Semantische Suche liefert Ergebnisse auf Basis von Bedeutung statt wörtlichem Keyword-Match — typischerweise indem die Ähnlichkeit zwischen Vektor-Embeddings von Anfrage und indiziertem Inhalt berechnet wird.
Warum es zählt
Klassische Keyword-Suche (Lucene, Elastic, BM25) brilliert bei exakten Begriffen, scheitert aber, sobald dasselbe Konzept anders formuliert ist. Semantische Suche überbrückt die Lücke: eine Anfrage nach 'how to onboard new employees' findet ein Dokument mit dem Titel 'Employee Orientation Playbook' auch ohne geteilte Stichwörter.
In der Praxis schlägt hybride Suche (semantisch + Keyword) meistens beides allein. Keyword sorgt für Präzision; Embeddings übernehmen Paraphrasen. Tools wie Pith, Glean und moderne Enterprise-Suche fahren hybrid by default.
Wie Pith reinpasst
Piths Suche ist hybrid by default: Vektor-Embeddings der Bookmarks plus Volltext-Index auf Titeln und Zusammenfassungen. Auch das RAG-Retrieval des Wikis nutzt semantische Ähnlichkeit, um das Zitat-Set jeder Seite zu bauen.
Siehe auch
Zuletzt geprüft: 10. Mai 2026 · Lizenziert CC BY 4.0 · frei zitierbar unter Namensnennung von Pith.