---
term: "Semantic Search"
slug: "semantic-search"
glossar_id: "G288"
variants: []
category: "embeddings-suche-und-retrieval-augmented-generation"
marker: ""
short: "Suche nach inhaltlicher Bedeutung statt ausschließlich gleichen Wörtern."
sources:
  - label: "Sentence Transformers: Semantic Search"
    url: "https://sbert.net/examples/applications/semantic-search/README.html"
  - label: "OpenAI: Embeddings"
    url: "https://developers.openai.com/api/docs/guides/embeddings"
status: "entwurf"
updated: "2026-09-21"
---

Semantic Search sucht nach der Bedeutung einer Anfrage statt nach den genauen Wörtern. Die Dokumentation einer verbreiteten Bibliothek beschreibt das Ziel als Verbesserung der Trefferqualität durch das Erfassen der Bedeutung von Anfrage und Sammlung, was besonders bei Synonymen, Abkürzungen und Tippfehlern hilft. [Sentence Transformers: Semantic Search](https://sbert.net/examples/applications/semantic-search/README.html)

## Kurze Frage, langer Text: der häufige Fall

Wichtig für den Aufbau ist eine Unterscheidung. Bei der symmetrischen Variante sind Anfrage und Eintrag von ähnlicher Länge und Art, etwa beim Suchen doppelter Fragen. Bei der asymmetrischen steht eine kurze Frage einem längeren Abschnitt gegenüber, und genau das ist der Normalfall in Wissensdatenbanken.

Die Unterscheidung ist keine Theorie, sondern eine Auswahlentscheidung: Die Modelle für beide Fälle sind unterschiedlich trainiert, und das falsche Modell liefert systematisch schlechtere Treffer.

## So kannst du dir das vorstellen

Die wortbasierte Suche fragt: Wo steht dieses Wort? Die bedeutungsbasierte fragt: Wo geht es um dasselbe? Auf die Frage nach „Kündigungsfrist" findet die eine nur Seiten mit diesem Wort, die andere auch den Abschnitt über „Beendigung des Vertragsverhältnisses". Das Bild erklärt den Unterschied, es garantiert nicht, dass der gefundene Abschnitt die Frage beantwortet.

## Was es in der Praxis bedeutet

Die Stärke ist zugleich die Schwäche. Wo es auf genaue Zeichenfolgen ankommt, also bei Aktenzeichen, Artikelnummern, Namen oder Codefragmenten, ist die wortbasierte Suche überlegen. Bedeutungsähnlichkeit kann dort sogar schaden, weil sie ähnlich aussehende, aber falsche Einträge nach oben holt.

Für einen Einsatz im Unternehmen heißt das: beide Verfahren kombinieren, und die Suche mit echten Nutzerfragen prüfen statt mit ausgedachten. Und es heißt, die Sammlung sauber zu schneiden, denn gefunden wird immer ein Abschnitt, nicht ein Dokument.

## Wo es verwechselt wird

Semantische Suche ist noch kein RAG: Sie liefert Fundstellen, sie erzeugt keine Antwort. Und sie ist nicht dasselbe wie Vector Search, sondern das Ziel, für das die Vektorsuche das übliche Mittel ist.

## Verwandte Begriffe

**Vector Search**, **Lexical Search**, **Hybrid Search**, **Embedding**, **Retrieval-Augmented Generation**, **Chunk**.