Direkte Antwort — Was ist semantische Suche für Transkripte? Semantische Suche findet Passagen in einem Transkript-Archiv nach Bedeutung statt nach exaktem Wortlaut. Sie wandelt Ihre Suchanfrage und jede gespeicherte Passage in Embeddings um — numerische Vektoren, die ähnliche Bedeutungen nah beieinander platzieren — und rankt Passagen dann nach Nähe. Beschreiben Sie, was gesagt wurde, etwa „die Stelle zur Verzögerung der Finanzierung“, und sie liefert die Passage, selbst wenn niemand diese Wörter benutzt hat.
Wenn Sie schon einmal versucht haben, den Transkriptionsverlauf auf einem Mac zu durchsuchen, und ein Interview nicht gefunden haben, das Sie mit Sicherheit aufgenommen haben, liegt es selten am Archiv. Es liegt an der Suchanfrage. Stichwortsuche gleicht Zeichenfolgen ab; das Gedächtnis speichert Bedeutung, und beide stimmen nur gelegentlich überein.
Diese Lücke ist der Grund, warum semantische Transkript-Suche einen Ordner voller Textdateien von einem tatsächlich nutzbaren Archiv unterscheidet. Dieser Leitfaden erklärt, was semantische Suche leistet, warum sie allein versagt, wie Hybrid-Ranking das behebt, und was es braucht, um ein Transkript nach Bedeutung zu finden — ganz auf dem eigenen Mac.
Warum versagt Stichwortsuche bei einem Transkript-Archiv?
Weil ein Transkript gesprochene Sprache festhält, und gesprochene Sprache ist der paraphrasenreichste Text, den Sie je speichern werden. Sie erinnern sich an den Punkt, der gemacht wurde; die sprechende Person hat sich an nichts erinnert und einfach geredet.
Drei Eigenschaften von gesprochenem Material machen den lexikalischen Abgleich brüchig:
- Niemand sagt es zweimal auf dieselbe Weise. Eine Budgetüberschreitung wird in einem einzigen Gespräch zu „wir lagen etwas drüber“, „die Zahlen sind gerutscht“ oder „es hat mehr gekostet, als wir gesagt haben“.
- Es gibt keine Überschriften, keinen Titel, keine Zusammenfassung. Ein Artikel gibt einem Retrieval-System eine Struktur, an der es sich orientieren kann. Ein neunzigminütiges Interview gibt ihm eine Wand aus Sätzen.
- Eigennamen kommen ohne Rechtschreibung an. Ein einmal gehörter Firmenname kann in einem Archiv auf drei verschiedene Weisen transkribiert werden, und jede davon scheitert an einer exakten Abfrage.
Retrieval-Forschung beziffert diese Lücke. Auf dem Entwicklungsdatensatz des MIRACL-Benchmarks — von Menschen annotiertes Retrieval über Wikipedia-Passagen, gemittelt über 16 Sprachen — erreicht BM25, die klassische lexikalische Ranking-Funktion, 39,3 nDCG@10 gegenüber 60,8 für das Embedding-Modell multilingual-e5-small.
| MIRACL-Dev-Set, gemittelt über 16 Sprachen | BM25 (lexikalisch) | multilingual-e5-small (semantisch) |
|---|---|---|
| nDCG@10 | 39,3 | 60,8 |
| Recall@100 | 78,7 | 92,4 |
Zwei Einschränkungen sind wichtig. MIRACL besteht aus Wikipedia-Prosa, nicht aus gesprochenen Transkripten, sodass die absoluten Zahlen nicht eins zu eins auf Ihre Interviews übertragbar sind. Und der Recall@100-Wert von 78,7 bei BM25 zeigt, dass lexikalische Suche die meisten relevanten Inhalte durchaus findet — sie rankt sie nur schlecht. Das ist das Argument für Hybrid-Suche statt für einen Ersatz.
Was ist semantische Suche, und wie funktioniert sie tatsächlich?
Semantische Suche ist Retrieval auf Basis von Vektor-Ähnlichkeit statt von Zeichenkettenabgleich. Ein Modell liest eine Passage und gibt ein Embedding aus: eine Zahlenliste fester Länge, so positioniert, dass Texte mit ähnlicher Bedeutung in diesem Raum nah beieinanderliegen.
Ihre Suchanfrage durchläuft dasselbe Modell, sodass Ranking zu einem geometrischen Problem wird — welche gespeicherten Vektoren dem Anfrage-Vektor am nächsten liegen — statt zu einem Textproblem.
