Produktsuche verbessern: Wenn Treffer nicht zum Kundenwunsch passen
Ihre Suche zeigt Produkte an. Aber findet der Kunde auch das passende? An konkreten Beispielen zeigen wir, wo Suchregeln und bessere Produktdaten helfen, wann KI einen Versuch wert ist und wie wir solche Aufgaben angehen.
Ein Kunde sucht eine Maus für Linkshänder. Die Suche liefert eine lange Liste von Mäusen – ganz oben steht aber ein Modell für die rechte Hand. Technisch hat die Suche Treffer geliefert. Für den Kunden bleibt die Aufgabe ungelöst.
Für Betreiber von Shops und Plattformen ist genau dieser Unterschied entscheidend: Eine gefüllte Trefferliste ist noch keine hilfreiche Antwort. Es muss das passende Produkt, die richtige Variante oder auch einmal eine Anleitung sein.
Wir entwickeln Suchlösungen für Shops, Portale und Wissensbestände. Dabei geht es um das Zusammenspiel von Suchtechnik, Daten und Regeln, die Ihr Team selbst pflegen kann. Die folgenden Beispiele zeigen, wie wir Fehler auseinanderhalten und daraus konkrete Verbesserungsaufgaben ableiten.
Was Sie aus den Beispielen mitnehmen können
Andere Wörter für dasselbe Produkt: Gepflegte Begriffspaare, sogenannte Synonyme, helfen der Suche, die Sprache Ihrer Kunden mit Ihrem Katalog zu verbinden.
Eine wichtige Eigenschaft stimmt nicht: Anschlüsse, Größe oder die passende Ausführung müssen in den Daten zuverlässig erkennbar sein und bei der Suche berücksichtigt werden.
Der Kunde sucht Hilfe: Eine Weiterleitung zur richtigen Serviceseite kann hilfreicher sein als eine Produktliste.
Passende Produkte bleiben trotz guter Grundlagen verborgen: Hier lässt sich gezielt prüfen, ob KI zusätzliche Formulierungen erfasst oder die Reihenfolge verbessert.
Dafür muss nicht automatisch das Shopsystem ersetzt werden. Eine eigene Suche lässt sich an das bestehende System anbinden. Wie wir das in einem OXID-Shop umgesetzt haben, zeigt unser Praxisbeispiel zur Shop-Suche.
Drei Beispiele: Warum ein ähnliches Produkt nicht genügt
Die Beispiele stammen aus eigenen Suchversuchen mit 60 deutschen Testanfragen und 23.904 älteren Produkttexten aus einem öffentlichen, gemischten Sortiment. Anfragen und erste Bewertungen wurden mit KI erstellt und sind nicht durch unabhängige menschliche Fachprüfer validiert. Wir zeigen ausgewählte Fälle anhand der Produkttexte, keine Erfolgsquote oder nachgewiesene Umsatzsteigerung.
Verglichen wurden eine Stichwortsuche, die nach Wörtern im Produkttext sucht, eine KI-Suche, die auch ähnliche Formulierungen finden kann, und eine Kombination beider Trefferlisten. Unsere bereits vorhandenen Synonyme, Weiterleitungen und eine Abstimmung auf einen konkreten Shop waren nicht Teil dieses Versuchs. Die Beispiele beschreiben deshalb keine Grenzen einer fertig eingerichteten Shop-Suche.
1. Die richtige Maus – für die falsche Hand
Gesucht war eine „Vertikale Maus für Linkshänder“. Bei einer vertikalen Maus hält man die Hand stärker aufrecht als bei einer gewöhnlichen Maus. Die KI-Suche zeigte zuerst ein Modell für Rechtshänder. Die Bauform passte, die entscheidende Eigenschaft nicht.
Was im Shop hilft: Links- und Rechtshändermodelle müssen eindeutig unterscheidbar sein. Diese Eigenschaft sollte als Produktmerkmal vorliegen und bei einer entsprechenden Anfrage berücksichtigt werden. Auch nach dem Klick muss die richtige Variante auf der Produktseite ausgewählt sein.
Derselbe Prüfgedanke gilt für andere Sortimente: eine passende Kleidergröße, die richtige Speicherkapazität oder ein Ersatzteil für die genannte Modellnummer. Ein ähnlicher Artikel ist nur dann eine brauchbare Alternative, wenn er die geforderten Eigenschaften erfüllt.
