In diesem Video zeige ich dir, wie du in wenigen Minuten eine saubere RAG-Basis aufbaust: Qdrant als Vector Database und Make.com als Automations-Schicht für Uploads und Queries per API. Ich gehe zuerst die Basics durch (wofür RAG-Systeme da sind, was eine Vector Database eigentlich speichert) und erkläre, warum ich Qdrant hier gerne nutze: kostenlos startbar, EU-Hosting und insgesamt ein sehr pragmatisches Setup – gerade im Vergleich zu Pinecone. Danach setze ich mit dir gemeinsam einen Qdrant-Cluster auf, lege eine Collection im „Simple Single Embedding“-Setup an und konfiguriere die Embedding-Parameter (Dimensionen, Metrik) passend zu OpenAI Text-Embedding-3-Small. Der wichtigste Teil ist dann der Daten-Workflow: Ich zeige dir, wie ich Content in sinnvolle Chunks splitte (Chunk Size + Overlap), daraus Embeddings generiere und ein sauberes JSON baue – inklusive Payload-Feldern, damit du später wirklich filtern kannst. Zum Schluss mache ich Batch-Uploads mit UUIDs als IDs und demonstriere die Suche: einmal pure Vector Search und einmal mit Filtern, inklusive Limit und Score-Bewertung, damit du die Ergebnisse zuverlässig interpretieren kannst.