Weaviate

Kurzfazit

Weaviate ist die stärkste Wahl für Teams, die RAG-Systeme mit vollständiger Datenkontrolle aufbauen wollen. Als Open-Source-Vektordatenbank aus Amsterdam lässt sie sich auf eigener EU-Infrastruktur betreiben — ohne dass auch nur ein Dokument ein deutsches Rechenzentrum verlässt. Die eingebauten Vectorizer-Module (OpenAI, Cohere, HuggingFace) nehmen einem viel Integrationsarbeit ab, und die native Hybrid-Suche kombiniert semantisches Verständnis mit klassischer Keyword-Suche. Schwäche: Weaviate ist kein Tool für Nicht-Entwickler. Wer keinen Engineer im Team hat, ist mit einem verwalteten Cloud-Service besser bedient.

Für wen ist Weaviate?

ML-Engineers und Backend-Entwickler: Weaviate ist explizit für Entwickler gebaut. Wer RAG-Pipelines, semantische Suche oder KI-Assistenten auf eigenen Daten aufbaut, findet hier eine ausgereifte, API-first Lösung mit GraphQL und REST. Die Python-, JavaScript- und Go-Clients sind gut dokumentiert.

Datenschutzbeauftragte und DSGVO-sensible Branchen: Für Kanzleien, Krankenhäuser, Behörden und Finanzinstitute ist Self-Hosting auf eigener Hardware oder EU-Cloud die einzige akzeptable Option. Weaviate ist dafür gebaut — kein anderes major Vector-DB-Produkt macht das so konsequent möglich.

SaaS-Anbieter mit Multi-Mandanten-Anforderungen: Native Multi-Tenancy erlaubt es, Tausende von Kundenmandanten in einer Instanz mit strikter Datentrennung zu betreiben. Das spart Infrastrukturkosten gegenüber einer Instanz-pro-Kunde-Architektur erheblich.

Unternehmen, die Vendor Lock-in vermeiden wollen: Weaviate ist Open Source (Apache 2.0). Kein Vendor kann Preise ändern, Funktionen sperren oder den Dienst einstellen, ohne dass du einen Ausweg hast. Für kritische KI-Infrastruktur ist das ein strategisches Argument.

Weniger geeignet für: Prototypen-Entwickler ohne Production-Anforderungen (Chroma ist einfacher), Teams ohne DevOps-Kapazität, und alle, die eine vollständig verwaltete Lösung ohne Betriebsaufwand suchen.

Preise im Detail

Plan	Preis	Was du bekommst
Open Source	Kostenlos	Selbst gehostete Instanz, vollständiger Funktionsumfang, Community-Support über Forum und GitHub
Cloud Free Trial	0 € (14 Tage)	Sandbox-Cluster in Weaviate Cloud, alle Core-Features, danach automatisch Flex
Flex	ab 45 USD/Monat	Geteilter Cloud-Cluster, 99,5 % Uptime-SLA, E-Mail-Support (Reaktionszeit nächster Werktag), nutzungsbasierte Abrechnung
Premium	ab 400 USD/Monat	Dedizierter oder geteilter Cluster, bis zu 99,95 % Uptime, 1-Stunden-Response für kritische Probleme, globale Cloud-Abdeckung (AWS, GCP, Azure), technisches Account-Team

Die Flex-Kosten setzen sich aus mehreren Dimensionen zusammen: Vektor-Dimensionen (ca. 0,01 USD pro Million), Storage (ca. 0,21 USD pro GiB) und optionale Embeddings-Services. Für kleine Produktionsanwendungen kommt man realistisch auf 60–150 USD/Monat.

Einordnung: Open Source Self-Hosting ist für produktionsreife Setups wirtschaftlich unschlagbar — wer einen Hetzner-Server für 30 EUR/Monat mietet, bekommt volle Funktionalität. Flex lohnt sich, wenn du DevOps-Aufwand vermeiden willst, aber noch keine 400 USD/Monat Budget hast. Premium ist für Enterprise-Teams, die SLAs, dedizierte Infrastruktur und Account-Management brauchen.

Stärken im Detail

Open Source mit echter Produktionsreife. Weaviate ist nicht nur “auch Open Source” — das Projekt hat über 12.000 GitHub-Stars, ist Apache 2.0 lizenziert und wird aktiv von einem kommerziellen Anbieter entwickelt. Version 1.30 brachte BlockMax WAND-Algorithmus mit bis zu 10-fachem Speedup bei Keyword-Suchen. Du bekommst eine ausgereifte Produktionsdatenbank ohne Lizenzkosten.

Eingebaute Vectorizer-Module nehmen Komplexität heraus. Andere Vektordatenbanken erwarten, dass du Embeddings extern berechnest und dann übergibst. Weaviate kann das direkt — über 20 ML-Modelle und Frameworks sind integriert, darunter OpenAI text-embedding, Cohere embed und lokale HuggingFace-Modelle. Das reduziert die Anzahl der Systemkomponenten erheblich.

