BM25 (Keyword Retrieval)

DefinitionKlassischer Ranking-Algorithmus für Volltextsuche nach Begriffen.

BM25 (Best Match 25) ist ein klassischer Ranking-Algorithmus für die Volltextsuche, der Dokumente danach sortiert, wie gut sie zu einer Suchanfrage passen. Er bewertet vor allem, wie häufig Suchbegriffe im Dokument vorkommen (Term Frequency), wie selten sie im Gesamtkorpus sind (Inverse Document Frequency) und berücksichtigt die Dokumentlänge.

Was bedeutet BM25 (Keyword Retrieval)?

BM25 gehört zur Familie der probabilistischen Retrieval-Modelle (Okapi BM25) und ist ein Standardverfahren im sogenannten Keyword Retrieval: Es sucht nach exakten Begriffen (Tokens/Wörter) und rankt Treffer nach einer Relevanzformel. Im Gegensatz zu semantischen Verfahren versucht BM25 nicht „Bedeutung“ zu verstehen, sondern misst statistische Signale rund um die Query-Terme.

Wie funktioniert BM25? (vereinfacht in 5 Schritten)

Tokenisierung: Query und Dokumente werden in Wörter/Begriffe zerlegt (oft inkl. Normalisierung wie Kleinschreibung, Stemming, Stopword-Handling).
Term Frequency (TF): Je öfter ein Query-Begriff im Dokument vorkommt, desto höher die Relevanz – aber mit abnehmendem Grenznutzen (Sättigung), damit „Keyword-Stuffing“ weniger bringt.
Inverse Document Frequency (IDF): Seltene Begriffe im Korpus zählen stärker als sehr häufige (z. B. „System“, „Daten“).
Längennormalisierung: Lange Dokumente haben mehr Wörter und würden sonst unfair bevorzugt. BM25 korrigiert das über eine Dokumentlängen-Komponente.
Score & Ranking: Für jeden Query-Begriff wird ein Teilscore berechnet; die Summe ergibt den BM25-Score, nach dem die Trefferliste sortiert wird.

Warum ist BM25 wichtig – gerade im KI-Kontext?

Obwohl BM25 „klassisch“ ist, bleibt es in KI-Workflows extrem relevant, weil es schnell, robust und erklärbar ist. In vielen Unternehmenssuchen liefert BM25 hervorragende Ergebnisse bei präzisen Anfragen wie Produkt-IDs, Fehlercodes, juristischen Paragraphen, API-Funktionsnamen oder exakten Zitaten. Genau hier können rein semantische Verfahren (z. B. Embeddings in einer Vektordatenbank (Vector Database)) schwächeln, wenn die exakte Zeichenfolge entscheidend ist.

BM25 vs. semantische Suche (Embeddings)

BM25: Stark bei exakten Begriffen, seltenen Keywords, Zahlen/IDs, Fachtermini; sehr transparent.
Embeddings: Stark bei Synonymen, Paraphrasen und „Bedeutungsnähe“; weniger zuverlässig bei exakten Codes oder kurzen Queries.
Hybrid: In modernen Setups werden BM25 und Vektor-Scores kombiniert (z. B. Weighted Sum oder Reciprocal Rank Fusion), um Präzision und semantische Abdeckung zu erhöhen.

Beispiel aus RAG und LLM-Anwendungen

In RAG (Retrieval-Augmented Generation)-Systemen für Large Language Model (LLM)-Apps (z. B. mit ChatGPT-ähnlichen Modellen) kann BM25 als erster Retriever dienen: Eine Anfrage wie „HTTP 429 n8n webhook retry“ findet über BM25 sehr zuverlässig Dokumente, die genau diese Begriffe enthalten (z. B. Log-Auszüge oder Runbooks). Danach kann ein Re-Ranker oder ein LLM die besten Passagen auswählen und zusammenfassen – was Halluzinationen reduziert und die Nachvollziehbarkeit erhöht.

Wann solltest du BM25 einsetzen?

Wenn Nutzer exakte Begriffe suchen (Codes, Namen, IDs, Fehlermeldungen).
Wenn du eine performante Basissuche brauchst, die ohne Trainingsdaten auskommt.
Als Baustein in Hybrid Search zusammen mit Embeddings für bessere Recall/Precision-Balance.

Was kostet BM25?

BM25 selbst ist kein „Produkt“, sondern ein Algorithmus, der in vielen Such-Engines standardmäßig enthalten ist (z. B. Elasticsearch/OpenSearch/Lucene). Kosten entstehen typischerweise durch Infrastruktur (Index, Speicher, CPU), Datenaufbereitung (Tokenizer, Synonyme, Stemming) und Integration in KI-Workflows (z. B. Automatisierung (Automation) via n8n oder RAG-Pipelines).

