Die Suche, die Bedeutung versteht

Worum es geht

Die Suche, die Bedeutung versteht – so funktioniert sie

Diese Website hat eine Suche, die keinen Suchserver braucht: Fragen Sie in Alltagssprache, warum „die Kiste lahmt“ – die Suche versteht das Gemeinte, nicht nur die Buchstaben. Ihre Frage verlässt dabei nie Ihren Rechner, und sämtliche Bausteine kommen von byteland.de selbst, nicht von fremden Servern. Wie das geht – Bedeutungs-Fingerabdrücke, ein 384-dimensionaler Zahlenraum und ein Sprachmodell in WebAssembly – erklärt dieser Artikel bis auf die letzte Schraube.

Vom Wort zur Bedeutung

Embeddings: Jeder Text bekommt einen Fingerabdruck

Klassische Volltextsuchen vergleichen Buchstaben: Wer „WLAN“ tippt, findet Seiten, auf denen „WLAN“ steht – und verpasst die Seite, die nur von „Funknetz“ spricht. Eine semantische Suche geht einen Schritt weiter: Sie übersetzt Text in Bedeutung – und Bedeutung in Zahlen.

Das Werkzeug dafür heißt Embedding: Ein Sprachmodell liest einen Textabschnitt und presst dessen Sinn in einen Vektor aus 384 Zahlen. Man kann sich das wie Koordinaten auf einer riesigen Landkarte vorstellen – nur dass diese Karte nicht zwei Dimensionen hat, sondern 384. Texte mit ähnlicher Bedeutung landen nah beieinander: „die Kiste lahmt“, „der Rechner wird immer langsamer“ und „PC braucht ewig zum Starten“ liegen auf dieser Karte in derselben Gegend, obwohl sie kein einziges Wort teilen.

// So sieht ein Bedeutungs-Fingerabdruck aus (gekürzt) –
// 384 Zahlen, auf Länge 1 normiert:
"die Kiste lahmt"  →  [0.0312, -0.0871, 0.0044, …, -0.0409]

Eine Feinheit des hier eingesetzten Modells: Suchanfragen und Dokument-Abschnitte werden mit unterschiedlichen Präfixen eingebettet (query: bzw. passage:) – das Modell wurde darauf trainiert, eine Frage der passenden Antwort-Passage zuzuordnen, nicht nur ähnliche Formulierungen einander. Eine Frage findet also auch Abschnitte, die selbst gar keine Frage enthalten – sondern die Antwort.

Der Index

Die ganze Website als Zahlenteppich – berechnet beim Bauen

Beim Veröffentlichen dieser Website zerlegt unser Agent jede Seite in sinnvolle Abschnitte – entlang der Zwischenüberschriften, überlange Passagen werden an Satzgrenzen geteilt. Aktuell sind das rund 250 Abschnitte aus 17 Seiten: alle Werkstatt-Artikel, dazu Leistungen, Kontakt, Praxisübersicht und das Impressum. Für jeden Abschnitt wird einmalig der Bedeutungs-Fingerabdruck berechnet.

Das Ergebnis ist unspektakulärer, als es klingt: eine einzige JSON-Datei von knapp einem Megabyte, die neben den Artikeln auf dem Webspace liegt. Keine Datenbank, kein Index-Server, keine Suchmaschinen-Software – nur Text und Zahlen. Ändert sich eine Seite, rechnet der Agent die Datei neu. Das ist die halbe Miete: Die aufwändige Arbeit (alle Inhalte einbetten) passiert einmal beim Bauen, nicht bei jeder Suchanfrage.

Was Ihr Browser rechnet

Ein Sprachmodell in WebAssembly – und ein simpler Vergleich

Die andere Hälfte passiert bei Ihnen: Ihre Suchanfrage braucht denselben Fingerabdruck wie die Abschnitte – und dafür läuft das Sprachmodell direkt in Ihrem Browser. Zum Einsatz kommt multilingual-e5-small, ein kompaktes Embedding-Modell mit 118 Millionen Parametern, das rund 100 Sprachen versteht und Texte in 250.000 Wortbausteine zerlegt. Damit es handlich bleibt, ist es 8-Bit-quantisiert: Jedes Gewicht belegt ein einziges Byte statt vier – ein Viertel der Größe bei praktisch gleicher Trefferqualität für diesen Zweck.

