Was ist die semantische Suche?

Finden Sie heraus, ob eine vorkonfigurierte oder maßgeschneiderte Implementierung für Ihre Zwecke besser geeignet ist.

Definition: Semantische Suche

Die semantische Suche ist eine Suchmaschinentechnologie, die die Bedeutung von Wörtern und Sätzen auswertet. Die Ergebnisse der semantischen Suche liefern Inhalte zurück, die der Bedeutung einer Abfrage entsprechen, im Gegensatz zu Inhalten, die mit den Suchbegriffen wortwörtlich übereinstimmen.

Die semantische Suche besteht aus einer Reihe von Suchmaschinenfunktionen, etwa um die Wörter und die Absichten der Nutzer sowie deren Suchkontext zu verstehen.

Diese Art von Suche verbessert die Qualität der Suchergebnisse, indem die natürliche Sprache exakt und kontextbezogen interpretiert wird. Dazu verwendet die semantische Suche Technologien wie etwa Machine Learning und künstliche Intelligenz, um semantische Bedeutung zu Nutzerabsichten zuzuordnen.

Wie funktioniert die semantische Suche?

Die semantische Suche basiert auf der Vektorsuche, mit der Inhalte anhand von Kontext- und Absichtsrelevanz abgerufen und geordnet werden können. Die Vektorsuche kodiert Details von durchsuchbaren Informationen in Feldern mit verwandten Begriffen oder Elementen zu Vektoren und vergleicht die Vektoren anschließend, um deren Ähnlichkeit zu ermitteln.

Eine auf Vektorsuche basierende semantische Suche verarbeitet beide Enden der Abfrage-Pipeline gleichzeitig, um Ergebnisse zu liefern: Die Suchmaschine transformiert gestellte Abfragen in Einbettungen, die aus numerischen Darstellungen von Daten und verwandtem Kontext bestehen. Diese Einbettungen werden in Vektoren gespeichert. Der kNN-Algorithmus (k-Nearest-Neighbor) gleicht anschließend Vektoren vorhandener Dokumente (die semantische Suche bezieht sich immer auf Texte) mit den Abfragevektoren ab. Anschließend generiert die semantische Suche Ergebnisse und weist ihnen anhand der begrifflichen Relevanz einen Rang zu.

  1. Die Suchmaschine transformiert gestellte Abfragen in Einbettungen, die aus numerischen Darstellungen von Daten und verwandtem Kontext bestehen. Diese Einbettungen werden in Vektoren gespeichert.
  2. Der kNN-Algorithmus (k-Nearest-Neighbor) gleicht anschließend Vektoren vorhandener Dokumente (die semantische Suche bezieht sich immer auf Texte) mit den Abfragevektoren ab.
  3. Anschließend generiert die semantische Suche Ergebnisse und weist ihnen anhand der begrifflichen Relevanz einen Rang zu.

Kontext
Bei der semantischen Suche umfasst der Kontext alle zusätzlichen Informationen, wie etwa den geografischen Standort des Nutzers, den Kontext in den Wörtern der Abfrage oder den Suchverlauf des Nutzers.

Die semantische Suche nutzt Kontexthinweise, um die Bedeutung von Wörtern in einem Datensatz bestehend aus Millionen von Beispielen zu ermitteln. Die semantische Suche identifiziert außerdem, welche anderen Wörter in einem ähnlichen Kontext verwendet werden können.

Eine Suche nach „football“ würde sich in den USA beispielsweise auf Fußball beziehen, und in Großbritannien und anderen Teilen der Welt auf Football. Die semantische Suche liefert je nach geografischem Standort der Nutzer unterschiedliche Ergebnisse.

Suchabsicht
Die semantische Suche dient dazu, das Erlebnis der Nutzer zu verbessern. Sie wertet die Absichten und Bedürfnisse der Nutzer aus, um möglichst relevante Ergebnisse zu liefern. Suchen sie nach Informationen? Möchten sie etwas kaufen? Anhand der Abfrage und des Kontexts weist die semantische Suche den Ergebnissen je nach Relevanz einen Rang zu.

Die semantische Suche kann auch mit einer Abfragekategorisierung angepasst oder verbessert werden, etwa um Produkte mit möglichst hohen Bewertungen zuerst und schlecht bewertete Produkte am Ende auszugeben.

Personalisierte Sucherlebnisse für Ihre Nutzer

Diagram showing the steps of generative AI including vector representation and transforming into embedding

Gegenüberstellung: semantische Suche und Schlüsselwortsuche

Der Unterschied zwischen der semantischen Suche und der Schlüsselwortsuche besteht darin, dass die Schlüsselwortsuche Wörter mit Wörtern, Synonymen oder ähnlichen Wörtern abgleicht, um Ergebnisse zu finden. Die semantische Suche versucht dagegen, die Bedeutung der Wörter in der Abfrage zu verstehen. Es kann vorkommen, dass die semantische Suche keine Ergebnisse mit exakten Wortübereinstimmungen liefert, sondern passend zur Absicht der Nutzer.

Schlüsselwortsuchmaschinen nutzen Tools zur Erweiterung oder Interpretation von Abfragen, wie etwa Synonyme oder Wortauslassungen. Außerdem verwenden sie natürliche Sprachverarbeitung und Verständnis-Tools wie Fehlertoleranz, Tokenisierung und Normalisierung. Andererseits kann die semantische Suche mithilfe der Vektorsuche Ergebnisse liefern, die der Bedeutung entsprechen.

Stellen Sie sich den Begriff „Schokoladenmilch“ vor. Eine semantische Suchmaschine unterscheidet zwischen „Schokoladenmilch“ und „Milchschokolade“. Beide Abfragen enthalten zwar dieselben Schlüsselwörter, aber deren Reihenfolge verändert die Bedeutung. Menschen verstehen sofort, dass Milchschokolade eine Art von Schokolade ist, und Schokoladenmilch eine Milch mit Schokoladengeschmack.

Warum ist die semantische Suche so wichtig?

Die semantische Suche ist wichtig, weil sie die Suchoberfläche erweitert. Die semantische Suche basiert auf der Vektorsuche und bietet damit ein intuitiveres Sucherlebnis, bei dem der Kontext und die Absicht der Abfrage berücksichtigt werden, um Ergebnisse zu liefern.

Da die Algorithmen der semantischen Suche mit einer Reihe von Leistungskennzahlen (Key Performance Indicators, KPIs) wie etwa Conversion- und Abwanderungsraten immer weiter lernen, kann die semantische Suche die Benutzerzufriedenheit verbessern.

Semantische Suche mit Elasticsearch

Die Elasticsearch-Plattform enthält Machine-Learning- und KI-Lösungen, darunter auch ein semantisches Suchmodell: der Elastic Learned Sparse EncodeR – oder auch ELSER. Das von Elastic trainierte NLP-Modell unterstützt die semantische Suche in Form eines mühelos einsetzbaren Tools.

Elasticsearch speichert Ihre Daten und ermöglicht schnelle Suchvorgänge, feinjustierte Relevanz sowie leistungsstarke und skalierbare Analysen. Elasticsearch ist das Herzstück des Elastic Stack, einer Reihe von freien und offenen Tools für die Ingestion, Anreicherung, Speicherung, Analyse und Visualisierung von Daten.

Weitere Informationen zu Elasticsearch