Hybrid-Suche in einem Query. Die Kombination aus semantischer Vektorsuche und klassischer BM25-Keyword-Suche ist in Weaviate nativ — kein zweites System, kein Extra-Aufwand. Das ist wichtig, weil reine Vektorsuche bei exakten Begriffen (Produktnummern, Namen, Codes) oft schlechter abschneidet als Keyword-Suche. Hybrid gibt dir das Beste aus beiden Welten.

Native Multi-Tenancy für skalierbare SaaS-Produkte. Jeder Mandant bekommt isolierten Speicher innerhalb einer Instanz. Das ermöglicht Systeme mit Tausenden von Kunden auf gemeinsamer Infrastruktur, ohne Sicherheitskompromisse. Tenant-Aktivierung und -Deaktivierung (“cold” Tenants) spart Ressourcen bei inaktiven Accounts.

GraphQL und REST API für maximale Flexibilität. Weaviate bietet beide Schnittstellen — GraphQL für komplexe Abfragen mit Filterlogik, REST für CRUD-Operationen. Clients für Python, JavaScript/TypeScript und Go sind offiziell unterstützt und gut gepflegt.

Schwächen ehrlich betrachtet

Kein visuelles Interface — alles Terminal. Weaviate hat keine Web-UI für Nicht-Entwickler. Es gibt Community-Projekte für einfache Visualisierungen, aber produktionsreife dashboards musst du selbst bauen. Für Teams, die Datenbankoperationen durch einen Datenanalysten (ohne Coding-Kenntnisse) durchführen lassen wollen, ist das ein echtes Problem.

Betriebsaufwand bei Self-Hosting unterschätzt. Docker-Setup ist einfach, aber Produktions-Betrieb bedeutet: Backups konfigurieren, Monitoring einrichten, Updates testen, Speicher managen. Wer das nicht intern abdecken kann, sollte realistisch die Cloud-Preise gegen DevOps-Zeit gegenrechnen.

Cloud-Einstiegspreise höher als Pinecone. Pinecone bietet einen echten kostenlosen Dauertier, Weaviate Cloud hat nur einen 14-tägigen Trial. Für Prototypen und kleine Anwendungen ist Pinecone (oder lokal Chroma) günstiger. Weaviates Stärke ist Self-Hosting — wer das nicht will, sollte Pinecone ernsthaft in Betracht ziehen.

Schema-Design-Lernkurve. Weaviate ist schema-basiert: Du definierst Klassen, Properties und Vectorizer-Konfiguration vorab. Änderungen am Schema in Production sind eingeschränkt möglich. Für Entwickler, die schnell iterieren wollen, ist das anfangs mühsam — Chroma ist hier wesentlich flexibler.

Kleineres Ökosystem als Elasticsearch. Für Teams, die aus der klassischen Suche kommen, fehlen viele Elasticsearch-Ökosystem-Tools. Log-Aggregation, Analytics-Dashboards und fertige Konnektoren gibt es bei Weaviate nicht in dieser Breite.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Eine vollständig verwaltete Cloud-Lösung ohne Betriebsaufwand willst	Pinecone
Einen einfachen lokalen Prototyp bauen willst (kein Production-Setup)	Chroma
Klassische Volltextsuche mit optionaler Vektor-Erweiterung brauchst	OpenSearch
Bestehende Elasticsearch-Infrastruktur um Vektorsuche erweitern willst	Elasticsearch

Weaviate ist die richtige Wahl, wenn du DSGVO-Konformität, Open-Source-Freiheit und Produktionsreife gleichzeitig brauchst. Für reine Cloud-Convenience ohne Datenschutzanforderungen ist Pinecone oft einfacher zu starten.

So steigst du ein

Schritt 1: Starte Weaviate lokal mit Docker: docker run -p 8080:8080 cr.weaviate.io/semitechnologies/weaviate:latest. Das reicht für erste Entwicklung und Tests. Für DSGVO-sensible Produktionsdaten empfiehlt sich Self-Hosting auf Hetzner Cloud (Frankfurt), Azure Germany North oder einer anderen zertifizierten EU-Cloud. Für den schnellen Einstieg ohne Setup: Weaviate Cloud Free Trial (14 Tage).

Schritt 2: Definiere ein Schema für deine Daten und wähle einen Vectorizer. Für die meisten RAG-Anwendungen empfiehlt sich text2vec-openai (OpenAI Ada) oder ein lokales text2vec-transformers-Modell für maximale Datenkontrolle. Lade deine Dokumente mit dem Python-Client hoch — Weaviate vektorisiert automatisch: client.collections.get("Dokument").data.insert({"inhalt": "...", "quelle": "..."}).

Schritt 3: Baue die RAG-Pipeline: Weaviate findet per Hybrid-Suche die relevantesten Textpassagen, diese landen als Kontext in deinem LLM-Prompt. Mit LangChain oder LlamaIndex ist Weaviate in wenigen Zeilen integriert: WeaviateVectorStore als Retriever, dann RetrievalQA Chain drüber. Ergänze Metadaten-Filter (Autor, Datum, Abteilung), um Antworten auf bestimmte Dokumentbereiche einzugrenzen.