Diese Modelle werden im großen Maßstab trainiert. Der technische Bericht zu Multilingual E5 beschreibt kontrastives Pre-Training auf einer Milliarde mehrsprachiger Textpaare, gefolgt von überwachtem Fine-Tuning auf gelabelten Datensätzen, in drei Größen: small, base und large. MIRACL, der oben in der Tabelle verwendete mehrsprachige Retrieval-Benchmark, deckt 18 Sprachen ab und umfasst über 700.000 menschliche Relevanzurteile für rund 77.000 Suchanfragen, alle bewertet von Muttersprachlerinnen und Muttersprachlern.
Kann eine Suchanfrage in einer Sprache ein Transkript in einer anderen finden?
Ja, sofern das Embedding-Modell mehrsprachig ist und beide Sprachen darin enthalten sind. Diese Fähigkeit ergibt sich unmittelbar daraus, wie das Modell trainiert wurde.
Ein mehrsprachiges Embedding-Modell platziert einen Satz und seine Übersetzung nah beieinander im selben Vektorraum. Der Multilingual-E5-Bericht evaluiert genau das unter dem Namen Bitext Mining, definiert als „a cross-lingual similarity search task that requires the matching of two sentences with little lexical overlap“, über mehr als 100 Sprachen hinweg.
In der Praxis kann bei einer sprachübergreifenden Transkript-Suche eine auf Französisch eingegebene Suchanfrage eine auf Japanisch oder Russisch gesprochene Passage ranken. Es läuft kein Übersetzungsschritt, und es matcht nie ein Stichwort — die beiden Texte bedeuten schlicht dasselbe, und das Modell wurde darauf trainiert, das zu erkennen. Für alle, die ein Archiv in mehreren Sprachen führen, wird so aus einer Suche pro Sprache eine einzige Suchanfrage.
Warum schlägt Hybrid-Suche jede Methode für sich allein?
Weil beide in entgegengesetzte Richtungen versagen, und Sie nicht vorhersagen können, welche Art von Frage als Nächstes ansteht. Exakte Zitate, Nachnamen und Referenznummern begünstigen den lexikalischen Index; Konzepte und halb erinnerte Argumente begünstigen den Vektor-Index.
Der etablierte Weg, zwei gerankte Listen zusammenzuführen, ist Reciprocal Rank Fusion (RRF), veröffentlicht auf der SIGIR 2009. Jedes Dokument erhält in jeder Liste, in der es auftaucht, den Wert 1 / (k + rank), die Werte werden summiert, und die fusionierte Liste wird sortiert. Die Autoren legten k = 60 in einem Pilotversuch fest und änderten den Wert nie wieder.
Ihre Ergebnisse, auf Text-REtrieval-Conference-Sammlungen und auf dem LETOR-3-Learning-to-Rank-Korpus mit 583.850 Dokument-Anfrage-Paaren:
- Die mittlere durchschnittliche Präzision (Mean Average Precision, MAP) von RRF übertraf Condorcet Fuse in allen Fällen und CombMNZ in allen bis auf einen.
- RRF übertraf Condorcet, CombMNZ und das beste Einzelsystem im Schnitt um 4% bis 5%.
- Auf LETOR 3 erreichte RRF einen MAP-Wert von 0,6051 gegenüber 0,5846 für das beste Einzelranking und übertraf damit alle bei p < 0,003.
Was RRF für eine Desktop-App attraktiv macht, ist das, was es nicht braucht: keine Trainingsbeispiele, kein Tuning und keine vergleichbaren Scores zwischen den beiden Systemen. Ränge genügen.
| Sie suchen nach | Stichwort (FTS5) | Semantisch (Embeddings) | Hybrid (RRF) |
|---|---|---|---|
| Einem exakten Zitat, Wort für Wort | ✅ Am stärksten | ⚠️ Kann Paraphrasen davor ranken | ✅ |
| Einem Nachnamen, Produktnamen oder Akronym | ✅ Am stärksten | ⚠️ Schwach bei seltenen Tokens | ✅ |
| Einem Thema, das Sie nur beschreiben können | ❌ Verpasst die Paraphrase | ✅ Am stärksten | ✅ |
| Einer in einer anderen Sprache gesprochenen Passage | ❌ | ✅ Am stärksten | ✅ |
| Einer Zahl oder einem laut vorgelesenen Datum | ✅ | ⚠️ Schwach | ✅ |
Wie läuft eine KI-Transkript-Suche vollständig auf einem Mac?
Mit drei lokalen Komponenten und ohne Netzwerkaufruf. Genau das entscheidet, ob Ihre Interviews vertraulich bleiben, weshalb es sich lohnt, jede Komponente zu benennen.
