Retrieval

Semantische Suche

Definition

Semantische Suche findet Inhalte nach ihrer Bedeutung statt nach exakten Stichwörtern. Eine Frage nach „Kündigungsfrist“ findet so auch ein Dokument, das nur von „Vertragsende“ spricht.

Die klassische Volltextsuche scheitert, sobald Nutzer andere Wörter verwenden als die Dokumente. Semantische Suche überbrückt diese Lücke: Über Embeddings vergleicht sie die Bedeutung von Frage und Inhalten, nicht nur die Buchstaben. Das erhöht die Trefferquote spürbar, gerade bei Wissensdatenbanken, Handbüchern und Support-Archiven.

In der Praxis ist semantische Suche selten ein Selbstzweck, sondern der Zubringer für RAG: Sie liefert dem Sprachmodell die passenden Auszüge, aus denen es dann eine formulierte, belegte Antwort erzeugt. Häufig kombiniert man semantische und klassische Suche zu einer hybriden Variante, um sowohl sinnverwandte als auch exakte Treffer (Zahlen, Namen, Codes) zuverlässig zu finden.

In der Praxis

Eine Personalabteilung findet ihre eigenen Regelungen nicht

In einem Unternehmen mit rund 1.200 Mitarbeitenden beantwortet die Personalabteilung immer wieder dieselben dreißig Fragen: Elternzeit, Gleitzeitkonto, Dienstwagenregelung, Zuschüsse. Die Antworten stehen allesamt im Intranet - nur findet sie niemand. Wer „Homeoffice“ sucht, bekommt nichts, weil die maßgebliche Betriebsvereinbarung von „mobilem Arbeiten“ spricht. Am Ende steht ein Ticket an die Personalabteilung, das dort mehrere Minuten kostet und die Wartezeit für alle anderen verlängert.

Eingeführt wird zunächst nur eine semantische Suche über Betriebsvereinbarungen, Richtlinien und bestehende Handreichungen - bewusst ohne formulierte KI-Antwort. Wer eine ganze Frage eintippt, bekommt die passenden Dokumentabschnitte mit Überschrift und Fundstelle angezeigt. Der Grund für diese Zurückhaltung ist inhaltlich: Personalauskünfte haben Verbindlichkeitscharakter, und der Nutzen liegt hier ohnehin im Finden, nicht im Formulieren.

Die Wirkung ist messbar, weil vorher gemessen wurde: Zahl der Tickets zu den bekannten Standardfragen, Anteil der Suchen ohne Treffer. Zwei Dinge halten das System nützlich. Erstens muss jemand ungültige Fassungen aktiv aus dem Index nehmen, sonst findet die Suche zuverlässig die Regelung von vorgestern. Zweitens braucht die Suchmaske einen Hinweis, dass ganze Fragen besser funktionieren als zwei Stichwörter - ohne ihn tippen Nutzer weiter wie bisher und merken den Unterschied nie.

Abgrenzung

Nicht zu verwechseln mit

Volltextsuche: Die Volltextsuche vergleicht Zeichenketten und findet ein Dokument nur, wenn das gesuchte Wort darin vorkommt. Semantische Suche vergleicht Bedeutungen und überbrückt damit den Abstand zwischen der Sprache der Fragenden und der Sprache der Dokumente. Bei exakten Kennungen - Rechnungsnummer, Personalnummer, Produktcode - bleibt die Volltextsuche überlegen.
RAG: Semantische Suche liefert Fundstellen, RAG formuliert daraus eine Antwort. Daraus folgt ein praktisch wichtiger Unterschied: Eine Suche kann nicht halluzinieren, sie zeigt nur, was tatsächlich vorhanden ist. Deshalb ist sie in sensiblen Bereichen häufig die risikoärmere erste Ausbaustufe - und zugleich die Vorarbeit, auf der ein späteres RAG-System aufsetzt.
Vektor-Retrieval: Semantische Suche benennt das Ziel, Vektor-Retrieval das heute übliche Verfahren dahinter. Der Unterschied wird relevant, wenn Anbieter „semantische Suche“ auf Produkte schreiben, die im Kern mit gepflegten Synonymlisten arbeiten - was funktionieren kann, aber einen laufenden Pflegeaufwand erzeugt, den Embeddings gerade vermeiden.

