DONAU Versicherung: KI-Antworten auf Basis von ke_search
Für die DONAU Versicherung haben wir eine KI-Antwortfunktion umgesetzt, die derzeit auf Staging läuft. Sie nutzt die Suchergebnisse von ke_search als Grundlage für eine ausformulierte Antwort. Für die Antwortgenerierung ist Gemini angebunden; die Umgebung ist auf die Datenschutzanforderungen des Projekts abgestimmt.
Suchtechnik und Antwortfunktion übernehmen dabei unterschiedliche Aufgaben: ke_search liefert die Treffer, die KI formuliert daraus eine Antwort. Semantische Suche setzt einen Schritt früher an. Sie verändert, welche Inhalte gefunden werden. Eine Antwortfunktion lässt sich also auch auf einer vorhandenen Volltextsuche aufbauen.
Suchanfragen auswerten und Ergebnisse vergleichen
Ein Beispiel: Jemand fragt „Kann ich mein Abo pausieren?“, die passende Hilfeseite heißt „Vertrag ruhend stellen“. Auch eine Synonymregel kann diese Begriffe verbinden. Semantische Suche wird interessant, wenn Menschen viele unterschiedliche Formulierungen verwenden und die Pflege einzelner Regeln aufwendig wird.
Wir werten häufige Suchanfragen, Nulltreffer und Fragen aus dem Support aus. Gemeinsam mit den zuständigen Teams legen wir fest, welche Seiten jeweils helfen sollten. Fehlen die Informationen, ergänzen wir Inhalte. Sind sie vorhanden, prüfen wir Titel, Synonyme und die Reihenfolge der Treffer. Personenbezogene Angaben werden vor der Auswertung entfernt oder gar nicht erst erfasst.
Für den Vergleich mit einer semantischen Ergänzung verwenden wir einen festen Satz von Suchaufgaben. Wir messen, bei wie vielen Fragen eine fachlich passende Seite unter den ersten drei Treffern erscheint. Die vorhandene Suche wird dabei zunächst mit verbesserten Suchregeln geprüft. Erst gegen diese Variante tritt die hybride Suche an. Einen Teil der Fragen halten wir für die abschließende Bewertung zurück, damit die Abstimmung nicht nur auf die bekannten Beispiele passt.
Neben der Trefferqualität erfassen wir Antwortzeiten, Verhalten unter Last und laufende Kosten. Modell, Version, Inhaltsbestand und Betriebsumgebung werden mit den Messwerten dokumentiert. Schreibfehler, verschiedene Sprachen und Fragen ohne passende Antwort im Bestand gehören ebenfalls in den Vergleich.
Volltext und Bedeutung miteinander kombinieren
Ein Embedding-Modell bildet Suchanfragen und Textabschnitte als Zahlenvektoren ab. Inhaltlich ähnliche Formulierungen lassen sich dadurch einander zuordnen, auch ohne dieselben Wörter. Wie zuverlässig das gelingt, prüfen wir mit den Sprachen und Fachbegriffen der jeweiligen Website.
Für Artikelnummern, Produktnamen oder Vertragskennungen bleibt eine präzise Wortsuche wichtig. Eine hybride Suche kombiniert Volltext- und Vektortreffer. Ihre Gewichtung stimmen wir anhand der Suchaufgaben ab. Welche Technik dafür geeignet ist, hängt auch von der vorhandenen Suche und der Betriebsumgebung ab.
- Solr bei vorhandener TYPO3-Anbindung
- Ist EXT:solr bereits im Einsatz, prüfen wir zuerst eine Erweiterung dieser Integration. Apache Solr unterstützt Vektorsuche. Die eingesetzte Version, das Indexschema, die Modellanbindung und die Suchlogik müssen dafür geeignet sein. Eine neue Suchplattform ist damit nicht automatisch nötig.
- Typesense und Meilisearch als Alternativen
- Beide Suchmaschinen bieten hybride Suche und Funktionen zur Einbindung von Embedding-Modellen. Für TYPO3 entwickeln oder konfigurieren wir die passende Anbindung: Inhalte übertragen, Änderungen abgleichen und Zugriffsrechte berücksichtigen. Die Entscheidung fällt nach dem Vergleich von Suchqualität, Integrationsaufwand und Betrieb.
