Semantic Search bezeichnet Suchverfahren, die die Bedeutung einer Anfrage und von Dokumenten berücksichtigen, statt ausschließlich exakte Wortübereinstimmungen zu bewerten. Moderne Systeme verwenden dafür häufig gelernte Embeddings, Dense Retrieval und Re-Ranking, oft kombiniert mit klassischer lexikalischer Suche.
Warum reicht Keyword-Suche nicht immer aus?
Eine klassische Volltextsuche ist sehr gut darin, Wörter, Wortstämme und statistische Termsignale zu nutzen. Sie kann jedoch Schwierigkeiten haben, wenn Nutzer und Dokument unterschiedliche Formulierungen verwenden. Die Suche nach „Rechnungsempfänger ändern“ soll möglicherweise auch „Firmenanschrift für Abrechnung aktualisieren“ finden.
Semantic Search versucht, diese inhaltliche Nähe abzubilden. Dafür werden Anfrage und Dokumente häufig in semantische Repräsentationen überführt und anhand ihrer Ähnlichkeit verglichen.
Fachliche Grundlage: Dense Retrieval und Sentence Embeddings
Reimers und Gurevych stellten 2019 Sentence-BERT vor, um semantisch sinnvolle Satz-Embeddings effizient vergleichbar zu machen. Das ist eine wichtige Grundlage für heutige Embedding-basierte Suchsysteme.
Karpukhin et al. zeigten 2020 mit Dense Passage Retrieval (DPR), dass trainierte dichte Retriever bei offenen Question-Answering-Benchmarks starke Ergebnisse erreichen können. Die Arbeit trug dazu bei, Dense Retrieval als Alternative beziehungsweise Ergänzung zu klassischen sparse Retrieval-Verfahren zu etablieren.
Wie funktioniert semantische Suche?
Ein typischer Ablauf besteht aus:
- Dokumente werden in geeignete Einheiten zerlegt.
- Ein Embedding-Modell erzeugt Vektorrepräsentationen.
- Die Nutzeranfrage wird mit demselben oder kompatiblen Modell eingebettet.
- Ein Index sucht nach ähnlichen Vektoren.
- Optional werden Treffer mit einem Re-Ranker neu bewertet.
- Metadaten und Geschäftsregeln filtern unzulässige oder unpassende Ergebnisse.
Semantic Search vs. klassische Volltextsuche
Semantische Suche ist nicht grundsätzlich „besser“. Exakte Begriffe sind in vielen Fällen entscheidend: Artikelnummern, Fehlercodes, Personen, Normen oder Produktnamen lassen sich lexikalisch sehr präzise finden. Dense Retrieval ist dagegen stark, wenn Bedeutung trotz anderer Wortwahl erkannt werden soll.
Deshalb setzen viele Systeme auf Hybrid Search: lexikalische und semantische Signale werden kombiniert. So kann eine Anfrage sowohl einen exakten Code als auch die inhaltliche Beschreibung eines Problems berücksichtigen.
Welche Rolle spielen Embeddings?
Embeddings bestimmen, welche Ähnlichkeiten das System überhaupt erkennen kann. Ein Modell für allgemeine Webtexte muss nicht automatisch Fachsprache, interne Abkürzungen oder mehrsprachige Inhalte gut repräsentieren. Die Auswahl sollte daher anhand realer Suchanfragen evaluiert werden.
Typische Unternehmensanwendungen
- Suche in technischen Dokumentationen,
- Support-Wissensdatenbanken,
- ähnliche Vorgänge oder Tickets finden,
- RAG-Retrieval,
- Produktsuche mit natürlicher Sprache,
- interne Enterprise Search.
Wie bewertet man die Qualität?
Eine Suche sollte nicht anhand einiger Demoanfragen bewertet werden. Sinnvoll ist ein Testset aus realen Fragen mit bekannten relevanten Ergebnissen. Je nach Aufgabe werden Metriken wie Precision, Recall, Mean Reciprocal Rank oder nDCG verwendet. Zusätzlich ist fachliche Nutzerbewertung wichtig.
Ein System kann technisch sehr ähnliche Texte finden und trotzdem im Geschäftsprozess schlechte Ergebnisse liefern, wenn beispielsweise falsche Produktversionen oder veraltete Dokumente bevorzugt werden.
Grenzen und Risiken
- Embeddings können Domänenbegriffe unzureichend abbilden.
- Semantische Nähe ist nicht automatisch faktische Gleichheit.
- Ähnliche, aber veraltete Dokumente können hoch ranken.
- Berechtigungen müssen auch im Retrieval durchgesetzt werden.
- Große Vektorindizes benötigen geeignete Betriebs- und Monitoringkonzepte.
Semantische Suche braucht einen Suchvertrag
Vor der technischen Umsetzung sollte definiert sein, was „relevant“ bedeutet. Bei einer Supportsuche kann der beste Treffer ein Fall mit derselben Fehlerursache sein; bei einer Richtliniensuche dagegen die aktuell gültige Normfassung. Diese fachliche Definition bestimmt Testdaten, Filter und Rankinglogik.
Darum ist Semantic Search kein Plug-and-play-Feature. Ein guter Suchvertrag beschreibt typische Nutzerfragen, erwartete Treffer, Ausschlusskriterien und Qualitätsmetriken. Erst damit lässt sich entscheiden, ob Dense Retrieval, Keyword-Suche oder eine hybride Kombination den tatsächlichen Nutzen verbessert.
Fazit
Semantic Search erweitert Suche um Bedeutungsähnlichkeit. Besonders stark ist sie dort, wo Nutzer und Dokumente unterschiedliche Formulierungen verwenden. In professionellen Systemen wird sie jedoch selten isoliert betrachtet: Embeddings, klassische Suche, Filter, Re-Ranking und Evaluation müssen gemeinsam zum Datenbestand und zur Suchintention passen.
Passende Leistungen von Wils Solutions
Häufige Fragen
Was ist der Unterschied zwischen Semantic Search und Keyword-Suche?
Keyword-Suche bewertet primär lexikalische Übereinstimmungen. Semantic Search versucht, inhaltliche Bedeutung und Ähnlichkeit zu berücksichtigen.
Braucht Semantic Search Embeddings?
Moderne Dense-Retrieval-Systeme nutzen häufig Embeddings, aber semantische Suchkonzepte können auch andere Verfahren einbeziehen.
Was ist Hybrid Search?
Hybrid Search kombiniert typischerweise lexikalische Suchsignale mit semantischer Vektorsuche.