Begriff
Reranking
Reranking ordnet eine bereits gefundene Trefferliste mit einem genaueren Modell neu — typisch ein Cross-Encoder, der Anfrage und jeden Kandidaten gemeinsam bewertet, statt nur Vektor-Abstände zu vergleichen.
Reranking — ausführlicher erklärt
Embedding-basierte Suche ist schnell, aber grob: jeder Vektor wird unabhängig erzeugt, das Modell weiß bei der Indexierung nicht, welche Frage später kommt. Cross-Encoder dagegen sehen Anfrage und Kandidat zusammen und können feiner urteilen, welcher Treffer die Frage tatsächlich beantwortet — sind dafür aber zu langsam, um über Millionen Dokumente zu laufen. Die Standardlösung: erst per Vektor- oder Hybrid-Suche grob 50–100 Kandidaten holen, dann mit einem Reranker auf die Top 5–10 reduzieren.
Beispiel / Praxisbezug
Ein RAG-Chatbot holt 50 Chunks aus der Vektor-Datenbank und schickt sie an ein Reranker-Modell wie Cohere Rerank, BGE-Reranker (Open-Source) oder Voyage rerank-2. Das Modell scort jedes (Frage, Chunk)-Paar neu; die Top 5 gehen dann ans LLM. Antwortqualität und Reduktion irrelevanter Kontext-Tokens steigen messbar — auf Kosten zusätzlicher Latenz (typisch +100–300 ms) und API-Gebühren.
Abgrenzung zu ähnlichen Begriffen
Reranking ist nicht Retrieval, sondern eine zweite Stufe danach (Two-Stage Retrieval). Hybrid Search arbeitet dagegen vor dem Reranking auf gleicher Stufe — kombiniert zwei Retriever, sortiert aber nicht inhaltlich um. Reciprocal Rank Fusion ist eine spezielle Fusions-Methode innerhalb von Hybrid Search und kein vollwertiger Reranker.
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.