Semantische Suche findet Dokumente anhand ihrer inhaltlichen Bedeutung statt anhand gemeinsamer Wörter. Eine Anfrage nach „Kündigungsfrist” trifft damit einen Abschnitt über „Vertragsende” – auch ohne ein einziges gemeinsames Wort.
Möglich wird das, weil Text nicht als Zeichenkette verglichen wird, sondern als Punkt in einem hochdimensionalen Bedeutungsraum.
Zusammenfassung
Klassische Stichwortsuche (Keyword Search, etwa BM25) zählt Wortübereinstimmungen. Semantische Suche vergleicht stattdessen Embeddings – dichte Vektoren, in die ein Modell sowohl die Anfrage als auch jedes durchsuchte Dokument umwandelt.
Liegen zwei Vektoren im Bedeutungsraum nah beieinander, gelten die zugrundeliegenden Texte als ähnlich – unabhängig von der Wortwahl. Diese Eigenschaft macht semantische Suche zur Grundoperation jeder Retrieval-Augmented-Generation-Pipeline.
Konkret ist sie der Mechanismus, der aus einer zuvor in Suchabschnitte zerlegten Dokumentsammlung die für eine Anfrage relevanten Stellen zieht. Wie diese Zerlegung im Einzelnen abläuft, beschreibt der Artikel zum Chunking.
Wie die Suche funktioniert
Die Ähnlichkeit zweier Vektoren wird meist über Kosinus-Ähnlichkeit oder das Skalarprodukt berechnet – beide messen den Winkel zwischen den Vektoren, nicht ihre Länge. Für Sammlungen mit Millionen bis Milliarden Einträgen ist der exakte Vergleich jedes Vektorpaars zu langsam.
An seine Stelle tritt Approximate Nearest Neighbor-Suche (ANN): Verfahren wie HNSW (Hierarchical Navigable Small World, Malkov/Yashunin 2018) oder IVF (Inverted File Index) finden die nächstgelegenen Vektoren, ohne jeden einzelnen zu prüfen – gegen einen kleinen, kontrollierten Genauigkeitsverlust.
Diese Suche läuft gegen eine Vector Database, die Embeddings und ihre ANN-Indizes gemeinsam verwaltet.
Hybrid-Suche
Reine semantische Suche hat eine Schwachstelle: Sie findet Bedeutung, übersieht aber manchmal exakte Begriffe – Produktnummern, Eigennamen, Fachabkürzungen, die kein Embedding-Modell zuverlässig einordnet.
Hybrid-Suche kombiniert deshalb den Vektorvergleich mit klassischer Stichwortsuche (BM25) und gewichtet beide Ergebnislisten gegeneinander. In der Praxis liefert diese Kombination verlässlichere Treffer als jedes der beiden Verfahren allein.
Multimodale semantische Suche
Semantische Suche ist nicht auf Text beschränkt. Modelle wie CLIP (Contrastive Language-Image Pretraining) betten Bilder und Text in denselben Vektorraum ein, sodass eine Textanfrage direkt Bilder finden kann, die zu ihr passen – und umgekehrt. Dieses Prinzip trägt Bild-, Audio- und Video-Suche in RAG-Systeme, die über reinen Text hinausgehen.
Verwandte Begriffe
- CLIP – multimodales Embedding-Modell für Bild und Text
- Token-Embedding – die feinere Embedding-Ebene unterhalb ganzer Chunks
- Large Language Models – der Hauptabnehmer semantischer Suchergebnisse
Quellenangaben
- Malkov, Yury A. / Yashunin, Dmitry A., 2020. Efficient and Robust Approximate Nearest Neighbor Search Using Hierarchical Navigable Small World Graphs. In: IEEE Transactions on Pattern Analysis and Machine Intelligence 42 (4), S. 824–836. DOI: 10.1109/TPAMI.2018.2889473.
- Gao, Yunfan u. a., 2024. Retrieval-Augmented Generation for Large Language Models: A Survey. arXiv: 2312.10997.