Unternehmenssuche scheitert selten daran, dass überhaupt keine Treffer vorhanden sind. Häufig erscheinen zu viele falsche Ergebnisse, Dokumente sind veraltet, Produktnamen weichen von der Kundensprache ab oder Nutzer kennen den exakten Begriff nicht. Semantische Suche kann solche Formulierungsgrenzen überwinden, indem sie Inhalte und Anfragen als Embeddings abbildet und nach inhaltlicher Ähnlichkeit sucht.
Ein Vektor allein macht jedoch noch keine verlässliche Suche. Artikelnummern, Namen, Preise, Datum, Mandant, Rolle und Freigabestatus bleiben exakte Signale. Deshalb kombiniert eine produktive Unternehmenssuche semantische Kandidaten mit Keywords, Filtern, Re-Ranking und einem messbaren Qualitätsprozess.
Was Embeddings leisten
Ein Embedding-Modell übersetzt unterstützte Inhalte in Zahlenvektoren. Ähnliche Bedeutungen liegen im Vektorraum typischerweise näher beieinander. Dadurch kann die Anfrage „leichte Jacke für starken Regen“ eine wasserdichte Outdoor-Jacke finden, obwohl die Produktbeschreibung nicht denselben Satz enthält. Bei Dokumenten kann „Regel für verlorene Geräte“ eine Richtlinie zu Mobile Device Management oder Geräteverlust finden.
Embeddings sind keine Datenbank mit sicherem Faktenverständnis. Sie verdichten Muster des Modells und können unerwartete Nachbarschaften erzeugen. Modell, Sprache, Inhaltstyp und Segmentierung beeinflussen das Ergebnis. Jede wichtige Domäne braucht deshalb eigene Testanfragen.
Keyword-, Vektor- und hybride Suche
| Verfahren | Stärken | Typische Schwächen |
|---|---|---|
| Keyword-Suche | exakte Begriffe, IDs, Namen, Fachsprache, transparente Gewichtung | verpasst Synonyme und freie Problembeschreibungen |
| Vektorsuche | Bedeutung, natürliche Sprache, ähnliche Inhalte, mehrsprachige Beziehungen je nach Modell | kann exakte Signale verwässern und semantisch plausible, aber falsche Treffer liefern |
| Hybrid Search | verbindet exakte und semantische Kandidaten mit Filtern und Ranking | benötigt Evaluation und abgestimmte Gewichtung |
Hybrid Search ist deshalb häufig die beste Ausgangsbasis. Sie ist aber kein fixer Schieberegler für alle Anfragen. Eine Produktnummer sollte exakte Treffer bevorzugen; eine natürliche Problembeschreibung kann stärker semantisch gewichtet werden. Query-Regeln und Re-Ranking dürfen diese Unterschiede abbilden.
Datenaufbereitung entscheidet über die Treffer
Schlechte Quelldaten werden durch ein Embedding nicht automatisch gut. Dokumente brauchen stabile IDs, Quelle, Zeitstempel, Sprache, Typ und Berechtigungen. Produkte benötigen Titel, Beschreibung, Kategorie, Attribute, Anbieter, Preis und Verfügbarkeit. Bilder brauchen Nutzungsrechte, Sichtbarkeit und gegebenenfalls eine Beschreibung oder ein multimodales Embedding.
Bei langen Dokumenten wird der Inhalt in Abschnitte zerlegt. Zu große Abschnitte vermischen mehrere Themen; zu kleine verlieren Kontext. Überschriften, Kapitel, Tabellen und Listen sollten bei der Segmentierung berücksichtigt werden. Jeder Abschnitt verweist weiterhin auf Dokument, Version und erlaubte Nutzer.
- leere, doppelte und offensichtlich veraltete Inhalte vor dem Index erkennen;
- Chunk-Grenzen nach Dokumentstruktur statt nur nach Zeichenzahl setzen;
- stabile Quell- und Abschnitts-IDs für Updates und Löschungen verwenden;
- Embedding-Modell und Aufbereitungslogik versionieren;
- alle Filterfelder in einem dokumentierten Indexvertrag führen.
Zugriffsrechte werden vor der Ausgabe angewendet
In einer Unternehmenssuche darf ein Treffer nicht erst in der Oberfläche versteckt werden. Schon die Kandidatensuche muss Tenant, Rolle, Nutzer, Besitzer oder Freigabestatus berücksichtigen. Sonst können Titel, Textausschnitte, Facetten oder Trefferzahlen Informationen über geschützte Dokumente verraten.
Negative Tests sind genauso wichtig wie relevante Treffer: Ein Nutzer aus Mandant A darf keinen Kandidaten aus Mandant B erhalten. Ein abgelaufenes Dokument muss aus Suche und Vorschlägen verschwinden. Eine Rolle ohne Personalzugriff darf weder Treffer noch abgeleitete Zusammenfassungen aus Personalakten sehen.
Semantische Bildsuche
Mit multimodalen Modellen lassen sich Bilder und Texte in einem kompatiblen Vektorraum abbilden. Nutzer können dann nach „Person mit roter Jacke vor einem Berg“ suchen, ohne dass diese Wörter manuell als Tags gepflegt wurden. Für Shops kann eine Beschreibung ähnliche Produkte finden; für Medienarchive können Motive, Situationen oder visuelle Ähnlichkeit relevant sein.
