Befund 01
Drei Suchschlitze, drei Ergebnisse
ERP, Dateiablage und Postfach haben je eine eigene Suche. Wer etwas sucht, muss vorher wissen, wo es liegt, und öffnet im Zweifel alle drei Systeme nacheinander.
Use Case · Datenautomatisierung
Unternehmensweite Suche: ein Index über alle Ihre Daten
Veröffentlicht am
Wie funktioniert eine unternehmensweite Suche?
Daten aus ERP, Shop, CRM, Dateiablagen und Postfächern fließen laufend in einen zentralen Suchindex, aufgebaut mit der quelloffenen Suchmaschine Meilisearch auf dem eigenen Server. Die Suche verzeiht Tippfehler, filtert nach Kriterien wie Maßen oder Material und findet über semantische Embeddings auch Inhalte, die in einer anderen Sprache gespeichert sind. Ein KI-Assistent übersetzt Anforderungen in normaler Sprache in passende Filter.
Das Datenproblem
Die Antwort ist im Haus. Nur wo?
Das Wissen eines Unternehmens liegt selten an einem Ort: Aufträge im ERP, Zeichnungen in der Dateiablage, Absprachen im Postfach, Preise im Shop. Die Frage „Wo war das nochmal?“ kostet jeden Tag Minuten, bei jedem Mitarbeiter, und wer neu im Team ist, sucht am längsten.
Befund 02
Fließtext statt Attribute
Maße, Material und Eigenschaften stehen mitten in der Artikelbeschreibung, nicht in Feldern. Nach „Höhe bis 2 Meter“ kann deshalb niemand filtern, obwohl die Information da ist.
Befund 03
Eingebaute Suchen vergleichen nur Zeichen
Die Standardsuche im ERP oder DMS findet, was wörtlich so dasteht. Ein Tippfehler oder das hausinterne Wort für dieselbe Sache, und der Treffer bleibt aus.
Ein gemeinsamer Suchindex dreht das um: Die Daten bleiben in ihren Systemen, aber gesucht wird an einer Stelle.
Ein Fall aus dem Alltag
Ein Anruf, ein Suchfeld, alle Unterlagen
Ein Kunde ruft im Service an: Er braucht ein Ersatzteil für die Pumpe, die er vor Jahren gekauft hat. Heute heißt das: Auftrag im ERP suchen, Datenblatt in der Ablage, den alten Mailverlauf im Postfach. Mit einem gemeinsamen Index reicht eine Anfrage, sogar mit Tippfehler.
Suche · während der Kunde noch am Telefon ist
pumpe bergr 2019|
- Auftrag AB-19-4471 · Berger Anlagenbau · Kreiselpumpe P-240ERP
- P-240_Ersatzteilliste.pdf · Laufrad, Dichtungssatz, WellenlagerDateiablage
- E-Mail „Wartung Pumpe“ · Absprache Sonderdichtung, 03/2020Postfach
Den Unterschied macht die Summe: Wenn jede dieser Auskünfte fünf Minuten schneller geht, merkt das der Kunde am Telefon und das Team am Feierabend.
Stufe 1
Der Suchindex: Meilisearch auf Ihrem Server
Als Suchmaschine setzen wir Meilisearch ein: quelloffen und schlank genug, um als einzelner Dienst auf Ihrem Server mitzulaufen. Indexdaten und Suchanfragen bleiben damit im Haus. Die Quellen binden wir über dieselben Wege an wie jeden anderen Datenfluss: n8n, Schnittstellen oder direkt auf der Datenbank.
| Fähigkeit | Im Alltag heißt das |
|---|---|
| Tippfehlertoleranz | „Edelstahlschraibe“ findet die Edelstahlschraube, auch im Eifer des Telefonats: Die Suche verzeiht bis zu zwei vertauschte oder fehlende Buchstaben pro Wort. |
| Facetten und Filter | Treffer lassen sich nach Attributen eingrenzen, auch über Zahlenbereiche: Material, Höhe von 180 bis 220 cm, lieferbar. Das ist die Grundlage für jeden Produktfinder. |
| Synonyme | Hausjargon und Katalogbegriff finden zueinander: Wer „Flex“ tippt, bekommt den Winkelschleifer. Die Synonymliste wächst mit dem Vokabular Ihres Teams. |
| Exakte Treffer | Artikelnummern, Auftragsnummern und Kundennummern bleiben exakte Treffer und stehen ganz oben, egal wie viel Fließtext daneben im Index liegt. |
| Geschwindigkeit | Ergebnisse kommen in der Regel in unter 50 Millisekunden zurück. Die Trefferliste baut sich beim Tippen auf, noch bevor der Suchbegriff fertig ist. |
Stufe 2
KI obendrauf: Bedeutung statt Buchstaben
Die Keyword-Suche mit Filtern löst den Alltag. KI kommt dort dazu, wo Wörter allein nicht reichen, in zwei Ausbaustufen:
Sprachübergreifend suchen
Bei der semantischen Suche übersetzt ein Embedding-Modell Anfrage und Dokumente in Bedeutungsvektoren. Eine deutsche Suche findet dann auch das englische Datenblatt, ohne dass jemand übersetzt hat. Die Modelle laufen auf Wunsch lokal, etwa auf einerprivaten KI-Umgebung.
