---
id: CP-262
slug: embeddings-vectordatabases
lang: nl
title: Embeddings en vectordatabases
description: Hoe een tekst coördinaten wordt, hoe een vectordatabase ze opbergt en wat u moet weten voordat u er een document aan toevoegt.
canonical_url: https://startbrain.io/cyberpedia/nl/articles/embeddings-vectordatabases/
markdown_url: https://startbrain.io/cyberpedia/nl/articles/embeddings-vectordatabases.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, “Embeddings en vectordatabases”, Cyberpedia, 2026. https://startbrain.io/cyberpedia/nl/articles/embeddings-vectordatabases/ (CC BY 4.0)
wing: 4
theme: understand_ai
reflex: air-003
schema: G3
updated: "2026-11-10"
translations:
  nl: https://startbrain.io/cyberpedia/nl/articles/embeddings-vectordatabases/
  fr: https://startbrain.io/cyberpedia/fr/articles/embeddings-bases-vectorielles/
  en: https://startbrain.io/cyberpedia/en/articles/embeddings-vector-databases/
  de: https://startbrain.io/cyberpedia/de/articles/embeddings-vektordatenbanken/
  es: https://startbrain.io/cyberpedia/es/articles/embeddings-bases-de-datos-vectoriales/
  it: https://startbrain.io/cyberpedia/it/articles/embeddings-database-vettoriali/
  pl: https://startbrain.io/cyberpedia/pl/articles/embeddingi-i-wektorowe-bazy-danych/
  pt: https://startbrain.io/cyberpedia/pt/articles/embeddings-bases-de-dados-vetoriais/
  ja: https://startbrain.io/cyberpedia/ja/articles/embedding-vector-database/
sources:
  - "n": 1
    title: Efficient Estimation of Word Representations in Vector Space
    publisher: arXiv
    url: https://arxiv.org/abs/1301.3781
    published: "2013-01-16"
    accessed: "2026-11-10"
  - "n": 2
    title: Vector Search Overview - Azure AI Search
    publisher: Microsoft
    url: https://learn.microsoft.com/en-us/azure/search/vector-search-overview
    accessed: "2026-11-10"
  - "n": 3
    title: Distributed Representations of Words and Phrases and their Compositionality
    publisher: arXiv
    url: https://arxiv.org/abs/1310.4546
    published: "2013-10-16"
    accessed: "2026-11-10"
  - "n": 4
    title: "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding"
    publisher: arXiv
    url: https://arxiv.org/abs/1810.04805
    published: "2018-10-11"
    accessed: "2026-11-10"
  - "n": 5
    title: "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks"
    publisher: arXiv
    url: https://arxiv.org/abs/1908.10084
    published: "2019-08-27"
    accessed: "2026-11-10"
  - "n": 6
    title: Extracting Training Data from Large Language Models
    publisher: arXiv
    url: https://arxiv.org/abs/2012.07805
    published: "2020-12-14"
    accessed: "2026-11-10"
  - "n": 7
    title: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks
    publisher: arXiv
    url: https://arxiv.org/abs/2005.11401
    published: "2020-05-22"
    accessed: "2026-11-10"
  - "n": 8
    title: OWASP Top 10 for Large Language Model Applications | OWASP Foundation
    publisher: OWASP
    url: https://owasp.org/projects/top-10-for-large-language-model-applications
    accessed: "2026-11-10"
  - "n": 9
    title: Attention Is All You Need
    publisher: arXiv
    url: https://arxiv.org/abs/1706.03762
    published: "2017-06-12"
    accessed: "2026-11-10"
  - "n": 10
    title: AI Risk Management Framework
    publisher: NIST
    url: https://www.nist.gov/itl/ai-risk-management-framework
    accessed: "2026-11-10"
---

# Embeddings en vectordatabases

Een embedding is een reeks getallen, coördinaten, die een inhoud weergeeft. Twee inhouden met een verwante betekenis krijgen nabije coördinaten. Voor woorden steunt het idee op het werk van Tomas Mikolov en zijn coauteurs, ingediend op 16 januari 2013, dat twee architecturen voorstelt om continue vectorrepresentaties van woorden te berekenen op basis van zeer grote datasets [1].

Een vectordatabase bergt deze coördinaten op om de inhouden te vinden die het dichtst bij een zoekopdracht liggen. Microsoft beschrijft vectorzoeken als een koppeling op basis van de vectoren die het dichtst bij de vector van de zoekopdracht liggen. Die koppeling maakt het mogelijk "dog" en "canine" bij elkaar te brengen, twee woorden die qua betekenis dicht bij elkaar liggen maar in vorm verschillen [2].

Voor een medewerker is het gangbare geval de assistent die is gekoppeld aan de documenten van het bedrijf. Dit artikel legt het principe uit en daarna wat u moet weten voordat u er een document aan toevoegt.

