Qdrant einrichten (Vektordatenbank)

Qdrant ist das leistungsstärkste Vektor-Backend für die semantische Suche in der Wissensbasis. Wann sich Qdrant gegenüber sqlite-vec oder BM25 lohnt, erklärt RAG & Suche.

Wo wird es konfiguriert?

Die Verbindung pflegen Sie im Abschnitt Qdrant der Systemeinstellungen:

• Endpoint (URL des Qdrant-Servers),
• API-Schlüssel (verschlüsselt gespeichert),
• Collection-Name, Vektor-Dimension, Such-Limit, Mindest-Score.

Eine Testverbindung speichert die Werte und prüft die Erreichbarkeit.

Alternativ lassen sich diese Werte über appsettings/Umgebungsvariablen vorgeben (Schlüssel Qdrant:VectorCollectionName, Qdrant:VectorDimension, Qdrant:SearchLimit, Qdrant:MinimumScore, Qdrant:AspireConnectionName). → Umgebungsvariablen & appsettings

Backend-Auswahl

Welches Backend aktiv ist, steuert Knowledge:VectorBackend:

• Auto (Standard) – nimmt Qdrant, wenn konfiguriert; sonst sqlite-vec (wenn Embeddings vorhanden); sonst BM25 als Rückfallebene.
• Qdrant / SqliteVec – feste Wahl.

Im Desktop-Modus kann das Backend zusätzlich per Auswahl in den Systemeinstellungen umgestellt werden; im Web/API-Modus wird es beim Start aufgelöst.

Bereitstellung

• Im Web-Stack kann Qdrant über den Aspire-AppHost mitorchestriert werden (Verbindungsname qdrant). → Mehrplatz – API self-hosted
• Einzelplatz mit Docker beschreibt das lokale Aufsetzen. → Einzelplatz mit Docker
• Ein fertiges, best-practice-geprüftes Compose-Setup liefert Qdrant selbst hosten (Docker Compose).

Grenzen & Hinweise

• Ohne Qdrant und ohne sqlite-vec nutzt die Desktop-App BM25 (geringere Trefferqualität bei sinngemäßen/deutschen Suchanfragen).
• Der API-Schlüssel wird nie im Klartext angezeigt.

Verwandt

• Qdrant selbst hosten (Docker Compose)
• RAG & Suche · Admin-Tab: Wissensbereiche & Indexierung
• Embedding-Modelle über Arbeitsstationen & Vaults (mehrere Stationen, ein Qdrant?)
• Presidio einrichten (analoger externer Dienst)