Maus: gemessene Treffer und Belege ansehen
Die Tabelle zeigt die gespeicherten ersten Treffer. Beide Mäuse stammen von derselben Marke; sie unterscheiden sich in der Ausführung für die linke oder rechte Hand. „E5“ ist der Kurzname des verwendeten KI-Modells. „Fusion“ bezeichnet die gemeinsame Liste aus Stichwort- und KI-Suche.
Vertikale Maus für Linkshänder
Verfahren
Erster Treffer (gekürzt)
Einordnung nach Produkttext
Stichwort · Standard
Evoluent VM4L: für Linkshänder
Händigkeit laut Text passend
Vektor · E5
Evoluent VerticalMouse 4: für Rechtshänder
Ausdrückliche Anforderung verletzt
Ausgewählter Entwicklungsfall, keine Erfolgsquote. Die Einordnungen sind nicht unabhängig geprüfte Bewertungsvorschläge.
Originalangaben zu diesen Treffern ansehen
Evoluent VM4L · Titel
für LinksHänder
Evoluent VerticalMouse 4 · Titel
für Rechtshänder
Wörtliche Auszüge aus den historischen Angebotstexten. Die vollständigen Texte und Produkt-IDs stehen im Datenpaket; die Auszüge ersetzen keinen Gerätetest.
2. Der Adapter hat die richtigen Anschlüsse, arbeitet aber in die falsche Richtung
Ein Computer hat einen DisplayPort-Ausgang, der Bildschirm einen HDMI-Eingang. Gesucht ist ein Adapter, der beide verbindet. Ein Adapter für den umgekehrten Weg hilft nicht – obwohl dieselben Anschlussnamen daraufstehen.
In unserem Versuch fand die Standard-Stichwortsuche den laut Beschreibung passenden Adapter. Die KI-Suche zeigte zuerst einen für die Gegenrichtung.
Diese beiden Adapter beschreiben unterschiedliche Verwendungsrichtungen. Für die gesuchte Verbindung passt laut Angebotstext nur einer. Auf schmalen Bildschirmen lässt sich die Grafik seitlich scrollen.
Was im Shop hilft: Die Suche braucht die Information, welches Gerät das Signal liefert und welches es empfängt. Solche entscheidenden Merkmale sollten als eigene Datenfelder gepflegt und gegen den Kundenwunsch geprüft werden. Synonyme für Anschlussnamen allein klären diese Richtung nicht.
Adapter: gemessene Treffer und Belege ansehen
Die Anfrage lautet: „Adapter vom DisplayPort-Ausgang zum HDMI-Monitor“. Die Einordnung beruht auf den historischen Angebotstexten, nicht auf einem Gerätetest oder einer heutigen Kaufempfehlung.
Adapter vom DisplayPort-Ausgang zum HDMI-Monitor
Verfahren
Erster Treffer (gekürzt)
Einordnung nach Produkttext
Stichwort · Standard
Plugable: DisplayPort → HDMI
Richtung laut Text passend
Vektor · E5
FOINNEX: HDMI → DisplayPort
Gegenrichtung; nicht bidirektional
Fusion · Standard + E5
Plugable: DisplayPort → HDMI
Richtung laut Text passend
Fusion · Variante + E5
FOINNEX: HDMI → DisplayPort
Gegenrichtung; Stichwortliste leer
Ausgewählter Entwicklungsfall, keine Erfolgsquote. Die Einordnungen sind nicht unabhängig geprüfte Bewertungsvorschläge.
Originalangaben zu diesen Treffern ansehen
Plugable · Beschreibung
DisplayPort Ausgang an Ihrem Laptop oder PC
zum Anschluss an einen HDMI Bildschirm
FOINNEX · Beschreibung
mit verfügbarem HDMI-Ausgang
mit verfügbarem DisplayPort-Eingang
Dieser Adapter ist NICHT bidirektional
Wörtliche Auszüge aus den historischen Angebotstexten. Die vollständigen Texte und Produkt-IDs stehen im Datenpaket; die Auszüge ersetzen keinen Gerätetest.
Der Adapter der Marke FOINNEX beschreibt HDMI als Quelle und DisplayPort am Bildschirm; die benötigte Gegenrichtung wird ausgeschlossen. Die Standard-Stichwortsuche liefert genau einen Treffer: den laut Text passenden Adapter von Plugable. Bei der KI-Suche mit E5 steht dieser auf Rang 4. Die gemeinsame Liste setzt ihn auf Rang 1.
