BM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 ist die Ranking-Formel hinter den meisten Keyword-Suchmaschinen, darunter Elasticsearch, OpenSearch und Lucene. Es bewertet ein Dokument höher, wenn es seltene Abfragewörter enthält, diese in angemessener Menge wiederholt und nicht mit Füllwörtern aufgefüllt ist. Wir haben es in 25 Zeilen Python erstellt und getestet, wo es glänzt, wo es scheitert und wie die Hybridsuche das Problem behebt.
- BM25 bewertet Dokumente nach seltenen Abfragewörtern (IDF), ihrer Häufigkeit (mit Sättigung) und der Dokumentlänge.
- Sättigung ist wichtig: In unserem Test erzielten 5 Wiederholungen eines Wortes einen Wert von 1,77 und 20 Wiederholungen nur 2,08, sodass Keyword-Stuffing kaum hilft.
- BM25 hat den genauen Fehlercode „E1042“ sofort gefunden, aber nichts für „Ich habe mein Login vergessen“ zurückgegeben, da kein Dokument diese Wörter enthielt.
- Die Hybridsuche kombiniert BM25 mit der Vektorsuche unter Verwendung der reziproken Rangfusion und erhält so exakte Übereinstimmungen und Bedeutungen.
Die Vektorsuche erregt in der KI große Aufmerksamkeit, doch fast jedes Produktionsabrufsystem führt daneben immer noch einen Keyword-Ranker aus, und dieser Rankinger ist fast immer BM25. Wenn Sie Such-, RAG- oder Dokument-Fragen und -Antworten erstellen, erfahren Sie durch das Verständnis von BM25, warum einige Abfragen perfekt funktionieren, warum andere nichts zurückgeben und warum die Kombination mit Einbettungen besser ist als beides allein. Alles Folgende stammt aus einer kleinen Implementierung, die wir in Python 3.13.6 in einer Help-Center-Sammlung mit sechs Dokumenten ausgeführt haben.
Was ist BM25?
BM25, kurz für „Best Matching 25“, ist eine Ranking-Funktion aus der Okapi Information Retrieval-Forschung der 1990er Jahre. Bei einer Abfrage erhält jedes Dokument einen Relevanzwert aus drei Signalen: wie selten jedes Abfragewort in der Sammlung vorkommt, wie oft es im Dokument vorkommt und wie lange das Dokument mit dem Durchschnitt verglichen wird. Es benötigt kein Training und keine GPU, funktioniert in jeder Sprache mit einem Tokenizer und ist das Standardranking in Lucene, Elasticsearch, OpenSearch und Solr.
Die BM25-Formel, Stück für Stück
score(D, Q) = Σ over query terms t of
IDF(t) × f(t, D) × (k1 + 1) / ( f(t, D) + k1 × (1 − b + b × |D| / avgdl) )
IDF(t) = ln( (N − n(t) + 0.5) / (n(t) + 0.5) + 1 )
- f(t, D): wie oft der Begriff t in Dokument D vorkommt.
- |D| und avgdl: die Dokumentlänge und die durchschnittliche Länge in der Sammlung.
- N und n(t): die Anzahl der Dokumente und wie viele t enthalten.
- k1 (normalerweise 1,2): Wie schnell wiederholte Begriffe keine Punkte mehr hinzufügen.
- b (normalerweise 0,75): Wie stark werden lange Dokumente bestraft?
Die gezeigte IDF-Form mit dem „+ 1“ im Logarithmus ist diejenige, die Lucene verwendet; es wird nie negativ. Jeder Abfragebegriff trägt separat bei und die Bewertungen werden addiert.
IDF: Seltene Worte tragen das Signal
In unseren sechs Dokumenten tauchte „Passwort“ in drei auf, während der Fehlercode „e1042“ nur in einem vorkam. BM25 gab ihnen IDF-Gewichte von 0,693 und 1,540. Eine Übereinstimmung mit einem seltenen, spezifischen Wort ist ein starker Beweis für die Relevanz, während ein gebräuchliches Wort wenig aussagt. Aus diesem Grund ist ein genauer Produktcode, eine Fehlernummer oder ein genauer Name eine so wirkungsvolle Abfrage für die Stichwortsuche.
Termsättigung: der k1-Effekt
Bei reinen Wortzahlen würde ein Dokument, das „Passwort“ 20 Mal wiederholt, alles schlagen. BM25 begrenzt das. Wir haben den Begriffshäufigkeitsanteil für ein Dokument mit durchschnittlicher Länge mit k1 = 1,2 berechnet:
| Mal kommt das Wort vor | BM25 Term-Frequenz-Faktor |
|---|---|
| 1 | 1.000 |
| 2 | 1.375 |
| 5 | 1.774 |
| 10 | 1.964 |
| 20 | 2.075 |
Die zweite Erwähnung fügt viel hinzu, die fünfte fügt ein wenig hinzu und die zwanzigste fügt fast nichts hinzu; Der Faktor kann niemals k1 + 1 = 2,2 überschreiten. Diese sinkende Rendite ist der Hauptgrund dafür, dass BM25 Keyword-Stuffing weitaus besser widersteht als einfaches Zählen.