## In 30 seconden

- Waar het gebeurt: in een assistent die antwoordt op basis van geïndexeerde documenten. Microsoft noemt dit gebruik, retrieval-augmented generation (RAG), onder de toepassingen van een vectordatabase [2].
- Wat er gebeurt: afhankelijk van de configuratie wordt het document opgesplitst, omgezet in vectoren en opgeborgen in een index die men bevraagt op betekenis [2].
- De reflex: vóór het toevoegen van een document nagaan wie het via de assistent kan opvragen, en de geïndexeerde versie behandelen als het document zelf.
- Als het al gebeurd is: de verantwoordelijke voor de assistent of de beveiliging waarschuwen om het document uit de index te laten verwijderen.

## Directe vragen

### Wat is een embedding?

Het is een numerieke weergave van een inhoud. Skip-gram, voorgesteld door Mikolov en zijn coauteurs, leert woordvectoren die een groot aantal precieze syntactische en semantische relaties vastleggen [3]. De auteurs noteren een beperking: deze representaties negeren de woordvolgorde en geven idiomatische uitdrukkingen niet weer. De betekenissen van "Canada" en "Air" laten zich niet gemakkelijk combineren tot "Air Canada" [3].

BERT, voorgesteld in oktober 2018, leert tekstrepresentaties door tegelijk rekening te houden met de context links en rechts van een woord [4]. Sentence-BERT, gepubliceerd in augustus 2019, leidt daar zinsembeddings van af die men vergelijkt met cosinusgelijkenis [5].

### Wat is een vectordatabase?

Het is een systeem dat vectoren opslaat en de vectoren vindt die het dichtst bij een zoekvector liggen. In Azure AI Search plaatst een algoritme voor naaste buren vergelijkbare vectoren dicht bij elkaar in de index, en een zoekopdracht geeft de k naaste buren terug [2]. De dienst kan fungeren als zuivere vectorindex, als langetermijngeheugen, als kennisbank of als verankeringsgegevens voor een RAG-architectuur [2].

### Kan men de oorspronkelijke tekst terugvinden aan de hand van een embedding?

Voor alle zekerheid behandelt men de geïndexeerde versie van een document als het document.

Een verwant risico is bekend voor taalmodellen. In december 2020 tonen Nicholas Carlini en zijn coauteurs aan dat een tegenstander trainingsvoorbeelden kan terughalen door een taalmodel te bevragen [6]. De auteurs stellen vast dat grotere modellen kwetsbaarder zijn dan kleine [6].

### Gaan de toegangsrechten mee met de documenten?

Microsoft presenteert Foundry IQ als een kennislaag die bedrijfsinhoud omzet in "permission-aware knowledge bases" voor agents [2]. Dezelfde pagina beschrijft gefilterde zoekopdrachten: een filter wordt toegepast op tekst- of numerieke velden, dient voor metadatafilters en maakt het mogelijk resultaten op te nemen of uit te sluiten [2]. Het blijft de vraag of de rechten van een oorspronkelijk document meegaan naar de geïndexeerde passages: die vraag legt men vóór elke toevoeging voor aan de verantwoordelijke voor de assistent.

### Kan een geprepareerde inhoud, eenmaal geïndexeerd, de antwoorden beïnvloeden?

In een RAG-architectuur combineert het model zijn eigen geheugen met een extern geheugen [7]. De auteurs van de oorspronkelijke RAG gebruiken een dichte vectorindex van Wikipedia, bevraagd door een neurale zoekmachine [7]. Een van hun formuleringen laat het hele antwoord afhangen van dezelfde opgehaalde passages [7]. Wat is geïndexeerd, maakt dus deel uit van wat het model leest om te antwoorden.

Voor de risico's van toepassingen op basis van taalmodellen onderhoudt het OWASP-project een lijst van de "most critical security vulnerabilities in LLM applications", waarvan een versie 2025 wordt vermeld [8].

## Hoe het werkt

De keten telt drie stappen: de vectoren maken, ze opbergen en ze bevragen.

### De vectoren maken

Een embeddingmodel zet tekst om in een vector. De naam BERT komt van een architectuur, de Transformer: Bidirectional Encoder Representations from Transformers [4]. Deze architectuur, voorgesteld in juni 2017, berust uitsluitend op aandachtsmechanismen [9].

Het voordeel van Sentence-BERT zit in de snelheid. Met BERT alleen vergt het vinden van het meest vergelijkbare paar uit 10.000 zinnen ongeveer 50 miljoen inferentieberekeningen, ofwel ongeveer 65 uur. Met Sentence-BERT daalt de inspanning tot ongeveer 5 seconden, met behoud van de nauwkeurigheid [5].

### De vectoren opbergen

Azure AI Search beschrijft twee wegen. Bij interne verwerking splitst de dienst de documenten op in stukken en vectoriseert ze in een indexeerpipeline. De klant levert de middelen, zoals de toegangspunten en de verbindingsgegevens van Azure OpenAI [2]. Bij externe verwerking worden de embeddings buiten de dienst geproduceerd en daarna naar de vectorvelden van de index gestuurd [2].