Die zweite Stichworteinstellung liefert dagegen keinen Treffer. Ihre Kombination mit E5 übernimmt deshalb unverändert dessen Reihenfolge mit dem ungeeigneten FOINNEX-Adapter an erster Stelle. Das Zusammenführen kann hier nichts korrigieren, weil die Stichwortliste leer bleibt. Der Versuch enthielt noch keinen Filter für die Signalrichtung.
3. Ein Begriff kann zwei verschiedene Geräte meinen
Gesucht war eine „USB-Dockingstation für vier 2,5-Zoll-SSDs“. Eine SSD ist ein Speicherlaufwerk. Gemeint war eine Station mit vier Einschüben, in die man die Laufwerke direkt steckt.
Die Standard-Stichwortsuche fand dagegen eine Notebook-Dockingstation. Diese erweitert die Anschlüsse eines Laptops, etwa um USB-Buchsen und Monitoranschlüsse. Beide Geräte heißen „Dockingstation“, erfüllen aber unterschiedliche Aufgaben. Die KI-Suche fand hier die gemeinte Station mit Laufwerkseinschüben.
Unsere Anfrage war selbst mehrdeutig: Wenn die SSDs bereits in eigenen Gehäusen mit USB-Kabel stecken, könnte auch eine Notebook-Dockingstation die richtige Geräteart sein. Die KI lieferte also einen sinnvollen Kandidaten für unsere Auslegung, keine sicher passende Lösung für jede Situation.
Was im Shop hilft: Produktarten klar benennen und unterscheidbar machen. Bleibt die Anfrage mehrdeutig, können passende Filter oder eine gezielte Rückfrage weiterhelfen. Ob KI solche Wünsche im eigenen Sortiment besser zuordnet, prüfen wir mit konkreten Suchanfragen und Produktdaten.
Dockingstation: gemessene Treffer und Belege ansehen
USB-Dockingstation für vier 2,5-Zoll-SSDs
Verfahren
Erster Treffer (gekürzt)
Einordnung nach Produkttext
Stichwort · Standard
Dell D6000: Notebook-Dock
Keine direkten Laufwerksplätze
Vektor · E5
Sabrent: vier 2,5-Zoll-SATA-Laufwerksplätze
Gemeinter Produkttyp; SATA als Voraussetzung
Fusion · Standard + E5
Dell D6000: Notebook-Dock
Keine direkten Laufwerksplätze
Ausgewählter Entwicklungsfall, keine Erfolgsquote. Die Einordnungen sind nicht unabhängig geprüfte Bewertungsvorschläge.
Originalangaben zu diesen Treffern ansehen
Sabrent · Beschreibung
Mit der Sabrent SATA Festplatten Docking Station können Sie auf SSDs und 2,5" Festplatten zugreifen
Lesen und beschreiben Sie vier Festplatten gleichzeitig.
Dell · Beschreibung
Universelle Dockinglösung: Schließen Sie bequem jedes mit USB-C- oder USB-3.0i-Anschlüssen ausgestattete Notebook
Vier USB 3.0-Anschlüsse
Wörtliche Auszüge aus den historischen Angebotstexten. Die vollständigen Texte und Produkt-IDs stehen im Datenpaket; die Auszüge ersetzen keinen Gerätetest.
Die Station von Sabrent bietet laut Beschreibung vier Plätze für 2,5-Zoll-Laufwerke mit SATA-Anschluss. Ob die gesuchten SSDs diesen Anschluss haben, steht nicht in der Anfrage. Die Größenangabe „2,5 Zoll“ allein klärt das nicht. Der Anschluss muss deshalb zusätzlich geprüft werden.
Die gemeinsame Liste verschlechtert hier die erste Position gegenüber E5: Die Notebook-Dockingstation von Dell ist der einzige Treffer der Standard-Stichwortsuche und steht bei E5 auf Rang 6. Die Punkte aus beiden Listen bringen Dell insgesamt auf Rang 1; die Laufwerksstation von Sabrent rutscht auf Rang 2. Dass beide Verfahren dasselbe Gerät finden, bestätigt also nicht seine Eignung. Daraus folgt kein allgemeines Urteil über Hybrid-Suche.
