Indexierungsstrategie — Glossar

Definition

Eine Indexierungsstrategie umfasst die Entscheidungen, was Sie indexieren (und was Sie ausschließen), wie Inhalte im Index repräsentiert werden und wie Updates verarbeitet werden. Sie verbindet die Content-Schicht (Dokumente, Seiten, PDFs) mit der Retrieval-Schicht (Suchergebnisse, Empfehlungen, RAG).

Warum es wichtig ist

Suchqualität: gute Index-Entscheidungen erhöhen Recall und reduzieren irrelevante Treffer.
Aktualität und Vertrauen: klare Update-Regeln vermeiden veraltete oder widersprüchliche Ergebnisse.
Kosten und Performance: alles zu indexieren ist teuer; das Richtige zu indexieren ist effizient.
Compliance: Zugriffsrechte und Aufbewahrung müssen oft bereits beim Indexieren durchgesetzt werden.

Wie es funktioniert

Content -> parsen/normalisieren -> Felder -> Index -> Ranking -> Messen -> Iteration

Typische Entscheidungen: Granularität (Seite vs Abschnitt), Felder (Titel/Text/Metadaten), Analyse (Stemming, Synonyme), Berechtigungen und Update-Takt (Batch vs nahezu in Echtzeit).

Praktisches Beispiel

Für eine juristische Wissensdatenbank können Sie Gesetze auf Artikel-Ebene indexieren, Geltungsdaten als Metadaten speichern und ein Feld für amtliche Zitate vorsehen, um präzise zu filtern und zu ranken.

Häufige Fragen

Q: Ganze Dokumente oder kleinere Einheiten indexieren?

A: Kleinere Einheiten (Abschnitte/Artikel) verbessern oft Präzision und Snippets, erfordern aber saubere Metadaten für Kontext.

Q: Wann brauche ich mehr als einen Index?

A: Wenn Inhalte unterschiedliche Update-Zyklen, Zugriffsregeln oder Ranking-Logik haben (z.B. öffentlich vs vertraulich).

Referenzen

Manning, Raghavan & Schütze (2008), Introduction to Information Retrieval.

References