Hierarchical Navigable Small World (HNSW)
Definition
HNSW ist ein graphbasierter Index für schnelle approximative Suche nach nahen Nachbarn in Vektorräumen.
Der Index organisiert Vektoren in mehreren hierarchischen Nachbarschaftsgraphen. Die Suche beginnt in groben oberen Ebenen und verfeinert sich in tieferen Ebenen.
Einfach erklärt
Wie ein Straßennetz mit Autobahnen für grobe Sprünge und Nebenstraßen für die genaue Zielsuche.
Warum das im Alltag wichtig ist
Sehr relevant für semantische Suche, RAG und Ähnlichkeitssuche über große Embedding-Bestände.
Beispiel aus dem Mittelstand
Ein Wissensassistent nutzt HNSW, um aus hunderttausenden Dokumentsegmenten schnell semantisch ähnliche Passagen zu finden.
Grenzen und Fallstricke
- Approximation mit exakter Suche verwechseln; Recall, Speicherbedarf und Build-Zeit nicht testen; Parameter blind übernehmen; Filtereffekte ignorieren.
Entstehung & Geschichte
Malkov und Yashunin stellten HNSW 2016 vor; die Journalfassung erschien später in IEEE TPAMI.
Anwendung im Mittelstand
- Mögliche Anwendungen: Vektorsuche für RAG, ähnliche Produkte, Duplikaterkennung und semantische Recherche.
Häufige Fragen
Ist HNSW exakt?
Nein, typischerweise approximativ. Was ist der Vorteil? Hohe Suchgeschwindigkeit bei guter Recall-Qualität in vielen Vektor-Workloads.
Quellen
- HNSW · Malkov & Yashunin, HNSW
- IEEE TPAMI · IEEE TPAMI
Quellen geprüft am 10.10.2026.
Redaktionell geprüft am: