Beim Vorbereiten: Gerätebeschreibung → Embedding-Modell → Vektor mit Bezug zur Originalbeschreibung.
Bei Maras Anfrage: „Beim Sprechen beide Hände frei“ → dasselbe Embedding-Modell → Vergleich mit den vorbereiteten Vektoren → Kandidaten → deren lesbare Beschreibungen.
Die Anwendung muss also nicht bei jedem Klick alle unveränderten Katalogtexte neu umwandeln. Für einen großen Bestand beschleunigt ein Vektorindex den Vergleich. Er organisiert die Suche in den vorbereiteten Vektoren; das Embedding-Modell erzeugt sie. Das sind zwei verschiedene Teile des Weges.
Das Sprachmodell, das die Karten formuliert, bekommt anschließend die ausgewählten lesbaren Texte. Es muss nicht aus Zahlen die Bedienungsanleitung zurückgewinnen. Die Zahlen dienen dem Finden, die Texte der Beurteilung.
Ändert Mara eine Gerätebeschreibung, muss auch der zugehörige Vektor erneuert werden. Sonst sucht Leihregal weiter in einer veralteten Fassung. Solche Zuordnungen baut die Entwicklungs-KI passend zur Anwendung; Mara muss dafür keine Datenbankstruktur entwerfen.