Semantische Suche im B2B-Shop: Produktdaten auffindbar machen und Self-Service stärken

Eure Kunden suchen im B2B-Shop selten nach Marketing-Sprache. Sie suchen nach Artikelnummern, Ersatzteilen, technischen Merkmalen oder dem Produkt, das für ihren konkreten Anwendungsfall passt. Findet eure Shop-Suche diese Informationen nicht, bleibt oft nur der Umweg über Katalog oder Vertrieb.

Das betrifft nahezu jeden B2B-Shop: Laut Gartner bevorzugen 70 Prozent der B2B-Kunden eine vollständig digitale Self-Service-Buying-Experience. Die semantische Suche setzt genau hier an und macht aus dieser Erwartung ein konkretes Shop-Erlebnis. Eine Suche, die ins Leere läuft, untergräbt genau dieses Erwartungsbild.

Dabei sind die Produkte meist vorhanden. Das eigentliche Problem ist die Suche. Sie erkennt weder Tippfehler und Synonyme noch den technischen Kontext hinter einer Anfrage. Eine KI-gestützte Produktsuche schließt genau diese Lücke und sorgt dafür, dass aus einer Suchanfrage ein relevantes Ergebnis wird statt eines abgebrochenen Kaufprozesses.

Klassische Suchlogik stößt an ihre Grenzen

Klassische Suchsysteme arbeiten mit exakten Übereinstimmungen. Schon vertauschte Buchstaben oder kleinste Tippfehler genügen, damit eure Suche kein Ergebnis liefert. Auch Synonyme und branchenübliche Bezeichnungen bleiben oft unberücksichtigt: Sucht ein Kunde nach »Dichtung«, findet er möglicherweise kein Produkt, das nur als »O-Ring« oder »Dichtungsring« hinterlegt ist. Deutsche Komposita wie »Motorlager« oder »Lagerbuchse« werden zudem häufig nicht sinnvoll zerlegt. Und auch umgangssprachliche oder anwendungsbezogene Anfragen bleiben oft ohne Treffer, weil der Katalog technisch oder herstellerspezifisch formuliert ist.

Hinzu kommen Probleme bei der Bedienung. Zu viele Filter und unklare Relevanz-Sortierung erschweren die Suche zusätzlich. Nutzer landen dann in einem »Filter-Labyrinth« oder auf einer Ergebnisseite, die das gesuchte Produkt nicht zeigt. Solche Nulltreffer und irrelevante Ergebnisse führen zu Suchabbrüchen und vermehrten Vertriebsanfragen. Verlorene Verkaufschancen sind die Folge. Denn Kunden erwarten im Shop schnelle Hilfe und reibungslosen Self-Service. Doch jede gescheiterte Suche untergräbt genau dieses Versprechen.

Was B2B-Shops von B2C-Shops unterscheidet

Im B2B ist die Produktsuche ohnehin komplexer als im B2C. Kataloge sind groß und Produkte haben viele Varianten. Ersatzteile müssen außerdem eindeutig zugeordnet sein. Dazu kommen technische Angaben wie Maße, Materialien, Normen und Kompatibilitäten. Wer hier sucht, will meist ein bestimmtes Produkt für einen konkreten Zweck finden.

Hinzu kommen unterschiedliche Rollen eurer Kunden. Ein Techniker sucht vielleicht nach einem Ersatzteil, die Lagerverwaltung nach Verfügbarkeit und Lieferzeit. Je nach Rolle gehören andere Preise oder Rahmenverträge zum Ergebnis. Eine Suche, die diese Unterschiede ignoriert, liefert vielen Nutzern keine passenden Treffer.

Auch die Datenlage ist im B2B komplexer. Produktdaten liegen häufig in PIM, ERP, Herstellerkatalogen und Excel-Listen. Preise und Bestände kommen aus dem ERP, Produktinformationen aus dem PIM. Kunden- und herstellerspezifische Artikelnummern erschweren die Zuordnung zusätzlich. Eine Suche muss diese Informationen zusammenführen, damit eure Nutzer am Ende das richtige Produkt sehen.

Genau deshalb reicht eine klassische B2C-Suche im B2B-Shop selten aus. Sie muss technische Präzision mit Verständnis für die Anfrage und den geschäftlichen Kontext verbinden. Genau hier setzt die semantische Suche an.

Was Ihr darüber hinaus bei einem B2B Shop beachten solltet, erfahrt ihr in unserem Artikel zu den sieben wichtigsten B2B-Shop-Funktionen.

