Lange Zeit funktionierten E-Commerce-Suchmaschinen nach einem einfachen Prinzip: die Wörter der Anfrage mit den Wörtern in Produkttiteln und -beschreibungen abgleichen. Dieser Ansatz - „lexikalische" oder „Keyword"-Suche genannt - ist bei exakten Anfragen wirksam, stößt aber angesichts des tatsächlichen Verhaltens von Online-Käufern schnell an seine Grenzen.
Die Vektorsuche, auch semantische Suche genannt, ist ein grundlegender technologischer Wandel darin, wie Suchmaschinen Anfragen verstehen. Sie steht heute im Kern der fortschrittlichsten Suchmaschinen, darunter Google Search und Google Vertex AI Search for Retail.
Was ist Vektorsuche?
Ein Vektor ist in der Mathematik eine geordnete Liste von Zahlen. In der Verarbeitung natürlicher Sprache (NLP) entdeckten Forscher, dass sich die Bedeutung eines Wortes, Satzes oder ganzen Textes als Vektor mit Hunderten oder Tausenden Dimensionen darstellen lässt.
Diese Repräsentationen - Embeddings genannt - entstehen durch Deep-Learning-Modelle, die auf riesigen Textkorpora trainiert wurden. Die grundlegende Eigenschaft von Embeddings: Zwei Texte mit ähnlicher Bedeutung liegen im Vektorraum mathematisch nah beieinander, auch wenn sie kein Wort teilen.
Das klassische Embedding-Beispiel
In einem gut trainierten Vektorraum liegen „Laufschuh" und „Sportschuh" nah beieinander. „Regenjacke" und „wasserdichter Mantel" liegen nah beieinander. „Büro-Outfit" liegt nah bei „Hemd" und „Blazer". Der Abstand zwischen Vektoren spiegelt die semantische Nähe wider.
Im E-Commerce-Kontext wird jedes Produkt Ihres Katalogs als Embedding indexiert. Jede Besucheranfrage wird ebenfalls in Echtzeit in ein Embedding umgewandelt. Die Engine berechnet dann den Abstand zwischen dem Anfragevektor und allen Katalogvektoren und liefert die nächstgelegenen Produkte - die semantisch relevantesten.
Lexikalische Suche vs. Vektorsuche
Um den Beitrag der Vektorsuche zu verstehen, hier ein direkter Vergleich beider Ansätze anhand gängiger E-Commerce-Szenarien:
| Anfrage | Lexikalische Suche (BM25) | Vektorsuche |
|---|---|---|
| „Büro-Outfit Sommer" | Null Ergebnisse, wenn diese 3 Wörter nicht auf Produktseiten vorkommen | ✓ Findet Übergangskleider, leichte Blusen, Blazer ... |
| „Geschenk für Baby" | Nur Produkte mit den Tags „Baby" + „Geschenk" | ✓ Versteht die Absicht, schlägt Neugeborenen-Sets, Motorikspielzeug, Kinderwagen vor ... |
| „bequeme Schuhe lange Spaziergänge" | Sucht „bequem" und „lange Spaziergänge" in den Beschreibungen | ✓ Versteht das Bedürfnis, findet Wanderschuhe, ergonomische Sohlen ... |
| „nkie air max" (Tippfehler) | Null Ergebnisse (exakter Abgleich) | ✓ Korrigiert und versteht die Anfrage |
Die lexikalische Suche glänzt, wenn die Anfrage exakt zu Katalogbegriffen passt (SKU, Marke, Produktname). Die Vektorsuche glänzt bei Anfragen in natürlicher Sprache, vagen Kaufabsichten und Bedarfsbeschreibungen.
Konkrete Vorteile für einen Onlineshop
Drastische Reduktion von Null-Treffer-Anfragen
„Keine Ergebnisse"-Seiten gehören zu den Hauptursachen für Abbrüche in Onlineshops. Die Vektorsuche ermöglicht es, immer relevante Produkte anzuzeigen, selbst bei ungewöhnlichen Anfragen oder Suchen in natürlicher Sprache.
