AWS hat am 5. August 2026 die allgemeine Verfügbarkeit der Vektorsuche in Amazon DynamoDB bekannt gegeben. Dadurch können Vektoreinbettungen zusammen mit Betriebsdaten gespeichert und Ähnlichkeitssuchen direkt in der Tabelle durchgeführt werden, ohne die Daten in eine separate Vektordatenbank zu kopieren.
Die Funktion bietet Antwortzeiten im einstelligen Millisekundenbereich mit einer Trefferquote von über 99 % und ist für die Skalierung auf jede Größe ausgelegt, einschließlich Billionen von Vektoren. Sie nutzt außerdem die serverlose Architektur von DynamoDB, sodass Benutzer keine Server bereitstellen oder patchen sowie keine Software installieren und verwalten müssen. AWS zufolge sind weder Versionen noch Wartungsfenster erforderlich; die Wartung erfolgt ohne Unterbrechung.
Weniger Komplexität bei der Architektur von KI-Anwendungen
Die Einführung einer Vektorsuche in eine Anwendung, die DynamoDB verwendet, erforderte normalerweise das Kopieren der Daten in einen dedizierten Vektorspeicher und anschließend den Aufbau einer Pipeline zur Synchronisierung der beiden Dienste. Laut AWS brachte dieser Ansatz zusätzlichen Betriebsaufwand sowie Kosten für Datenübertragung und Lizenzen mit sich. Hinzu kam die Herausforderung, bei der Skalierung eine niedrige und vorhersehbare Latenz aufrechtzuerhalten.
Durch die Integration der Vektorsuche in DynamoDB können Betriebsdaten und Einbettungen dieselbe serverlose Architektur und dasselbe auf nutzungsabhängiger Abrechnung basierende Preismodell gemeinsam nutzen. Vektorindizes bieten unbegrenzte Speicherkapazität und skalieren horizontal mit dem Wachstum der Daten.
Die Funktion richtet sich an Anwendungen für das Gedächtnis von Agenten, Retrieval-Augmented Generation, Empfehlungssysteme, personalisierte Erlebnisse, die Erkennung von Anomalien und weitere Anwendungsfälle, die semantischen Abruf benötigen.
Funktionsweise der Vektorsuche
Die Funktion erstellt einen neuen Indextyp für das Attribut, in dem die Vektoreinbettungen gespeichert werden. Diese Einbettungen können mit einem vom Benutzer ausgewählten Modell erzeugt werden, beispielsweise Amazon Bedrock Titan Text Embeddings, Cohere Embed oder OpenAI-Modelle für Text-Einbettungen, und anschließend über den standardmäßigen PutItem-Aufruf als Liste von Dezimalzahlen gespeichert werden.
Anschließend erstellt der Benutzer einen Vektorindex und legt darin die Anzahl der Dimensionen, die Distanzfunktion sowie alle nichtvektoriellen Attribute fest, die während der Suche zum Filtern der Ergebnisse verwendet werden können. Die Schnittstelle SearchVectors erhält den Abfragevektor und die gewünschte Anzahl an Ergebnissen – maximal 100 Ergebnisse – sowie optionale Filterbedingungen und gibt die Ergebnisse nach Ähnlichkeit sortiert zurück.
Die Funktion unterstützt bis zu 4096 Dimensionen sowie die Distanzfunktionen Euklidisch, Cosine und Dot product einschließlich integrierter Filterung. AWS empfiehlt, die Distanzfunktion an die beim Training des Einbettungsmodells verwendete Funktion anzupassen, um die bestmögliche Genauigkeit zu erzielen.
Beispiel eines Sportartikelgeschäfts
Der AWS-Leitfaden zeigt, wie eine Vektorsuche zu einer bestehenden Produkttabelle hinzugefügt wird. Im Beispiel werden Einbettungen von Produktbeschreibungen in einem neuen Attribut namens descriptionEmbedding gespeichert. Dafür wird der in DynamoDB vorhandene List-Typ verwendet, ohne dass ein neuer Datentyp oder eine Änderung des Schemas erforderlich ist.
Nach der Erstellung eines Index namens ProductDescriptionIndex kann marketplace als Partitionsschlüssel verwendet werden, um die Vektoren auf die Partitionen zu verteilen und die Suche auf einen bestimmten Marktplatz zu beschränken. Außerdem kann category als Filterattribut hinzugefügt werden. Filterbedingungen unterstützen ausschließlich exakte Übereinstimmungen und keine Bereichsbedingungen wie BETWEEN oder BEGINS_WITH.
Bei der Suche nach einer natürlichen Formulierung wie „leichte Laufschuhe für den Sommer“ erstellt der Benutzer mit demselben Modell einen Abfragevektor und gibt anschließend den Index, die Anzahl der Ergebnisse, den Marktplatzwert – beispielsweise US – sowie die gewünschte Kategorie an. DynamoDB gibt die fünf ähnlichsten Produkte zusammen mit ihren Betriebsattributen wie Name und Preis in derselben Antwort zurück. Bei den Funktionen Cosine und Euclidean weisen niedrigere Werte auf eine größere Ähnlichkeit hin, während bei Dot product höhere Werte eine größere Ähnlichkeit bedeuten.
Verfügbarkeit
Die Vektorsuche in DynamoDB ist nun allgemein in allen kommerziellen AWS-Regionen verfügbar, einschließlich der AWS GovCloud (US)-Regionen. AWS verweist Benutzer auf die Seite zu den AWS-Funktionen nach Region, um die regionale Verfügbarkeit und die künftige Roadmap einzusehen, sowie auf die Preisseite von Amazon DynamoDB für Einzelheiten zu den Kosten.