Semantische Suche im B2B-Shop

Semantische Suche erkennt den Bedarf hinter einer Anfrage. Sie versteht, was eure Kunden meinen, auch wenn die Formulierung nicht exakt mit dem Produktkatalog übereinstimmt. Damit das gelingt, kombiniert ein hybrider Ansatz drei Suchverfahren, die sich gegenseitig ergänzen.

Die klassische Keyword- und Filter-Suche bildet die Basis: Sie findet exakte Treffer, etwa bei Artikelnummern oder Normen.

Damit diese Angaben auch bei kleinen Abweichungen funktionieren, kommt die Fuzzy Search hinzu. Sie toleriert vertauschte Buchstaben oder Zahlendreher. Sucht ein Kunde nach »Dichtungsring«, findet die Suche auch dann das passende Produkt, wenn er »Dichhtungsring« eingibt. Die Fuzzy Search vergleicht dabei nicht Buchstabe für Buchstabe, sondern misst, wie ähnlich zwei Zeichenketten sind.

Die semantische Suche auf Basis von Vektoren ergänzt diese beiden Verfahren um eine dritte Ebene: Sie versteht die Bedeutung hinter einer Anfrage. Produkte und Suchanfragen werden in Vektoren übersetzt, also in Zahlenlisten, die die Bedeutung eines Texts beschreiben. Produkte mit ähnlicher Bedeutung liegen in diesem »Bedeutungsraum« nah beieinander. Deshalb findet die Suche auch dann passende Treffer, wenn die Wörter nicht übereinstimmen.

Alle drei Verfahren laufen parallel und liefern gemeinsam eine Kandidatenliste. Ein Reranking-Modell sortiert die gefundenen Treffer anschließend neu: Es bewertet Anfrage und Produkt gemeinsam und schiebt die tatsächlich passendsten Ergebnisse nach oben. Dabei berücksichtigt es neben der technischen Passung auch Faktoren wie Verfügbarkeit und geschäftliche Ziele.

Daraus entsteht ein konkreter Mehrwert: Die Suche schlägt passende Alternativen vor, wenn das gesuchte Produkt nicht verfügbar ist. Auch zum Produkt passende Ersatzteile oder Zubehör finden eure Kunden so schneller. Statt einer leeren Ergebnisseite oder einem langen Filter-Prozess erhalten sie relevante Vorschläge, die zu ihrem Anwendungsfall passen.

Das braucht ihr für die semantische Suche

Eure semantische Suche ist nur so gut wie die Produktdaten, aus denen sie gespeist wird. Genau hier kommt euer PIM-System ins Spiel: Es ist die zentrale Quelle für Produktname, Beschreibung, Kategorie und technische Attribute. Je sauberer und konsistenter ihr diese Daten im PIM pflegt, desto präziser arbeitet die Vektorisierung und desto relevanter werden die Suchergebnisse. Lückenhafte oder widersprüchliche Daten führen auch bei der besten Suchtechnik zu schwachen Ergebnissen.

Ergänzend dazu liefert euer ERP-System aktuelle Preise und Bestandsdaten. Aus diesen geht hervor, ob ein Produkt tatsächlich lieferbar ist. Diese Informationen müssen ebenfalls in die Suche einfließen, damit eure Nutzer nur Produkte sehen, die tatsächlich lieferbar und für sie relevant sind. Die Suche verbindet also PIM- und ERP-Daten zu einem vollständigen Bild jedes Produkts.

Technisch braucht ihr eine Suchlösung, die Vektorsuche unterstützt. Das kann eure bestehende Shop-Suche sein, sofern sie diese Funktion bietet, oder eine separate Suchplattform, die sich an euren Shop anbinden lässt. Die semantische Suchlösung wird entweder über eine Schnittstelle (API) oder als Plug-in angebunden und dockt sich an euer PIM und ERP an. Euer bestehendes Shopsystem bleibt dabei voll erhalten. Wichtig ist der hybride Ansatz: Eure klassische Keyword- und Filter-Suche bleibt bestehen und wird um die semantische Komponente ergänzt. Ihr müsst dafür nichts komplett austauschen.

Eure semantische Suche muss außerdem eure bestehende Geschäftslogik respektieren. Ein Kunde sieht nur die Produkte, die ihm laut Rolle und Preisgruppe zustehen. Zusätzlich berücksichtigt die Suche den aktuellen Lagerbestand, damit keine nicht verfügbaren Produkte angezeigt werden. Die Suchlösung fügt sich also nahtlos in eure bestehende Berechtigungs- und Preislogik ein, statt sie zu umgehen.

