Information Retrieval (IR) bezeichnet den Prozess, aus großen Dokumentbeständen diejenigen Informationen zu finden, die zu einer Suchanfrage passen. Anders als eine klassische Datenbankabfrage liefert IR keine exakten Treffer, sondern eine nach Relevanz sortierte Rangliste.
Der IR-Prozess
Ein IR-System arbeitet typischerweise in vier Schritten: Zuerst werden Dokumente erfasst und in einem invertierten Index abgelegt (siehe Volltextsuche). Danach wird die Anfrage des Nutzers in Tokens zerlegt und normalisiert. Anschließend sucht das System die passenden Dokumente und berechnet für jedes einen Relevanz-Score — etwa mit BM25. Zuletzt präsentiert es die Ergebnisse in absteigender Reihenfolge.
Klassisch vs. semantisch
Klassisches IR arbeitet lexikalisch: Es vergleicht die exakten Wörter der Anfrage mit den Wörtern der Dokumente (TF-IDF, BM25). Die semantische Suche geht darüber hinaus und nutzt Embeddings, um auch sinngleiche Formulierungen zu finden — dafür speichert eine Vektordatenbank die Dokumente als Vektoren. Die Hybridsuche kombiniert beide Welten.
Anwendungen
- Web-Suchmaschinen und Enterprise-Suche
- Bibliotheks- und Dokumentenrecherche
- RAG-Systeme: Die Retrieval-Augmented Generation holt mit IR-Techniken relevante Passagen für ein Sprachmodell — inklusive Chunking, Top-k-Auswahl und Reranking
Verwandte Grundlagen: Volltextsuche und BM25.