Weesper Transcribe baut seinen durchsuchbaren Transkriptionsverlauf aus:
- Einem Stichwort-Index — SQLite FTS5, das die offizielle Dokumentation definiert als „an SQLite virtual table module that provides full-text search functionality to database applications“. Es bringt eine eingebaute BM25-Ranking-Funktion mit und unterstützt Phrasen- und Präfixabfragen, sodass sowohl
"Quartalsprognose"als auchPrognose*funktionieren. - Einem lokalen Embedding-Modell — multilingual-e5-small, ausgeführt über Candle, im offiziellen Repository beschrieben als „a minimalist ML framework for Rust with a focus on performance (including GPU support) and ease of use“. Die kleine Variante passt in das Speicher- und Akkubudget eines Laptops und behält dabei die mehrsprachige Abdeckung bei.
- Reciprocal Rank Fusion, um die beiden gerankten Listen zu der einen Liste zusammenzuführen, die Sie sehen.
All das läuft auf Ihrem Mac. Transkription ist bereits On-Device, und die Such-Ebene macht keine Ausnahme davon: Embeddings werden lokal berechnet, gespeichert und abgefragt. Ein Interview unter Sperrfrist wird nie zu einer Anfrage an Dritte.
Wo das in der aktuellen Landschaft einzuordnen ist
Allzweck-Tools für On-Device-semantische-Suche auf macOS gibt es durchaus — sie indexieren Dateien, Notizen oder den Zwischenablage-Verlauf, mehrere davon mit lokalen Modellen. Was sie nicht abdecken, ist der Transkriptionsschritt selbst.
Das wiegt schwerer, als es klingt. Eine transkript-bewusste Suche kennt Zeitstempel und Datei-Grenzen, sodass ein Treffer Sie zu dem Moment in der Audiodatei führt statt zu einem Absatz in einer Textdatei — und dasselbe Archiv speist die lokale Automatisierungs-API, wenn Sie darum herum skripten.
Wie durchsucht man ein Transkript-Archiv richtig?
Passen Sie den Stil der Suchanfrage an den Index an, den Sie treffen wollen. Vier Gewohnheiten decken die meisten Fälle ab.
- Beschreiben Sie die Idee, nicht den Satz. „Die Stelle, wo sie sich geweigert haben, ein Datum zu nennen“ schlägt das Raten des exakten Verbs — genau dafür ist der Vektor-Index da.
- Zitieren Sie, wenn Sie sich sicher sind. Bei einer Formulierung, die Sie Wort für Wort erinnern, oder einem Nachnamen, tippen Sie sie exakt ein: FTS5-Phrasenabgleich übernimmt die Arbeit, und die Fusion hält den Treffer weit oben.
- Suchen Sie in Ihrer eigenen Arbeitssprache. Sprachübergreifendes Retrieval geschieht zum Suchzeitpunkt, sodass das Archiv nicht in der Sprache vorliegen muss, in der Sie denken, und ein Übersetzen zum Transkriptionszeitpunkt bringt nichts.
- Halten Sie das Archiv vollständig. Die Retrieval-Qualität skaliert mit dem, was indexiert ist. Exportieren Sie eine Kopie in SRT, VTT oder einem der anderen Formate, aber lassen Sie das Transkript im Verlauf.
Die Suche über den Verlauf ist Teil des Pro-Upgrades, zusammen mit Batch-Verarbeitung, den Exportformaten und Inline-Bearbeitung. Der kostenlose Download transkribiert Dateien bis zu 15 Minuten in voller Qualität — genug, um die Genauigkeit zunächst am eigenen Audiomaterial zu prüfen. Da Pro ein Einmalkauf statt eines Abonnements ist, bleibt ein in diesem Jahr aufgebautes Archiv ohne wiederkehrende Gebühr durchsuchbar.
Wägen Sie eher zwischen Apps als zwischen Techniken ab? Unser Vergleich mit TranscribeNext deckt die Meeting-Aufzeichnungs-Seite derselben Entscheidung ab.
Häufig gestellte Fragen
Wie unterscheidet sich semantische Suche von Stichwortsuche in einer Transkriptions-App?
Stichwortsuche gleicht die eingegebenen Zeichen mit den Zeichen im Transkript ab. Wenn die sprechende Person sagte „wir haben den Start nach hinten verschoben“ und Sie nach „Verzögerung“ suchen, liefert ein reiner Stichwort-Index nichts. Semantische Suche wandelt Suchanfrage und Passagen in Vektoren um, die ähnliche Bedeutungen nah beieinander platzieren, und rankt dann nach Nähe — so findet sie die Paraphrase. Bei seltenen Zeichenfolgen wie einem Nachnamen bleibt der Stichwort-Index zuverlässiger.
