphdatenbanken, Vektordatenbanken usw.) von 2022 bis 2027 die Ausgaben für traditionelle RDBMS übertreffen werden. Bis 2027 wird der Markt für Nicht-RDBMS auf das 2,7-fache seines Umfangs im Jahr 2022 anwachsen. Die Studienautoren betrachten dies als einen grundlegenden Faktor, der dem Markt für Vektordatenbanken in den nächsten Jahren zu einem Aufschwung verhelfen wird, da die Technologie immer ausgereifter wird.

Quellen: Jefferies, Gartner

Microsoft, Oracle, Snowflake und Elastic sind für Jefferies die Top-Picks als Nutznießer der Vektorsuche

Die zitierte US-Investmentbank erachtet Anbieter von Ökosystemen (Microsoft, Oracle, Snowflake) und Suchplattformen (Elastic) als am besten positioniert, um von dem Trend hin zur Vektorsuche zu profitieren. Der Markt für Vektordatenbanken werde zunehmend überfüllt sein, da immer mehr Unternehmen nach Lösungen suchen, um generative KI-Anwendungen zu entwickeln und Wege zu finden, ihre unstrukturierten Unternehmensdatenbestände effizient zu verarbeiten und abzufragen.

Eigenständige Anbieter von Vektordatenbanken (Pinecone, Weaviate, Chroma, Qdrant und andere) seien sehr leistungsfähig und skalierbar, brauchten aber Zeit, um die Funktionen einer Unternehmensdatenbank zu entwickeln. Die Analysten glauben, dass der Markt groß genug ist, um mehrere Gewinner zu unterstützen, wobei sie auch annehmen, dass die etablierten Datenplattformen einen Vorteil haben, sollte sich die Branche in Zukunft in Richtung hybride Suche (Kombination von Textsuche und Vektorsuche, traditionelle Datenbanken und Vektordatenbanken) entwickeln.

Als Top-Aktien-Picks unter den Nutznießern der Vektorsuche stellt Jefferies die folgenden vier Unternehmen heraus:

Microsoft (ISIN: US5949181045):

Der US-Software-Riese hat mit OpenAI, Copilot und anderen KI-Ankündigungen, die als erste auf den Markt kamen, die KI-Welle bereits in den Anfängen dominiert. Die Studienautoren sind der Ansicht, dass die Vektorsuche und andere zusätzliche KI-Fähigkeiten dem Unternehmen weiteren Auftrieb geben werden, da es sein Angebot an KI-Diensten vervollständigen wolle.

Quelle: Wachstums-Check TraderFox

Oracle (ISIN: US68389X1054):

Die Vektorsuchfunktionen von Oracle dürften dazu beitragen, dass dieser US-Soft- und Hardwarehersteller einen beträchtlichen Teil seiner bestehenden Datenbank-Installationsbasis behalten kann, da diese Kunden zunehmend bereit sind, geschäftliche Anwendungsfälle für die Vektorsuche und generative KI zu übernehmen.

Quelle: Wachstums-Check TraderFox

Snowflake (ISIN: US8334451098):

Da immer mehr Unternehmen damit beginnen, GenAI-gestützte Anwendungen zu entwickeln, wird diese Cloud-basierte Software-as-a-Service-Gesellschaft eine natürliche Wahl für Kunden sein, die ihre KI-Stacks und Datenschutzanforderungen vereinfachen wollen. Man ist der Meinung, dass die Suche mit der Hinzufügung von Neeva, Universal Search und Vector Search via Cortex eine größere Komponente von Snowflake werden wird.

Quelle: Wachstums-Check TraderFox

Elastic (ISIN: NL0013056914):

Dieser Suchspezialist nähert sich der Vektorsuche mit einem geschäftlichen Suchhintergrund. Die Analysten gehen davon aus, dass die Kunden für Vektorsuche-Anwendungsfälle im Ökosystem bleiben werden, da die geschäftseigenen Daten dort bereits vorhanden sind. Die Vektorsuche und die zugrunde liegende KI-Nachfrage dürfte das Suchgeschäft von Elastic wiederbeleben, so das Urteil.

Quelle: Wachstums-Check TraderFox