Semantische Suche
Zuletzt aktualisiert:
Was semantische Suche ist
Klassische Stichwortsuche liefert Dokumente, die die eingegebenen Wörter enthalten. Semantische Suche versucht, Dokumente zu liefern, die das Gemeinte beantworten, auch wenn sie andere Wörter verwenden. Eine Suche nach „günstige Flüge nach Rom“ kann so eine Seite über „preiswerte Tickets in die italienische Hauptstadt“ finden.
Die Idee ist älter als heutige Sprachmodelle. Erst Embeddings haben sie aber für alltägliche Anwendungen wie Website-Suche, Empfehlungen und KI-Chatbots praktikabel gemacht.
So funktioniert es
Die meisten Systeme für semantische Suche arbeiten in denselben Schritten:
- Inhalte werden in Passagen geteilt, und jede Passage wird von einem Modell in ein Embedding umgewandelt.
- Die Anfrage wird mit demselben Modell in ein Embedding umgewandelt.
- Das System misst den Abstand zwischen dem Anfragevektor und den gespeicherten Vektoren, oft mit der Kosinus-Ähnlichkeit.
- Die nächstgelegenen Passagen werden zurückgegeben, sortiert nach Ähnlichkeit.
Ein Beispiel
Das Hilfecenter eines Softwareanbieters hat einen Artikel mit dem Titel „Zugangsdaten zurücksetzen“. Ein Kunde schreibt: „Ich habe mein Passwort vergessen und komme nicht rein.“ Eine Stichwortsuche findet den Artikel womöglich kaum, weil sich die Wörter kaum überschneiden. Semantische Suche erkennt, dass beide Texte dasselbe Problem beschreiben, und zeigt den Artikel zuerst.
Umgekehrt gibt es auch Fehlgriffe. Bei einer Suche nach dem Fehlercode „E-4012“ zählen exakte Zeichen, nicht Bedeutung, und semantische Suche liefert womöglich Artikel zu anderen Codes, die für das Modell ähnlich aussehen. Weil Ähnlichkeit eine Frage des Grades ist, liefert semantische Suche außerdem immer ihre besten Kandidaten, auch wenn nichts wirklich passt. Gute Systeme prüfen die Treffer deshalb, bevor sie sie verwenden.
Warum das für Business-Chatbots wichtig ist
Besucher verwenden selten dieselben Begriffe wie deine Dokumentation. Sie schreiben kurz und umgangssprachlich, vertippen sich oder beschreiben ein Symptom, statt eine Funktion zu nennen. Semantische Suche hilft dem Chatbot, trotzdem die richtige Passage zu finden. Das ist die Grundlage für Antworten, die auf deinen eigenen Inhalten beruhen statt auf dem Allgemeinwissen des Modells.
Ihre Schwachstelle sind exakte Begriffe: Artikelnummern, Teilenummern, Namen und Abkürzungen. Chatbots im Produktiveinsatz kombinieren semantische Suche deshalb meist mit Stichwortsuche. Das nennt man hybride Suche.
So nutzt intoCHAT semantische Suche
intoCHAT erzeugt für jeden Abschnitt deiner Trainingsinhalte ein Embedding und führt bei jeder Besucherfrage eine semantische Suche aus. Die Ergebnisse werden mit einer Stichwortsuche kombiniert, damit der Agent Passagen sowohl über die Bedeutung als auch über exakte Begriffe findet. Deine Q&A-Paare haben Vorrang, und markierte Quellen werden höher gewichtet, ohne dass du neu trainieren musst.