Begriff
Hybrid Search
Hybrid Search kombiniert lexikalische Volltext-Suche (z. B. BM25) mit semantischer Vektor-Suche und vereint die Stärken beider Verfahren — präzise auf Keywords und robust auf Bedeutung.
Hybrid Search — ausführlicher erklärt
Reine Vektor-Suche schwächelt bei seltenen Eigennamen, Produktcodes oder Tippfehlern — Begriffe, die im Trainingskorpus kaum vorkamen, haben keine sinnvolle semantische Nachbarschaft. Reine Volltext-Suche scheitert dafür an Synonymen und Umschreibungen. Hybrid Search lässt beide Verfahren parallel laufen und fusioniert die Ergebnislisten — meist per Reciprocal Rank Fusion (RRF) oder über lineare Score-Kombination. Das Endergebnis ist deutlich robuster als jeder Einzel-Retriever.
Beispiel / Praxisbezug
Ein Support-Bot soll sowohl bei „Wie reset ich mein Passwort?” als auch bei „Fehlermeldung E_AUTH_402” gute Treffer liefern. Vektor-Suche dominiert beim ersten Fall (Frage in natürlicher Sprache), BM25 beim zweiten (exakter Code). Hybrid Search liefert für beide Anfragen brauchbare Top-Treffer. Vektor-DBs wie Qdrant, Weaviate, Pinecone und Postgres mit pgvector + tsvector unterstützen Hybrid-Setups direkt.
Abgrenzung zu ähnlichen Begriffen
Hybrid Search ist Retrieval-Strategie, kein eigener Algorithmus — die Bausteine sind klassische BM25- bzw. Vektor-Indizes. Reranking ist der oft nachgeschaltete Schritt: ein Cross-Encoder ordnet die fusionierten Top-N noch einmal genauer um. Multi-Query und Query Expansion erweitern die Anfrage selbst, anstatt zwei Retriever zu kombinieren.
Entdecke mehr
KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen
Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.
GlossarS-RAG
S-RAG (Search-optimized RAG) ist boostN.ais Variante von Retrieval-Augmented Generation, die klassisches RAG um Suchmaschinen-Prinzipien erweitert: Relevanz-Ranking, Decay nach Aktualität und getypte Verlinkung zwischen Chunks für deterministisches Nachladen.
LexikonRAG-Tuning und Balancing — Embeddings, Gewichte, Decay und MCP für Fortgeschrittene
Wie man Retrieval gezielt steuert: Embedding-Wahl, Hybrid-Gewichte, Reranker-Cascade, Time-Decay, Authority-Boost, MMR und MCP als Retrieval-Tool.