Hybride Suche (Hybrid Search)
Zuletzt aktualisiert:
Was hybride Suche ist
Stichwortsuche, meist auf Basis von Volltextindizes und Ranking-Verfahren wie BM25, ist stark bei exakten Treffern: Artikelnummern, Namen, Abkürzungen und wörtliche Formulierungen. Semantische Suche auf Basis von Embeddings ist stark bei Bedeutung: Synonyme, Umschreibungen und ungenau formulierte Fragen. Jede Methode hat blinde Flecken, die die andere abdeckt.
Hybride Suche führt beide Methoden für dieselbe Anfrage aus und kombiniert die Treffer. Das Ergebnis ist eine einzige Liste von Passagen, die sowohl bei exakten Begriffen als auch bei der Absicht gut abschneidet.
So funktioniert es
Die Anfrage geht an zwei Suchverfahren. Die Stichwortsuche sortiert Passagen danach, wie gut ihre Wörter zur Anfrage passen. Die Vektorsuche sortiert sie nach der Ähnlichkeit der Embeddings. Anschließend werden beide Listen zusammengeführt, meist mit einer dieser Methoden:
- Reciprocal Rank Fusion (RRF): Jede Passage erhält einen Wert aus ihrer Position in jeder Liste, sodass Treffer, die in beiden weit oben stehen, nach vorn rücken.
- Gewichtete Kombination: Normalisierte Werte beider Verfahren werden mit festgelegten Gewichten addiert.
- Re-Ranking: Ein separates Modell sortiert die zusammengeführten Kandidaten nach ihrer Relevanz für die Frage neu.
Ein Beispiel
Der Chatbot eines Elektronikhändlers bekommt die Frage: „Funktioniert das XR-220 mit USB-C-Ladegeräten?“ Die Stichwortsuche findet das Produktdatenblatt, weil es „XR-220“ enthält. Die Vektorsuche findet einen allgemeinen Artikel zur Ladegerät-Kompatibilität. Mit hybrider Suche steht das Datenblatt oben, und der Artikel steht als ergänzender Kontext bereit.
Reine semantische Suche hätte womöglich das Datenblatt eines ähnlichen Modells geliefert. Reine Stichwortsuche würde den Artikel übersehen, wenn er die Modellnummer nie erwähnt.
Warum das für Business-Chatbots wichtig ist
Kundenfragen mischen beide Arten von Sprache: Alltagsformulierungen und exakte Bezeichnungen. Findet die Suche die richtige Passage nicht, kann auch ein leistungsfähiges Sprachmodell nicht korrekt antworten und füllt die Lücke womöglich mit einer Vermutung. Hybride Suche verringert solche Fehltreffer und macht quellenbasierte Antworten zuverlässiger.
Rank Fusion ist bei Chatbots beliebt, weil Stichwort- und Ähnlichkeitswerte auf unterschiedlichen Skalen liegen und sich schwer direkt vergleichen lassen. Wer mit Positionen statt Rohwerten rechnet, umgeht das Problem und muss kaum etwas feinjustieren.
So nutzt intoCHAT hybride Suche
intoCHAT nutzt hybride Suche bei jeder Frage. Es führt eine Vektorsuche und eine Volltext-Stichwortsuche über deine Trainingsinhalte aus und verbindet beide Rankings per Rank Fusion. Deine Q&A-Antworten haben Vorrang vor anderen Quellen, und markierte Quellen werden höher gewichtet. Einstellen musst du nichts: Bessere Ergebnisse erreichst du über bessere Inhalte.