Wer nach einer Artikelnummer sucht, erwartet einen exakten Treffer. Wer ein Problem mit eigenen Worten beschreibt, braucht dagegen häufig Dokumente, die andere Begriffe verwenden.
Zwei Suchanfragen, zwei Anforderungen
Stellen Sie sich einen fiktiven technischen Betrieb vor. Ein Mitarbeiter sucht nach «ZX-240-B». Eine Kollegin fragt: «Wie verhindere ich, dass der Antrieb nach längerer Pause blockiert?» Beide benötigen möglicherweise dieselbe Anleitung. Die erste Anfrage enthält eine Kennung, die zweite beschreibt einen Zusammenhang.
Eine Volltextsuche nutzt Wörter und andere indexierte Zeichenfolgen. Eine Vektorsuche bildet Inhalte und Fragen als numerische Repräsentationen ab und sucht nach Ähnlichkeit. Bei Fachsprache, Abkürzungen und wechselnden Formulierungen können sich beide Ansätze ergänzen. Keiner von ihnen ist automatisch für jede Anfrage überlegen.
Die Microsoft-Dokumentation zur hybriden Suche beschreibt die gemeinsame Ausführung von Volltext- und Vektorsuche mit einer zusammengeführten Ergebnisliste. Für Ihr Unternehmen ist die relevante Frage, ob diese Kombination die tatsächlich gesuchten Informationen häufiger und schneller liefert.
Exakte Kennungen brauchen eine eigene Behandlung
Eine ähnliche Artikelnummer ist häufig der falsche Treffer. Das gilt ebenso für Vertragsnummern, Produktvarianten und Versionskennungen. Prüfen Sie daher, wie die Suche Bindestriche, Schrägstriche, Grossschreibung und führende Nullen behandelt. Die Standardeinstellung einer Textsuche kann solche Zeichen anders verarbeiten, als Ihr Fachbereich erwartet.
Ein Feld für die unveränderte Kennung kann neben einer normalen Volltextbeschreibung sinnvoll sein. Erkennen Sie eine eindeutige Kennung in der Anfrage, lässt sich zunächst gezielt danach suchen. Erst danach werden ergänzende Dokumente berücksichtigt. Diese Logik sollte als Projektentscheidung sichtbar bleiben.
Achten Sie auch auf ungültige Kennungen. Wenn «ZX-240-C» nicht existiert, darf die Oberfläche «ZX-240-B» als möglichen ähnlichen Treffer zeigen. Sie sollte den Unterschied aber deutlich machen und keinen exakten Fund behaupten. Ein unauffälliger Buchstabenwechsel kann sonst eine falsche Arbeitsanweisung auslösen.
Wie die Ergebnisse zusammenkommen
Volltext- und Vektorsuche erzeugen unterschiedliche Bewertungen. Ihre Zahlenwerte lassen sich nicht ohne Weiteres direkt vergleichen. Ein Verfahren zur Kombination ist Reciprocal Rank Fusion. Dabei beeinflusst die Position eines Dokuments in mehreren Ergebnislisten seine gemeinsame Platzierung.
Auch Elastic beschreibt hybride Suche mit RRF. Das Verfahren hilft, verschiedene Suchwege zusammenzuführen. Es ersetzt keine Prüfung Ihres Dokumentenbestands, Ihrer Filter und der späteren Darstellung.
Für ein KMU reicht es zunächst, den Ablauf nachvollziehen zu können: Welche Suchwege werden verwendet, welche Kandidaten liefern sie und weshalb erscheint eine bestimmte Quelle weit oben? Eine zusätzliche Neusortierung der Treffer kann nützlich sein. Sie verursacht aber eigenen Aufwand und muss ihren Nutzen im Vergleich zeigen.
Das Arbeitsmittel: ein Suchfragenbuch
Sammeln Sie echte Informationsbedürfnisse, bevor Sie die Suchtechnik auswählen. Als eigener Startvorschlag dient ein Suchfragenbuch mit vier Gruppen. Die Anzahl der Fragen richtet sich nach Vielfalt und Risiko; ein kleiner Pilot beweist noch keine Vollständigkeit.
Exakte Suche: Artikelnummer, Projektnummer oder Dokumenttitel.
Sinngleiche Suche: Frage mit anderen Begriffen als in der Quelle.
Gemischte Suche: Produktkennung zusammen mit einer fachlichen Frage.
Kein Treffer: Eine Information, die im freigegebenen Bestand nicht vorhanden ist.
Ergänzen Sie pro Frage die erwarteten Quellen, ihren aktuellen Stand und eine fachliche Begründung. Lassen Sie Fachpersonen auch ähnliche, aber falsche Dokumente benennen. Diese Gegenbeispiele zeigen, ob die Suche relevante Unterschiede erkennt oder nur oberflächliche Ähnlichkeiten belohnt.
Drei Varianten fair prüfen
Vergleichen Sie reine Volltextsuche, reine Vektorsuche und die Kombination auf derselben Datenversion. Nutzen Sie dieselben Zugriffsrechte und dieselbe Anzahl angezeigter Treffer. Sonst vergleichen Sie gleichzeitig Technik, Datenmenge und Berechtigungen und können den Unterschied kaum erklären.
Eine einfache Kennzahl ist der Anteil der Fragen, bei denen mindestens eine fachlich brauchbare Quelle unter den ersten fünf Treffern erscheint. Ergänzen Sie, wie oft eine veraltete oder nur ähnlich klingende Quelle davorsteht. Für exakte Kennungen sollte die korrekte Zuordnung separat ausgewertet werden.
Messen Sie zusätzlich die Zeit bis zum brauchbaren Dokument und die Fälle ohne passende Quelle. Eine hübsche Antwort aus einem nachgeschalteten Sprachmodell darf einen schlechten Suchtreffer nicht verdecken. Prüfen Sie die Suchergebnisse deshalb zunächst ohne automatische Zusammenfassung.
Datenstruktur und Rechte bleiben entscheidend
Aktualität, Dokumentversion und Zugriffsrechte müssen in allen Suchwegen gleich berücksichtigt werden. Veraltete Kopien sollten nicht allein deshalb dominieren, weil sie häufiger vorkommen. Nicht freigegebene Dokumente dürfen weder im Text- noch im Vektorpfad versehentlich sichtbar werden.
Manche Fragen benötigen zudem Beziehungen zwischen Objekten: Welche Anlage verwendet dieses Ersatzteil? Welcher Vertrag gehört zu welchem Standort? Dafür kann eine ergänzende Datenstruktur hilfreich sein. Die Unterschiede behandelt unser Artikel zu Knowledge Graph und Vektordatenbank.
Beauftragen Sie eine hybride Suche mit dem Suchfragenbuch als gemeinsamer Bewertungsgrundlage. Mit einclick als KI-Agentur für Schweizer Unternehmen können Sie prüfen, welche Kombination zu Ihrem Wissen passt und welchen belegbaren Nutzen die zusätzliche Technik gegenüber einer einfacheren Suche bringt.
