Eine Vektor-Datenbank speichert Inhalte nicht als Text oder Tabellenzeilen, sondern als Vektoren: lange Zahlenreihen, die die Bedeutung eines Textes, Bildes oder Tons mathematisch abbilden. Erzeugt werden diese Zahlenreihen von sogenannten Embedding-Modellen; inhaltlich Ähnliches landet dabei im Zahlenraum nahe beieinander.
Gesucht wird deshalb nicht nach exaktem Wortlaut, sondern nach Nähe: Eine Anfrage zur „Kündigungsfrist" findet auch Passagen, in denen nur vom „Vertragsende" die Rede ist. Spezielle Indexverfahren halten diese Nachbarschaftssuche auch über Millionen Einträge hinweg schnell.
Ihre wichtigste Rolle haben Vektor-Datenbanken als Rückgrat von RAG-Systemen und semantischer Suche; daneben stecken sie in Empfehlungsdiensten, Duplikaterkennung und Bildersuche. Verbreitete Produkte sind etwa Pinecone, Weaviate, Qdrant oder Chroma; klassische Datenbanken wie PostgreSQL rüsten die Funktion über Erweiterungen nach.