Zurück zur Übersicht
IHK-Abschlussprojekt
Semantische Suche für drs//Store
Suche nach Bedeutung statt nach Syntax — Artikel im Warenwirtschaftssystem finden, ohne den genauen Namen zu kennen.
2 WochenPython · FastAPI · PostgreSQL · pgVector · OpenAI · React
Das Problem
Die bisherige Suche im WaWi drs//Store war rein syntaktisch — Anwender mussten den genauen Artikelnamen kennen. Tippfehler oder abweichende Bezeichnungen lieferten keine Ergebnisse.
Die Lösung
Aufbau einer semantischen Suchpipeline mit OpenAI-Embeddings, pgVector in PostgreSQL als Vektorspeicher und FastAPI als Backend. React-Frontend mit Live-Suche ohne Seitenreload.
Was dabei herauskam
Anwender finden Artikel auch bei unbekannten oder ungenauen Begriffen. Die Suchqualität hängt nicht vom Modell ab, sondern von der Qualität der aufbereiteten Produktdaten.
Was ich mitgenommen habe
- Nicht das Modell entscheidet über die Suchqualität — sondern wie die Daten aufbereitet und eingebettet werden.
- pgVector in einer bestehenden PostgreSQL-Instanz reicht für interne Anwendungen vollständig aus — kein separater Vektorspeicher nötig.
- Semantische Suche löst das Problem der Artikelfindung, nicht das Problem schlechter Stammdaten.
PythonFastAPIPostgreSQLpgVectorOpenAIReact
Zurück zur Übersicht