Enterprise Search: Unternehmensdokumente semantisch durchsuchen, statt Dateinamen zu raten

Was ist Enterprise Search?

Enterprise Search bezeichnet die Suche über den Informationsbestand einer Organisation, im Unterschied zur Suche im offenen Web. Der Bestand ist geschlossen und uneinheitlich: Textdokumente, Tabellen, Präsentationen, PDF-Dateien, gescannte Unterlagen, Aufnahmen. Er ist zugleich nicht für alle gleich sichtbar, denn wer welche Unterlage einsehen darf, ergibt sich aus Rolle und Zuständigkeit.

Daraus folgen zwei Anforderungen, die eine Websuche nicht kennt. Erstens muss die Suche mit heterogenen Formaten umgehen, auch mit solchen, die keinen maschinell lesbaren Text enthalten. Zweitens muss die Berechtigung bei jedem Abruf geprüft werden. Ein Suchsystem, das beides nicht leistet, ist entweder unbrauchbar oder ein Datenschutzvorfall mit Suchschlitz.

Woran die interne Suche in der Praxis scheitert

Die Suche in einer gewöhnlichen Dateiablage arbeitet über Dateinamen, Ordnerpfade und, sofern vorhanden, den Volltext. Sie setzt damit voraus, dass die suchende Person die im Dokument verwendete Formulierung kennt. Wer nach der Kündigungsfrist in einem Rahmenvertrag sucht, muss also entweder das Wort kennen, das dort steht, oder das Dokument selbst.

Dazu kommen drei praktische Hürden. Gescannte Unterlagen enthalten Bilder statt Text und sind für eine Volltextsuche unsichtbar. Der Bestand liegt selten an einem Ort, sondern verteilt über Laufwerke, Cloud-Ordner und Postfächer. Und Treffer sind noch keine Antwort: Eine Liste von vierzig Dateien beantwortet keine Frage, sie verschiebt die Arbeit nur nach hinten.

Wie semantische Suche und RAG funktionieren

Die beiden folgenden Abschnitte beschreiben die Verfahren allgemein, ohne Produktbezug. Sie gelten für jedes System dieser Bauart.

Semantische Suche und Volltextsuche

Eine Volltextsuche vergleicht Zeichenketten. Sie prüft, ob die eingegebenen Wörter im Dokument vorkommen, gewichtet Treffer nach Häufigkeit und Seltenheit und liefert die passendsten Dokumente. Das ist schnell, nachvollziehbar und bei Aktenzeichen, Produktnummern und Eigennamen kaum zu schlagen. Sie scheitert, sobald im Dokument andere Wörter stehen als in der Frage.

Eine semantische Suche vergleicht Bedeutungen. Dafür werden Textabschnitte in Vektoren überführt, also in Zahlenfolgen, die inhaltliche Nähe abbilden. Diese Darstellungen heißen Embeddings. Die Frage wird in denselben Raum überführt, und gesucht wird nach Nachbarschaft statt nach Übereinstimmung. Damit findet die Suche den Abschnitt über die Beendigung eines Vertragsverhältnisses auch dann, wenn nach Kündigungsfrist gefragt wurde.

Die Verfahren schließen einander nicht aus. In der Praxis werden beide kombiniert und ihre Ergebnisse zusammengeführt. Dafür hat sich die Bezeichnung Hybrid-Retrieval eingebürgert.

Was RAG ist

RAG steht für Retrieval Augmented Generation. Das Verfahren verbindet eine Suche mit einem Sprachmodell: Zuerst holt ein Retrieval-Schritt die passenden Textabschnitte aus einem Bestand, danach formuliert das Modell die Antwort aus genau diesen Abschnitten. Das Modell antwortet also aus mitgelieferten Belegstellen und nicht allein aus seinem Trainingswissen.