- MariaDB für einen eigenen Vektorindex
- MariaDB bietet einen nativen Vektortyp und Vektorsuche seit 11.7, allgemein verfügbar in 11.8 LTS. Wenn eine passende Datenbankversion vorhanden und die Last überschaubar ist, kommt eine Umsetzung ohne separaten Vektordatenbankdienst infrage. Embedding-Berechnung, Suchlogik und TYPO3-Anbindung bleiben eigene Aufgaben; die Funktion ersetzt keine vollständige Suchmaschine.
TYPO3 bleibt die Quelle für Inhalte und Freigaben
Für eine Umsetzung legen wir zunächst fest, welche veröffentlichten Seiten, Datensätze und Dokumente durchsuchbar sein sollen. Längere Texte teilen wir in sinnvolle Abschnitte. Jeder Abschnitt bleibt mit seiner Quelle, Sprache und Adresse verbunden, damit der Suchtreffer zur passenden Seite führt.
Wir binden den Index an die Veröffentlichung in TYPO3 an: Neue Inhalte werden aufgenommen, Änderungen abgeglichen und zurückgezogene Inhalte entfernt. Fehlgeschlagene Abgleiche werden wiederholt und sichtbar gemacht. Die Zugriffsrechte gelten auch für Treffertexte, Zusammenfassungen und zwischengespeicherte Antworten. Geschützte Inhalte werden vor der Ausgabe und vor der Übergabe an ein Sprachmodell nach den Berechtigungen der suchenden Person gefiltert.
Embedding-Modell und Index in Ihrer Infrastruktur betreiben
Für Versicherungen, Kundenportale oder interne Wissensbestände ist entscheidend, wo Inhalte und Suchanfragen verarbeitet werden. Ein selbst betriebenes Embedding-Modell und ein eigener Index ermöglichen die Suche ohne Übertragung dieser Daten an eine externe Modell-API. Dafür richten wir die Komponenten in Ihrer Infrastruktur oder bei einem von Ihnen gewählten Hostinganbieter ein.
Ein EU-Standort und die Datenweitergabe an einen Modelldienst sind getrennte Entscheidungen. Nutzt eine in der EU gehostete Suche eine externe Embedding-API, erhält deren Anbieter weiterhin die übertragenen Texte. Wir legen deshalb die Datenwege, Zugriffsrechte und Protokollierung für jede Komponente fest. Das gilt auch für ein zusätzliches Sprachmodell, das Antworten formuliert.
Trefferliste oder Antwort mit Quellen?
Semantische Suche lässt sich in die gewohnte Ergebnisansicht integrieren. Besucher wählen anhand von Titel, Textausschnitt und Filtern die passende Quelle aus. Eine zusätzliche Antwortfunktion fasst die gefundenen Inhalte direkt zur gestellten Frage zusammen.
Für eine solche Umsetzung verlinken wir die verwendeten Quellen und richten einen Rückfall auf die Trefferliste ein, wenn keine ausreichend passende Grundlage vorliegt. Wir prüfen diese Entscheidung mit fachlichen Fragen, widersprüchlichen Angaben und Lücken im Inhalt. Ein Quellenlink allein belegt noch nicht, dass die erzeugte Antwort korrekt ist.
Bei Vertragsbedingungen oder anderen verbindlichen Auskünften bleibt die freigegebene Originalquelle maßgeblich. Ob zusätzlich eine Zusammenfassung hilfreich und fachlich vertretbar ist, beurteilen wir mit den zuständigen Teams.
Wir prüfen zuerst mit echten Suchanfragen, welche Inhalte nicht gefunden werden und warum. Daraus ergibt sich die passende Umsetzung: Inhalte und Suchregeln verbessern, die Volltextsuche semantisch ergänzen oder aus den Treffern eine Antwort formulieren. Jede Variante muss sich an denselben Suchaufgaben bewähren.
Such-Check für Ihre TYPO3-Website
Wir werten vorhandene Suchanfragen und Nulltreffer aus, idealerweise aus den letzten 90 Tagen, und prüfen die dazugehörigen Inhalte. Sie erhalten eine priorisierte Empfehlung: Welche Änderungen helfen unmittelbar? Wo lohnt sich ein Vergleich mit semantischer Suche?
Den Datenumfang und den Aufwand stimmen wir vorab mit Ihnen ab. Falls noch keine Suchauswertung vorliegt, beginnen wir mit typischen Fragen aus Support und Redaktion.