Begriff
Semantic Search
Semantische Suche findet Inhalte über Bedeutung statt über exakte Wortübereinstimmung — Anfrage und Dokumente werden als Embeddings verglichen, sodass auch Synonyme und Umschreibungen treffen.
Semantic Search — ausführlicher erklärt
Klassische Volltext-Suche matcht Tokens: wer „Auto” sucht, findet Dokumente mit „Auto” — nicht mit „Pkw” oder „Fahrzeug”. Semantische Suche bettet stattdessen Anfrage und Dokumente in denselben Vektorraum ein und vergleicht ihren Abstand. Begriffe, die im Trainingskorpus in ähnlichen Kontexten vorkommen, landen nahe beieinander — also auch Synonyme, Übersetzungen oder Paraphrasen. Das macht die Suche robust gegenüber Formulierungsunterschieden, kostet aber Genauigkeit bei sehr spezifischen Begriffen wie Produktnummern oder Eigennamen.
Beispiel / Praxisbezug
In einer Wissensdatenbank fragt ein Mitarbeiter „Wie storniere ich eine Bestellung?” — gefunden werden Dokumente über „Auftrag rückgängig machen”, „Order Cancellation Policy” und „Refund-Workflow”, obwohl das exakte Wort „stornieren” dort gar nicht steht. Im RAG-Stack ist semantische Suche der Default-Retrieval-Schritt; produktiv wird sie meist mit Volltext zu Hybrid-Search kombiniert.
Abgrenzung zu ähnlichen Begriffen
Semantische Suche ist die Methode, Vektor-Datenbank ist das Speichersystem dahinter, RAG ist die Anwendung, die semantische Suche mit einem LLM kombiniert. Neural Search wird häufig synonym verwendet. Reine BM25-Suche ist das lexikalische Gegenstück: schnell, präzise auf Keywords, aber ohne Verständnis von Bedeutung.
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.