Fuzzy Search
Was ist Fuzzy Search?
Fuzzy Search ist ein Suchverfahren, das auch bei Tippfehlern, abweichenden Schreibweisen oder unvollständigen Eingaben passende Ergebnisse liefert. Statt nur identische Zeichenfolgen zu akzeptieren, berechnet das System die Ähnlichkeit zwischen Suchanfrage und vorhandenen Begriffen. Die zulässige Abweichung wird meist über eine Editierdistanz oder einen Ähnlichkeitsschwellenwert gesteuert.
Fuzzy Search bezeichnet eine fehlertolerante Suche, auf Deutsch auch unscharfe Suche genannt. Sie erkennt beispielsweise, dass eine Eingabe wie „Sneker“ wahrscheinlich auf Produkte mit der Bezeichnung „Sneaker“ zielt. Das Verfahren kommt in Onlineshops, internen Website-Suchen, Datenbanken, Suchmaschinen und Anwendungen zur Datenbereinigung zum Einsatz.
Wie funktioniert Fuzzy Search?
Fuzzy Search vergleicht die eingegebene Zeichenfolge mit indexierten Begriffen und bewertet deren Ähnlichkeit. Eine häufig verwendete Grundlage ist die Levenshtein-Distanz. Sie gibt an, wie viele einzelne Bearbeitungsschritte mindestens erforderlich sind, um ein Wort in ein anderes umzuwandeln. Als Bearbeitungsschritte zählen das Einfügen, Löschen und Ersetzen eines Zeichens.
Zwischen „Schuh“ und „Shuh“ beträgt die Levenshtein-Distanz 1, weil der Buchstabe „c“ gelöscht werden muss. Bei einer einfachen normierten Berechnung ergibt sich die Ähnlichkeit aus 1 minus Distanz geteilt durch die Länge des längeren Wortes. Das Beispiel erreicht damit 80 Prozent Ähnlichkeit: 1 minus 1 geteilt durch 5 = 0,8.
Welche Fehler werden erkannt?
Eine typische Implementierung von Fuzzy Search berücksichtigt mehrere Arten von Abweichungen. Welche Varianten tatsächlich erkannt werden, hängt vom verwendeten Algorithmus und dessen Konfiguration ab.
Vertauschte Nachbarzeichen zeigen einen wichtigen Unterschied zwischen Verfahren: Die klassische Levenshtein-Distanz zählt eine Vertauschung meist als zwei Bearbeitungen. Die Damerau-Levenshtein-Distanz behandelt eine solche Transposition als eigenen Schritt und kann typische Tastaturfehler dadurch genauer bewerten.
Fuzzy Search richtig einstellen
Eine höhere Fehlertoleranz liefert mehr Treffer, erhöht aber zugleich das Risiko sachlich unpassender Ergebnisse. Eine niedrigere Toleranz verbessert die Genauigkeit, kann jedoch sinnvolle Treffer ausschließen. Die passende Einstellung entsteht deshalb durch Tests mit echten Suchanfragen und nicht durch einen einheitlichen Grenzwert für alle Begriffe.
| Einstellung | Wirkung | Geeigneter Einsatz |
|---|---|---|
| Niedrige Fehlertoleranz | Wenige, eng verwandte Treffer | Artikelnummern, Produktcodes und kurze Fachbegriffe |
| Mittlere Fehlertoleranz | Ausgleich zwischen Trefferzahl und Genauigkeit | Produktsuche und allgemeine Website-Suche |
| Hohe Fehlertoleranz | Viele Ergebnisse mit höherem Streuverlust | Explorative Suche in großen und uneinheitlichen Datenbeständen |
Kurze Suchbegriffe benötigen meist strengere Regeln als lange Wörter. Bei „PC“ verändert bereits ein abweichender Buchstabe die Hälfte der Eingabe. Bei „Waschmaschine“ fällt eine einzelne Abweichung deutlich weniger ins Gewicht. Prüfe zusätzlich, ob bestimmte Felder wie Marke, Kategorie oder Artikelnummer stärker gewichtet werden sollen.
Nutzen für SEO und E-Commerce
Fuzzy Search verbessert nicht automatisch ein organisches Google-Ranking. Der unmittelbare Nutzen entsteht innerhalb der Website: Nutzer erreichen passende Inhalte oder Produkte trotz fehlerhafter Eingabe. Für SEO in Onlineshops sind die internen Suchdaten außerdem eine Quelle für neue Kategorien, Synonyme, Produktbezeichnungen und Content-Gaps.
Suchanfragen ohne Treffer zeigen, welche Begriffe im Sortiment oder im Suchindex fehlen. Suchen viele Nutzer nach „Handyhülle“, während Produktdaten nur „Smartphone-Cover“ enthalten, reicht Fuzzy Search allein häufig nicht aus. Eine Synonymliste stellt in diesem Fall die begriffliche Verbindung her. Solche Formulierungen gehören auch in eine fundierte Keyword-Recherche, sofern sie zur Suchintention der Zielgruppe passen.