Fehlerbilder

Worauf es ankommt

Die exakte Suche abschaffen
Wird die alte Suche durch die semantische ersetzt statt ergänzt, verlieren Nutzer eine Fähigkeit, die sie täglich gebraucht haben: die Eingabe einer Nummer, die genau einen Treffer liefern soll. Das Gesamtsystem wird dann trotz besserer Bedeutungstreffer als Verschlechterung wahrgenommen - und diese Wahrnehmung ist schwer zurückzuholen.
Alte Fassungen im Index lassen
Semantische Suche ist besonders gut darin, inhaltlich passende Dokumente zu finden - auch die abgelaufene Fassung von vor vier Jahren, die formal identisch aussieht. Ohne Gültigkeitsangabe je Dokument und ohne einen Verantwortlichen, der ausgelaufene Unterlagen entfernt, produziert ein technisch einwandfreies System falsche Auskünfte.
Das Suchverhalten der Nutzer nicht mitdenken
Semantische Suche entfaltet ihren Vorteil bei ganzen Fragen, nicht bei zwei Stichwörtern. Wer die Oberfläche unverändert lässt, bekommt weiterhin Stichworteingaben und damit kaum bessere Ergebnisse als vorher. Ein Platzhaltertext mit Beispielfrage und zwei, drei Beispielsuchen auf der Startseite ändern das Verhalten mehr als jede Parameteroptimierung.
Ohne Ausgangswert starten
Wenn niemand vorher festgehalten hat, wie viele Suchen ohne Treffer endeten oder wie viele Rückfragen die Fachabteilung erreichten, lässt sich nach der Einführung nicht belegen, dass sich etwas verbessert hat. Diese Zahlen sind meist in den vorhandenen Protokollen und Ticketsystemen schon enthalten und kosten einen Nachmittag Auswertung.

Häufige Fragen

Was zu Semantische Suche oft gefragt wird

Was ist der Unterschied zwischen semantischer Suche und einem KI-Chatbot?

Eine semantische Suche zeigt Ihnen Dokumente und Textstellen, die zu Ihrer Frage passen - Sie lesen selbst. Ein Chatbot formuliert aus solchen Stellen eine Antwort in eigenen Worten. Die Suche kann nichts erfinden, sondern höchstens nichts finden; der Chatbot ist bequemer, kann aber falsch zusammenfassen. In vielen Unternehmen ist die Suche die sinnvollere erste Stufe und der Chatbot die zweite.

Lohnt sich semantische Suche auch ohne Chatbot?

Häufig ja. Wenn Mitarbeitende Informationen nicht finden, ist das Problem das Finden und nicht das Formulieren - und genau dort setzt die Suche an, ohne die Risiken einer generierten Antwort mitzubringen. Sie ist zudem die Vorarbeit für alles Weitere: Ein späteres RAG-System nutzt denselben Index, dieselben Metadaten und dieselbe Pflegeorganisation.

Funktioniert semantische Suche auch mit deutschen Dokumenten?

Ja, aber die Modellwahl ist nicht gleichgültig. Deutsche Komposita wie „Kündigungsfristberechnung“ und die Mischung aus deutschen Hausunterlagen und englischer Herstellerdokumentation trennen brauchbare von unbrauchbaren Modellen. Prüfen Sie das mit zwanzig echten Fragen aus Ihrem eigenen Bestand, statt sich auf allgemeine, meist englischsprachige Leistungsvergleiche zu verlassen.

Ab welcher Dokumentmenge lohnt sich semantische Suche?

Die Menge ist selten der entscheidende Faktor. Entscheidend ist, wie oft dieselben Fragen gestellt werden und was es kostet, wenn jemand die Antwort nicht findet - eine zehnminütige Rückfrage, eine falsche Auskunft an einen Kunden, ein doppelt bearbeiteter Vorgang. Ein paar hundert gut gepflegte Dokumente mit hoher Nachfrage rechtfertigen den Aufwand eher als zehntausend, die niemand braucht.

Verwandte Begriffe