Ein Embedding‑Modell (auch: Einbettungsmodell) ist ein Verfahren des maschinellen Lernens, das Inhalte wie Wörter, Sätze oder ganze Dokumente in numerische Vektoren („Embeddings“) überführt. Diese Vektoren sind so konstruiert, dass semantisch ähnliche Inhalte im Vektorraum nahe beieinanderliegen und dadurch rechnerisch vergleichbar werden. In der Verwaltungspraxis kann ein Embedding‑Modell z. B. genutzt werden, um ähnliche Bürgeranfragen zu finden, Dokumente zu clustern oder passende Textbausteine vorzuschlagen, ohne dass exakt dieselben Wörter vorkommen müssen. Embedding‑Modelle dienen häufig als Vorstufe für Suche, Klassifikation oder für KI‑Assistenten in Fachverfahren.