Messbar ist Fuzzy Search zum Beispiel über die Zero-Result-Rate, die Klickrate auf Suchergebnisse, die Suchausstiegsrate und die Conversion-Rate nach einer internen Suche. Vergleiche diese Kennzahlen vor und nach einer Anpassung der Fehlertoleranz. Eine sinkende Zero-Result-Rate ist nur dann positiv, wenn die Klicks und relevanten Folgeaktionen mindestens stabil bleiben. Für die weitere Optimierung zählt deshalb die gesamte Suchstrecke, wie bei einer strukturierten Usability-Optimierung.
Relevanz für SEA und GEO
Im SEA darf Fuzzy Search nicht mit weitgehend passenden Keywords verwechselt werden. Die fehlertolerante Website-Suche verarbeitet Eingaben innerhalb einer Website oder Datenbank. Keyword-Optionen in Werbesystemen bestimmen dagegen, bei welchen externen Suchanfragen eine Anzeige ausgeliefert werden kann. Für SEA ist Fuzzy Search vor allem auf der Landingpage relevant, wenn Besucher nach dem Anzeigenklick weitere Produkte suchen.
Für GEO, ausgeschrieben Generative Engine Optimization, ist Fuzzy Search ein unterstützendes Verfahren zur Normalisierung von Eingaben und Entitäten. Moderne KI-Suchen arbeiten zusätzlich mit semantischen Verfahren, die Bedeutungen und Zusammenhänge berücksichtigen. Eine reine Zeichenähnlichkeit erkennt, dass „ChatGTP“ wahrscheinlich „ChatGPT“ meint, kann aber nicht allein ableiten, dass „KI-Chatbot“ ein thematisch verwandter Begriff ist. Eine kombinierte SEO- und GEO-Strategie benötigt deshalb klare Entitäten, Synonyme und inhaltlichen Kontext.
Abgrenzung zu ähnlichen Verfahren
Der Unterschied zwischen Fuzzy Search und semantischer Suche liegt im Vergleichsgegenstand. Fuzzy Search bewertet häufig die formale Ähnlichkeit von Zeichenfolgen. Semantische Suche bewertet die Bedeutung einer Anfrage. „Fahrrad“ und „Bike“ sind orthografisch kaum ähnlich, können semantisch jedoch denselben Gegenstand bezeichnen.
Wildcard Search ersetzt unbekannte Zeichen durch Platzhalter. Die Anfrage Schuh* kann beispielsweise „Schuhe“ oder „Schuhgröße“ erfassen. Phonetische Suche vergleicht dagegen den Klang von Begriffen und eignet sich etwa für Namen mit unterschiedlichen Schreibweisen. Autovervollständigung schlägt Begriffe bereits während der Eingabe vor, korrigiert aber nicht zwangsläufig jeden Tippfehler.
Häufige Fragen zu Fuzzy Search
Wann lohnt sich Fuzzy Search?
Fuzzy Search lohnt sich bei großen Produktkatalogen, uneinheitlichen Schreibweisen und häufigen Tippfehlern. Bei kleinen Datenbeständen oder exakten Artikelnummern kann eine strengere Suche bessere Ergebnisse liefern.
Kann Fuzzy Search Synonyme erkennen?
Fuzzy Search erkennt Synonyme nicht automatisch, wenn sich deren Schreibweisen stark unterscheiden. Begriffe wie Fahrrad und Bike benötigen meist eine Synonymliste, semantische Suche oder eine Kombination mehrerer Verfahren.
Was ist eine gute Fehlertoleranz?
Eine allgemeingültige Fehlertoleranz gibt es nicht. Kurze Begriffe, Produktcodes und Marken benötigen strengere Grenzwerte als längere Suchphrasen. Tests mit echten Suchanfragen zeigen, welche Einstellung relevante Ergebnisse liefert.
Ist Fuzzy Search künstliche Intelligenz?
Fuzzy Search ist nicht automatisch künstliche Intelligenz. Viele Umsetzungen beruhen auf festen Algorithmen und mathematischen Distanzmaßen. KI kann ergänzend die Suchabsicht, den Kontext oder semantisch verwandte Begriffe bewerten.
Wie testet man eine fehlertolerante Suche?
Erstelle eine Testliste aus korrekten Eingaben, typischen Tippfehlern, vertauschten Buchstaben, Synonymen und unpassenden Begriffen. Prüfe für jede Anfrage die Trefferzahl, die Reihenfolge der Ergebnisse und die anschließenden Nutzeraktionen.
Wenn du interne Suchdaten mit SEO, SEA und GEO verbinden möchtest, kann ein Potenzialcheck die relevanten Datenquellen und Optimierungsfelder einordnen.
Sie haben noch Fragen?
