Embedding: Bedeutung wird berechenbar
Die flinq Embedding-API wandelt Baudaten in Vektoren um. Software kann damit nach Bedeutung suchen und vergleichen statt nach exaktem Wortlaut.
Endpunkte: POST /v1/embeddingsPOST /v1/search
Was ist ein Embedding?
Ein Embedding ist eine Liste von Zahlen, ein Vektor, die die Bedeutung eines Inhalts beschreibt. Ein Modell berechnet für jeden Inhalt, etwa eine LV-Position oder ein Produktdatenblatt, einen solchen Vektor. Inhalte mit ähnlicher Bedeutung landen nah beieinander, unabhängig vom Wortlaut.
Damit wird Ähnlichkeit berechenbar: Statt Zeichenketten zu vergleichen, vergleicht Software Positionen im Vektorraum. Das ist die Grundlage für semantische Suche, Matching, RAG, Deduplizierung und Clustering. Einmal eingebettet, ist die Suche reine Vektormathematik und antwortet in Millisekunden.
Was bedeutet das für die Baubranche?
Baudaten sind heterogen: Leistungsverzeichnisse, BIM-Modelle (IFC), Baustellenbilder, Produkt- und Kostendaten. Dieselbe Leistung wird in jedem Dokument anders formuliert, und wortbasierte Suche scheitert daran regelmäßig.
Das cross-modale flinq Modell bettet all diese Datenarten in denselben Vektorraum ein. Eine LV-Position, das passende IFC-Bauteil und das Herstellerprodukt liegen auf benachbarten Vektoren und werden über Format- und Herstellergrenzen hinweg auffindbar. Auf dem BauSatz-Benchmark erreicht flinq bei der Produktsuche nDCG 0,78 gegenüber 0,60 bei OpenAI.
Registrieren Sie sich für den API-Zugang oder lesen Sie die Doku.