Semantische Suche

Was ist semantische Suche?

Semantische Suche ist ein Suchverfahren, das die Bedeutung hinter einer Anfrage versteht, statt nur Stichwörter abzugleichen. Fragt ein Kunde „Wie bekomme ich mein Geld zurück?“, sucht die Stichwortsuche nach Dokumenten, die genau diese Wörter enthalten. Die semantische Suche versteht, dass der Kunde eine Rückerstattung meint, und findet die Erstattungsrichtlinie – auch wenn das Wort „Geld“ im Dokument gar nicht vorkommt.

Möglich machen das KI-Embeddings, die Text in numerische Repräsentationen seiner Bedeutung umwandeln. Anfragen und Dokumente mit ähnlicher Bedeutung liegen im Vektorraum nah beieinander, sodass das Suchsystem inhaltlich relevante Ergebnisse findet.

Wie semantische Suche KI im Kundenservice antreibt

Semantische Suche ist die Grundlage von Retrieval-Augmented Generation (RAG) – der Architektur, mit der die meisten KI-Agenten präzise Informationen finden. Stellt ein Kunde eine Frage, läuft Folgendes ab:

1. Die Frage wird in ein Embedding umgewandelt (eine numerische Repräsentation ihrer Bedeutung)
2. Die semantische Suche findet durch den Vergleich der Embedding-Ähnlichkeit die relevantesten Dokumente in der Wissensdatenbank
3. Diese Dokumente erhält die KI als Kontext für ihre Antwort
4. Die KI erstellt auf Basis der abgerufenen Inhalte eine fundierte Antwort

Dieser Prozess dauert nur Millisekunden und ermöglicht Antworten in Echtzeit, die sowohl präzise als auch kontextuell relevant sind.

Semantische Suche vs. Stichwortsuche

• Stichwortsuche: Findet exakte Wortübereinstimmungen. Schnell und präzise bei bekannten Begriffen, übersieht aber inhaltliche Treffer und scheitert, wenn Kunden andere Begriffe verwenden als Ihre Dokumentation.
• Semantische Suche: Findet Bedeutungsübereinstimmungen. Kommt mit Synonymen, Umschreibungen und konzeptionellen Anfragen zurecht. Besser geeignet für Fragen in natürlicher Sprache, erfordert aber eine Embedding-Infrastruktur.
• Hybride Suche: Kombiniert beide Ansätze. Nutzt Stichwortabgleich für präzise Abfragen und semantischen Abgleich für konzeptionelle Anfragen. Diesen Ansatz verwenden die meisten Enterprise-KI-Plattformen.

Technischer Hintergrund: Microsoft Research stellte fest, dass die Kombination von Knowledge-Graph-Abruf mit semantischem RAG die sachliche Genauigkeit um rund 23 % steigerte. Semantische Suche in Verbindung mit strukturiertem Wissen übertrifft die reine Stichwortsuche damit deutlich.

Der Maven-Vorteil: Knowledge Graph + semantische Suche

Maven AGI kombiniert semantische Suche mit der Traversierung eines Knowledge Graph. So erkennt Maven nicht nur, welche Inhalte der Anfrage semantisch ähneln, sondern auch, wie Konzepte strukturell zusammenhängen. Dadurch ruft Maven nicht nur das relevanteste Dokument ab, sondern den gesamten Kontext zugehöriger Richtlinien, Workflows und Produktdetails, der für eine präzise Lösung nötig ist.

Maven in der Praxis: K1x erreichte mit Maven AGI eine Lösungsquote von 80 % bei komplexen Finanzanfragen, bei denen der präzise Abruf der richtigen Richtlinien und Verfahren entscheidend ist – ein Beleg dafür, dass die Qualität der semantischen Suche die Qualität der Lösung direkt bestimmt.

Häufig gestellte Fragen

Funktioniert semantische Suche sprachübergreifend?

Ja. Mehrsprachige Embedding-Modelle können Anfragen in einer Sprache mit Dokumenten in einer anderen abgleichen. Eine Frage auf Französisch lässt sich so mit englischer Dokumentation abgleichen – das ermöglicht mehrsprachigen Support, ohne die gesamte Wissensdatenbank übersetzen zu müssen.

Wie genau ist semantische Suche?

Die Genauigkeit hängt von der Qualität der Embeddings, der Organisation der Inhalte und der Komplexität der Anfrage ab. Bei gut strukturierten Wissensdatenbanken mit klaren, umfassenden Inhalten erreicht die semantische Suche eine hohe Abrufgenauigkeit. Bei mehrdeutigen Anfragen, schlecht organisierten Inhalten oder stark spezialisierter Terminologie, die im Embedding-Modell kaum abgebildet ist, nimmt die Leistung ab.

Ersetzt semantische Suche die Stichwortsuche?

Nicht vollständig. In der Praxis schneiden hybride Ansätze, die semantische und Stichwortsuche kombinieren, am besten ab. Die Stichwortsuche ist ideal, um bestimmte Kennungen wie Bestellnummern oder Produktcodes zu finden, während die semantische Suche Fragen in natürlicher Sprache am besten versteht.