{"id":2608,"date":"2026-11-18T10:49:40","date_gmt":"2026-11-18T09:49:40","guid":{"rendered":"https:\/\/www.visionconnect.de\/blog\/?p=2608"},"modified":"2026-11-18T10:53:49","modified_gmt":"2026-11-18T09:53:49","slug":"llm-solr-suche-typo3-semantische-suche","status":"publish","type":"post","link":"https:\/\/www.visionconnect.de\/blog\/2026\/llm-solr-suche-typo3-semantische-suche\/","title":{"rendered":"LLM in der Solr-Suche von TYPO3: Wenn die Suche versteht, was gemeint ist"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">\u201eWie beantrage ich eine F\u00f6rderung?\u201c \u2013 so sehen echte Suchanfragen auf einer Website aus. Kaum jemand tippt das exakte Stichwort ein, das irgendwo im Text steht. <\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Menschen stellen Fragen, machen Tippfehler, benutzen eigene Worte. Die klassische Volltextsuche st\u00f6\u00dft da an ihre Grenzen: Sie findet nur, was w\u00f6rtlich da ist.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Gro\u00dfe Sprachmodelle (LLMs) schlie\u00dfen genau diese L\u00fccke. Sie \u00fcbersetzen Anfragen und Inhalte in Bedeutung statt in Wortketten. Und das Beste: Mit Apache Solr und der TYPO3-Extension <a href=\"https:\/\/extensions.typo3.org\/extension\/solr\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">EXT:solr<\/a> l\u00e4sst sich das heute produktiv einsetzen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Warum eine klassische Suche an ihre Grenzen st\u00f6\u00dft<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Keyword-Suche findet W\u00f6rter, keine Bedeutung<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Apache Solr ist traditionell eine Wort-Suche: Sie gleicht Begriffe ab und gewichtet Treffer nach einem etablierten Verfahren (BM25). Das ist schnell, ausgereift \u2013 und f\u00fcr viele F\u00e4lle v\u00f6llig ausreichend.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Es hat nur einen Haken: Die Suche wei\u00df nicht, was der Nutzer eigentlich will.<\/strong><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Wer \u201eRechnung stornieren\u201c sucht, findet keine Seite, die nur von \u201eRechnung l\u00f6schen\u201c spricht.<\/li>\n\n\n\n<li>Eine Frage wie \u201eWas kostet das?\u201c liefert Zufallstreffer.<\/li>\n\n\n\n<li>Synonym-Listen helfen \u2013 m\u00fcssen aber gepflegt werden und decken nie alles ab.<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Was Nutzer heute erwarten<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Nutzer kennen es von ChatGPT und modernen Shops: Eine Suche versteht nat\u00fcrliche Sprache, erkennt die Absicht dahinter \u2013 und liefert eine Antwort, nicht nur eine Linkliste. F\u00fcr Produktkataloge, Wissensdatenbanken, Service-Portale und Intranets macht das den Unterschied zwischen \u201egefunden\u201c und \u201efrustriert wieder weggeklickt\u201c.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Was ein LLM in der Suche leistet<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Ein LLM bringt zwei F\u00e4higkeiten mit, die die Suche grund\u00e4tzlich ver\u00e4ndern:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Es versteht Bedeutung.<\/strong> Texte \u2013 Inhalte wie Anfragen \u2013 werden in sogenannte Embeddings \u00fcbersetzt: Zahlenreihen, die die Bedeutung abbilden. \u00c4hnliche Texte liegen dicht beieinander \u2013 egal, welche W\u00f6rter benutzt wurden.<\/li>\n\n\n\n<li><strong>Es versteht Sprache.<\/strong> Ein LLM kann Anfragen umformulieren, Synonyme finden oder aus den besten Treffern eine kurze Antwort schreiben.Daraus ergeben sich vier konkrete Einsatzmuster:<\/li>\n<\/ol>\n\n\n\n<h3 class=\"wp-block-heading\">Semantische Vektorsuche<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Beim Indexieren werden Inhalte in Embeddings \u00fcbersetzt \u2013 die Nutzeranfrage ebenfalls. Die Suche vergleicht dann Bedeutungen statt W\u00f6rter. Wer nach \u201eDrahtlos BH\u201c sucht, findet auch die Produktseite \u201eB\u00fcstenhalter ohne B\u00fcgel\u201c \u2013 ganz ohne gepflegte Synonym-Liste.