Hybride Suche: Warum eine KI-Suche auch Artikelnummern finden muss

Eine hybride Suche verbindet die Bedeutungssuche einer KI mit der klassischen Stichwortsuche. Sie findet damit sowohl umschriebene Fragen („Wie viele freie Tage stehen mir zu?“) als auch exakte Begriffe wie Artikelnummern, Normen oder Eigennamen. Für KI-Suchen und Chatbots mit Firmenwissen ist sie deshalb meist die bessere Wahl als eine reine Vektorsuche.

Viele KI-Suchen beeindrucken in der Vorführung und enttäuschen im Alltag: Sie verstehen umgangssprachliche Fragen, finden aber das Datenblatt zu „HX-2040“ nicht. Der Grund liegt in der Art, wie sie suchen.

Zwei Arten zu suchen

Die Bedeutungssuche wandelt Texte mit einem Embedding-Modell in Zahlenreihen um, die ihre Bedeutung abbilden (mehr dazu im Beitrag Embeddings einfach erklärt). Eine Artikelnummer hat aber keine „Bedeutung“, die sich gut abbilden ließe – deshalb rutscht sie bei reiner Vektorsuche oft durch.

Wie hybride Suche funktioniert

1. Die Frage wird zweimal gesucht: einmal nach Bedeutung, einmal nach Stichworten.
2. Beide Suchen liefern eine Rangliste.
3. Die Listen werden zusammengeführt – häufig mit Reciprocal Rank Fusion (RRF), die nach Rangplätzen statt nach Rohwerten kombiniert.
4. Optional bewertet ein weiteres Modell die besten Treffer neu (Reranking).
5. Die besten Abschnitte gehen an das Sprachmodell, das daraus die Antwort formuliert.

Die Vektordatenbank Qdrant unterstützt das direkt: Mehrere Vorabsuchen mit dichten und dünnen Vektoren werden mit Verfahren wie RRF oder DBSF zusammengeführt (laut Qdrant-Dokumentation, Stand: Oktober 2026). Auch Open WebUI bietet für seine Wissenssammlungen eine hybride Suche an.

Wo hybride Suche den Unterschied macht

• Technischer Kundendienst: Fragen zu Gerätetypen und Fehlercodes
• Großhandel und Produktion: Artikelnummern, Materialbezeichnungen
• Bau und Handwerk: Normen, Positionen aus Leistungsverzeichnissen
• Kanzleien und Verwaltung: Aktenzeichen, Paragrafen, Namen
• Pflege und Soziales: Abkürzungen aus Dokumentationssystemen

Was Sie bei einer KI-Suche prüfen sollten

Stellen Sie bei einer Vorführung nicht nur schöne Fragen, sondern auch Fragen mit Artikelnummern, Abkürzungen und Namen aus Ihrem Alltag. Prüfen Sie, ob die Antwort die Quelle nennt – das ist der beste Schutz gegen erfundene Antworten, wie der Beitrag KI-Antworten mit Quellenangabe erklärt.

Unsere KI-Dokumentensuche nutzt hybride Suche auf Basis von Qdrant, damit Fragen in Alltagssprache und exakte Begriffe gleichermaßen gefunden werden.

Die Beratung und begleitete Einführung ist förderfähig: Über INQA-Coaching übernimmt der Bund 80 % der Beratungskosten von bis zu 1.200 € pro Tag für bis zu 12 Tage, also bis zu 11.520 € Zuschuss. In Mecklenburg-Vorpommern und den anderen neuen Bundesländern kommt bis zum 31.12.2026 auch die BAFA-Beratungsförderung mit 80 % in Frage (in den alten Bundesländern 50 %). Gefördert wird die Beratung, nicht die Software. Welches Programm passt, zeigt der Förder-Check.

Häufig gestellte Fragen

Was ist eine hybride Suche?

Eine Suche, die Bedeutungssuche (Vektoren) und Stichwortsuche kombiniert und die Ergebnisse zusammenführt. So werden sowohl umschriebene Fragen als auch exakte Begriffe gefunden.

Warum findet meine KI-Suche keine Artikelnummern?

Weil reine Vektorsuche nach Bedeutung sucht. Zeichenfolgen wie Artikelnummern haben kaum Bedeutung, die ein Embedding-Modell abbilden kann. Eine zusätzliche Stichwortsuche löst das.

Was ist Reciprocal Rank Fusion?

Ein Verfahren, das mehrere Ergebnislisten anhand der Rangplätze zusammenführt. Es funktioniert auch, wenn die Suchverfahren ganz unterschiedliche Bewertungsskalen nutzen.

Ist hybride Suche teurer?

Der Mehraufwand ist gering: ein zusätzlicher Index und eine zweite Abfrage. Gemessen an besseren Treffern lohnt er sich fast immer.

Sie möchten testen, wie gut eine KI-Suche Ihre Dokumente findet? Schreiben Sie uns über die Kontaktseite.