Kann ich ein Transkript in einer Sprache mit einer Suchanfrage in einer anderen Sprache durchsuchen?
Ja, wenn das Embedding-Modell mehrsprachig ist. Es bildet einen Satz und seine Übersetzung auf benachbarte Vektoren ab, sodass eine auf Französisch eingegebene Suchanfrage eine auf Japanisch oder Russisch gesprochene Passage ranken kann. Der technische Bericht zu Multilingual E5 nennt das Bitext Mining — „a cross-lingual similarity search task that requires the matching of two sentences with little lexical overlap“ — und evaluiert es in über 100 Sprachen.
Funktioniert semantische Suche offline, oder sendet sie meine Transkripte an einen Server?
Das hängt davon ab, wo das Embedding-Modell läuft. Cloud-Dienste berechnen Embeddings auf ihrer eigenen Infrastruktur, sodass Ihre Transkripte und Ihre Fragen dazu auf fremden Servern liegen. Weesper Transcribe führt das Modell auf Ihrem Mac über Candle aus, neben einem lokalen SQLite-Index — keine Suchanfrage verlässt den Rechner, und das Archiv bleibt auch bei ausgeschaltetem WLAN durchsuchbar.
Warum Stichwortsuche und semantische Suche kombinieren, statt sich für eine zu entscheiden?
Weil jede dort versagt, wo die andere erfolgreich ist. Reciprocal Rank Fusion, veröffentlicht auf der SIGIR 2009, fusioniert zwei gerankte Listen, indem jedes Ergebnis mit 1/(k + rank) bewertet und summiert wird, wobei k auf 60 festgelegt ist. Die Autoren berichten, dass RRF Condorcet, CombMNZ und das beste Einzelsystem im Schnitt um 4% bis 5% übertraf. Es benötigt keine Trainingsdaten und keine vergleichbaren Scores, was zu einer Desktop-App passt.
Brauche ich Weesper Transcribe Pro, um meinen Transkriptionsverlauf zu durchsuchen?
Ja. Die App ist kostenlos im Mac App Store herunterladbar und transkribiert Dateien bis zu 15 Minuten in voller Qualität. Volltext- und semantische Suche über den Verlauf gehören zum Pro-Upgrade, zusammen mit dem Wegfall des Längenlimits, Batch-Verarbeitung, den neun Exportformaten und Inline-Bearbeitung. Pro ist ein einmaliger App-Store-Kauf, kein Abonnement.
Findet semantische Suche exakte Zitate zuverlässig?
Nicht allein. Vektor-Ähnlichkeit belohnt Passagen, die dasselbe bedeuten, sodass eine nahe Paraphrase den wörtlichen Satz überholen kann. Exakte Zitate sind die Aufgabe des Stichwort-Index: FTS5 unterstützt Phrasen- und Präfixabfragen und rankt mit BM25. Hybrid-Ranking bedeutet, dass Sie nie wählen müssen — beide Treffer werden zu einer Liste zusammengeführt.
Fazit
Stichwortsuche verlangt, dass Sie sich an die Wörter erinnern. Nach hundert Stunden Aufnahmen tut das niemand mehr. Semantische Suche verlangt, dass Sie sich an die Bedeutung erinnern — genau das, was das Gedächtnis tatsächlich speichert —, und die veröffentlichten Benchmarks stimmen darin überein, dass bedeutungsbasiertes Retrieval bei mehrsprachigem Material deutlich besser rankt, während lexikalischer Abgleich bei exakten Zeichenfolgen unschlagbar bleibt.
Die Antwort lautet also weder das eine noch das andere allein, sondern beides, fusioniert durch eine Methode, die sich seit 2009 bewährt hat. Lokal ausgeführt, macht das aus einem Stapel Transkripte ein Archiv, das Sie in jeder Sprache befragen können, die Sie sprechen, ohne dass ein einziges Byte Ihren Mac verlässt.
Bereit, Ihre Aufnahmen auffindbar zu machen? Sehen Sie, wie das durchsuchbare Transkript-Archiv funktioniert, oder holen Sie sich die App aus dem Mac App Store — kostenlos herunterladbar, macOS 13 oder neuer, einmaliges Pro-Upgrade, kein Abonnement. Fragen zur Einrichtung beantwortet die Support-Dokumentation.