Längennormalisierung: der b-Effekt
In einem langen Handbuch werden die meisten Wörter irgendwo erwähnt, was die Punktzahl unfair erhöhen würde. Der Parameter b skaliert die Begriffshäufigkeit nach Dokumentlänge im Verhältnis zum Durchschnitt (15,8 Wörter in unserer Sammlung). Bei b = 0,75 benötigt ein langes Dokument mehr Erwähnungen, um die gleiche Punktzahl zu erzielen wie ein kurzes, fokussiertes Dokument. Durch die Einstellung b = 0 wird die Längennormalisierung vollständig deaktiviert.
BM25 in 25 Zeilen Python
import math, re
tok = lambda s: re.findall(r"[a-z0-9]+", s.lower())
D = {k: tok(v) for k, v in docs.items()}
N = len(D)
avg = sum(len(v) for v in D.values()) / N
def idf(t):
n = sum(1 for v in D.values() if t in v)
return math.log((N - n + 0.5) / (n + 0.5) + 1)
def bm25(query, k1=1.2, b=0.75):
scores = {}
for k, v in D.items():
s = 0
for t in tok(query):
f = v.count(t)
if f:
s += idf(t) * f * (k1 + 1) / (f + k1 * (1 - b + b * len(v) / avg))
scores[k] = round(s, 3)
return sorted(scores.items(), key=lambda x: -x[1])
Echte Engines berechnen vorab einen invertierten Index, eine Zuordnung von jedem Wort zu den Dokumenten, die es enthalten, sodass sie nie jedes Dokument scannen. Die Bewertungslogik ist dieselbe. Unsere Sammlung enthielt sechs kurze Hilfeartikel: Passwort zurücksetzen (d1), Fehler E1042 (d2), Passwortregeln (d3), Versand (d4), Kontosperrung (d5) und eine Spam-Seite, die „Passwort“ sechsmal wiederholt (d6).
Was der Test ergab
| Abfrage | BM25 Top-Ergebnisse | Top-Ergebnis bei der rohen Wortzählung |
|---|---|---|
| Passwort zurücksetzen | d1 (3,009), d6 (1,259), d3 (0,690) | d6, die Spam-Seite (6 Treffer) |
| E1042 | d2 (1.617), sonst nichts | d2 |
| aus meinem Konto gesperrt | d5 (3,570), d2 (1,617) | d5 |
| Ich habe mein Login vergessen | Alle Punkte 0 | Alle 0 |
Beim „Passwort zurücksetzen“ wurde bei der Rohzählung die Spam-Seite an erster Stelle gereiht, weil sie das Wort wiederholt, während BM25 den wirklich nützlichen Artikel zum Zurücksetzen mit mehr als der doppelten Punktzahl an die erste Stelle setzte: zwei verschiedene übereinstimmende Wörter plus Sättigungs-Beat-Wiederholung. Für den genauen Code „E1042“ war BM25 perfekt. Als nächstes folgen die interessanten Misserfolge.
Tipp: Sehen Sie sich BM25-Fehler in Ihren eigenen Protokollen an. Suchanfragen, die überall null Punkte erzielen, sind genau diejenigen, bei denen sich die Hinzufügung einer semantischen Suche auszahlt.
Abstimmung von k1 und b
Für die Einzelwortabfrage „Passwort“ haben wir vier Parametereinstellungen ausprobiert:
| k1 | b | Top 3 Ergebnisse |
|---|---|---|
| 1.2 | 0.75 | d6 1,259, d1 0,934, d3 0,690 |
| 1.2 | 0.0 | d6 1,271, d1 0,953, d3 0,693 |
| 0.5 | 0.75 | d6 0,956, d1 0,823, d3 0,691 |
| 2.0 | 0.75 | d6 1,538, d1 1,012, d3 0,690 |
Ein niedrigerer Wert von k1 schrumpfte den Vorsprung der Spam-Seite von 0,325 auf 0,133, da Wiederholungen weniger ins Gewicht fielen; Höheres k1 vergrößerte es. Die Rangfolge blieb hier gleich, da ein Wort eine schwache Abfrage ist und die tatsächlichen Gewinne durch die Optimierung normalerweise gering sind. Die Standardwerte k1 = 1,2 und b = 0,75 sind ein sinnvoller Anfang; Stimmen Sie nur auf eine Reihe realer Abfragen mit bekannten Antworten ab und korrigieren Sie zunächst die Tokenisierung, da Aufteilung, Wortstammbildung und Stoppwörter normalerweise wichtiger sind.
Wo BM25 versagt
- Verschiedene Wörter, gleiche Bedeutung. „Ich habe mein Login vergessen“ wurde überall mit Null bewertet, auch wenn der Artikel zum Zurücksetzen des Passworts darauf antwortet. BM25 stimmt mit Wörtern überein, nicht mit Bedeutungen.
- Wortformen. Unser Tokenizer behandelte „Passwort“ und „Passwörter“ als unterschiedliche Wörter. Echte Engines fügen Stemming oder Lemmatisierung hinzu, um dieses Problem zu beheben.
- Rechtschreibfehler. „Passwort“ findet keine Übereinstimmung ohne Fuzzy-Matching.
- Wiederholung hilft immer noch ein wenig. