Semantische Suche

Was ist semantische Suche?

Im Gegensatz zur herkömmlichen Stichwortsuche versteht Screvis semantische Suche die Bedeutung hinter deiner Abfrage. Sie nutzt KI-Embeddings (mathematische Darstellungen der Textbedeutung), um Highlights zu finden, die konzeptionell mit dem zusammenhängen, was du suchst, selbst wenn die genauen Wörter nicht in deinen Highlights vorkommen.

So nutzt du es

1. Gehe zur Suche-Seite (Web-App) oder zum Suche-Tab (Mobile App)
2. Gib eine natürlichsprachige Frage oder ein Thema ein
3. Ergebnisse werden nach semantischer Relevanz sortiert
4. Klicke/tippe auf ein beliebiges Ergebnis, um das vollständige Highlight zu sehen

Beispielabfragen

• "Was habe ich über bessere Entscheidungen gelesen?"
• "Zitate über Widerstandsfähigkeit und Herausforderungen überwinden"
• "Ideen zur Compound-Effekt von kleinen Gewohnheiten"
• "Stoische Philosophie zum Umgang mit Widrigkeiten"
• "Geschäftsstrategie für Startups"
• "Elternratschläge zum Setzen von Grenzen"

Die KI findet Highlights, die zum Konzept passen, nicht nur zu den Wörtern. Eine Suche nach "Gute Gewohnheiten aufbauen" könnte ein Highlight zu "der Kraft winziger täglicher Verbesserungen" zurückgeben, auch wenn keines der Suchworte im Highlight vorkommt.

Ergebnisse filtern

Du kannst Suchergebnisse mit Filtern eingrenzen:

• Quellentyp: Suche nur in Büchern, Artikeln, Tweets usw.
• Tags: Begrenzen auf Highlights mit bestimmten Tags
• Favoriten: Suche nur in favorisierten Highlights

So funktioniert es (Technisch)

Screvi erstellt für jedes deiner Highlights eine KI-Einbettung (einen Vektor im hochdimensionalen Raum). Wenn du suchst, wird deine Abfrage auch in eine Einbettung umgewandelt, und Screvi findet Highlights, deren Einbettungen deiner Abfrage-Einbettung unter Verwendung von Cosinus-Ähnlichkeit am nächsten kommen. Dies wird durch KI-Text-Embedding-Modelle unterstützt.

Embeddings werden automatisch für alle deine Highlights generiert. Neue Highlights erhalten ihre Embeddings kurz nach dem Import.