2,1x
schnellere Trefferfindung
In B2B-Wissensdatenbanken liefert BM25 für konkrete Fachbegriffe oft deutlich schneller relevante Ersttreffer als rein semantische Suche ohne Keyword-Gewichtung.
34%
weniger Suchabbrüche
KMU mit strukturierter Volltextsuche auf BM25-Basis senken Suchabbrüche, weil Produktnamen, Normen und Artikelnummern präziser gefunden werden.
68%
Standard in Suchsystemen
BM25 ist in vielen Enterprise-Search- und Open-Source-Plattformen der etablierte Standard für Keyword-Retrieval und damit besonders verbreitet im kostensensitiven Mittelstand.

Support-Tickets nach Fehlercodes und Produktbegriffen schneller auffindbar machen
Ein KMU im Kundenservice kann BM25 nutzen, um eingehende Support-Anfragen, Wissensdatenbank-Artikel und gelöste Tickets nach exakten Begriffen wie Fehlercodes, Modellnamen oder Symptomen zu durchsuchen. So finden Servicemitarbeitende bei wiederkehrenden Problemen schneller passende Lösungen und verkürzen die Bearbeitungszeit im Tagesgeschäft.
Vertriebsdokumente und Angebotsbausteine gezielt per Stichwort durchsuchen
Ein mittelständisches Vertriebs-Team kann BM25 in seinem Dokumentenarchiv einsetzen, damit Mitarbeitende relevante Referenzangebote, Produktblätter oder Preisbausteine über Begriffe wie Branche, Produktname oder Leistungsumfang schnell finden. Das erleichtert die Erstellung individueller Angebote und reduziert Suchaufwand vor Kundenterminen deutlich.
Ersatzteil- und Lagerdaten über Artikelbezeichnungen effizient durchsuchen
In einem produzierenden KMU oder im technischen Handel hilft BM25 dabei, Lagerlisten, Ersatzteilkataloge und Wartungsdokumente nach Artikelnummern, Bauteilnamen oder technischen Begriffen zu durchsuchen. Mitarbeitende finden dadurch schneller passende Teile für Servicefälle oder Nachbestellungen und vermeiden Verzögerungen in Beschaffung und Instandhaltung.

Häufig gestellte Fragen

Wie funktioniert BM25 bei der Suchmaschinen- und Volltextsuche?

BM25 bewertet Dokumente danach, wie gut sie zu einer Suchanfrage passen. Dabei fließen vor allem die Häufigkeit eines Begriffs im Dokument, die Seltenheit des Begriffs im gesamten Datenbestand und die Dokumentlänge in das Ranking ein.

Was ist der Unterschied zwischen BM25 und TF-IDF?

BM25 baut auf ähnlichen Prinzipien wie TF-IDF auf, ist aber in der Praxis meist robuster für modernes Information Retrieval. Der Algorithmus gewichtet Term Frequency und Dokumentlänge differenzierter, wodurch Suchergebnisse oft relevanter sortiert werden.

Ist BM25 für mein Unternehmen überhaupt relevant, wenn ich keine eigene Suchfunktion betreibe?

Ja, denn BM25 ist auch dann wichtig, wenn du interne Wissensdatenbanken, Dokumentensuchen oder KI-Systeme mit Retrieval nutzt. Ich helfe dir dabei, einzuordnen, ob klassische Keyword-Suche, RAG oder eine Kombination für deine Prozesse sinnvoll ist – ohne unnötige technische Komplexität.

Kannst du prüfen, ob BM25 oder eine modernere Suche besser zu unserem Setup passt?

Ja, genau dafür ist mein Tech-Gutachten gedacht. Ich analysiere deine bestehende Tool-Landschaft, Suchprozesse und Datenquellen und gebe dir eine klare Empfehlung, ob BM25, semantische Suche oder ein hybrider Ansatz für dein Unternehmen den größten Nutzen bringt.

Wir haben viele Tools und Datenquellen – lässt sich BM25 trotzdem sauber integrieren?

Ja, aber die Qualität hängt stark von Struktur, Datenpflege und Prozessen ab. In der Tech-Partnerschaft oder bei der Umsetzung mit OrbitOS unterstütze ich dich dabei, Datenquellen zu konsolidieren, Suchlogik sinnvoll aufzubauen und daraus ein nutzbares System statt eines weiteren Tool-Problems zu machen.

Braucht mein Team technisches Spezialwissen, um BM25 oder Retrieval-Systeme zu nutzen?

Nein, nicht zwingend. Ich konzipiere Lösungen so, dass dein Team sie im Alltag versteht und nutzt, und schule bei Bedarf praxisnah – zum Beispiel bei interner Suche, KI-Assistenten oder RAG-Systemen auf Unternehmensdaten.

Unterstützt du auch die Umsetzung, wenn wir eine Such- oder KI-Lösung mit BM25 aufbauen wollen?

Ja, ich begleite nicht nur die Strategie, sondern setze auf Wunsch auch direkt um. Von der Auswahl der passenden Architektur über Tool-Entscheidungen bis zur Implementierung in OrbitOS oder in deine bestehende Systemlandschaft bekommst du eine Lösung, die technisch sauber und im Betrieb wirklich nutzbar ist.