Ein konkretes Beispiel

Eine Berliner Rechtsanwaltskanzlei mit 500.000 internen Dokumenten — Verträge, Urteile, Gutachten der letzten 20 Jahre — baut mit Weaviate einen internen Recherche-Assistenten. Weaviate läuft on-premises auf einem dedizierten Server in der Kanzlei, kein einziges Dokument verlässt das interne Netzwerk. Die Anwälte können in natürlicher Sprache suchen: “Urteile zu Mietminderung bei Schimmel in Altbauten ab 2020 — nur BGH und OLG Hamburg.” Die Hybrid-Suche kombiniert semantisches Verständnis (“Mietminderung Schimmel”) mit exakten Filtern (Gericht, Datum). Was früher 45 Minuten manuelle Datenbankrecherche kostete, dauert jetzt 8 Sekunden — mit direkten Textausschnitten aus den relevantesten drei Dokumenten.

DSGVO & Datenschutz

• Unternehmensstandort: Amsterdam, Niederlande — EU-Unternehmen mit DSGVO-Grundanforderungen als Rechtsbasis
• Datenhosting Self-Hosting: Vollständige Kontrolle — du bestimmst, auf welchem Server in welchem Land deine Daten liegen. On-Premises oder EU-Cloud möglich.
• Datenhosting Weaviate Cloud: AWS, GCP und Azure — EU-Regionen verfügbar (z. B. eu-west). Datentransfers außerhalb der EU erfolgen über EU-Standardvertragsklauseln (SCC)
• Zertifizierungen: SOC 2 Type 1, SOC 2 Type 2 und ISO 27001 — für Unternehmenseinsatz relevant
• Datenverschlüsselung: In Transit und At Rest vollständig verschlüsselt
• Auftragsverarbeitung (AVV): Über Trust Portal (trust.weaviate.io) zugänglich; für Premium-Kunden standardmäßig verfügbar
• Datennutzung: Weaviate nutzt keine Inhalte aus selbst gehosteten Instanzen. Cloud-Metadaten (nicht Inhalte) werden für Betrieb und Support genutzt
• Empfehlung für Unternehmen mit hohen DSGVO-Anforderungen: Self-Hosting auf EU-Infrastruktur ist die sicherste Option. Für alle, die Cloud nutzen: EU-Region explizit beim Cluster-Setup wählen und AVV abschließen.

Gut kombiniert mit

• OpenSearch — OpenSearch übernimmt klassische Log-Aggregation und Analytics, Weaviate liefert die semantische Suche. Beide Systeme parallel eingesetzt decken Volltext- und Vektorsuchbedürfnisse ab, ohne Kompromisse in einem der Bereiche.
• Pinecone — In Multi-Cloud-Architekturen nutzen manche Teams Weaviate für DSGVO-sensitive EU-Daten und Pinecone für globale, weniger sensible Workloads — gleiche RAG-API, verschiedene Datenkategorien.
• Chroma — Chroma als lokale Entwicklungs- und Testdatenbank, Weaviate für Production. Same API-Pattern, einfacher Wechsel: Entwickler iterieren lokal schnell, ohne Produktionsdaten zu riskieren.

Unser Testurteil

Weaviate verdient 4 von 5 Sternen. Die Kombination aus Open-Source-Freiheit, eingebauten Vectorizer-Modulen, nativer Hybrid-Suche und der klaren EU-DSGVO-Story macht es zur besten Wahl für ernst gemeinte RAG-Infrastruktur in datenschutzbewussten Organisationen. Den fünften Stern kostet der fehlende DevOps-freie Einstieg: Wer nicht bereit ist, mindestens einen Engineer für Setup und Betrieb einzuplanen, wird frustriert sein. Für Entwicklerteams mit klaren DSGVO-Anforderungen gibt es aber keine bessere Open-Source-Alternative.

Was wir bemerkt haben

• 2023 — Weaviate sammelte eine 50-Millionen-Dollar-Series-B-Finanzierungsrunde ein. Das Unternehmen ist finanziell gut aufgestellt und investiert stark in das managed Cloud-Angebot.
• 2024/2025 — Version 1.30 brachte den BlockMax WAND-Algorithmus mit bis zu 10-fachem Speedup bei Keyword-Suchen — eine erhebliche Performance-Verbesserung für die Hybrid-Search-Anwendungsfälle.
• 2024 — Weaviate Cloud wurde als vollständig verwalteter Service deutlich ausgebaut. Der freie Trial (14 Tage) blieb bestehen, aber Nutzer, die kostenlose Sandbox-Cluster benötigten, wurden auf den Trial hingewiesen — ein Flex-Plan ohne upfront-Kosten ist die neue Einstiegsoption, aber nach Trial-Ende fallen Kosten an.