Produkte nach Kriterien finden
Ein Assistent übersetzt Anforderungen in normaler Sprache in Filter: Aus „Schaltschrank, knapp zwei Meter, muss in den Feuchtraum“ werden Höhe, Bauform und Schutzart. Das Ergebnis ist eine gefilterte Trefferliste aus dem echten Bestand; der Assistent erfindet keine Produkte. Bei Konfigurationen führt hinterlegte Regellogik durch die Abhängigkeiten.
Beides steht und fällt mit den Daten.
Wenn Maße und Eigenschaften nur im Fließtext stehen, kann kein Filter und kein Assistent darauf zugreifen. Der erste Schritt ist dann, Attribute aus den Beständen zu ziehen und zu vereinheitlichen. KI kann dabei zuarbeiten, geprüft wird von der Fachabteilung. Das ist klassische Arbeit am Datenfundament, und sie lohnt sich weit über die Suche hinaus.
Häufige Fragen
Kurz beantwortet
Welche Quellen lassen sich in den Index aufnehmen?
Alles, was eine Schnittstelle oder eine erreichbare Datenbank hat: ERP, Shop, CRM, Dokumentenablagen, Postfächer, auch Excel-Listen. Angebunden wird über n8n, APIs oder direkt auf der Datenbank. Die Quellsysteme bleiben führend, der Index wird laufend nachgeführt und lässt sich jederzeit komplett neu aufbauen.
Sieht dann jeder Mitarbeiter alles?
Nein. Berechtigungen aus den Quellsystemen werden beim Indexieren mitgenommen und bei jeder Anfrage geprüft. Wer ein Dokument im Quellsystem nicht öffnen darf, bekommt es auch nicht als Treffer angezeigt.
Läuft die Suche auf unseren Servern?
Ja, das ist unser bevorzugter Betrieb. Meilisearch ist quelloffen und läuft als schlanker Dienst auf Ihrem Server oder auf einem dedizierten Server in Deutschland. Auch die Embedding-Modelle für die semantische Suche können lokal laufen, sodass weder Indexdaten noch Suchanfragen das Haus verlassen.
Funktioniert die Suche über Sprachen hinweg?
Mit semantischer Suche ja: Multilinguale Embedding-Modelle bilden Bedeutung statt Wörter ab, eine deutsche Anfrage findet auch englisch gespeicherte Inhalte. Wie gut das mit Ihrem Fachvokabular funktioniert, testen wir vor der Einführung mit echten Daten aus Ihrem Bestand.
Unsere Produktattribute stehen nur im Fließtext. Geht das trotzdem?
Suchen ja, filtern nein. Für Filter und den Kriterien-Assistenten müssen Maße, Material und Eigenschaften als strukturierte Attribute vorliegen. Falls sie das nicht tun, ist die Extraktion und Vereinheitlichung der erste Projektschritt; KI arbeitet dabei zu, Ihre Fachabteilung prüft.
Dieselbe Suchtechnik hilft auch Ihren Kunden im Shop: Wie unsere Agentur Zerosoftware mit Meilisearch die Produktsuche in Shopware verbessert, steht im ArtikelMeilisearch für Shopware auf zerosoftware.de.
Der erste Schritt
Wonach sucht Ihr Team jeden Tag?
Im kostenlosen Erstgespräch gehen wir die Frage konkret durch: welche Systeme Ihr Wissen halten, wo heute am längsten gesucht wird und was ein gemeinsamer Index davon zuerst abdecken sollte.
oder direkt an info@ec-data.de · +49 5031 962 4102