Auch hier bleiben Metadaten unverzichtbar. Urheberrecht, Lizenz, Kunde, Kampagne, Aufnahmedatum, Freigabe und Sichtbarkeit lassen sich nicht allein aus visueller Ähnlichkeit ableiten. Der Vektor findet Kandidaten; Filter bestimmen, welche davon der Nutzer sehen darf.
Weaviate als mögliche Suchkomponente
Weaviate kann Vektorsuche, Hybrid Search und Metadatenfilter in einem System verbinden. TEX8 kann Inhalte über eine kontrollierte In-house-Embedding-Pipeline aufbereiten, versionieren und in Weaviate indexieren. Das bedeutet nicht, dass jede Installation gleich aussieht. Datenmenge, Mandantentrennung, Backup, Latenz, Hardware, Modellbetrieb und Wiederherstellung bestimmen die konkrete Architektur.
Der Suchindex bleibt eine abgeleitete Projektion. Die fachliche Quelle – etwa Katalog, CMS, Dokumentensystem oder Objekt-Speicher – behält die Datenwahrheit. Dadurch kann der Index kontrolliert neu aufgebaut werden, ohne Geschäftsdaten aus Suchtreffern rekonstruieren zu müssen.
Indexfrische und Re-Indexierung
Eine aktuelle Datenquelle garantiert keinen aktuellen Suchindex. Änderungen, Löschungen und Berechtigungswechsel müssen als wiederholbare Ereignisse verarbeitet werden. Ein HTTP-200 des Suchdienstes beweist nur Erreichbarkeit, nicht dass jede Änderung ausgeliefert wurde.
- jedes Ereignis besitzt eine stabile ID und kann idempotent wiederholt werden;
- Queue-Länge, ältestes Ereignis und Fehlerversuche werden überwacht;
- der letzte bestätigte Indexstand wird pro Quelle sichtbar;
- ein vollständiger Rebuild lässt sich ohne öffentliche Datenlücke planen;
- Löschungen werden genauso geprüft wie neue Inhalte.
Evaluation mit echten Suchaufgaben
Eine Demo mit drei ausgesuchten Fragen beweist keine Qualität. Ein belastbares Testset enthält häufige Anfragen, Fachbegriffe, Umgangssprache, Tippfehler, Synonyme, mehrdeutige Fragen, IDs, verbotene Inhalte und Fälle ohne sinnvollen Treffer. Fachverantwortliche markieren erwartete Ergebnisse oder bewerten die Top-Treffer.
| Messgröße | Frage | Nutzen |
|---|---|---|
| Precision in den Top-Treffern | Wie viele der ersten Ergebnisse sind wirklich relevant? | verhindert semantisch plausible Ablenkung |
| Recall | Werden die wichtigen bekannten Inhalte gefunden? | zeigt Lücken in Daten, Chunking oder Modell |
| No-result-Qualität | Sagt das System ehrlich, wenn kein guter Treffer existiert? | verhindert zufällige Antworten und Frust |
| Berechtigungsfehler | Erscheint je ein verbotener Treffer oder Ausschnitt? | prüft die zentrale Sicherheitsgrenze |
| Frische und Latenz | Wie schnell sind Änderung und Suche verfügbar? | macht Betrieb messbar |
Semantische Suche und RAG trennen
Bei Retrieval-Augmented Generation sucht ein System zunächst relevante Quellen und gibt sie einem Sprachmodell für eine Antwort. Eine überzeugende Antwort kann trotzdem auf schlechten Treffern beruhen. Deshalb werden Retrieval und Generierung separat bewertet. Zuerst muss die Suche erlaubte, aktuelle und passende Quellen liefern; erst danach wird geprüft, ob die Antwort diese Quellen korrekt verwendet.
Ein KI-Agent darf zudem nur Aktionen sehen, die seine Nutzerrolle ausführen darf. Suche nach Wissen und Berechtigung zu einer Änderung sind zwei getrennte Verträge.
Ein kontrollierter Einführungsplan
- Ziel definieren: Nutzer, Quellen, Rechte und drei bis fünf messbare Suchaufgaben festlegen.
- Datenprobe prüfen: Qualität, Metadaten, Duplikate und Löschpfad an echten Inhalten untersuchen.
- Baseline messen: Keyword-Suche gegen Vektor- und Hybridvarianten vergleichen.
- Pilot integrieren: eine Nutzergruppe und eine Oberfläche kontrolliert anbinden.
- Betrieb schließen: Queue, Indexfrische, Feedback, Kosten, Latenz und Rebuild überwachen.
- Ausbauen: weitere Quellen oder multimodale Suche nur nach gemessenem Nutzen ergänzen.
Nächster Schritt
Auf der Seite zur semantischen Suche für Unternehmen beschreibt TEX8 Architektur, Rechte, Evaluation und Integration. Typische Verbraucher sind ein AI Marketplace, eine mobile App, eine Desktop-Anwendung oder ein KI-Agent mit freigegebenem Wissen.