# Embeddings

> Wählen Sie das Embedding-Modell für das Memory und die Wissenssuche von PentAGI.

Embeddings ermöglichen die semantische Suche im [Memory](https://pentagi.com/de/docs/glossary/#memory), der [Knowledge Base](https://pentagi.com/de/docs/glossary/#knowledge-base) und vergangenen Ergebnissen. OpenAI ist der Standard-Provider; wenn kein `EMBEDDING_MODEL` festgelegt ist, wird `text-embedding-ada-002` verwendet. Eine Beispielkonfiguration in `.env`:

```bash
EMBEDDING_PROVIDER=openai          # openai, ollama, mistral, jina, huggingface, googleai, voyageai
EMBEDDING_MODEL=text-embedding-3-small
# optional custom endpoint
EMBEDDING_URL=
# provider API key, if required
EMBEDDING_KEY=
EMBEDDING_BATCH_SIZE=512               # default
EMBEDDING_MAX_TEXT_BYTES=8192          # default
```

Jeder Dienst, der die `/embeddings`-API von OpenAI implementiert, funktioniert mit `EMBEDDING_PROVIDER=openai` und einem benutzerdefinierten `EMBEDDING_URL`.

> [!WARNING]
> Wenn Sie den Embedding-Provider oder das Modell wechseln, berechnen Sie die gespeicherten Vektoren mit `docker exec -it pentagi /opt/pentagi/bin/etester reindex` neu — Vektoren unterschiedlicher Modelle sind nicht vergleichbar. Führen Sie dafür nicht `etester flush` aus: Dies löscht jedes gespeicherte Dokument, einschließlich der Knowledge Base.

## [Benutzerdefinierte CA-Zertifikate](https://pentagi.com/de/docs/configuration/embeddings/#custom-ca-certificates)

Wenn ein Modell-Backend oder Tool-Server eine private CA verwendet und Sie `x509: certificate signed by unknown authority` sehen, legen Sie das PEM-Bundle im Volume `pentagi-ssl` ab und verweisen Sie PentAGI darauf:

```bash
EXTERNAL_SSL_CA_PATH=/opt/pentagi/ssl/ca-bundle.pem
EXTERNAL_SSL_INSECURE=false
```

Starten Sie anschließend mit `docker compose up -d pentagi` neu.