Viele Verbesserungen beginnen mit vorhandenen Möglichkeiten
Kundenbegriffe mit dem Katalog verbinden
Ein Kunde schreibt „Laptop“, im Produkttext steht „Notebook“. Mit einem gepflegten Synonym kann die Suche beide Begriffe berücksichtigen. Solche Zuordnungen gehören bereits zu unserer Suchlösung auf Basis von Typesense. Ihr Team kann sie über eine Verwaltungsoberfläche pflegen.
Das ist besonders dort ein Ansatzpunkt, wo Kunden andere Bezeichnungen verwenden als Hersteller oder Warenwirtschaft. Welche Begriffe zusammengehören, muss zum Sortiment passen: Nicht jedes ähnlich klingende Produkt ist austauschbar.
Bei „retoure“ zur Rückgabehilfe führen
Wer „retoure“ eingibt, möchte vermutlich eine Bestellung zurückschicken. Dafür ist eine Rückgabeanleitung oder das Retourenportal des Shops das passende Ziel.
Unsere reine Produktsuche zeigte stattdessen ein Verkleidungskostüm mit Ninja-Motiv an. Das Kostüm stammt aus dem gemischten Testbestand, der neben Technik auch Kleidung enthält. In der Beschreibung dieses Kostüms steht ein Abschnitt „Retouren“. Die Stichwortsuche fand dieses Wort, beantwortete damit aber nicht die Frage nach der Rückgabe.
Eine gepflegte Weiterleitung kann dieses bekannte Anliegen direkt lösen. Unsere Suchlösung unterstützt solche Regeln bereits: Die Anwendung prüft sie vor der Produktsuche und liefert die hinterlegte Zielseite. Für Begriffe wie „retoure“, „rücksendung“ und „rückgabe“ lassen sich entsprechende Regeln einrichten. Eine konkrete Retourenregel war in diesem Versuch nicht eingebunden.
Synonyme und Weiterleitungen übernehmen dabei unterschiedliche Aufgaben. Synonyme erweitern die berücksichtigten Suchbegriffe. Eine Weiterleitung führt zu einer bestimmten Seite. Nur „retoure“ und „rückgabe“ als Synonyme zu hinterlegen, würde aus unserem reinen Produktbestand noch keine Hilfeseite machen. Alternativ können Serviceinhalte selbst in die Suche aufgenommen werden.
Widersprüchliche Produktdaten bereinigen
Bei einem Kopfhörer standen im Titel 15 Stunden Akkulaufzeit, in den technischen Angaben aber nur zehn. Ob er die gesuchten mindestens 15 Stunden erreicht, bleibt damit ungeklärt. Eine andere Reihenfolge der Treffer löst diesen Widerspruch nicht.
Hier beginnt die Verbesserung bei der Datenpflege. Verlässliche Angaben helfen der Suche, passende Produkte auszuwählen, und dem Kunden, sie zu beurteilen. Automatisch aus Beschreibungstexten übernommene Merkmale sollten deshalb geprüft werden, bevor sie Produkte aus einer Ergebnisliste ausschließen.
Wann sich ein Versuch mit KI lohnt
KI kann interessant werden, wenn Kunden ihren Einsatzzweck beschreiben und passende Produkte mit anderen Worten angeboten werden. Die Laufwerksstation ist dafür ein Beispiel aus unserem Versuch. Maus und Adapter zeigen zugleich, dass ein ähnlicher Text noch keine passende Variante garantiert.
Für eine Entscheidung im eigenen Shop würden wir deshalb zuerst die vorhandene Suche mit gepflegten Regeln und verlässlichen Daten prüfen. Anschließend lässt sich mit denselben Aufgaben vergleichen, ob KI zusätzliche passende Treffer liefert und ob Aufwand, Antwortzeit und Betriebskosten dazu passen. Diesen zusätzlichen Nutzen gegenüber einer fertig abgestimmten Shop-Suche hat unser Versuch noch nicht gemessen.
Sie müssen dafür keine Modellnamen oder Suchalgorithmen kennen. Entscheidend ist, gemeinsam festzulegen, welche Ergebnisse für Ihre Kunden passen, und Verbesserungen daran zu überprüfen.
