BM25 erklärt: Warum KI-Agenten wieder lexikalisch suchen

Phillip Pham, AI Developer bei Pexon Consulting | 9 Min. Lesezeit | 21.09.2026

TL;DR: BM25 in fünf Sätzen

BM25 ist eine Bewertungsfunktion für Volltextsuche aus den 1990er-Jahren und steckt bis heute in Elasticsearch und OpenSearch. Sie zählt passende Wörter, gewichtet seltene höher und gleicht Dokumentlängen aus. Für KI-Agenten erlebt sie ein Comeback. Eine Studie vom Mai 2026 zeigt: Getunt schlägt BM25 bei Agenten die Vektorsuche. Ungetunt verliert sie deutlich.

Was ist BM25?

BM25, oft auch Okapi BM25 genannt, ist eine Ranking-Funktion. Sie bekommt eine Suchanfrage und viele Dokumente und gibt jedem Dokument eine Punktzahl. Je höher die Punktzahl, desto weiter oben steht das Dokument. Entstanden ist sie im Okapi-Suchsystem der City University London, der Name steht für „Best Matching“ und die Nummer der Variante in einer Reihe von Gewichtungsformeln.

Die Idee hinter BM25 passt in drei Sätze:

1. Seltene Begriffe zählen mehr. Ein Wort wie „Gewährleistungsrückstellung“ trennt Dokumente besser als „und“. Diesen Teil übernimmt die inverse Dokumenthäufigkeit (IDF).
2. Wiederholung sättigt. Kommt ein Begriff zehnmal vor, ist das Dokument relevanter als bei einmal, aber nicht zehnmal so relevant. Der Parameter k1 steuert, wie schnell diese Sättigung eintritt.
3. Lange Dokumente werden fair behandelt. Ein 80-seitiges Handbuch enthält fast jedes Wort irgendwo. Der Parameter b gleicht die Länge gegen den Durchschnitt aus, bei 0 gar nicht, bei 1 vollständig.

Das ist alles. Keine Embeddings, keine GPU, kein Modell. BM25 läuft auf einem invertierten Index, den Suchmaschinen seit Jahrzehnten beherrschen.

Die Formel ohne Mathe-Angst

Für jedes Wort der Suchanfrage rechnet BM25 einen Beitrag aus und addiert alle Beiträge:

Score(D, Q) = Summe über alle Suchbegriffe q von
              IDF(q) * tf(q, D) * (k1 + 1)
              / ( tf(q, D) + k1 * (1 - b + b * |D| / avgdl) )

• tf(q, D): wie oft der Begriff im Dokument vorkommt
• |D|: Länge des Dokuments, avgdl: durchschnittliche Länge im Bestand
• k1 und b: die beiden Stellschrauben

Lucene und damit Elasticsearch und OpenSearch arbeiten standardmäßig mit k1 = 1,2 und b = 0,75. Diese Werte sind ein Kompromiss für kurze bis mittlere Texte. Genau hier liegt der Punkt, der BM25 in Vergleichen so oft schlecht aussehen lässt.

Warum BM25 für KI-Agenten zurückkommt

An der Formel hat sich nichts geändert. Geändert hat sich, wer sucht.

Ein Mensch tippt zwei oder drei Wörter in ein Suchfeld und hofft. Ein Agent schreibt lange, präzise Anfragen, weil das Sprachmodell Produktnamen, Normen, Versionsnummern und Fachbegriffe bereits kennt. Er formuliert um, wenn der erste Versuch nichts bringt, und sucht zehn- oder zwanzigmal pro Aufgabe. Für genau diese Art Anfrage ist exaktes Wort-Matching keine Schwäche, sondern ein Vorteil:

• Exakte Zeichenketten. Artikelnummern, Aktenzeichen, Fehlercodes und Versionsnummern treffen bei BM25 genau. Vektoren bilden solche Zeichenketten eher unscharf ab.
• Nachvollziehbare Treffer. Der Agent sieht, welche Begriffe gepasst haben, und kann gezielt umformulieren. Ein Ähnlichkeitswert von 0,82 erklärt nichts.
• Billige Aufrufe. BM25 braucht keine Einbettung der Anfrage. Wenn ein Agent zwanzigmal sucht, fällt das ins Gewicht.

Coding-Agenten zeigen das Muster im Alltag. Claude Code durchsucht Repositories mit Werkzeugen wie Grep und Glob, also mit exakter Textsuche. Das funktioniert, weil das Modell weiß, wonach es sucht.

Was die Benchmarks zeigen

Die Debatte stützt sich auf BrowseComp-Plus, einen Benchmark für Deep-Research-Agenten vom August 2025 (arXiv 2508.06600): 830 schwere Rechercheaufgaben über einen festen Bestand von 100.195 Dokumenten. Der feste Bestand ist der Trick. Damit lässt sich messen, woran ein Agent scheitert: am Denken oder am Finden.

Aus der Originalveröffentlichung:

Die erste Zeile ist die eigentliche Botschaft: Liegen die richtigen Dokumente vor, löst das Modell fast alles. Der Engpass ist das Finden, nicht das Denken. Die zweite und dritte Zeile lesen sich wie ein klares Urteil gegen BM25.

Im Mai 2026 hat eine Gruppe um Jimmy Lin genau dieses Urteil überprüft („Rethinking Agentic Search with Pi-Serini“, arXiv 2605.10848). Ihr Befund: Die BM25-Werte im Benchmark liefen mit Parametern (k1 = 0,9, b = 0,4), die für kurze Texte gedacht sind. Die Dokumente in BrowseComp-Plus sind aber lang, im Median rund 2.000 Tokens, im 90. Perzentil rund 14.000. Mit k1 = 25 und b = 1 stieg die Genauigkeit um 18 Prozentpunkte. Ihr Agent erreichte mit gpt-5.5 und getuntem BM25 83,1 % Genauigkeit und lag damit vor den veröffentlichten Agenten mit Vektorsuche.

