Hva er semantisk søk?

Semantisk søk er AI-drevet søk som forstår MENINGEN bak spørsmålet – ikke bare matcher nøkkelord – slik at du får relevante resultater selv når ordene er forskjellige.

Kort forklart Tradisjonelt søk: du skriver «billig overnatting Oslo» og finner sider som inneholder akkurat de ordene. Semantisk søk: du skriver «rimelig sted å sove i hovedstaden» og finner det samme – fordi AI-en forstår at «rimelig» ≈ «billig», «sted å sove» ≈ «overnatting», og «hovedstaden» = «Oslo». Det fungerer via embeddings – tekst konverteres til tallvektorer der lignende meninger er nær hverandre i et matematisk rom.

Hva betyr begrepet

Tradisjonelt nøkkelordsøk (BM25, TF-IDF) matcher eksakte ord. Dokumenter med flest treff på søkeordene rangeres høyest. Det feiler når du bruker synonymer, stiller spørsmål med andre ord enn dokumentet, eller søker etter konsepter i stedet for spesifikke termer.

Semantisk søk bruker embeddings – AI konverterer tekst til tallvektorer (f.eks. 1536 dimensjoner) der semantisk lignende tekst plasseres nær hverandre i vektorrommet. Søket konverterer spørsmålet til en vektor, finner de nærmeste vektorene i databasen (cosine similarity), og returnerer de mest semantisk lignende dokumentene.

Vektordatabaser (Pinecone, Weaviate, ChromaDB, Qdrant) er spesialbygd for å lagre og søke i millioner av vektorer effektivt.

Hybrid søk kombinerer nøkkelord + semantisk – best of both worlds. De fleste moderne søkesystemer bruker dette.

Hvordan fungerer det

Semantisk søk matcher mening, ikke ord.

Nøkkelordsøk:
  Query: "hva spiser katter"
  Match: dokumenter som inneholder ordene "spiser" OG "katter"
  Miss: dokument som sier "feline diett inkluderer fisk og kjøtt" (ingen nøkkelord-match)

Semantisk søk:
  Query: "hva spiser katter" → vektor [0.23, -0.41, 0.87, ...]
  Dokument: "feline diett inkluderer fisk og kjøtt" → vektor [0.22, -0.39, 0.85, ...]
  Cosine similarity: 0,97 (veldig lik) → MATCH!

→ Semantisk søk forstår at "katter" ≈ "feline" og "spiser" ≈ "diett"

Hvorfor er det viktig

Semantisk søk er fundamentet for RAG (gi AI tilgang til dine dokumenter), AI-søkemotorer (Perplexity, Google AI Overviews), bedriftssøk (finn relevante dokumenter uansett ordvalg), og e-handel (finn produkter basert på beskrivelse, ikke produktnavn).

Det er en av de mest praktisk nyttige AI-teknologiene – det løser det daglige problemet «jeg vet hva jeg leter etter, men ikke nøyaktig hvilke ord dokumentet bruker.»

Eksempler

Bedriftssøk: En ansatt søker «retningslinjer for hjemmekontor». Semantisk søk finner policydokumentet selv om det heter «Remote Work Policy» – fordi meningen matcher.

RAG-chatbot: En kundekontakt skriver «kan jeg returnere etter 30 dager?» RAG-systemet finner returpolicy-seksjonen selv om den bruker ordene «angrefrist» og «reklamasjon» – semantisk match.

E-handel: En kunde søker «komfortabel stol for lange dager». Semantisk søk finner ergonomiske kontorstoler selv uten nøyaktig ordmatch.

Relaterte begreper

• Embeddings – tekst som tallvektorer
• Vektordatabase – lagring for søk
• RAG – bruker semantisk søk for å gi AI kontekst
• AI-søk – bredere kategori
• Perplexity – AI-søkemotor basert på semantikk

Se også

• Hva er embeddings?
• Hva er RAG?

Oppsummering

Semantisk søk finner resultater basert på mening – ikke nøkkelord. Det bruker embeddings og vektordatabaser. Fundamentet for RAG, AI-søk og bedriftssøk. «Rimelig sted å sove i hovedstaden» finner «billig overnatting Oslo.» Hybrid (nøkkelord + semantisk) gir best resultat. Det er fremtiden for all søketeknologi.