Skip to main content
KI & Machine Learning

Semantische Ähnlichkeit

Ein Maß dafür, wie ähnlich zwei Texte in ihrer Bedeutung sind, unabhängig von den verwendeten Wörtern.

Auch bekannt als: Bedeutungsähnlichkeit, Konzeptuelle Ähnlichkeit, Textähnlichkeit

Definition

Semantische Ähnlichkeit misst, wie nahe zwei Texte in ihrer Bedeutung sind, nicht nur in ihrer Wortüberschneidung. Anders als Keyword-Matching erfasst sie, dass “Auto” und “PKW” ähnlich sind, oder dass “Steuerabzugsregeln” mit “fiskalischen Befreiungsrichtlinien” zusammenhängt. Dies wird typischerweise durch Vergleich von Vektor-Embeddings von Text mittels Distanzmetriken berechnet.

Warum es wichtig ist

Semantische Ähnlichkeit ermöglicht bedeutungsbasiertes Verständnis in KI-Systemen:

  • Über Keywords hinaus — findet relevante Inhalte auch mit unterschiedlicher Terminologie
  • Suchqualität — treibt semantische Suche und RAG-Retrieval an
  • Deduplizierung — identifiziert semantisch ähnliche Dokumente oder Issues
  • Content-Matching — ermöglicht Empfehlungssysteme und Q&A-Paare
  • Mehrsprachig — kann Bedeutung über Sprachen hinweg matchen mit richtigen Modellen

Es ist das Fundament, wie moderne KI-Systeme Text verstehen und vergleichen.

Wie es funktioniert

┌────────────────────────────────────────────────────────────┐
│          SEMANTISCHE ÄHNLICHKEITSBERECHNUNG                │
├────────────────────────────────────────────────────────────┤
│                                                            │
│  TEXT A: "Das Automobil benötigt Kraftstoff"               │
│  TEXT B: "Das Auto braucht Benzin"                         │
│                                                            │
│           │                           │                    │
│           ▼                           ▼                    │
│  ┌─────────────────┐        ┌─────────────────┐            │
│  │ EMBEDDING-MODELL│        │ EMBEDDING-MODELL│            │
│  │  (BERT, etc.)   │        │  (Selbes Modell)│            │
│  └────────┬────────┘        └────────┬────────┘            │
│           │                          │                     │
│           ▼                          ▼                     │
│     Vektor A                    Vektor B                   │
│   [0.23, 0.87, ...]          [0.21, 0.89, ...]             │
│           │                          │                     │
│           └──────────┬───────────────┘                     │
│                      ▼                                     │
│         ┌─────────────────────────┐                        │
│         │   ÄHNLICHKEITSMETRIK    │                        │
│         │   • Kosinus-Ähnlichkeit │                        │
│         │   • Euklidische Distanz │                        │
│         │   • Skalarprodukt       │                        │
│         └───────────┬─────────────┘                        │
│                     ▼                                      │
│             Ähnlichkeitsscore                              │
│                  0.94                                      │
│           (Hoch = Sehr Ähnlich)                            │
└────────────────────────────────────────────────────────────┘

Wichtige Komponenten:

  1. Textkodierung — beide Texte mit demselben Modell in Embeddings konvertieren
  2. Vektorvergleich — Ähnlichkeitsmetrik auf das Embedding-Paar anwenden
  3. Score-Interpretation — höhere Scores (typisch 0-1) zeigen größere Ähnlichkeit an

Häufige Fragen

F: Was ist der Unterschied zwischen semantischer und lexikalischer Ähnlichkeit?

A: Lexikalische Ähnlichkeit vergleicht exakte Wörter (String-Matching). Semantische Ähnlichkeit vergleicht Bedeutung. “Groß” und “umfangreich” haben niedrige lexikalische aber hohe semantische Ähnlichkeit. “Bank” (Fluss) und “Bank” (Finanzen) haben identische lexikalische Form aber unterschiedliche semantische Bedeutungen.

F: Welcher Ähnlichkeitsscore zeigt eine gute Übereinstimmung?

A: Es variiert nach Modell und Domäne. Allgemein: > 0.8 = sehr ähnlich, 0.6-0.8 = verwandt, < 0.5 = verschiedene Themen. Kalibrieren Sie Schwellenwerte immer mit echten Beispielen aus Ihren Daten.

F: Kann semantische Ähnlichkeit sprachübergreifend funktionieren?

A: Ja, mit mehrsprachigen Embedding-Modellen. Modelle wie multilingual-e5 und LaBSE kodieren verschiedene Sprachen in denselben Vektorraum, was sprachübergreifende Ähnlichkeitsberechnung ermöglicht.

F: Wie unterscheidet sich das von semantischer Suche?

A: Semantische Ähnlichkeit ist die zugrundeliegende Vergleichstechnik. Semantische Suche wendet sie im großen Maßstab an—vergleicht eine Anfrage mit vielen Dokumenten, um die ähnlichsten zu finden.

Verwandte Begriffe

Referenzen

Reimers & Gurevych (2019), “Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks”, EMNLP. [5.000+ Zitationen]

Cer et al. (2018), “Universal Sentence Encoder”, arXiv. [3.000+ Zitationen]

Mikolov et al. (2013), “Distributed Representations of Words and Phrases and their Compositionality”, NeurIPS. [30.000+ Zitationen]

Wang et al. (2022), “Text Embeddings by Weakly-Supervised Contrastive Pre-training”, arXiv. [500+ Zitationen]

References

Reimers & Gurevych (2019), “Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks”, EMNLP. [5,000+ citations]

Cer et al. (2018), “Universal Sentence Encoder”, arXiv. [3,000+ citations]

Mikolov et al. (2013), “Distributed Representations of Words and Phrases and their Compositionality”, NeurIPS. [30,000+ citations]

Wang et al. (2022), “Text Embeddings by Weakly-Supervised Contrastive Pre-training”, arXiv. [500+ citations]