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Hybride Suche<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">In der Praxis kombiniert man beides: die pr\u00e4zise Keyword-Suche und die Vektorsuche. Die beiden Ergebnislisten werden \u00fcber ein standardisiertes Verfahren (Reciprocal Rank Fusion) zusammengef\u00fchrt. Exakte Begriffe wie Artikelnummern finden weiterhin ihre Treffer \u2013 und ungew\u00f6hnliche Formulierungen werden semantisch abgedeckt. Das Beste aus beiden Welten.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">LLM-gest\u00fctzte Synonyme und Query-Rewriting<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Statt Synonyme von Hand zu pflegen, kann ein LLM Anfragen vor der Suche umschreiben und erweitern. Das spart Pflegeaufwand \u2013 und die Abdeckung ist deutlich besser.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Direkte Antworten (RAG)<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Beim RAG-Verfahren (Retrieval Augmented Generation) holt TYPO3 zun\u00e4chst die relevantesten Treffer aus Solr. Das LLM formuliert daraus eine kurze, quellenbasierte Antwort. Der Nutzer bekommt eine Antwort statt einer Liste \u2013 inklusive Verweis auf die zugrunde liegenden Seiten. Und weil das LLM nur aus den eigenen Inhalten sch\u00f6pft, bleiben erfundene Antworten die Ausnahme.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Was Apache Solr heute mitbringt<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die gute Nachricht zuerst: Sie brauchen keine separate Vektor-Datenbank und keine Eigenbau-Middleware.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Seit <strong>Apache Solr 9.8<\/strong> (Januar 2025) gibt es das Modul <strong>llm<\/strong> mit Text-to-Vector-Funktion: Solr vektorisiert Texte bei der Indexierung und bei der Suche selbst \u2013 inklusive der passenden Query-Parser. Ab <strong>Solr 10<\/strong> hei\u00dft das Modul <strong>language-models<\/strong>.<\/li>\n\n\n\n<li>Solr unterst\u00fctzt dar\u00fcber Embedding-Anbieter wie OpenAI, Mistral AI, Hugging Face und Cohere \u2013 eigene Modelle lassen sich ebenfalls einbinden.<\/li>\n\n\n\n<li>Hybride Suche (Keyword plus Vektor) l\u00e4uft damit direkt auf dem Solr-Server.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">F\u00fcr Betreiber hei\u00dft das: Die Semantik entsteht dort, wo die Daten ohnehin liegen \u2013 in der Such-Infrastruktur. Keine zus\u00e4tzliche Datenbank, keine zweite Systemlandschaft.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wie TYPO3 anschlie\u00dft: EXT:solr<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Die Extension <strong><a href=\"https:\/\/extensions.typo3.org\/extension\/solr\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">EXT:solr<\/a><\/strong> ist die etablierte Anbindung des Apache-Solr-Servers an TYPO3 \u2013 mit Index Queue, Facetten, Autocomplete und Highlighting. Sie indexiert Seiten, News, Produkte und beliebige Datens\u00e4tze.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">F\u00fcr den KI-Teil gibt es zwei Wege:<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Weg 1: Semantik im Solr-Server<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Sie betreiben Solr ab Version 9.8 mit dem llm-Modul (ab Solr 10: language-models). Die Vektorisierung l\u00e4uft auf dem Server, TYPO3 sendet seine Anfragen ganz normal \u00fcber EXT:solr. Bestehende Funktionen wie Sortierung, Field-Boosting und Highlighting bleiben unber\u00fchrt. Eine saubere Architektur: Die Komplexit\u00e4t bleibt im Suchsystem, nicht in der Website.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ein Hinweis zur Version: <strong>EXT:solr 14<\/strong> f\u00fcr TYPO3 14 LTS setzt Apache Solr 10 voraus. Beim Upgrade sind ein Schema-Update und eine vollst\u00e4ndige Neuindizierung n\u00f6tig. Wer noch auf einer \u00e4lteren TYPO3-Version arbeitet, plant die Einf\u00fchrung am besten gemeinsam mit einem ohnehin anstehenden Upgrade.