Relard Digital Solutions
Anlage zum Brief von Sebastian Relard
Anlage 2
Dokumente nach Inhalt finden
Für eine Düsseldorfer Agentur · Prototyp für ein Angebot
Sie tippen, was Sie suchen, etwa die Rechnung für die Flyer vom Herbst, und die Suche findet das Dokument nach seinem Inhalt, auch gescannte Belege. Die Dateien bleiben, wo sie sind.
Die Aufgabe
Die Agentur legt ihre Projekte in Ordnern auf einem eigenen Server ab. Im Gespräch nannte sie drei Probleme: Die Suche fand meist nur Dateinamen, ihr Index fiel immer wieder aus, und neue Mitarbeiter kannten das Nummernschema der Projektordner nicht.
Gesucht war eine Suche, die versteht, was gemeint ist, ohne dass jemand Dateien verschiebt, umbenennt oder in ein neues Programm überträgt.
Ein Beispiel
Gefragt wird nach dem „schnellen Internet“, in der Mail steht „Glasfaser“. Die Stichwortsuche findet deshalb nichts, die Suche nach Bedeutung findet die Mail.
So läuft es ab
- Die Suche liest die vorhandenen Ordner direkt. Nichts wird verschoben oder umbenannt.
- Aus PDF-, Word- und Textdateien zieht sie den Text. Gescannte Seiten liest eine Texterkennung.
- Jede Anfrage sucht zweifach: nach den genauen Wörtern und nach der Bedeutung. Genaue Nummern, etwa eine Rechnungsnummer, stehen zuerst.
- Pro Dokument erscheint ein Treffer; Fassungen wie „_final“ oder „(1)“ werden zusammengefasst.
Stand und Grenzen
- Prototyp
- In zwei Tagen als Vorleistung für ein Angebot entstanden und am 6. Oktober 2026 im Kundengespräch gezeigt. Ein Pilotbetrieb ist bisher nicht beauftragt.
- Getestet
- Auf einem absichtlich unordentlichen Testserver mit 487 erfundenen Dateien stand das gesuchte Dokument in 22 von 25 Suchfällen an erster Stelle, die Stichwortsuche allein in 17. Dateien und Suchfälle habe ich selbst angelegt.
- Daten
- Der Suchindex ist eine Datei neben der Suche. Für Texterkennung und Bedeutung gehen Textauszüge und gescannte Seiten an KI-Modelle bei Mittwald, einem Hoster in Deutschland. Ob die Suche im Betrieb auf einem Rechner im Büro oder bei Mittwald liefe, ist noch offen.
- Bei Ausfall
- Ist der KI-Dienst nicht erreichbar, funktioniert die Stichwortsuche weiter.
Technik
Python 3.12 und FastAPI. Der Index liegt in SQLite, mit Volltextsuche für die Wörter und Vektoren für die Bedeutung. Die Modelle laufen bei Mittwald: Qwen3-Embedding-8B für die Bedeutung, Qwen3-VL-Reranker-2B für die Reihenfolge, GLM-OCR für gescannte Seiten. 64 Tests ohne Netzwerkzugriff; die Auswertung läuft gegen 25 festgelegte Suchfälle.
Dazu zwei Versuche im Prototyp: Eine Mappe stellt aus einer Anfrage wie „Angebot, Protokoll und Rechnung zu Projekt X“ passende Dokumente zusammen, und ein Agent sucht und liest selbst, mit festen Grenzen und wörtlich geprüften Zitaten.
- Python
- FastAPI
- SQLite FTS5
- Embeddings
- Reranker
- OCR
Sehen Sie bei sich einen ähnlichen Arbeitsschritt? Dann sprechen wir 30 Minuten darüber, kostenlos und unverbindlich.