### Bevragen

Een coderingsstap kan de zoekopdracht van de gebruiker omzetten in een vector voordat die naar de index wordt gestuurd [2]. Hybride zoeken voert vectorzoeken en zoeken op trefwoorden parallel uit en voegt de resultaten samen tot één antwoord. Microsoft schrijft dat het vaak betere resultaten geeft dan een van beide alleen [2].

## Wat u doet

Vóór het toevoegen van een document aan een assistent of aan een index:

- Vraag wie de assistent kan bevragen en of de rechten van het oorspronkelijke document op de antwoorden worden toegepast.
- Controleer waar de teksten naartoe gaan. In een geïntegreerde configuratie roept de dienst een embeddingmodel aan, bijvoorbeeld dat van Azure OpenAI [2].
- Beschouw de geïndexeerde kopie als even gevoelig als het origineel, zolang niemand het tegendeel heeft vastgesteld.
- Voeg geen document toe waarvan u de herkomst niet kent. In een RAG-architectuur bepalen opgehaalde passages het antwoord [7].
- Is het document al per vergissing toegevoegd, meld dat dan meteen aan de persoon die de assistent beheert.

## De valkuilen

- Zoeken op betekenis brengt inhouden met een verwante betekenis bij elkaar, niet alleen die met dezelfde woorden. Microsoft noemt de overeenkomst tussen "dog" en "canine", tussen twee talen of tussen een tekst en een afbeelding [2].
- Een embedding kan multimodaal zijn: tekst en afbeeldingen kunnen dezelfde zoekruimte delen [2].
- Een vectordatabase is een zoekmachine. Azure AI Search biedt metadatafilters en dient als basis voor Foundry IQ [2]; controleer wie die kan bevragen.
- De referentiekaders evolueren. NIST beschrijft zijn AI RMF als bedoeld voor vrijwillig gebruik, gepubliceerd op 26 januari 2023 en in herziening. Een profiel voor generatieve AI, NIST-AI-600-1, is gepubliceerd op 26 juli 2024 [10].

## Echte gevallen

### Extractie van trainingsdata van GPT-2, december 2020

Carlini en zijn coauteurs vallen GPT-2 aan, een model dat is getraind op openbare pagina's van het internet. Ze halen er honderden tekstreeksen woordelijk uit: openbare persoonsgegevens (namen, telefoonnummers, e-mailadressen), IRC-gesprekken, code en 128-bits UUID's [6]. De aanval werkt zelfs wanneer elke reeks in slechts één trainingsdocument voorkomt [6]. Dit geval betreft een taalmodel, geen vectordatabase.

## Bronnen

1. arXiv, “Efficient Estimation of Word Representations in Vector Space”, 16 januari 2013. https://arxiv.org/abs/1301.3781 (geraadpleegd op 10 november 2026)
2. Microsoft, “Vector Search Overview - Azure AI Search”. https://learn.microsoft.com/en-us/azure/search/vector-search-overview (geraadpleegd op 10 november 2026)
3. arXiv, “Distributed Representations of Words and Phrases and their Compositionality”, 16 oktober 2013. https://arxiv.org/abs/1310.4546 (geraadpleegd op 10 november 2026)
4. arXiv, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”, 11 oktober 2018. https://arxiv.org/abs/1810.04805 (geraadpleegd op 10 november 2026)
5. arXiv, “Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks”, 27 augustus 2019. https://arxiv.org/abs/1908.10084 (geraadpleegd op 10 november 2026)
6. arXiv, “Extracting Training Data from Large Language Models”, 14 december 2020. https://arxiv.org/abs/2012.07805 (geraadpleegd op 10 november 2026)
7. arXiv, “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks”, 22 mei 2020. https://arxiv.org/abs/2005.11401 (geraadpleegd op 10 november 2026)
8. OWASP, “OWASP Top 10 for Large Language Model Applications | OWASP Foundation”. https://owasp.org/projects/top-10-for-large-language-model-applications (geraadpleegd op 10 november 2026)
9. arXiv, “Attention Is All You Need”, 12 juni 2017. https://arxiv.org/abs/1706.03762 (geraadpleegd op 10 november 2026)
10. NIST, “AI Risk Management Framework”. https://www.nist.gov/itl/ai-risk-management-framework (geraadpleegd op 10 november 2026)

---

Oorspronkelijke bron: Cyberpedia, de openbare encyclopedie over cyberveiligheid en AI van Brain. Canonieke versie: https://startbrain.io/cyberpedia/nl/articles/embeddings-vectordatabases/
U mag deze tekst vrij hergebruiken onder de licentie CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), mits u “Brain, Cyberpedia” vermeldt met een link naar bovenstaand adres.