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Weg 2: KI-Schicht vor der Suche<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Alternativ \u2013 oder erg\u00e4nzend \u2013 schaltet man ein LLM vor die Solr-Suche: Es interpretiert die Nutzeranfrage, formuliert die eigentliche Suchanfrage und zieht aus den Treffern eine Antwort. Dieser Weg l\u00e4sst sich individuell f\u00fcr das eigene Projekt entwickeln und an die vorhandene Solr-Infrastruktur anbinden. Wer schon EXT:solr im Einsatz hat, kann beide Wege auch kombinieren.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Was Sie bei der Einf\u00fchrung beachten sollten<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Datenschutz und DSGVO<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Embedding- und LLM-APIs verarbeiten Ihre Inhalte und die Anfragen Ihrer Nutzer. Kl\u00e4ren Sie vorab:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Verarbeiten die APIs personenbezogene Daten? Findet die Verarbeitung in der EU statt?<\/li>\n\n\n\n<li>Gibt es passende Auftragsverarbeitungsvertr\u00e4ge mit dem Anbieter?<\/li>\n\n\n\n<li>Reicht ein selbst gehostetes Modell \u2013 etwa f\u00fcr Intranets oder Beh\u00f6rden?<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Viele Embedding-Modelle lassen sich auch lokal betreiben. Das ist aufwendiger, aber datenschutzlich die sicherste Variante.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Qualit\u00e4t der Inhalte<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Semantische Suche rettet keine schwachen Inhalte. Embeddings k\u00f6nnen nur Bedeutung transportieren, die tats\u00e4chlich im Text steht. Fragen Sie sich zuerst: Sind unsere wichtigsten Inhalte vollst\u00e4ndig, aktuell und gut strukturiert? Strukturierte Daten (etwa JSON-LD) helfen dabei der KI-Suche \u2013 und nebenbei auch der klassischen SEO-Sichtbarkeit.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kosten und Geschwindigkeit<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Jede Vektorisierung und jede LLM-Antwort kostet Rechenzeit, eventuell API-Geb\u00fchren. Rechnen Sie vorher durch: Wie viele Suchanfragen erwarten wir? Lohnt sich ein Cache? F\u00fcr stark frequentierte Seiten lohnt sich von Anfang an ein Blick auf Antwortzeiten und laufende Kosten.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Schritt f\u00fcr Schritt statt Big Bang<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Sie m\u00fcssen nicht alles auf einmal einfahren. Ein bew\u00e4hrter Fahrplan:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Bestehende Solr-Suche optimieren<\/strong> (Facetten, Autocomplete, Boosting)<\/li>\n\n\n\n<li><strong>Strukturierte Inhalte aufbereiten<\/strong> (Datenqualit\u00e4t, JSON-LD)<\/li>\n\n\n\n<li><strong>Vektorsuche f\u00fcr ausgew\u00e4hlte Bereiche aktivieren<\/strong> \u2013 etwa Wissensdatenbank oder Shop<\/li>\n\n\n\n<li><strong>Hybride Suche ausrollen<\/strong> und anhand echter Suchanfragen bewerten<\/li>\n\n\n\n<li><strong>Antwort-Funktion (RAG) erg\u00e4nzen<\/strong> \u2013 dort, wo Nutzer Fragen statt Stichworte eingeben<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Messen Sie an realen Anfragen, ob die Trefferqualit\u00e4t tats\u00e4chlich steigt. Was sich nicht messen l\u00e4sst, sollten Sie nicht auf gut Gl\u00fcck einf\u00fchren.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Typische Fehler bei der Einf\u00fchrung<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Volltextsuche einfach abschalten.<\/strong> Die Keyword-Suche ist f\u00fcr exakte Begriffe oft besser als jede Vektorsuche. Hybrid schl\u00e4gt pur.<\/li>\n\n\n\n<li><strong>Das falsche Embedding-Modell w\u00e4hlen.<\/strong> Modelle unterscheiden sich stark \u2013 in Sprache, Dom\u00e4ne und Qualit\u00e4t. Testen Sie mit Ihren Inhalten, nicht mit generischen Beispielen.<\/li>\n\n\n\n<li><strong>Inhalte ungefiltert indexieren.