Das AI-Feature Feedback ermöglicht, per Klick auf Daumen hoch oder runter der AI Rückmeldung zum Ergebnis zu geben.
In diesem Artikel lernst Du folgende Themen:
Feedback konfigurieren
Feedback in zukünftigen Suchanfragen berücksichtigen
Feedback Similarity Threshold einstellen
Feedback aus der Suche entfernen
Das Feature findest Du in der Workbench unter Algorithm > AI > Feedback Settings.
Feedback in zukünftigen Anfragen berücksichtigen
Du kannst einstellen, dass die AI Nutzerfeedback für zukünftige Anfragen berücksichtigt. Die AI lernt also aus dem Feedback und optimiert die Ergebnisse.
Aktiviere dazu den Toggle Consider Feedback in Search.
Beispiel: Du willst eine Testrunde mit mehreren Nutzern im Staging Modus machen und das erwartete Ergebnis soll für alle Tester während des Testzeitraums gleich sein. Aktiviere dazu die Funktion erst, nachdem alle Nutzer getestet haben, damit sich das Feedback einer Person nicht auf den Test der anderen Person auswirkt.
Feedback Similarity Threshold einstellen
Der Feedback Similarity Threshold legt fest, wie ähnlich zwei Suchanfragen sein müssen, damit die AI Feedback zu einem Suchergebnis auch für ähnliche zukünftige Suchen berücksichtigt.
Ein hoher Threshold-Wert (z.B. 0,85–0,95) bedeutet, dass nur sehr ähnliche Anfragen das Feedback übernehmen. Ein niedriger Threshold würde das Feedback auch für weniger ähnliche Suchanfragen berücksichtigen.
Aktiviere den Toggle Feedback Similarity Threshold.
Ziehe den Toggle auf die gewünschte Position.
💡Je näher der Wert an 1 liegt, desto wahrscheinlicher wird das gegebene Feedback bei einer ähnlichen Suchanfrage berücksichtigt. Empfehlung: 0,85 - 0,95.
Beispiel: Du suchst nach leistungsstarken Laptops und gibst Feedback zu einem empfohlenen Laptop X. Wenn Du oder jemand anderes später nach High-End-Laptops sucht, prüft die AI, ob Dein Feedback für diese neue Anfrage relevant ist.
1) Wie funktioniert die Feedback-Similarity-Threshold?
Wenn die Antwort der KI bewertet oder korrigiert wird, wird das richtige Feedback gespeichert.
Die KI prüft künftig: „Ist die neue Nutzerfrage semantisch ähnlich genug zum Feedback?“
Diese Ähnlichkeit wird über einen Threshold (Schwellwert) gesteuert:
Niedriger Threshold → Schon grobe Ähnlichkeiten reichen, Feedback wird oft angewendet.
Hoher Threshold → Nur sehr nahe (semantisch „dichte“) Treffer werden genutzt.
2. Warum wirkt Feedback nach einiger Zeit nicht mehr?
Am Anfang:
Nutzer geben viel neues Feedback → auch mit niedrigem Threshold entsteht ein klarer Lerneffekt.
Jede Korrektur verbessert die Antworten spürbar.
Nach einiger Zeit:
Das System hat schon viele ähnliche Fälle gelernt.
Mit einem niedrigen Threshold matcht es Feedback auch auf nur vage ähnliche Fragen.
Ergebnis: Das Feedback wird zu breit angewendet → es verwässert, wirkt nicht präzise, und die Qualität stagniert.
3. Warum muss der Threshold erhöht werden?
Mit zunehmender Feedback-Menge wächst die „Dichte“ im Embedding-Speicher.
Um relevante und wirklich passende Feedbacks zu nutzen, muss man den Schwellwert verschärfen.
Dadurch ignoriert die KI ungenaues Feedback, das nicht 1:1 passt.
So wird verhindert, dass die Qualität durch falsche Überanwendung von Feedback stagniert oder sogar schlechter wird.
4. Analogie zur Erklärung
Stell dir vor, du sortierst Schrauben in Kisten nach Größe:
Anfangs reichen große Kategorien (klein, mittel, groß). → Es hilft sofort.
Später, wenn du viele verschiedene Schrauben hast, reicht diese grobe Einteilung nicht mehr.
Du brauchst feinere Kategorien (10 mm, 12 mm, 14 mm …).
Genau das macht die höhere Similarity-Threshold: Sie sorgt für präzisere Passungen, damit das Feedback wirkt.
5. Fazit
Am Anfang: niedriger Threshold → Feedback wirkt breit, schnelle Lernkurve.
Mit der Zeit: mehr Feedback-Daten → niedriger Threshold verwässert → Qualität stagniert.
Lösung: Threshold erhöhen, damit nur noch wirklich passende Feedbacks greifen → die Antworten werden wieder präziser.
Feedback aus der Suche entfernen
Klicke auf Reset Feedback. Dies entfernt alle bisherigen Feedbacks aus der AI-Suche.
