Qdrant

Qdrant

Qdrant ist eine hochperformante Vektordatenbank für Ähnlichkeitssuche — der Baustein der RAG-Pipelines erst skalierbar macht. Wer Dokumente in Embeddings umwandelt und effizient durchsuchen will, braucht eine Vektordatenbank. Qdrant ist eine der beliebtesten Open-Source-Optionen und verbindet sich mit allen gängigen LLM-Frameworks.

Wofür du das nutzt

• Embeddings speichern und durchsuchen. Du hast Dokumente in Vektoren umgewandelt und willst die ähnlichsten zu einer Anfrage finden — das ist die Kernfunktion von Qdrant. Schnell, skalierbar, mit Filtering.
• RAG-Pipelines bauen. In Kombination mit Haystack, LangChain oder PydanticAI ist Qdrant der Persistenz-Layer der die Vektoren zwischen Sessions speichert und retrieved.
• Hybrid-Suche. Qdrant unterstützt neben Dense-Embeddings auch Sparse-Vektoren (BM25) und Named-Vectors für Hybrid-Search-Setups — wenn reine Embedding-Suche nicht reicht.
• Produktions-ready Vektoren. Skaliert auf Milliarden Vektoren, unterstützt Payload-Filtering, Sharding und Replikation. Für Produktionsanwendungen die über SQLite-basierten Lösungen hinausgehen.
• Empfehlungs-Systeme. Ähnliche Items finden — Artikel, Produkte, Nutzerprofile. Qdrant hat eine eigene Recommendation-API.

Stärken im Detail

• Performance bei hohem Volumen. Qdrant ist in Rust geschrieben — das macht es erheblich schneller als Python-basierte Vektordatenbanken bei großen Collections.
• HNSW-Index mit Custom-Parameters. Qdrant erlaubt feingranulares Tuning des HNSW-Index — Recall vs. Performance-Tradeoff für jeden Use-Case einstellbar.
• Payload-Filtering. Metadata zu Vektoren (Autor, Datum, Kategorie) und dann Filter bei der Suche — kombinierte semantische + strukturierte Suche ohne separaten Daten-Store.
• Open Source und DACH-Verwurzelt. Qdrant ist OSS unter Apache-2.0. Das Unternehmen hat Hauptsitz in Berlin — europäisch. Qdrant Cloud läuft auf AWS in eu-central-1 (Frankfurt) — DSGVO-kompatibles EU-Hosting für den Cloud-Tier.
• Native Adapter in allen großen Frameworks. LangChain, Haystack, LlamaIndex, Mastra, Dify — alle haben Qdrant-Adapter out of the box.

Grenzen & wo's hakt

• Mehr Infrastruktur-Aufwand als FAISS. Qdrant braucht einen laufenden Server — anders als FAISS das als In-Process-Library läuft. Für erste Prototypen ist FAISS oder ChromaDB unkomplizierter.
• Kein SQL-Interface. Wer komplexe strukturierte Abfragen braucht, braucht zusätzlich eine SQL-Datenbank. Qdrant ist ein Vektoren-Speicher, kein Ersatz für relationale Datenbanken.
• Free Tier ist begrenzt. 1 GB RAM / 4 GB Disk im Cloud-Free-Tier — für Lernprojekte ausreichend, für Produktionsdaten zu klein.
• Sharding und Clustering erfordern Expertise. Für sehr große Collections und HA-Setup braucht man Verständnis von Qdrant-Cluster-Konfiguration. Gut dokumentiert, aber nicht trivial.

Pricing (Stand 05/2026)

Qdrant OSS (Self-Hosted, kostenlos) — Vollständiger Funktionsumfang, kein Limit. Läuft als Docker-Container.

Qdrant Cloud:

• Free Forever — 1 GB RAM, 4 GB Disk, 0,5 vCPU. Single-Node. Für Tests und Prototypen.
• Standard — Pay-as-you-go, stündliche Abrechnung für Compute, Memory, Storage. Skalierbar, 99,5 % SLA.
• Premium — Minimum Spend, SSO, Private VPC Links, 99,9 % SLA.
• Hybrid & Private Cloud — Custom Pricing, eigene Infrastruktur.

Für Studis: Qdrant OSS lokal via Docker ist vollständig kostenlos. Qdrant Cloud Free für Cloud-Experimente.

Praxis-Workflow

1. Lokal starten. docker run -p 6333:6333 qdrant/qdrant — Qdrant läuft sofort.
2. Collection anlegen. Via REST-API oder Python-Client: client.create_collection("meine-docs", vectors_config=VectorParams(size=1536, distance=Distance.COSINE)).
3. Dokumente indexieren. Embeddings erzeugen (OpenAI, local model) und als Points upserten.
4. Suchen. client.search("meine-docs", query_vector=embedding, limit=5).
5. Framework-Adapter nutzen. LangChain QdrantVectorStore oder Haystack QdrantDocumentStore statt raw Client.
6. In Produktion. Qdrant Cloud auf eu-central-1 für DSGVO-konformes Managed Hosting.

Datenschutz (kurz)

Qdrant OSS läuft vollständig lokal — keine Daten verlassen die eigene Infrastruktur. Das Unternehmen hat Hauptsitz in Berlin (Deutschland/EU). Qdrant Cloud läuft auf AWS in eu-central-1 (Frankfurt) — EU-Datenresidenz ist gewährleistet. Für maximale Datensouveränität: Self-Hosted Qdrant auf eigenem EU-Server. Eine gute Wahl für DSGVO-sensible Studien- und Forschungsprojekte.

Quick-Win