Passage Retrieval

Wenn eine KI-Suche eine Frage beantwortet, liest das Sprachmodell nicht die zwanzig gefundenen Webseiten von vorn bis hinten. Ein vorgeschaltetes Suchsystem holt aus diesen Seiten die wenigen Absätze, die zur Frage passen. Dieses Heraussuchen einzelner Abschnitte heißt Passage Retrieval.

Der Begriff klingt nach Spezialwissen, erklärt aber eine Beobachtung, die viele Marketingverantwortliche machen: Zitiert wird oft nicht die Seite, die zum Thema am besten rankt, sondern ein Ratgeber, der eine Detailfrage in einem einzigen Absatz präzise beantwortet.

Drei Begriffe, ein Ablauf

Passage Retrieval wird oft mit zwei Nachbarbegriffen verwechselt. Sie beschreiben verschiedene Schritte und stammen aus verschiedenen Welten:

Der Unterschied ist für die Praxis wichtig. Beim Passage Ranking bleibt die Seite das Ergebnis, die Passage ist nur ein Argument dafür. Beim Passage Retrieval ist die Passage selbst der Baustein, aus dem die Antwort entsteht und auf den sich das Zitat bezieht. Wie Googles Ranking-System funktioniert, erklärt der Glossar-Eintrag zu Passage Ranking auf linkship.de, auf den unten verwiesen wird.

Woher das Verfahren kommt

Die Frage-Antwort-Forschung sucht seit Jahrzehnten nach Wegen, in großen Textsammlungen die eine Stelle zu finden, die eine Frage beantwortet. Der Durchbruch für heutige Systeme kam 2020 aus dem Labor von Facebook AI: Das Verfahren „Dense Passage Retrieval“ übersetzt Fragen und Passagen in Zahlenvektoren (Embeddings) und findet so auch Abschnitte, die andere Wörter benutzen als die Frage. Im Test lag es bei der Trefferquote unter den ersten 20 Passagen 9 bis 19 Prozentpunkte vor der klassischen Stichwortsuche.

Wenige Wochen später setzte das Paper zur Retrieval Augmented Generation genau darauf auf. Im selben Jahr, am 15. Oktober 2020, kündigte Google im Blog zur Veranstaltung Search On an, die Relevanz einzelner Passagen zu verstehen, um die „needle-in-a-haystack information“ zu finden, und rechnete mit besseren Ergebnissen für 7 % der Suchanfragen.

Was sich in der KI-Suche ändert

Ob Google im KI-Modus, OpenAI in der ChatGPT-Suche oder Perplexity: Alle zitieren Aussagen, die aus einzelnen Stellen von Webseiten stammen. Wie genau sie Passagen auswählen, dokumentiert keiner der Anbieter. Sicher ist nur, dass die Auswahl auf Abschnittsebene stattfindet, weil ein Sprachmodell nicht beliebig viele komplette Seiten verarbeiten kann.

Beispiel: der Absatz im Hallenboden-Ratgeber

Ein erfundener Fall: Ein Betrieb für Industrieböden hat einen langen Ratgeber „Hallenboden sanieren“. Unter der Zwischenüberschrift „Ab wann darf der Stapler wieder fahren?“ steht ein Absatz mit der Antwort für die eigene Beschichtung. Fragt ein Lagerleiter eine KI genau das, passt die Seite als Ganzes nur mäßig, ihr Thema ist breiter. Der eine Absatz passt dagegen sehr gut. Beim Passage Retrieval zählt dieser Absatz, und er kann zur zitierten Quelle werden.

Woran ein Abschnitt erkennbar gut abschneidet, lässt sich aus dem Verfahren ableiten, nicht aus einer offiziellen Checkliste:

• Die Zwischenüberschrift benennt die Frage oder das Thema des Absatzes.
• Die Antwort steht am Anfang und ist ohne den Rest der Seite verständlich.
• Konkrete Angaben: Produktname, Zahl, Einheit, Bedingung.
• Text statt Bild: Was nur in einer Grafik oder einem PDF-Scan steht, kann nicht als Passage gefunden werden.

Prüfen statt raten

Welche Passage einer Seite herangezogen wurde, lässt sich nur indirekt ermitteln. Vergleichen Sie die Aussage in der KI-Antwort mit dem Text der zitierten Seite: Meist lässt sich der Absatz finden, aus dem sie stammt. Wer das für eine Reihe fester Fragen regelmäßig festhält, erkennt Muster, etwa dass immer derselbe FAQ-Abschnitt eines Wettbewerbers gewinnt.

Danach folgt die zweite Sortierstufe: Welche der gefundenen Passagen tatsächlich in die Antwort gelangen, entscheidet häufig ein Reranking. Wie Google die Quellenauswahl im KI-Modus angeht und was sich davon beobachten lässt, beschreibt der Beitrag Google AI Mode und AI Overviews: So wird Ihre Website zitiert. Den strategischen Rahmen liefert GEO-Optimierung.