Bessere Suche beginnt mit dem Kontext Ihrer Dokumente

„Die Vereinbarung verlängert sich nach zwölf Monaten automatisch.“

Wer den vollständigen Vertrag liest, kann diesen Satz wahrscheinlich sofort einordnen. Eine Suche muss zusätzlich erkennen, um welchen Kunden, welche Vereinbarung und welche Fassung es geht. Diese Angaben stehen möglicherweise mehrere Seiten weiter vorne.

Darin liegt ein typisches Problem beim Erschließen von Unternehmenswissen: Eine hilfreiche Textstelle kann ihren Zusammenhang verlieren, sobald sie aus dem Dokument herausgelöst wird.

Kontext im Suchindex erhalten

In Context is Gold to find the Gold Passage stellen Max Conti und seine Mitautoren ConTEB vor, einen Benchmark für Suche mit Dokumentkontext. Ihr Verfahren InSeNT verbindet entsprechendes Embedding-Training mit Late Chunking: Textstellen erhalten Informationen aus dem umgebenden Dokument, bevor ihre einzelnen Repräsentationen gebildet werden. Das Team berichtet über bessere Suchergebnisse auf ConTEB bei erhaltener Leistung des Basismodells.

Für die Praxis ergibt sich daraus eine konkrete Frage: Wie viel hilfreichen Kontext können wir bereits bei der Aufbereitung von Dokumenten bewahren?

Dieser Schritt beeinflusst, welche Textstellen überhaupt gefunden werden. Ergänzen wir Kontext erst nach der Suche, hilft er dem Sprachmodell bei der Interpretation der bereits ausgewählten Ergebnisse.

Vorhandene Informationen nutzen

Geschäftsdokumente bringen häufig schon hilfreiche Angaben mit:

• Dokumenttitel und Abschnittsüberschrift.
• Zugehöriger Kunde oder Projektname.
• Dokumenttyp, Fassung und Datum.

Eine Textstelle könnte beispielsweise zusammen mit „Northwind — Servicevertrag — 2026 — Verlängerungsbedingungen“ indexiert werden. Eine Frage zur Vertragsverlängerung bei Northwind erhält damit konkrete Anknüpfungspunkte für die Suche.

Diese Angaben lassen sich ergänzen, ohne für jede Textstelle eine Erklärung generieren zu lassen. Entscheidend sind eine zuverlässige Extraktion und eine sinnvolle Auswahl. Unpassende oder häufig wiederholte Metadaten können die Unterscheidung zwischen Textstellen erschweren.

Ein solcher Ansatz eignet sich als Vergleichsbasis für kontextuelle Embeddings. Er unterscheidet sich von InSeNT und muss hinsichtlich Qualität und Kosten eigenständig bewertet werden.

Entscheidend ist der passende Beleg

Für Traize würde ein sinnvoller Vergleich mit echten Unternehmensfragen und den zugehörigen Belegen beginnen. Dabei würden wir gewöhnliche Textabschnitte, Abschnitte mit strukturiertem Kontext und kontextuelle Embeddings gegenüberstellen.

Wir würden Suchqualität, Indexierungskosten und den Aufwand für Dokumentaktualisierungen messen. Ebenso interessant ist, ob bessere Treffer zusätzliche Suchschritte bei der Antworterstellung reduzieren.

Für Kunden zählt das Ergebnis: die passende Vertragsklausel, Entscheidung oder Projektinformation schneller zu finden. Gut aufbereitetes Unternehmenswissen schafft dafür die Grundlage.