Gleichzeitig solltet ihr darauf achten, dass eure Rankings nachvollziehbar bleiben. Eure Nutzer sollten verstehen, warum ein Produkt oben steht, etwa weil es verfügbar ist oder technisch zur Anfrage passt. Auch die Preisgruppe kann eine Rolle spielen. Transparenz beim Ranking schafft Vertrauen und verhindert, dass die semantische Suche als Black Box wahrgenommen wird.

Nach dem Go-live beginnt für euch die Feinabstimmung. Ihr stellt das Reranking-Modell auf eure Business-Ziele ein, etwa darauf, verfügbare Produkte zu priorisieren oder bestimmte Kategorien zu fördern. Das ist kein einmaliger Vorgang, sondern ein laufender Prozess, der sich an den echten Suchanfragen eurer Nutzer orientiert.

Und danach?

Nach dem Rollout zeigt sich erst, ob die semantische Suche eure Erwartungen erfüllt. Dafür lohnt sich für euch ein Blick auf folgende Kennzahlen:

• Suchabbruchsquote: Wie viele eurer Nutzer die Suche verlassen, ohne auf ein Ergebnis zu klicken.
• Conversion-Rate nach Suche: Wie viele eurer Nutzer, die über die Suche einsteigen, anschließend etwas kaufen.
• Klickrate auf Suchergebnisse: Wie oft eure Nutzer auf ein Suchergebnis klicken, statt weiterzuscrollen oder abzubrechen.
• Anteil der Suchen ohne Ergebnis: Wie viele Anfragen bei euch keine Treffer liefern. Dieser Wert sollte nach der Einführung deutlich sinken.
• Umsatz pro Suche: Wie viel Umsatz über die Suche entsteht, gemessen am Warenkorbwert der über die Suche initiierten Bestellungen.
• Self-Service-Quote: Wie viele eurer Nutzer den Kauf ohne Kontakt zu Vertrieb oder Support abschließen.
• Time-to-Order: Wie lange es im Durchschnitt vom Suchstart bis zum Abschluss der Bestellung dauert.

Diese Zahlen zeigen euch, ob eure Suche funktioniert und wo ihr noch nachbessern müsst. Sinkt eure Conversion-Rate trotz hoher Klickrate, stimmt das Reranking noch nicht. Bleibt der Anteil der Suchen ohne Ergebnis hoch, fehlen möglicherweise Produkte in eurem Sortiment oder eure Produktdaten sind unvollständig. Ein hoher Umsatz pro Suche und eine kurze Time-to-Order bestätigen dagegen, dass eure Nutzer schneller zum passenden Produkt finden.

Eure Suchanfragen als Datenquelle

Die semantische Suche zeigt euch, wonach eure Kunden tatsächlich suchen. Dabei erfahrt ihr auch, welche Begriffe sie verwenden. So erhaltet ihr Erkenntnisse über die Sprache, in welcher sie ihre Anfragen formulieren und welche Produkte sie erwarten. Diese Erkenntnisse fließen direkt in eure Sortimentsplanung und eure Produktdatenpflege ein.

Das entlastet euren Vertrieb spürbar: 67 Prozent der B2B-Käufer bevorzugen laut Gartner eine Buying Experience ohne Vertriebskontakt. Nutzer, die selbstständig zum passenden Produkt finden, brauchen seltener den Umweg über E-Mail oder Telefon. Das reduziert Routineanfragen und gibt eurem Vertrieb mehr Zeit für komplexe Beratungen.

Ein weiterer Effekt für euch: Produkte, die vorher schwer auffindbar waren, werden sichtbarer. Zubehör und Ersatzteile, aber auch kompatible Alternativen erscheinen automatisch, wenn sie inhaltlich zur Anfrage passen. So wird euer gesamtes Sortiment nutzbar, nicht nur die Produkte, die zufällig gut in eurem Katalog platziert sind.

Vom Nulltreffer zum passenden Produkt

Semantische Suche macht aus eurer Produktsuche mehr als eine Trefferliste. Sie versteht, was eure Kunden meinen und führt sie schneller zum passenden Produkt. Entscheidend für den Erfolg ist auch die richtige Suchlösung, die zu eurer Systemlandschaft und euren geschäftlichen Zielen passt. Im Whitepaper »Search- und Recommendation-Engines auswählen« findet ihr Entscheidungs-Kriterien und Praxisbeispiele, um die passende Engine für euren B2B-Shop auszuwählen.

FAQs – häufig gestellte Fragen zu semantischer Suche