Embedding-Modelle

Konfiguration von Embedding-Modellen für Text-Vektorisierung und semantische Suche

Embedding-Modelle wandeln Texte in Vektoren um und ermöglichen so die semantische Suche in Wissensdatenbanken. Sie werden für die Dokumentenverarbeitung und das Retrieval-Augmented-Generation-Verfahren (RAG) benötigt.

​

Grunddaten

Feld	Pflicht	Beschreibung
Bild / Titel	Ja	Anzeigename und optionales Profilbild des Modells (z. B. „Azure OpenAI - text-embedding-3-small”).
Modellname	Ja	Technischer Modellname (z. B. text-embedding-3-small).
Zugangsdaten	Ja	Hinterlegte Zugangsdaten für den gewählten Provider (Dropdown-Auswahl).

​

Kosten

Feld	Pflicht	Beschreibung
Kosten in $ pro Millionen Output-Token	Nein	Kosten pro eine Million Output-Token für die Kostenverfolgung.

​

DLP-Sicherheitseinstellungen

​

DSGVO-konforme Datensicherung

Konfigurieren Sie, wie das Modell mit personenbezogenen Daten umgehen soll.

Option	Beschreibung
aktiviert	GDPR-Schutz ist immer aktiv und kann vom Nutzer nicht deaktiviert werden.
optional	GDPR-Schutz ist standardmäßig aktiv, kann aber vom Nutzer deaktiviert werden.
deaktiviert	GDPR-Schutz ist deaktiviert.

​

ICAP DLP Integration

Verbinden Sie Ihren Daten-Exit mit Ihrer Enterprise DLP-Lösung.

Option	Beschreibung
An	ICAP-Server wird für alle Inhalte verwendet.
Aus	ICAP-Server wird nicht verwendet.

Embedding-Modelle haben im Vergleich zu Chat-Modellen weniger Konfigurationsoptionen, da sie ausschließlich für die Vektorisierung von Texten eingesetzt werden und keine direkte Nutzer-Interaktion haben.