KI-Technik
Reranking
Kurz gesagt: Reranking ist der zweite Schritt einer Suche, in dem ein genaueres Modell die zuvor schnell gefundenen Kandidaten neu nach Relevanz ordnet, bevor die besten an das Sprachmodell weitergehen.
Was ist mit Reranking gemeint?
Suchsysteme arbeiten oft zweistufig. Zuerst holt ein schnelles Verfahren, etwa Stichwortsuche oder Vektorsuche, eine größere Menge möglicher Treffer. Dann bewertet ein Reranker jedes Paar aus Frage und Textabschnitt einzeln und genauer, meist mit einem Cross-Encoder. Nogueira und Cho zeigten 2019, dass ein auf BERT basierender Reranker die Qualität bei Passagensuche deutlich verbessert. Abzugrenzen ist Reranking von der Vektorsuche: Diese vergleicht vorab berechnete Embeddings, der Reranker liest Frage und Passage gemeinsam.
Warum das für deine KI-Sichtbarkeit zählt
Der Grund für die zwei Stufen ist Rechenaufwand. Frage und Text gemeinsam durch ein großes Modell zu schicken ist genau, aber teuer. Für Millionen Dokumente wäre das zu langsam. Deshalb sortiert die erste Stufe grob vor, oft Dutzende bis Hunderte Kandidaten, und der Reranker prüft nur diese. Die Vektorsuche vergleicht dabei zwei getrennt berechnete Embeddings, während ein Cross-Encoder beide Texte zusammen sieht und so erkennt, ob eine Passage die Frage wirklich beantwortet oder nur zum Thema passt.
Wie viel das ausmacht, zeigte Anthropic 2024 in einer Auswertung zu Contextual Retrieval. Kontextangereicherte Embeddings senkten die Rate verfehlter Abschnitte um 35 Prozent, zusammen mit Stichwortsuche um 49 Prozent. Kam Reranking hinzu, lag die Reduktion bei 67 Prozent. Die letzte Stufe entscheidet also maßgeblich, welche Passagen ins Kontextfenster gelangen.
Für deine Inhalte folgt daraus eine klare Regel: Themennähe reicht nicht, die Passage muss antworten. Ein Abschnitt, der allgemein über Photovoltaik spricht, übersteht die erste Stufe bei einer Frage nach Einspeisevergütung vielleicht noch. Der Reranker bevorzugt aber den Abschnitt, in dem Vergütungssatz, Anlagengröße und Stichtag stehen. Einleitungen, Werbesätze und Wiederholungen der Frage verlieren gegen konkrete Aussagen.
Ein Missverständnis ist, Reranking sei ein Rankingfaktor, auf den man gezielt optimieren könne. Welche Modelle KI-Suchmaschinen einsetzen, legen sie nicht offen, und die Gewichtung ändert sich. Optimierbar ist nur die Grundlage, auf der jeder Reranker arbeitet: Passagen, die die Frage direkt, vollständig und mit überprüfbaren Details beantworten. Das ist dieselbe Logik wie beim Passage Ranking in der Google-Suche.
In der Praxis hilft ein einfacher Test: Formuliere die fünf wichtigsten Fragen deiner Kunden und markiere auf deiner Seite den Abschnitt, der jede davon beantwortet. Findest du keinen Absatz, der die Antwort in den ersten ein, zwei Sätzen liefert, ist das die Stelle, an der ein Reranker deine Seite aussortiert.
So sieht das konkret aus
Ein Fahrradladen in Konstanz hat eine lange Seite zum Thema Jobrad. Auf die Frage, ob Leasing auch für Minijobber möglich ist, findet die erste Suchstufe die Seite. Der Reranker zieht aber den Abschnitt eines Leasinganbieters vor, der die Bedingungen für geringfügig Beschäftigte in drei Sätzen nennt. Der Laden ergänzt einen eigenen, klar überschriebenen Absatz dazu.
In der Praxis setzen wir das so um: Technik für KI-Sichtbarkeit: Crawler, Schema, llms.txt →
Häufige Fragen zu Reranking
Was ist der Unterschied zwischen Retrieval und Reranking?
Retrieval ist die erste, schnelle Suche, die aus einem großen Bestand eine Kandidatenliste holt. Reranking ist die zweite, genauere Stufe, die diese Liste neu ordnet. Beide zusammen bestimmen, welche Textabschnitte am Ende an das Sprachmodell übergeben werden.
Welche Reranker nutzen ChatGPT oder Perplexity?
Das legen die Anbieter nicht offen. Bekannt ist aus Forschung und Dokumentation, dass zweistufige Suchverfahren mit Reranking in RAG-Systemen üblich sind. Welche Modelle, Kandidatenzahlen und Gewichtungen ein konkreter Dienst verwendet, lässt sich von außen nicht bestimmen.
Wie schreibe ich Texte, die ein Reranker bevorzugt?
Beantworte jede Kernfrage in einem eigenen Abschnitt, gleich im ersten Satz und mit konkreten Angaben wie Zahlen, Bedingungen und Zeitpunkten. Vermeide lange Einleitungen und allgemeine Aussagen, die zum Thema passen, aber nichts beantworten.
Verwandte Begriffe
Quellen: Nogueira & Cho: Passage Re-ranking with BERT (2019) (Stand September 2026) · Anthropic: Introducing Contextual Retrieval (September 2024) (Stand September 2026)
Begriffe der KI-Suche verschieben sich schnell. Wir prüfen diesen Eintrag gegen die Dokumentation der Anbieter und aktualisieren ihn, wenn sich etwas ändert. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.