Die Ausgangssituation

Komplexe Softwaresysteme, wie beispielsweise die Allplan CAD, beinhalten eine Vielzahl an Funktionen. Sind die genauen Fachbegriffe dem Anwender nicht bekannt, endet seine Suche nach einer spezifischen Funktion ohne Erfolg.

Dies ist darin begründet, dass bei der klassischen Stichwortsuche nach dem Prinzip des exakten Treffers über den Vergleich von Zeichenketten gearbeitet wird. Ein Suchbegriff führt entweder zu einem Treffer oder nicht. Darum bleibt auch eine Suche mit Synonymen oder umgangssprachlichen Formulierungen ergebnislos.

Sucht im konkreten Fall ein Allplan-Nutzer auf der spezialisierten Lernplattform allplanlernen.de zudem mit komplexen Fragestellungen wie „Wie plane ich ein Satteldach?“, liefern herkömmliche Suchverfahren ungenaue Ergebnisse, da sie den fachlichen Kontext nicht erfassen können.

Die Herausforderung: Eine Suche, die die Bedeutung versteht

Das Projekt wurde mit dem ambitionierten Ziel gestartet, eine neue KI-basierte Suche zu entwickeln, die sich wie ein erfahrener Trainer verhält und die Absicht hinter der Nutzeranfrage erkennt, versteht und auch wie ein Trainer beantworten kann.

Unsere Lösung: KI-basierte Suche in drei Stufen mit semantischer Intelligenz

SoftSolutions entwickelte für dieses Projekt eine neue KI-gestützte Sucharchitektur, die in drei Stufen arbeitet und vollumfänglich die Bedeutung der Suchanfrage versteht und auch richtig interpretiert:

1. Semantische Vektoren: Die Tutorial-Videos werden durch Sprachmodelle (sentence-transformers) in Vektoren transformiert, um Ähnlichkeiten (z. B. „Gaube“ und „Dachaufbau“) mathematisch zu erfassen.
2. Hybride Suche: Um technische Fachbegriffe präzise zu erhalten, wird die semantische Suche mit klassischem Keyword-Ranking (BM25) kombiniert und über Reciprocal Rank Fusion zusammengeführt.
3. Cross-Encoder Re-Ranking: Eine finale Bewertungsrunde prüft die Top-Ergebnisse mit höchster NLP-Präzision auf ihre tatsächliche Relevanz zur Nutzeranfrage.

Das Besondere: die KI antwortet mit kompletten Lernempfehlungen

Statt einer einfachen Liste liefert das System durch den AnswerGenerator strukturierte Antworten. Ein Large Language Model (LLM) erstellt basierend auf den Transkripten der Tutorials einen konkreten Lernpfad mit Empfehlungen zur Reihenfolge.

Weitere wichtige Faktoren im Projekt: Sicherheit & Effizienz

• Deterministische Filter: Ein InjectionCheck schützt vor Manipulationen, während ein TopicFilter sicherstellt, dass fachfremde Anfragen (z. B. Weltpolitik) direkt abgelehnt werden, um Ressourcen zu schonen.
• Performance: Durch den Einsatz einer Vektordatenbank (ChromaDB) werden die relevanten Tutorials im Millisekunden Bereich aufgefunden.
• Modularität: Dank litellm kann flexibel zwischen Cloud-APIs und lokalen Modellen gewechselt werden.

Das Projektergebnis

Das System wurde vor dem Rollout mit einer Abdeckungsrate von bis zu 75-95% - je nach der Komplexität der Frage - erfolgreich evaluiert und läuft seither vollständig autonom im Produktivbetrieb. Es zeigt exemplarisch, wie Organisationen ihre komplette Wissensbasis (Dokumentationen, Support, Onboarding) intelligent und ohne Austausch der bestehenden Systemlandschaft zugänglich machen können.

Live testen

Der neue KI-basierte Service kann unter https://allplanlernen.de/suchen frei zugänglich getestet werden. Die finale Integration in die Suche auf allplanlernen.de steht kurz bevor.