Beschrieben wurde der Ansatz 2020 von Lewis und anderen auf der NeurIPS, die Fundstelle steht unten im Quellenverzeichnis. Für Unternehmen sind daran drei Punkte wichtig. Erstens ist die Antwort so gut wie die gefundenen Abschnitte: Findet der Suchschritt das Falsche, formuliert das Modell die falsche Antwort flüssig. Zweitens lässt sich jede Aussage auf ihre Belegstelle zurückführen, wenn das System die Quelle mitliefert. Drittens muss die Berechtigungsprüfung im Suchschritt liegen und nicht erst danach, sonst gelangen Inhalte in eine Antwort, die der fragenden Person nicht offenstehen.

Welche Optionen gibt es?

Für den Zugang zum eigenen Dokumentenbestand gibt es vier gebräuchliche Wege, und nicht jeder führt zu einer Plattform.

• Bei der vorhandenen Suche bleiben. Die Dateiablage bringt eine Volltextsuche mit. Das genügt, solange der Bestand überschaubar ist und die Beteiligten die Begriffe kennen.
• Ein Suchsystem daneben stellen. Spezialisierte Suchplattformen indexieren vorhandene Quellen, ohne dass Dateien umziehen. Zu prüfen sind dabei die Anbindung jeder Quelle, die Übernahme der Zugriffsrechte und der Verarbeitungsort.
• Selbst bauen. Die Bausteine für Retrieval und Generierung sind frei verfügbar. Das ergibt maximale Kontrolle und verlagert Betrieb, Aktualisierung und Rechteprüfung ins eigene Haus. Ein Weg mit eigener Infrastruktur und quelloffener Software ist im Vergleich mit Nextcloud beschrieben.
• Ablage und Suche in einem System. Der Speicher ist zugleich der Index. Das erspart Konnektoren und ein zweites Rechtemodell, setzt aber voraus, dass der Bestand dorthin umzieht. Diesen Weg geht Nexoria.

Die Entscheidung fällt selten am Funktionsumfang. Sie fällt an drei nüchternen Fragen: Muss der Bestand umziehen oder nicht? Wo darf verarbeitet werden? Und wer hält die Zugriffsrechte, wenn eine KI antwortet?

Wie Nexoria Unternehmensdokumente durchsuchbar macht

Die Dokumentensuche durchsucht die Inhalte eines Workspaces semantisch. Sie steht an zwei Stellen zur Verfügung: im KI Chat und als eigenes Suchfenster außerhalb des Chats. Grundlage ist der Index über die freigegebenen Inhalte aus Nexoria Drive, es gibt keinen gesonderten Upload für die Suche.

• Hybrid-Retrieval. Stichwortsuche und semantische Suche laufen zusammen, damit Aktenzeichen ebenso gefunden werden wie sinngemäße Fragen.
• Quellenangabe. Jeder Treffer nennt das Quelldokument, dazu gibt es eine Vorschau mit Tabellen, Bildern und Formatierung. Antworten des KI-Assistenten Nex tragen dieselbe Referenz.
• Rechte im Suchschritt. Workspaces bestimmen, welche Personen und welche Chatbots welche Inhalte sehen. Die Trennung greift auf Datenbank- und Vektorspeicher-Ebene, jeder API-Endpunkt prüft serverseitig.
• Nicht textliche Inhalte. Audio wird transkribiert, Scans und Bilder werden über Texterkennung erschlossen. Beides geht in denselben Index.
• Ohne Tokenverbrauch. Die Dokumentensuche verbraucht keine KI-Tokens. Ist das Kontingent für den Chat aufgebraucht, bleibt der Zugriff auf das eigene Wissen über die Suche erhalten.

Wie aus dem durchsuchbaren Bestand geordnetes Wissen wird, steht unter Firmenwissen aus verstreuten Dateien. Welche Rolle die Ablage dabei spielt, beschreibt Cloud-Speicher mit KI.

Voraussetzungen

Datenschutz und Infrastruktur

Bei einer Suche über den gesamten Dokumentenbestand ist der Verarbeitungsort keine Nebenfrage. Zu trennen sind dabei zwei Schritte: die Suche selbst und die Formulierung der Antwort.