<\/strong> Impressum, AGB oder veraltete Seiten geh\u00f6ren nicht in die Antwortgenerierung. Legen Sie fest, welche Inhalte die KI sehen darf.<\/li>\n\n\n\n<li><strong>Antworten ohne Quellenverweis.<\/strong> Eine generierte Antwort ohne Link zur Quelle kostet Vertrauen.<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Fazit<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">LLMs machen aus der Website-Suche ein Werkzeug, das wirklich versteht: Statt W\u00f6rter abzugleichen, erkennt die Suche die Absicht dahinter \u2013 und kann aus den eigenen Inhalten direkte Antworten liefern. Die technische Grundlage steht: Apache Solr bringt die Vektorsuche seit Version 9.8 nativ mit, EXT:solr bindet sie an TYPO3 an, und mit TYPO3 14 gibt es einen nat\u00fcrlichen Anlass f\u00fcr den Sprung.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Entscheidend ist nicht die Technik, sondern die Reihenfolge: gute Inhalte zuerst, dann Semantik dort, wo Nutzer wirklich profitieren \u2013 und alles messbar begleitet. Wer in Ausbaustufen denkt, bekommt eine KI-gest\u00fctzte Suche, die h\u00e4lt, was sie verspricht.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Sie planen ein solches Ausbauprojekt f\u00fcr Ihre TYPO3-Website? <br>Sprechen Sie mit uns \u2013 wir beraten Sie zu Architektur, Datenschutz und der richtigen Ausbaustufe.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Quellen<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Apache Solr Reference Guide \u2013 Text to Vector \/ Modul language-models: <a href=\"https:\/\/solr.apache.org\/guide\/solr\/latest\/query-guide\/text-to-vector.html\">https:\/\/solr.apache.org\/guide\/solr\/latest\/query-guide\/text-to-vector.html<\/a><\/li>\n\n\n\n<li>Sease \u2013 Semantic Search (Text to Vector) with Apache Solr: <a href=\"https:\/\/sease.io\/2025\/07\/semantic-search-text-to-vector-with-apache-solr.html\">https:\/\/sease.io\/2025\/07\/semantic-search-text-to-vector-with-apache-solr.html<\/a><\/li>\n\n\n\n<li>dkd \u2013 Apache Solr f\u00fcr TYPO3: Der Weg zur intelligenten Suche: <a href=\"https:\/\/www.dkd.de\/de\/blog\/apache-solr-fuer-typo3-der-weg-zur-intelligenten-suche\/\">https:\/\/www.dkd.de\/de\/blog\/apache-solr-fuer-typo3-der-weg-zur-intelligenten-suche\/<\/a><\/li>\n\n\n\n<li>typo3-solr.com \u2013 AI Search for TYPO3: <a href=\"https:\/\/www.typo3-solr.com\/solr-for-typo3\/features\/ai-powered-search\/\">https:\/\/www.typo3-solr.com\/solr-for-typo3\/features\/ai-powered-search\/<\/a><\/li>\n\n\n\n<li>GitHub \u2013 Releases EXT:solr: <a href=\"https:\/\/github.com\/TYPO3-Solr\/ext-solr\/releases\">https:\/\/github.com\/TYPO3-Solr\/ext-solr\/releases<\/a><\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Wie gro\u00dfe Sprachmodelle die TYPO3-Suche mit Apache Solr verbessern: Vektorsuche, hybride Suche und RAG \u2013 verst\u00e4ndlich erkl\u00e4rt, mit Praxisempfehlungen und Fahrplan f\u00fcr die Einf\u00fchrung.<\/p>\n","protected":false},"author":8,"featured_media":2611,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[30,62,14,10],"class_list":["post-2608","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cms","tag-cms","tag-ki","tag-seo","tag-typo3"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/posts\/2608","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/comments?post=2608"}],"version-history":[{"count":1,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/posts\/2608\/revisions"}],"predecessor-version":[{"id":2609,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/posts\/2608\/revisions\/2609"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/media\/2611"}],"wp:attachment":[{"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/media?parent=2608"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/categories?post=2608"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.visionconnect.de\/blog\/wp-json\/wp\/v2\/tags?post=2608"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}