Fehlertolerante vs. semantische Suche: was löst was?

Was leistet eine fehlertolerante Suche?

Sie findet das richtige Produkt trotz falscher Schreibweise. Buchstabendreher, fehlende Umlaute, Schreibvarianten und Wortstämme werden abgefangen: „Wasserfliter“ führt zum Wasserfilter, „Fueller“ zum Füller, „Kochtöpfe“ auch zum einzelnen Kochtopf. Technisch passiert das über Ähnlichkeitsvergleiche auf Zeichenebene, die Suche bleibt also nah am eingegebenen Wort.

Das ist bewusst konservativ. Eine gute Fehlertoleranz arbeitet gewichtet: Exakte Treffer stehen vor korrigierten, und die Korrektur greift erst, wenn der wörtliche Weg leer ausgeht. Dadurch bleibt das Verhalten vorhersagbar, was im Alltag unterschätzt wird.

Was macht eine semantische Suche anders?

Sie arbeitet mit Bedeutungsähnlichkeit statt mit Zeichenketten. Eine semantische Suche erkennt, dass „leichter Laufschuh für Asphalt“ nach Eigenschaften verlangt und nicht nach einem Produktnamen, dass „Gepäck“ und „Laderaum“ verwandt sind und dass hinter „Geschenk für Hobbyköche“ eine ganze Sortimentsfrage steckt. Sie kann Filter aus der Eingabe ableiten und Zusammenhänge nutzen, die nirgends wörtlich im Katalog stehen.

Der Preis dafür ist Unschärfe: Wo Fehlertoleranz höchstens danebengreift, kann Semantik großzügig interpretieren und Treffer liefern, die zwar verwandt, aber nicht gemeint sind. Deshalb gehört zu jeder Bedeutungssuche eine Möglichkeit, das Ergebnis zu prüfen und zu korrigieren.

Wo liegen die Grenzen der beiden Ansätze?

Fehlertoleranz löst kein Vokabularproblem. Wer „Doppelstegplatten“ sucht, während der Katalog „Hohlkammerplatten“ führt, tippt korrekt und findet trotzdem nichts; hier helfen Synonyme und Keyword-Erweiterungen, nicht die Rechtschreibkorrektur. Semantische Suche wiederum braucht Kontrolle: Ohne steuerbares Ranking und nachvollziehbare Regeln entscheidet ein Modell allein, was oben steht, und das will im Zweifel niemand seinem Umsatz überlassen.

Beide Ansätze teilen außerdem eine Abhängigkeit: die Datenqualität. Produkte ohne brauchbare Namen und Eigenschaften bleiben für jede Technik schwer auffindbar. Und es gibt Fälle, in denen beide Techniken bewusst stillhalten sollten: Bei exakten Artikelnummern erwartet der Kunde genau ein Ergebnis, keine kreative Interpretation. Eine gute Suche erkennt solche Eingaben und schaltet ihre Toleranz dafür ab.

Wie spielen beide Techniken in der Praxis zusammen?

Als Stufen einer einzigen Anfrage. Eine gut gebaute Suche prüft zuerst den wörtlichen Treffer, greift bei Bedarf auf die Fehlertoleranz zurück und zieht dann Bedeutungsebene und Filtererkennung hinzu. Am Beispiel: Bei „Laufschuh Herren 44 unter 120 €“ gibt es kein Produkt dieses Namens. Die Semantik zerlegt die Eingabe in Kategorie, Zielgruppe, Größe und Preisgrenze; hätte der Kunde „Laufschue“ getippt, hätte vorher die Fehlertoleranz den Begriff gerettet.

Für den Kunden fühlt sich das wie ein einziger Vorgang an, und genau so soll es sein. Sichtbar wird die Arbeitsteilung erst in der Auswertung, wenn erkennbar ist, welche Stufe wie oft eingesprungen ist.

Was ist für meinen Shop sinnvoll?

Fehlertoleranz immer, sie hat praktisch keine Nachteile. Semantik lohnt sich, je mehr Ihre Kunden in Alltagssprache suchen und je beratungsintensiver das Sortiment ist; bei reinen Artikelnummer-Suchen im B2B bringt sie weniger. In der Praxis bewährt sich die Kombination aus beidem plus steuerbaren Regeln, wie sie etwa die Minofinder-Suche verbindet. Wer noch weiter gehen will, ergänzt die Suche um einen KI-Produktberater, der aus der Bedeutungssuche ein echtes Beratungsgespräch macht.