Semantische Suche im Unternehmen

Was dieser Artikel über semantische Suche behandelt

• Was semantische Suche ist und wie sie sich von Schlüsselwortsuche unterscheidet.
• Welche Komponenten man braucht.
• Wie man Dokumente und Wissen indexiert.
• Wie Vektordatenbanken und Embeddings zusammenarbeiten.
• Praktische Einsatzszenarien und typische Stolpersteine.

Einleitung: Semantische Suche im Unternehmen

Klassische Suche findet Wörter. Semantische Suche versteht Bedeutung. Wenn ein Mitarbeiter nach “Urlaubsregelung Elternzeit” sucht, liefert eine semantische Suche auch Dokumente, in denen “Elternzeit” oder “Familienphase” nicht direkt vorkommen, aber thematisch dazu passen. Das macht Wissensdatenbanken, Intranets und Dokumentenarchive deutlich nutzerfreundlicher.

Lokal betriebene semantische Suche schützt sensible Unternehmensdaten. Mit einem Embedding-Modell, einer Vektordatenbank und einer einfachen Suchoberfläche lässt sich ein leistungsfähiges System aufbauen.

Was ist semantische Suche?

Semantische Suche wandelt Suchanfragen und Dokumente in Vektoren um. Ähnliche Bedeutungen liegen im hochdimensionalen Raum nah beieinander. Die Suche findet nicht nur Treffer mit gleichen Wörtern, sondern auch inhaltlich verwandte Inhalte.

Unterschied zur klassischen Suche:

• Schlüsselwortsuche: Findet exakte Wörter, Synonyme müssen manuell ergänzt werden.
• Semantische Suche: Findet Bedeutungsnähe, erkennt Synonyme, Kontext und Fachbegriffe.

Wichtige Begriffe

• Embedding: Vektor, der die Bedeutung eines Textes kodiert.
• Vektordatenbank: Speicher und Suchindex für Embeddings.
• Similarity: Ähnlichkeit zwischen zwei Vektoren.
• Chunking: Aufteilung langer Texte in Abschnitte.
• Reranking: Nachträgliche Sortierung der Treffer.
• Hybride Suche: Kombination aus semantischer und Schlüsselwortsuche.
• Metadaten: Zusatzinformationen wie Titel, Datum, Autor.

Warum semantische Suche im Unternehmen?

• Bessere Trefferqualität: Nutzer finden passende Inhalte schneller.
• Weniger manuelle Pflege: Synonymlisten und Tags werden überflüssiger.
• Mehrsprachigkeit: Suche funktioniert über Sprachen hinweg.
• Natürliche Anfragen: Fragen statt Stichworteingabe.
• Wissensrettung: Alte Dokumente werden wieder auffindbar.

Komponenten einer semantischen Suche

1. Dokumente

• PDF, Word, HTML, Markdown, E-Mails, Wikis.
• Saubere Textextraktion ist entscheidend.

2. Chunking

• Lange Dokumente in Sinnabschnitte teilen.
• Typische Größe: 300 bis 800 Zeichen.
• Überlappung vermeidet Kontextverlust.

3. Embedding-Modell

• Wandelt Text in Vektoren um.
• Für deutsche Inhalte ein mehrsprachiges oder deutsches Modell wählen.
• Beispiele: BGE, nomic-embed-text, multilingual-e5.

4. Vektordatenbank

• Speichert Embeddings und ermöglicht Ähnlichkeitssuche.
• Beispiele: Chroma, Qdrant, pgvector, Weaviate.

5. Suchoberfläche

• Eingabefeld für natürliche Sprache.
• Filter nach Metadaten.
• Treffer mit Quellenangaben und Auszügen.

Aufbau einer semantischen Unternehmenssuche

1. Datenquellen identifizieren: Welche Systeme sollen durchsucht werden?
2. Text extrahieren: Dokumente in reinen Text umwandeln.
3. Chunks erzeugen: Sinnvolle Abschnitte bilden.
4. Embeddings berechnen: Vektoren für alle Chunks erzeugen.
5. Index speichern: Vektoren in Vektordatenbank ablegen.
6. Schnittstelle bauen: API und Frontend für Anfragen.
7. Feedback einholen: Nutzer bewerten Treffer und verbessern das Modell.

Einsatzszenarien

• Intranet-Suche: Mitarbeiter finden Richtlinien, Protokolle und FAQs.
• Dokumentenmanagement: Suche in Archiven nach Inhalt statt Dateinamen.
• Wissensbot: Kombination mit Sprachmodell für Antworten.
• Support: Suche nach ähnlichen Fällen und Lösungen.
• Recherche: Schneller Einstieg in Fachthemen.

Tools für lokale semantische Suche

• Chroma: Einstieg und Prototypen.
• Qdrant: Skalierbare Vektordatenbank.
• pgvector: Für Postgres-Umgebungen.
• Weaviate: Enterprise-Funktionen.
• Sentence-Transformers: Embedding-Modelle.
• Open WebUI: Chat plus Dokumentensuche.
• AnythingLLM: Dokumentenbasierte Chat-Oberfläche.

Hybrid-Suche

Reine semantische Suche hat Grenzen. Fachbegriffe, Produktnamen oder IDs sind mit Schlüsselwortsuche oft präziser. Eine Kombination aus beidem ist daher sinnvoll:

• Semantische Suche liefert thematisch passende Ergebnisse.
• Schlüsselwortsuche findet exakte Begriffe.
• Reranking sortiert die kombinierten Treffer neu.

Typische Stolpersteine

• Schlechte Textextraktion: Tabellen und Layouts verfälschen Inhalte.
• Zu große Chunks: Wichtige Details gehen unter.
• Falsches Embedding-Modell: Deutsche Texte mit englischem Modell vektorisieren.
• Fehlende Metadaten: Filter und Berechtigungen funktionieren nicht.
• Veraltete Inhalte: Index muss regelmäßig aktualisiert werden.
• Kein Feedback: Ohne Bewertungen lernt das System nicht dazu.

Weiterführende Links und Infos

• BotServ.de RAG-Wissensdatenbank
• BotServ.de Interner Wissensbot
• BotServ.de Lokales RAG
• BotServ.de Embedding-Modelle

FAQ: Semantische Suche

Brauche ich große Datenmengen? Nein. Schon 100 bis 500 Dokumente reichen für einen sinnvollen Prototypen.

Wie schnell ist die Suche? Mit einer lokalen Vektordatenbank meist unter einer Sekunde, auch für Tausende Dokumente.

Kann ich semantische Suche mit Schlüsselwortsuche kombinieren? Ja. Hybride Suche ist oft die beste Lösung.

Ist die Suche DSGVO-konform? Bei lokalem Betrieb und korrekter Dokumentation der Verarbeitungszwecke ja.

Welches Embedding-Modell für deutsche Texte? BGE, nomic-embed-text oder e5-multilingual sind gute Kandidaten.

Quellen und weiterführende Literatur

• Sentence-Transformers: https://www.sbert.net/
• Chroma: https://www.trychroma.com/
• Qdrant: https://qdrant.tech/

Zusammenfassung: Semantische Suche im Unternehmen

Semantische Suche macht Unternehmenswissen bedeutungsbasiert auffindbar. Sie ergänzt klassische Schlüsselwortsuche durch Embeddings und Vektordatenbanken. Wichtig sind gute Textextraktion, sinnvolles Chunking, passende Embedding-Modelle, saubere Metadaten und regelmäßige Aktualisierung. Wer hybride Suche und Reranking kombiniert, bekommt ein leistungsfähiges Werkzeug für Intranet, Support und Wissensmanagement.