---
term: "Reranking"
slug: "reranking"
glossar_id: "G305"
variants: ["Reranker"]
category: "embeddings-suche-und-retrieval-augmented-generation"
marker: ""
short: "Erneute Bewertung und Sortierung bereits gefundener Kandidaten."
sources:
  - label: "Sentence Transformers: Cross-Encoders"
    url: "https://sbert.net/examples/cross_encoder/applications/README.html"
  - label: "Anthropic: Introducing Contextual Retrieval"
    url: "https://www.anthropic.com/engineering/contextual-retrieval"
status: "entwurf"
updated: "2026-09-21"
---

Reranking ist der zweite Blick auf eine Trefferliste. Eine schnelle Suche liefert viele Kandidaten, danach bewertet ein genaueres Modell jedes Paar aus Frage und Abschnitt einzeln und sortiert neu. Die gängige Empfehlung lautet, zuerst breit zu suchen und die besten hundert Treffer anschließend nachbewerten zu lassen. [Sentence Transformers: Cross-Encoders](https://sbert.net/examples/cross_encoder/applications/README.html)

## Zwei Stufen, weil Genauigkeit teuer ist

Die erste Stufe vergleicht vorab berechnete Vektoren und ist deshalb schnell genug für Millionen Einträge. Sie sieht Frage und Abschnitt aber nie zusammen. Die zweite Stufe liest beides gemeinsam und erkennt dadurch, ob ein Abschnitt die Frage wirklich beantwortet, statt nur vom selben Thema zu handeln.

Diese Genauigkeit kostet Rechenzeit je Paar, weshalb sie nur auf einer kurzen Liste läuft. In einem dokumentierten Aufbau war die Kombination aus verbesserter Suche und Nachbewertung die Variante mit der niedrigsten Fehlerquote unter den ersten zwanzig Treffern. [Anthropic: Contextual Retrieval](https://www.anthropic.com/engineering/contextual-retrieval)

## So kannst du dir das vorstellen

Die Vorauswahl ist der Blick auf die Titel im Regal, das Reranking das Aufschlagen der zwanzig Bücher, die infrage kommen. Das Aufschlagen dauert, deshalb tut man es nicht für das ganze Regal. Das Bild erklärt die Stufung, nicht die Bewertungsmethode.

## Was es in der Praxis bedeutet

Reranking ist oft die wirksamste einzelne Verbesserung an einem RAG-System, weil es die Menge im Prompt senkt und gleichzeitig die Qualität hebt: Statt zwanzig mittelmäßigen Abschnitten gehen vier gute hinein.

Zu bedenken sind zwei Dinge. Es verlängert jede Anfrage, weil eine zusätzliche Modellrunde dazukommt, und es kann nur sortieren, was die erste Stufe gefunden hat. Wenn die richtige Stelle nicht in der Vorauswahl ist, holt sie kein Reranker mehr herein.

## Wo es verwechselt wird

Reranking ist keine Zusammenführung mehrerer Listen: Es bewertet inhaltlich neu, statt Ränge zu verrechnen. Und es ist nicht dasselbe wie Filtern, weil nichts entfernt, sondern umsortiert wird.

## Verwandte Begriffe

**Cross-Encoder**, **Bi-Encoder**, **Retrieval Top-k**, **Hybrid Search**, **Reciprocal Rank Fusion**, **Retrieval Noise**.