Die Herstellerdokumentation von Mistral AI beschreibt daneben ein Training als Verantwortlicher, soweit der Kunde nicht widersprochen hat.

Datenschutzrechtlich entscheidend sind Verarbeitungsort, Unterauftragsverarbeiter, Rechtsgrundlage und Auftragsverarbeitungsvertrag, nicht das Werbeversprechen einer Konformität.

Nexoria ist auf die Anforderungen der Verordnung (EU) 2016/679 (DSGVO) ausgelegt. Auftragsverarbeitungsvertrag nach Art. 28, Verzeichnis von Verarbeitungstätigkeiten nach Art. 30 und Datenschutz-Folgenabschätzung nach Art. 35 sind öffentlich einsehbar.

Für Hosting, Datenbanken und KI-Modelle der Kernplattform ist kein US-Rechtssubjekt an der Verarbeitung beteiligt. Die technische Fehlerüberwachung läuft über Sentry mit Sitz in den USA, ohne Zugriff auf Dokumentinhalte, namentlich benannt im Verzeichnis nach Art. 30. Die E-Mail-Integration über Microsoft Graph API und Gmail API greift nur bei aktiver Integration. Alle eingesetzten Dienstleister stehen namentlich im Verzeichnis nach Art. 30.

Konkrete Funktionen

Vergleich zur klassischen Suche in der Dateiablage

Die linke Spalte beschreibt das übliche Muster einer Volltextsuche in einer Dateiablage, nicht ein bestimmtes Produkt. Einzelne Anbieter stehen mit Fundstelle und Prüfdatum auf den Vergleichsseiten.

Fundstellen zur rechten Spalte: die Funktionsangaben stehen auf Produkt und Funktionen, die Verarbeitungsorte auf Sicherheit und Datenschutz, jeweils mit Stand vom 23.08.2026.

Grenzen, wann Nexoria nicht passt

• Der Bestand soll bleiben, wo er ist. Durchsucht wird, was in Nexoria Drive liegt. Wer viele Fachsysteme anbinden will, ohne Dateien zu bewegen, sucht ein Werkzeug mit Konnektoren zu genau diesen Quellen. Was Automatisierungen an vorhandene Software anbinden, ersetzt keinen vollständigen Suchkonnektor.
• Es wird eine belegte Trefferquote verlangt. Zur Suchqualität liegt keine veröffentlichte Messung mit Testdatensatz, Ground Truth und Metrik vor, ebenso wenig ein Kundenfall mit veröffentlichten Messwerten. Wer eine Zahl für die Ausschreibung braucht, bekommt sie hier nicht.
• Zertifizierung als Vergabevoraussetzung. Nexoria ist weder nach ISO 27001 noch nach SOC 2 zertifiziert, ein Zertifizierungsverfahren ist derzeit nicht terminiert. Die technischen und organisatorischen Maßnahmen orientieren sich am BSI IT-Grundschutz und sind umgesetzt, konkret an den Bausteinen ORP.4, CON.1, APP.5.3 und OPS.1.1.5. Das ersetzt kein Zertifikat. Eine Zertifizierung setzt ein externes Audit voraus, ein solches Verfahren ist derzeit weder beauftragt noch terminiert.
• Sehr große Bestände. Enthalten sind 10 GB je Unternehmen beziehungsweise 20 GB je Unternehmen, darüber hinaus kostet Speicher 0,20 Euro je GB und Monat. Bei Beständen im Terabyte-Bereich gehört das vor die Entscheidung gerechnet, zusammen mit dem Aufwand für die Ersteinrichtung.
• Eigenbetrieb ist Pflicht. Darf der Bestand das eigene Rechenzentrum nicht verlassen, ist quelloffene Software der richtige Weg, siehe Vergleich mit Nextcloud.

Häufige Fragen

Nächster Schritt

Aussagekräftig wird die Prüfung erst mit echten Unterlagen. Bringen Sie den Ordner mit, in dem heute niemand etwas findet, gern mit Scans und Altakten. Wir zeigen, was Indexierung und Suche daraus machen, und wo sie an Grenzen stoßen.