Verständnis natürlicher Sprache
Ihre Besucher denken nicht in Katalog-Keywords. Sie beschreiben ihren Bedarf: „etwas Warmes für den Winter", „besonderes Hochzeitsgeschenk", „Fahrrad für den Weg zur Arbeit". Die Vektorsuche versteht diese Formulierungen und antwortet darauf.
Bessere Katalogabdeckung
Bei der lexikalischen Suche sind Produkte mit schlecht geschriebenen oder dünnen Produktseiten unsichtbar. Die Vektorsuche versteht das Produkt als Ganzes und findet es auch bei unvollkommenen Produktseiten.
Testen Sie die Vektorsuche an Ihrem Katalog
Vectail integriert Google Vertex AI Search for Retail - dieselbe Technologie wie Google Search - in 2 Minuten in Ihren Shop. 14 Tage kostenlos testen, ohne Kreditkarte.
Kostenlos startenHybride Suche: das Beste aus beiden Welten
Reine Vektorsuche hat eine Einschränkung: Sie ist bei exakten Anfragen weniger präzise als die lexikalische Suche. Ein Besucher, der „Nike Air Max 90 weiß Größe 42" eintippt, erwartet einen exakten Treffer - keine semantische Interpretation.
Deshalb kombinieren moderne Suchmaschinen beide Ansätze in der sogenannten hybriden Suche:
- Vektorsuche - für Anfragen in natürlicher Sprache, Absichten, Bedarfsbeschreibungen
- Lexikalische Suche (BM25) - für exakte Referenzen, Marken, Modellnummern
- Ergebnisfusion - die Scores beider Ansätze werden kombiniert (oft über eine Technik namens Reciprocal Rank Fusion), um ein finales Ranking zu erzeugen
Google Vertex AI Search for Retail nutzt diesen hybriden Ansatz nativ. Das ist einer der Gründe, warum seine Ergebnisse über ein breites Spektrum von Anfragen relevant sind - von den präzisesten bis zu den vagesten.
Wie funktioniert die Vektorindexierung?
Wenn Ihr Katalog synchronisiert wird, wird jedes Produkt wie folgt verarbeitet:
- Textextraktion - Titel, Beschreibung, Kategorien, Produktattribute
- Embedding-Erzeugung - das Sprachmodell wandelt diesen Text in einen N-dimensionalen Vektor um
- Speicherung in einem Vektorindex - die Vektoren werden in einer Struktur gespeichert, die eine schnelle Ähnlichkeitssuche ermöglicht (ANN - Approximate Nearest Neighbors)
- Laufende Aktualisierung - jede Katalogänderung aktualisiert die entsprechenden Embeddings
Bei einer Anfrage gilt dieselbe Pipeline für die Anfrage des Besuchers: Der Text wird in ein Embedding umgewandelt, und die ANN-Suche findet in wenigen Millisekunden die N nächstgelegenen Vektoren im Index.
Vektorsuche vs. herkömmliche Lösungen
Mehrere E-Commerce-Suchlösungen bezeichnen sich als „semantisch" oder „KI", ohne zwangsläufig echte Vektor-Embeddings zu verwenden. Die Unterschiede zeigen sich in Grenzfällen: Anfragen in natürlicher Sprache, Bedarfsbeschreibungen oder Anfragen in einer anderen Sprache als der Katalog.
Anzeichen echter Vektorsuche:
- relevante Ergebnisse für Anfragen, die im Katalog nie vorkamen
- Synonymverständnis ohne manuelle Konfiguration
- Fähigkeit, auf Anfragen in natürlicher Sprache zu antworten
- mehrsprachige Relevanz (eine Anfrage in einer Sprache kann Produkte in einer anderen finden, wenn die Kataloge korrekt kodiert sind)
Die Vektorsuche von Google in 2 Minuten in Ihrem Shop
Vectail verbindet Ihren Katalog über ein einfaches Script-Tag mit Google Vertex AI Search for Retail. Keine Entwicklung, keine Infrastruktur zu warten. 14 Tage kostenlos testen.
Kostenlos starten