Embeddings, Suche und Retrieval-Augmented Generation
Metadata Filtering
Heißt auch Temporal Filtering.
Eingrenzung des Abrufs durch Metadaten oder Zeitkriterien.
Metadata Filtering grenzt die Suche über Zusatzangaben ein, die neben dem Text gespeichert sind: Quelle, Sprache, Abteilung, Vertragsart, Gültigkeitsdatum, Zugriffsrechte. Gesucht wird dann nicht im ganzen Bestand, sondern nur in dem Teil, der die Bedingungen erfüllt. Solche Angaben an die Abschnitte zu hängen gehört zu den üblichen Maßnahmen beim Indexieren. Gao et al.
Vektoren und Bedingungen zusammenzubringen ist aufwendig
Die Kombination aus Ähnlichkeitssuche und klassischen Bedingungen zählt zu den fünf Kernproblemen der Vektorverwaltung. Pan et al. Der Grund liegt in der Reihenfolge: Filtert man zuerst, muss der Index für eine wechselnde Teilmenge arbeiten. Sucht man zuerst und filtert danach, bleiben bei einem engen Filter womöglich kaum Treffer übrig, weil die passenden Abschnitte gar nicht in der Vorauswahl waren.
Systeme lösen das unterschiedlich, und die Wahl wirkt sich direkt auf die Trefferquote aus.
So kannst du dir das vorstellen
Der Filter ist die Vorauswahl im Archiv: nur Ordner von 2026, nur Verträge, nur die Abteilung Einkauf. Danach wird gesucht. Wer die Vorauswahl zu eng zieht, findet nichts, obwohl die Antwort im Haus liegt. Das Bild erklärt die Eingrenzung, nicht das technische Zusammenspiel im Index.
Was es in der Praxis bedeutet
Der wichtigste Anwendungsfall ist die Aktualität. Ohne Datumsfilter zieht die Suche die alte Richtlinie mit derselben Wahrscheinlichkeit wie die gültige, und das Modell schreibt eine überzeugende Antwort auf Grundlage der abgelaufenen Fassung. Ein Feld für die Gültigkeit und ein Filter darauf verhindern mehr Fehler als jede Prompt-Anweisung.
Der zweite Fall sind Zugriffsrechte. Sie gehören in den Filter, nicht in die Antwort: Was gefiltert wurde, steht nie im Prompt und kann auch nicht versehentlich zitiert werden.
Wo es verwechselt wird
Ein Filter ist kein Ranking: Er entscheidet, was infrage kommt, nicht, was oben steht. Und Metadaten sind nur so gut wie ihre Pflege, denn ein falsch gesetztes Datum wirkt hier wie eine gelöschte Datei.
Verwandte Begriffe
Retriever, Vector Database, Chunk, Hybrid Search, Retrieval Noise, Retrieval Top-k.