Amazon S3 Vectors unterstützt jetzt Metadaten-Vorfiltern für höhere Trefferquote bei gefilterten Suchen

GPU-Teams stehen vor einem schlechten Kompromiss: ein Control Plane pro Team oder schwache Isolation in einem gemeinsamen Cluster. Dieses reproduzierbare Labor kombiniert Kamaji (Control Planes als Pods) und HAMi (fraktionierte GPUs) auf einer einzigen Maschine ohne GPU, unter Verwendung von HAMis Mock-Device-Plugin.

S3 Vectors – AWS‘ speziell entwickelter Vektorspeicher für RAG und semantische Suche – unterstützt jetzt Metadaten-Vorfiltern: Die Eingrenzung des Suchraums durch Metadaten-Prädikate bevor die Vektor-Ähnlichkeitssuche ausgeführt wird. Für Workloads, bei denen Ergebnisse sowohl relevant als auch korrekt eingegrenzt sein müssen, verbessert das Vorfiltern die Trefferquote am stärksten, wenn der Filter eng ist.

Warum Vorfiltern wichtig ist

Die Vektorsuche über ein gesamtes Archiv mit Filtern als nachgelagertem Schritt kann relevante Ergebnisse übersehen – die Top-k nach Ähnlichkeit können von Zeilen dominiert werden, die den Filter nicht erfüllen, wodurch passende Treffer aus dem Ergebnisfenster verdrängt werden. Beim Vorfiltern wird die Metadaten-Einschränkung zuerst angewendet, sodass die Ähnlichkeitssuche nur relevante Zeilen sieht. Das erhöht direkt die Trefferquote bei gefilterten Abfragen.

Wo es sich auszahlt

• Rechts- und Professional-Services-Branche – eine Anwaltskanzlei durchsucht Dokumente, die auf einen einzelnen Mandanten begrenzt sind, und grenzt weiter nach Aktenzeichen, Ordnerpfad oder Dokument-ID-Präfix ein. Ein einzelner Mandant ist ein kleiner Anteil am kanzleiweiten Archiv, und genau bei solch engen Filtern verbessert das Vorfiltern die Trefferquote am meisten.
• Finanzdienstleistungen – Investment-Research über Analystennotizen, Einreichungen und Telefonkonferenz-Transkripte, eingegrenzt nach Emittent, Dokumenttyp und Veröffentlichungsdatum.
• Medien und Unterhaltung – ein Streaming-Dienst filtert nach Inhaltsfreigabe und regionalen Lizenzen, bevor die semantische Suche läuft (G- und PG-Inhalte, die in einem Gebiet lizenziert sind).
• Agentische Anwendungen – ein Agent, der in der Sitzung eines Benutzers arbeitet, filtert nach Eigentümer, Dokumentsatz und Zeitstempel, sodass seine Suchen Material abdecken, das für die Aufgabe relevant ist. Eine höhere Trefferquote bedeutet, dass mehr dieses Materials den Agenten erreicht, was die Aufgabenzuverlässigkeit verbessert.

Fazit

Wenn Ihre Vektorsuche auf einem großen Archiv basiert, aber jede Abfrage durch Eigentums-, Compliance- oder Lizenzmetadaten eingegrenzt ist, ist das Metadaten-Vorfiltern der Mechanismus, der aus „ähnlich über alles“ ein „ähnlich innerhalb dessen, was Sie sehen dürfen“ macht. S3 Vectors wendet es nativ an – es lohnt sich, darauf zu standardisieren, wenn Sie eingegrenztes RAG oder Retrieval mit S3 Vectors aufbauen.