Ausgeführt wird das Modell über die freie Bibliothek transformers.js und eine WebAssembly-Laufzeit (ONNX Runtime). WebAssembly ist Maschinencode fürs Web: fast so schnell wie ein installiertes Programm, aber in der Sandbox des Browsers. Eine Grafikkarte braucht die Suche nicht – anders als unser Copilot, der ein vielfach größeres Modell per WebGPU stemmt.

Der Rest ist ehrliche Mathematik: Ihr Frage-Vektor wird mit jedem der rund 250 Abschnitts-Vektoren verglichen. Weil alle Vektoren auf Länge 1 normiert sind, genügt dafür das Skalarprodukt – 384 Multiplikationen plus Additionen pro Abschnitt, das Ergebnis ist die Kosinus-Ähnlichkeit: 1 = gleiche Bedeutung, 0 = nichts miteinander zu tun. Alle 250 Vergleiche zusammen dauern wenige Millisekunden. Die acht besten Treffer (höchstens zwei pro Seite, damit ein einzelner Artikel die Liste nicht flutet) sehen Sie als Ergebnis – mit Balken, der die Nähe zeigt.

Alles aus eigenem Haus

Kein CDN, keine Cloud: byteland.de liefert jedes Byte selbst

Seit Juli 2026 kommt jeder Baustein der Suche von byteland.de selbst: die Bibliothek, die WebAssembly-Laufzeit, das Sprachmodell, der Index. Kein Aufruf an ein Content-Delivery-Network, kein Modell-Download von einem KI-Portal – kein Dritter erfährt auch nur, dass Sie suchen. Zusammen mit der strengen Content-Security-Policy dieser Website heißt das: Die Suchseite darf technisch gar nicht woandershin telefonieren.

Eine Einwilligung braucht es dafür nicht mehr – es wird ja niemand Drittes kontaktiert. Der einmalige Download (rund 155 MB) startet deshalb automatisch, sobald Sie die Suche zum ersten Mal benutzen. Eine Höflichkeit bleibt: Meldet Ihr Browser einen aktiven Datensparmodus, fragt die Seite vor dem Download. Danach merkt sich Ihr Browser alles: Das Modell bleibt im Browser-Cache, der Startvermerk im lokalen Speicher – jede weitere Suche startet sofort, ohne Wartezeit und ohne Download. Auf Wunsch lässt sich beides auf der Suchseite mit einem Klick wieder entfernen.

Ehrlicherweise

Wo die Grenzen liegen

Damit kein falscher Eindruck entsteht – drei Dinge kann diese Suche nicht:

• Exakte Zeichenketten garantieren. Wer eine bestimmte Rechnungsnummer oder einen exakten Befehl sucht, ist mit Strg+F oder einer klassischen Volltextsuche besser bedient – Bedeutungsnähe ist keine Zeichengleichheit.
• Antworten formulieren. Die Suche findet die richtige Stelle, sie beantwortet nichts in eigenen Worten – das ist bewusst so. Wer den Dialog möchte, nimmt den Copilot.
• Weltwissen einbringen. Ein 118-Millionen-Parameter-Modell versteht Bedeutungsnähe erstaunlich gut, aber es denkt nicht mit. Bei ausformulierten Fakten-Fragen gewinnt manchmal ein nur thematisch verwandter Abschnitt – für Fakten funktioniert das Stichwort oft besser als der ganze Fragesatz („Telefonnummer“ statt „Wie lautet eigentlich …?“). Die Trefferliste zeigt deshalb immer mehrere Kandidaten samt Nähe-Balken.

Und eine Design-Grenze, die keine ist: Die Suche kennt genau diese Website – nicht das Web. Dafür kennt sie diese Website wirklich, vom Fachartikel bis zur Telefonnummer im Impressum.

Ihr nächster Schritt

Dieselbe Suche über Ihr Firmenwissen?