Embeddings

E
Embeddings zijn numerieke representaties van tekst die de betekenis vastleggen. De technische basis voor RAG en slimme zoekfuncties — AI die begrijpt wat je zoekt, niet alleen woorden matcht.
SNELLE WEETJES
TypeVectorrepresentatie
Zoekt opBetekenis
Opgeslagen inVector database
Basis voorRAG, semantisch zoeken

Wat zijn embeddings?

Embeddings zijn numerieke representaties van tekst — lange reeksen getallen die de betekenis van woorden, zinnen of documenten vastleggen in een wiskundige ruimte. Teksten met gelijkaardige betekenis krijgen embeddings die numeriek dicht bij elkaar liggen.

Praktisch voorbeeld

Zoek je naar “vergoeding voor thuiswerk”, dan vindt een klassieke zoekopdracht alleen exacte woordmatches. Een embedding-gebaseerde zoekopdracht vindt ook “thuiswerkvergoeding”, “compensatie voor werken op afstand” of “home office allowance” — want de embeddings van die zinnen liggen semantisch dicht bij elkaar.

Waarom relevant?

Embeddings zijn de technische basis voor RAG-systemen en slimme zoekfuncties. Als je een AI-chatbot wil bouwen die jouw bedrijfsdocumenten kent, heb je embeddings nodig. Ze maken het verschil tussen een AI die zoekt op exacte woorden en een AI die begrijpt wat je bedoelt.

Gerelateerde begrippen

Vector databaseEen vector database slaat embeddings op en doorzoekt ze op semantische gelijkenis.RAG — Retrieval Augmented GenerationRAG laat AI eerst relevante informatie opzoeken in jouw eigen kennisbron voor het antwoordt.LLM — Large Language ModelEen LLM (Large Language Model) is een AI-model getraind op enorme hoeveelheden tekst.Fine-tuningFine-tuning is het verder trainen van een AI-model op jouw eigen data zodat het beter presteert voor jouw…

Aliassen

text embeddingsvector embeddingssemantische zoekfunctieword vectorssentence embeddings

Bronnen & info

Laatst bijgewerkt: 19 april 2026