Query Understanding
Query Understanding bezeichnet alle Schritte, mit denen eine Suchmaschine herausfindet, was ein Nutzer mit seiner Eingabe eigentlich meint. Aus wenigen getippten Wörtern wird dabei eine strukturierte Vermutung über die Absicht dahinter.
Wenn jemand in ein Suchfeld tippt, schreibt er selten einen vollständigen Satz. Meist sind es zwei oder drei Wörter, oft mit Tippfehlern. Query Understanding ist der Versuch eines Computersystems, aus dieser knappen Eingabe die eigentliche Absicht abzuleiten. Das englische Wort Query bedeutet einfach Suchanfrage, also der Text, den man ins Suchfeld eingibt. Wer „iphone 15 hülle schwarz günstig“ eingibt, will nicht über Farben lesen, sondern ein Produkt kaufen. Das System muss also erkennen, welche Wörter ein Produkt benennen, welche eine Eigenschaft und welche eine Erwartung an den Preis.
Wichtig ist die Abgrenzung zur eigentlichen Suche. Query Understanding passiert davor. Es formt die Anfrage so um, dass die Suche danach überhaupt sinnvoll arbeiten kann. Man kann es als Übersetzungsschritt zwischen Mensch und Datenbank verstehen.
Warum kurze Eingaben so schwer sind
Sprache ist mehrdeutig, und kurze Sprache ist besonders mehrdeutig. Das Wort „Jaguar“ kann ein Tier, ein Auto oder eine Fußballmannschaft meinen. Ein Mensch erkennt die Bedeutung am Kontext, doch bei drei getippten Wörtern gibt es kaum Kontext. Das System muss also raten, und zwar möglichst gut.
Für Unternehmen hängt daran direkt Geld. In Online-Shops führt eine schlecht verstandene Suchanfrage sofort zu einer leeren Ergebnisliste. Studien aus dem Onlinehandel zeigen seit Jahren, dass ein großer Teil der Suchabbrüche genau daran liegt. Wer sucht und nichts findet, kauft in der Regel gar nicht, sondern wechselt zur Konkurrenz.
Ein zweiter Grund ist Effizienz. Große Suchsysteme durchsuchen Milliarden von Dokumenten. Je präziser die Anfrage vorher aufbereitet wird, desto kleiner ist der Teil, der überhaupt geprüft werden muss. Gutes Anfrageverstehen senkt also nicht nur die Fehlerquote, sondern auch die Rechenkosten.
Die Stufen von der Eingabe zur Absicht
Zuerst wird der Text bereinigt. Groß- und Kleinschreibung wird vereinheitlicht, Tippfehler werden korrigiert, aus „turnschue“ wird „Turnschuhe“. Dann wird die Anfrage in einzelne Bestandteile zerlegt und jedes Wort einer Kategorie zugeordnet. Dieser Schritt heißt Entitätserkennung: das System markiert, welches Wort eine Marke ist, welches eine Größe und welches eine Farbe.
Danach folgt die Einordnung der Absicht. Möchte der Nutzer etwas kaufen, etwas nachschlagen oder eine bestimmte Seite direkt aufrufen? Suchmaschinen unterscheiden hier klassisch zwischen informierender, navigierender und kaufender Absicht. Aus dieser Einordnung folgt, welche Art von Ergebnis oben stehen sollte.
Zuletzt wird die Anfrage erweitert. Wer „Handy“ sucht, soll auch Treffer zu „Smartphone“ bekommen. Moderne Systeme erledigen das mit Sprachmodellen, also Programmen, die aus riesigen Textmengen gelernt haben, welche Wörter ähnliche Bedeutungen tragen. Früher nutzte man dafür handgepflegte Wortlisten, was viel Arbeit machte und schnell veraltete.
Vom Shop-Suchfeld bis zum Chatbot
Am deutlichsten sieht man Query Understanding in den Vorschlägen, die schon beim Tippen erscheinen. Auch die Frage „Meinten Sie …?“ nach einem Tippfehler ist ein sichtbares Ergebnis dieser Technik. Große Onlinehändler bauen ganze Teams darum auf, weil ihre Suchfelder täglich Millionen Anfragen verarbeiten.
In Fachnachrichten taucht der Begriff oft im Zusammenhang mit KI-Suche auf. Chatbots, die Fragen mit Hilfe eigener Dokumente beantworten, müssen die Nutzerfrage erst in eine gute Datenbankabfrage verwandeln. Genau dieser Zwischenschritt ist Query Understanding, auch wenn er dort seltener so genannt wird.
Ein häufiger Irrtum ist die Annahme, moderne Sprachmodelle machten diesen Schritt überflüssig. Das Gegenteil ist der Fall. Ein Modell, das eine schlecht gestellte Frage unverändert weitergibt, holt sich die falschen Dokumente und antwortet dann selbstbewusst falsch. Die Qualität der Antwort hängt oft mehr an der Aufbereitung der Frage als am Modell selbst.
