Eine Einbettung übersetzt ein Textstück in eine Liste von Zahlen, die seine Bedeutung abbildet: Ähnliche Texte liegen nah beieinander. Das funktioniert verblüffend gut. Die Frage nach einem knirschenden Geräusch beim Treten findet den Abschnitt über das Tretlagerspiel — in dem weder „knirschen” noch „treten” vorkommt.
Bei Bezeichnern kippt das Verfahren
Dieselbe Eigenschaft wird zum Problem, sobald eine Nummer im Spiel ist.
TW-4471-B und TW-4471-A sind sich als Zeichenkette maximal ähnlich — für die
Bedeutung richtig, für das Ersatzteil falsch. Genauso bei Fehlercode E-12
gegen E-13, Baujahr 2019 gegen 2018, 18 Nm an der falschen Baugruppe.
Ähnlichkeit misst Nähe, nicht Richtigkeit. Die Baureihe prüft dabei niemand mit.
Das trifft nicht die Randfälle, sondern die Mehrheit
Der unangenehme Teil: Reine Vektorsuche glänzt bei allgemeinen Fragen und versagt bei den wichtigen. In einer Hotline enthält der Großteil der Anrufe genau so einen Bezeichner. Die Demo überzeugt, der Betrieb nicht.
Der Ausweg ist billiger als ein Modellwechsel
Hybride Suche stellt Bedeutung und Wortlaut nebeneinander: Ähnlichkeitssuche und Stichwortsuche laufen beide, ihre Trefferlisten werden über die Ränge verschmolzen — nicht über die Punktzahlen, die liegen auf verschiedenen Skalen. Metadatenfilter greifen davor, nicht danach. In technischen Beständen ist das der größte einzelne Qualitätssprung, und der Aufwand fällt einmal an.
Mehr dazu im Seminar
Wie sich das messen lässt — getrennt vom Rest der Antwort —, zeigt das Modul Retrieval: Finden, inklusive Video und Kapitelübersicht.