Kosinus-Ähnlichkeit

Definition

Die Kosinus-Ähnlichkeit misst, wie ähnlich zwei Vektoren sind, indem sie den Kosinus des Winkels zwischen ihnen berechnet. Werte reichen von -1 (entgegengesetzt) bis 1 (identisch), wobei 0 orthogonal (keine Ähnlichkeit) anzeigt. Sie ist die häufigste Metrik für den Vergleich von Text-Embeddings, da sie sich auf Richtung (Bedeutung) statt Magnitude (Länge) konzentriert.

Warum es wichtig ist

Kosinus-Ähnlichkeit ist grundlegend für moderne KI-Suche und -Retrieval:

• Richtung über Magnitude — erfasst semantische Orientierung, nicht Vektorlänge
• Normalisierter Vergleich — funktioniert mit Embeddings unterschiedlicher Magnitudes
• Effizienz — schnell zu berechnen, besonders mit optimierten Bibliotheken
• Interpretierbarkeit — leicht verständlich: 1 = gleich, 0 = unrelated, -1 = entgegengesetzt
• Standardmetrik — Default in den meisten Vektordatenbanken und Embedding-APIs

Sie ermöglicht bedeutungsvolle Vergleiche von Text, Bildern und anderen eingebetteten Darstellungen.

Wie es funktioniert

┌────────────────────────────────────────────────────────────┐
│                   KOSINUS-ÄHNLICHKEIT                      │
├────────────────────────────────────────────────────────────┤
│                                                            │
│         FORMEL: cos(θ) = (A · B) / (||A|| × ||B||)         │
│                                                            │
│  ┌─────────────────────────────────────────────────────┐   │
│  │                                                     │   │
│  │              B                                      │   │
│  │             /                                       │   │
│  │            /  θ = Winkel                            │   │
│  │           /                                         │   │
│  │          /                                          │   │
│  │         ──────────────► A                           │   │
│  │                                                     │   │
│  │  cos(0°) = 1.0    → Identische Richtung             │   │
│  │  cos(45°) ≈ 0.71  → Ähnliche Richtung               │   │
│  │  cos(90°) = 0.0   → Orthogonal (unrelated)          │   │
│  │  cos(180°) = -1.0 → Entgegengesetzte Richtung       │   │
│  │                                                     │   │
│  └─────────────────────────────────────────────────────┘   │
│                                                            │
│  BEISPIELRECHNUNG:                                         │
│  Vektor A = [0.8, 0.6]                                     │
│  Vektor B = [0.6, 0.8]                                     │
│                                                            │
│  A · B = (0.8 × 0.6) + (0.6 × 0.8) = 0.96                  │
│  ||A|| = √(0.8² + 0.6²) = 1.0                              │
│  ||B|| = √(0.6² + 0.8²) = 1.0                              │
│                                                            │
│  cos(θ) = 0.96 / (1.0 × 1.0) = 0.96 → Sehr ähnlich        │
│                                                            │
└────────────────────────────────────────────────────────────┘

Vergleich mit anderen Metriken:

Häufige Fragen

F: Warum Kosinus statt Euklidischer Distanz?

A: Kosinus ignoriert Vektormagnitude und fokussiert nur auf Richtung. Zwei Dokumente über “Steuerrecht” sollten ähnlich sein, auch wenn eines länger ist mit größerer Embedding-Magnitude. Kosinus erfasst das; Euklidisch behandelt sie als unterschiedlicher.

F: Was bedeutet eine Kosinus-Ähnlichkeit von 0.8?

A: Die Vektoren zeigen in fast dieselbe Richtung—sie sind semantisch ähnlich. Für Text-Embeddings zeigt 0.8+ typisch starke Relevanz an. Schwellenwerte variieren jedoch nach Modell; kalibrieren Sie mit Ihren Daten.

F: Kann Kosinus-Ähnlichkeit negativ sein?

A: Ja, wenn Vektoren in entgegengesetzte Richtungen zeigen. Mit den meisten Text-Embeddings sind Negative selten, da Modelle typisch Vektoren im positiven Raum produzieren. Ein Wert nahe 0 ist häufiger für unrelated Content.

F: Ist Kosinus-Ähnlichkeit gleich Kosinus-Distanz?

A: Sie sind Inverse. Kosinus-Distanz = 1 - Kosinus-Ähnlichkeit. Datenbanken verwenden oft “Distanz” (niedriger = ähnlicher) während APIs “Ähnlichkeit” berichten (höher = ähnlicher). Prüfen Sie die Konvention Ihres Tools.

Verwandte Begriffe

• Embeddings — Vektoren, die Kosinus-Ähnlichkeit vergleicht
• Semantische Ähnlichkeit — Konzept gemessen durch Kosinus-Ähnlichkeit
• Vektordatenbank — nutzt Kosinus für Nearest-Neighbor-Suche
• Semantische Suche — Retrieval betrieben durch Kosinus-Vergleiche

Referenzen

Singhal (2001), “Modern Information Retrieval: A Brief Overview”, IEEE Data Engineering Bulletin. [3.000+ Zitationen]

Manning et al. (2008), “Introduction to Information Retrieval”, Cambridge University Press. [20.000+ Zitationen]

Mikolov et al. (2013), “Efficient Estimation of Word Representations in Vector Space”, arXiv. [35.000+ Zitationen]

Johnson et al. (2019), “Billion-scale similarity search with GPUs”, IEEE Transactions on Big Data. [1.500+ Zitationen]

References

Singhal (2001), “Modern Information Retrieval: A Brief Overview”, IEEE Data Engineering Bulletin. [3,000+ citations]

Manning et al. (2008), “Introduction to Information Retrieval”, Cambridge University Press. [20,000+ citations]

Mikolov et al. (2013), “Efficient Estimation of Word Representations in Vector Space”, arXiv. [35,000+ citations]

Johnson et al. (2019), “Billion-scale similarity search with GPUs”, IEEE Transactions on Big Data. [1,500+ citations]