Die Lehre daraus ist nicht „BM25 ist besser“. Sie lautet: „BM25“ ist keine feste Größe, sondern eine Konfiguration. Wer zwei Suchverfahren vergleicht, ohne die Parameter an den eigenen Bestand anzupassen, vergleicht Einstellungen, nicht Verfahren.

BM25 oder Vektorsuche: wann was

In den meisten Unternehmensbeständen gibt es beide Fälle nebeneinander. Deshalb läuft es in der Praxis oft auf Hybrid Search hinaus: BM25 und Vektorsuche parallel, die Ergebnislisten werden zusammengeführt. Wie das in Elasticsearch, OpenSearch oder Azure AI Search aussieht, beschreibt unsere Seite zu Hybrid Search für die Unternehmenssuche. Für die Wahl der Datenbank hilft der Vektordatenbanken-Vergleich.

So setzen Sie BM25 für Agenten richtig ein

1. Parameter an die Dokumentlänge anpassen. Lange Handbücher, Verträge und Berichte vertragen ein höheres b und oft ein höheres k1 als die Standardwerte. In Elasticsearch und OpenSearch lässt sich das je Feld über eine eigene Similarity einstellen:

"settings": {
  "index": {
    "similarity": {
      "bm25_lang": { "type": "BM25", "k1": 2.0, "b": 0.9 }
    }
  }
}

Die Werte im Beispiel sind ein Startpunkt, kein Ergebnis. Die richtigen Werte findet nur ein Test auf dem eigenen Bestand.

2. Lange Dokumente teilen. Wer Dokumente in Abschnitte teilt, bekommt präzisere Treffer und kann dem Agenten zuerst Titel und kurze Ausschnitte zeigen. Das volle Dokument holt er erst, wenn es passt. Das spart Kontext.

3. Analyzer für Deutsch setzen. Deutsche Komposita wie „Wartungsvertrag“ und „Vertragswartung“ brauchen Stemming und gegebenenfalls Zerlegung. Ohne passenden Analyzer verliert BM25 im Deutschen viel von seiner Stärke.

4. Am Ende messen, nicht pro Anfrage. Klassische Suchmetriken bewerten eine Anfrage und eine Trefferliste. Ein Agent stellt aber zehn Anfragen hintereinander. Die Frage, die zählt: Kommt der Agent mit diesem Aufbau auf die richtige Antwort, mit wie vielen Aufrufen und zu welchen Kosten? Warum der Aufbau um das Modell mehr entscheidet als das Modell, steht in Harness Engineering.

Grenzen: wo BM25 nicht hilft

BM25 findet nur, was wörtlich dasteht. Das wird zum Problem, wenn der Agent die Begriffe des Bestands nicht kennt, etwa bei internen Projektnamen, Abkürzungen oder Jargon, der in keinem Trainingsdatensatz vorkommt. Dann sucht er mit den falschen Wörtern und findet nichts.

Auch der Benchmark ist kein Kunde. 830 Rechercheaufgaben über Webdokumente sagen etwas über Webrecherche, nicht zwingend über Ihr Ticketsystem oder Ihre Vertragsablage. Und getuntes BM25 braucht einen Test, sonst bleibt das Tuning Raten. Welche Fehler in RAG-Systemen häufiger sind als die Wahl des Suchverfahrens, zeigt RAG richtig bauen. Wann sich ein Agent mit mehreren Suchschritten überhaupt lohnt, klärt Agentic RAG vs. Standard RAG.

Häufig gestellte Fragen

Was ist BM25?

BM25 ist eine Ranking-Funktion für Volltextsuche. Sie bewertet Dokumente danach, wie oft die Suchbegriffe vorkommen, wie selten diese Begriffe im Bestand sind und wie lang das Dokument ist. Sie ist Standard in Lucene, Elasticsearch und OpenSearch und kommt ohne Embeddings und GPU aus.

Wofür stehen k1 und b bei BM25?

k1 steuert, wie schnell wiederholte Begriffe an Gewicht verlieren. b steuert, wie stark lange Dokumente gegenüber kurzen ausgeglichen werden, von 0 (gar nicht) bis 1 (vollständig). Lucene nutzt standardmäßig k1 = 1,2 und b = 0,75, für lange Dokumente sind oft andere Werte besser.

Ist BM25 besser als Vektorsuche?

Nicht pauschal. Bei Agenten, die exakte Begriffe kennen, kann getuntes BM25 laut einer Studie vom Mai 2026 die Vektorsuche schlagen. Bei unscharfen Fragen, Synonymen und mehrsprachigen Beständen ist Vektorsuche stärker. In Unternehmen läuft es meist auf Hybrid Search hinaus.

Was ist Agentic Search?

Agentic Search heißt, dass ein KI-Agent selbst sucht, statt einmal von einem Menschen gefragt zu werden. Er formuliert Anfragen, liest Treffer, formuliert um und sucht erneut, oft viele Male pro Aufgabe. Dafür braucht es ein Modell, das Werkzeuge nutzen kann, und eine schnelle Suche wie BM25.

Brauche ich für RAG eine Vektordatenbank?

Nicht zwingend. Für Bestände mit klaren Fachbegriffen und Agenten als Nutzer kann ein gut eingestellter BM25-Index reichen. Vektorsuche lohnt sich, wenn Menschen unscharf fragen oder Synonyme überbrückt werden müssen. Die Entscheidung gehört an einen Test mit echten Fragen, nicht an eine Vorliebe.

Nächster Schritt

Verwandte Themen