So unterstützen wir Sie bei Ihrer Suche
Wir entwickeln und integrieren individuelle Suchlösungen. Zum Leistungsumfang gehören die Anbindung Ihrer Daten, Suchvorschläge, Filter, Synonyme, Weiterleitungen, steuerbare Treffer und eine Auswertung der Suchanfragen. Im beschriebenen OXID-Projekt läuft eine solche Suche bereits produktiv; dort kann das Shop-Team Regeln und Synonyme selbst pflegen. Das ist ein eigenständiges Praxisprojekt, nicht der hier gezeigte Test mit öffentlichen Produkttexten.
Bei einem neuen Vorhaben gehen wir schrittweise vor:
Verstehen, wo Besucher nicht weiterkommen. Wir sehen uns die bestehende Suche, Ihre Daten und – soweit vorhanden – tatsächliche Suchanfragen an. Ihr Team bringt das Wissen über Sortiment und Kunden mit.
Mit Ihren Daten prüfen, was hilft. Ein Prototyp macht konkrete Ergebnisse sichtbar. Dabei können wir Suchregeln, Datenaufbereitung und bei Bedarf KI-Verfahren vergleichen.
Einbauen und pflegbar machen. Wir binden die Suche an Ihren Shop oder Ihre Plattform an und richten die Verwaltung für Ihr Team ein.
Nach dem Start weiter auswerten. Die Suchanalyse zeigt etwa, welche Anfragen ohne Treffer bleiben. Sie gibt Anhaltspunkte für weitere Verbesserungen.
Sie erkennen eines dieser Probleme in Ihrer Suche wieder? Schicken Sie uns den Link zu Ihrem Shop oder Ihrer Plattform und zwei bis drei Suchbeispiele, deren Ergebnisse Sie unzufrieden machen. Schreiben Sie dazu, was stattdessen gefunden werden sollte. Damit können wir im Gespräch konkret klären, ob und wie wir Sie unterstützen können.
Datenquelle, Suchverfahren und Grenzen des Versuchs
Die Produkttexte stammen aus dem öffentlichen Datensatz EcommerceMKP von Amazon, vorgestellt 2022. Wir haben alle deutsch markierten Einträge des Trainingsarchivs verwendet: Aus 23.997 Zeilen wurden nach Zusammenführung von 93 nach Textbereinigung identischen Titel-/Beschreibungsdubletten 23.904 Dokumente. Gesucht wurde ausschließlich in Titel und Beschreibung. Der Bestand mischt Technik mit anderen Waren und bildet keinen kuratierten Technik-Shop ab. Quellprojekt.
Die ersten 30 Anfragen entstanden anhand vorhandener Produkte, weitere 30 als ergänzende Praxisproben. Beide Gruppen sind selbst formuliertes Entwicklungsmaterial. Die im Quelldatensatz enthaltenen Schlüsselphrasen wurden laut Paper aus kaufwirksamen Suchen gewonnen und weiterverarbeitet; sie sind keine unveränderten vollständigen Suchlogs. Wir haben sie nicht in die Suchindizes aufgenommen. Gao et al., Abschnitt 5.
Umfang und Auswahl: Insgesamt entstanden 180 Suchläufe und 120 nachträglich zusammengeführte Ranglisten. Die Artikelfälle wurden nach Sichtung ausgewählt, um unterschiedliche Fehler zu erklären; sie belegen nicht deren Häufigkeit. Die deutschen Texte erlauben Entwicklungsversuche, aber keine Aussage über einen besonderen Vorteil für Deutsch.
Auslegung der Anfragen: Mehr Ausstattung ist nicht automatisch eine geeignete Alternative. „Genau vier“ und „mindestens vier“ sind unterschiedliche Anforderungen; eine unserer vorbereiteten Bewertungsregeln hatte „genau vier“ vorausgesetzt, ohne dass die Anfrage das belegte. Bei einer Bewertung muss unbekannte Eignung von nachweislicher Nichteignung getrennt werden.
Begriffe: Die Stichwortsuche verwendet Typesense, die KI-Suche das Vektormodell multilingual-e5-base, kurz E5. Bei der Kombination („Fusion“) werden die Rangpositionen beider Trefferlisten verrechnet. Ähnliche Zahlenvektoren bestätigen keine technische Eignung. Die zweite Stichworteinstellung gewichtet den Titel stärker, lässt keine Suchwörter weg und trennt oder verbindet Wörter häufiger. Sie ist damit anders eingestellt, nicht in jeder Hinsicht strenger. Beide Varianten waren ohne gepflegte Synonyme, Serviceweiterleitungen oder Filter für technische Pflichtmerkmale eingerichtet. Typesense: Synonyme.
Keine zusätzliche Nachsortierung: Einen Reranker, der Anfrage und einzelne Kandidaten gemeinsam bewertet und die Vorauswahl neu sortiert, haben wir nicht eingesetzt. Unsere Reranker-Messung auf Deutsch betrifft Wikipedia-Fragen und ist kein Nachweis für diesen Produktkatalog.
Stichwortsuche: Typesense 30.2, Titel und Beschreibung mit Sprachkennzeichen de. Standard: query_by=title,description. Zweite Variante: zusätzlich Feldgewichte 4,1, prefix=false, Tippfehlerkorrektur für numerische und alphanumerische Tokens aus, drop_tokens_threshold=0 und split_join_tokens=always. Diese Einstellungen wurden nicht auf einer unabhängigen Entwicklungsmenge optimiert. Typesense-Dokumentation.
Vektorsuche:intfloat/multilingual-e5-base, Modellrevision 835193815a3936a24a0ee7dc9e3d48c1fbb19c55, mit den Präfixen query: und passage:, gemittelten Tokenrepräsentationen und normalisierten Vektoren. Exakter Vergleich über den gesamten Katalog mit Kosinusähnlichkeit, keine näherungsweise Nachbarsuche. Das Modell wurde in FP16 ausgeführt; die normalisierten Ausgabevektoren liegen in FP32 vor. Modellkarte.
Unterschiedliche Textlängen: E5 sieht höchstens 512 Tokens; dadurch wurden 2.326 Produkttexte gekürzt. Die Stichwortsuche sieht den vollständigen Text. Beide erhalten denselben Ausgangskatalog, aber nicht dieselbe Informationsmenge. Das begrenzt jeden direkten Qualitätsvergleich; eine kontrollierte Untersuchung müsste diesen Unterschied gesondert betrachten.
Fusion: Je Liste werden bis zu 20 erste Treffer verwendet. Ein Treffer erhält pro Ausgangsliste den Beitrag 1 / (60 + Rang), Ränge beginnen bei 1. Die Beiträge werden addiert; Gleichstände entscheidet die Produkt-ID aufsteigend. Die Konstante 60 wurde nicht anhand unserer Bewertungen optimiert. Das ist eine nachträgliche Referenzberechnung, keine Messung der nativen Hybrid-Suche von Typesense.
Berechnung der gemeinsamen Listen: Die Fusion benötigt keine weiteren Such- oder Modellaufrufe. Sie berücksichtigt jeweils bis zu 20 Treffer und kann kein Produkt ergänzen, das in beiden Ausgangslisten fehlt. Originalverfahren von Cormack, Clarke und Büttcher.
Bewertung: Für die ersten 30 Aufgaben umfasst der vorbereitete Prüfungspool 652 Anfrage-/Produktpaare. Davon wurden zu 20 ausgewählten Aufgaben 46 Vorschläge erstellt: jeweils die Vereinigung aus Ausgangsprodukt, erstem Standard-Stichworttreffer und erstem E5-Treffer. Diese Auswahl und ihre Bewertung waren nicht blind. Die 148 Belegstellen wurden automatisch auf wörtliches Vorkommen geprüft. Das prüft die Fundstelle, nicht die richtige Interpretation. Die unabhängigen Urteile stehen aus; Qualitätskennzahlen bleiben deshalb ausdrücklich leer.
Weitere Grenzen: Historische Angebotstexte können Fehler und Übersetzungsartefakte enthalten. Preise, Lagerbestand, Bilder und Gerätetests fehlen. Exakte Dubletten sind bereinigt, Produktfamilien und ähnliche Varianten nicht vollständig gruppiert. Ein möglicher Kontakt der Modelle mit öffentlich verfügbaren Produkttexten ist nicht ausgeschlossen. Die Vektorsuche liefert immer 20 Nachbarn ohne Ablehnungsschwelle; eine volle Trefferliste ist deshalb kein Erfolgsnachweis. Laufzeiten auf dem gemeinsam genutzten Entwicklungsrechner sind keine belastbaren Produktions- oder Kostenmessungen.
