NLP (Natural Language Processing) (die englische Bezeichnung und Abkürzung sind auch im deutschen Fachkontext Standard; „Verarbeitung natürlicher Sprache" gibt es, wird aber seltener genutzt) Eine Reihe von Techniken, die es einem System erlauben, in menschlicher Sprache verfassten Text zu interpretieren. In der Suche identifiziert NLP die Absicht hinter einer Query und extrahiert deren Bedeutung über die exakten verwendeten Wörter hinaus. Definition Natural Language Processing (NLP) ist der Teilbereich der Informatik und Linguistik, der sich damit beschäftigt, Systeme in die Lage zu versetzen, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen. In der E-Commerce-Suche ist NLP die zugrundeliegende Technologie, die es einer Suchmaschine erlaubt, über reine Keyword-Übereinstimmung hinauszugehen, die grammatische Struktur einer Anfrage zu analysieren, die genannten Entitäten zu identifizieren (Markennamen, Produktkategorien, Attribute), die Absicht hinter den Worten zu erschließen und sprachliche Variation zu verarbeiten (Synonyme, Tippfehler, umgangssprachliche Ausdrücke, mehrgliedrige Begriffe). NLP umfasst mehrere Techniken: Tokenisierung und Stemming, Named-Entity-Recognition, semantische Analyse und Intent-Klassifikation. Wofür es nützlich ist Klassische Suche behandelt eine Query wie eine Menge unverbundener Zeichenketten. Sucht ein Nutzer „günstige rote Sneaker Größe 42 für Damen", zerlegt eine einfache Engine das in fünf Tokens und sucht Produkte, in deren Text möglichst viele davon vorkommen, mit dem Risiko, dass „Damen" als Textmatch statt als Filter behandelt wird und „42" als Modellnummer missverstanden wird. NLP erkennt die Struktur hinter der Query: Kategorie = Sneaker, Farbe = Rot, Größe = 42, Zielgruppe = Damen, Preisrahmen = niedrig. Diese strukturierten Informationen werden als Filter auf die passenden Produktattribute angewendet, präziser und robust gegen Formulierungsvarianten. Dazu kommt Fehlertoleranz (Stemming, Lemmatisierung, Fuzzy Matching), sodass „Laufschuh", „Laufschuhe" und der Tippfehler „Lafuschuh" dieselben Produkte finden. Doofinder NLP-Techniken greifen an mehreren Stellen des Such-Stacks. Bei der Indexierung werden Produkttexte tokenisiert, gestemmt und um erkannte Entitäten (Marken, Kategorien, Materialien) angereichert. Bei der Query-Verarbeitung läuft dieselbe Pipeline: Tippfehler werden korrigiert, Attribute aus dem Text extrahiert, und Embedding-basierte Modelle ordnen die Query semantisch nahen Produkten zu. Praxisbeispiel Ein Baumarkt-Shop erhält die Anfrage „bohrmaschine akku ohne kabel 18v". Ohne NLP würden Produkte, die als „Akkuschrauber 18 V, kabellos" beschrieben sind, gar nicht erscheinen, kein Wort stimmt wörtlich überein. Mit NLP wird „bohrmaschine" semantisch mit „Akkuschrauber" verknüpft, „ohne kabel" auf das Attribut „kabellos" abgebildet und „18v" als Spannungsfilter auf das Feld „Voltzahl = 18" angewendet. Das Ergebnis: alle relevanten Akku-Bohrmaschinen mit 18 Volt, unabhängig davon, wie der Hersteller sie benannt hat.