Zum Inhalt
KI-BlogBriefing zu künstlicher Intelligenz

Lexikon · S

Semantische Suche

Kurzantwort

Semantische Suche vergleicht die Bedeutung einer Anfrage mit der Bedeutung der gespeicherten Inhalte und findet so auch Treffer, die ganz andere Wörter benutzen⁠1. Technisch werden Anfrage und Texte dafür meist in Embeddings übersetzt und nach ihrer Ähnlichkeit sortiert⁠12.

Autor
Veröffentlicht
Geprüft
Lesezeit
3 Minuten
Zeigefinger auf einem Holzplättchen in einer Gruppe ähnlicher Plättchen auf einem Holztisch, daneben eine runde Lesebrille
Gesucht wird nach dem Sinn, das passende Wort findet sich dann. Bild: KI-generiert

In einem Beispiel aus der Dokumentation von OpenAI lautet die Frage "When did we go to the moon?" und der beste Treffer "The first lunar landing occurred in July of 1969"⁠1. Die beiden Sätze teilen kein einziges Wort. Die Wortübereinstimmung liegt bei 0 Prozent, die Bedeutungsähnlichkeit bei 65 Prozent⁠1. Eine reine Stichwortsuche hätte diesen Satz übersehen, eine semantische Suche setzt ihn nach oben.

Vom Stichwort zur Bedeutung

Klassische Suchfunktionen zählen, welche Wörter der Anfrage in einem Dokument vorkommen und wie oft. Das funktioniert gut, solange Suchende und Verfasser dieselben Begriffe verwenden. Schwierig wird es bei Umschreibungen, Synonymen und kleinen Wörtern, die den Sinn verändern. Eine Stichwortsuche nach "Auto günstig mieten" findet einen Text über "preiswerte Mietwagen" nur, wenn vorher jemand Listen mit Synonymen gepflegt hat. Die semantische Suche erkennt die Verwandtschaft aus den Vektoren selbst, ohne solche Listen.

Google hat das 2019 an einem Beispiel gezeigt. Bei der Anfrage "2019 brazil traveler to usa need a visa" entscheidet das Wörtchen "to" über die Reiserichtung; frühere Systeme lieferten Ergebnisse für Menschen aus den USA, die nach Brasilien reisen⁠3. Mit dem Sprachmodell BERT verstand die Suche nach Googles Angaben damals jede zehnte Anfrage in US-Englisch besser⁠3.

Wie die Technik arbeitet

Grundlage sind Embeddings. Ein Modell übersetzt jeden Text in einen Zahlenvektor, ähnliche Bedeutungen ergeben nahe Vektoren. Bei einer Anfrage wird auch sie übersetzt, und die Suche sortiert die gespeicherten Texte nach ihrem Abstand zur Anfrage.

Der Schritt dahin war eine Frage der Rechenzeit. Wer mit dem ursprünglichen BERT in 10.000 Sätzen das ähnlichste Paar finden wollte, brauchte rund 50 Millionen Rechendurchgänge und etwa 65 Stunden⁠2. Sentence-BERT von Nils Reimers und Iryna Gurevych erzeugte 2019 Satzvektoren, die sich mit der Kosinus-Ähnlichkeit vergleichen lassen, und schaffte dieselbe Aufgabe in etwa fünf Sekunden⁠2.

Damit das bei Millionen Texten schnell bleibt, liegen die Vektoren in einem eigenen Speicher, der Vektordatenbank, die nahe Nachbarn ohne vollständigen Vergleich findet.

Wo Stichworte besser treffen

Semantische Suche erkennt den Sinn und verliert dabei gelegentlich die genaue Bezeichnung. Artikelnummern, Aktenzeichen, Eigennamen und Abkürzungen haben für ein Embedding-Modell wenig Bedeutung, für den Suchenden aber die größte. Viele Systeme kombinieren deshalb beide Verfahren. Die Dateisuche von OpenAI etwa durchsucht hochgeladene Dateien semantisch und nach Stichwörtern⁠4.

Im Alltag begegnet dir semantische Suche in Suchmaschinen, in Shops und in Chatbots, die eigene Dokumente kennen. Bei RAG bestimmt sie, welche Textstellen ein Sprachmodell zu sehen bekommt, und damit, worauf seine Antwort beruht. Für die eigene Recherche mit KI folgt daraus: Eine Frage in ganzen Sätzen gibt dem Embedding mehr Bedeutung zum Vergleichen, Fachbegriffe und Nummern schreibst du trotzdem genau aus.

Häufige Fragen

Ist semantische Suche besser als Stichwortsuche?

Für Umschreibungen und Fragen in Alltagssprache meist ja. Bei Artikelnummern, Namen und Abkürzungen trifft die Stichwortsuche oft genauer. Deshalb kombinieren viele Systeme beides.

Was bedeutet "semantisch"?

Semantisch heißt bedeutungsbezogen. Das Wort geht auf das griechische "sema" für Zeichen zurück; die Semantik ist die Lehre von der Bedeutung sprachlicher Zeichen.

Brauche ich für semantische Suche eine KI?

Du brauchst ein Embedding-Modell, das Texte in Vektoren übersetzt. Solche Modelle gibt es als Cloud-Dienst und zum Betrieb auf dem eigenen Rechner, etwa über Ollama.

Quellen

Stand:

  1. OpenAI: Retrieval, abgerufen am 22.11.2026. zurück
  2. arXiv (Reimers, Gurevych): Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks, Stand 27.08.2019, abgerufen am 22.11.2026. zurück
  3. Google (Pandu Nayak): Understanding searches better than ever before, Stand 25.10.2019, abgerufen am 22.11.2026. zurück
  4. OpenAI: File search, abgerufen am 22.11.2026. zurück

Weiterlesen

Bilder: KI-generiert

Aus dem Lexikon

Bilder: KI-generiert. Grafiken: KI-Blog