Weitere Testanfragen und widersprüchliche Produktangaben
Bei „retoure“ zeigten E5 und die beiden zusammengeführten Listen zuerst ein Haarpflegeprodukt, ebenfalls keine Rückgabehilfe. Der beschriebene Kostüm-Treffer stammt aus der Standard-Stichwortsuche.
Bei zwei DVI-VGA-Bildschirmkabeln standen zwei Meter im Titel und sechs Fuß in der Beschreibung. Sechs Fuß entsprechen rund 1,83 Metern. Welche Länge geliefert wird, lässt sich daraus nicht feststellen. Bei einer Tastatur widersprachen sich die Angaben zur iPad-Modellreihe. Der Kopfhörer mit den unterschiedlichen Laufzeitangaben war zunächst als möglicher passender Artikel ausgewählt worden; erst der vollständige Text machte diese Annahme fraglich.
Auch die folgenden Beispiele stammen aus unseren zusätzlichen Testanfragen. Sie zeigen, welche Daten oder Angaben fehlen; sie sind kein fairer Leistungsvergleich fertig eingerichteter Shop-Suchen.
„ssd bis 100 euro“: Gesucht ist ein SSD-Speicher innerhalb eines Budgets. Die Standard-Stichwortsuche lieferte zuerst ein PC-Gehäuse, E5 eine Speicherkarte; die zweite Stichworteinstellung fand nichts. Unser Testbestand enthält aber keine aktuellen Preise. Eine brauchbare Shop-Suche muss die Preisgrenze als solche erkennen und mit den tatsächlichen Preisen abgleichen. Aus unseren Ergebnissen lässt sich deshalb nicht sagen, ob ein passendes Angebot unter 100 Euro existiert.
„dock 2 monitore“: Gemeint ist vermutlich eine Dockingstation, über die zwei Bildschirme angeschlossen werden können. Die ersten Treffer waren jedoch ein Bildschirmadapter beziehungsweise ein Bediengerät für DJ-Software, ein sogenannter DJ-Controller. Unsere Suche lieferte zu dieser kurzen Anfrage also Geräte unterschiedlicher Art. Auch die Anfrage lässt wichtige Fragen offen: An welchen Rechner sollen die Bildschirme angeschlossen werden, mit welcher Auflösung und sollen sie unterschiedliche Inhalte zeigen? Eine Auswahlhilfe kann diese Angaben erfragen.
Es gab auch übereinstimmende Treffer: Für „usb c hdmi 4k 60hz“ zeigten alle drei Suchkonfigurationen zuerst dasselbe entsprechend bezeichnete Kabel. Gemeint ist eine Verbindung von USB-C zu HDMI für ein hochauflösendes Bild mit 60 Bildaktualisierungen pro Sekunde. Auch dann bleibt offen, ob das Kabel am konkreten Rechner funktioniert. Laut Produktbeschreibung muss dessen USB-C-Anschluss auch Bildsignale ausgeben können; diese Funktion heißt „Alt-Modus“. Für ein 12-Zoll-MacBook nennt der Text höchstens 4K bei 30 Hz. Die Angabe „4K 60 Hz“ im Titel ist also keine Zusage für jede Kombination aus Rechner, Kabel und Monitor.
Eine Weiterleitung zur Rückgabehilfe, ein Preisfilter und eine Rückfrage zum Rechner lösen unterschiedliche Probleme. Der Versuch hat diese Funktionen nicht untersucht. Bevor man wegen solcher Treffer das Suchmodell austauscht, sollte man deshalb prüfen, ob vorhandene Regeln und Daten für das jeweilige Anliegen richtig genutzt werden.
Das Paket enthält die vollständigen gespeicherten Top-20-Ranglisten, die Quelltexte aller vorbewerteten Produkte sowie aller ersten Treffer und eine Zusammenfassung der Artikelfälle. Prüfsummen verbinden die Dateien mit dem festgeschriebenen Messstand. Die Produkttexte stehen unter der beigefügten Datenlizenz CDLA-Permissive 2.0. Das Paket erlaubt, Rangfusion und Textbelege nachzuprüfen. Der vollständige Katalog und die ursprünglichen Messskripte sind nicht enthalten; für eine Neuerzeugung aller Suchläufe reicht der Download allein deshalb nicht aus. Die ursprünglichen Berichte kennzeichnen die noch ausstehende Qualitätsauswertung weiterhin als nicht veröffentlichungsreif; dieser Artikel macht daraus keine abgeschlossene Benchmark-Messung.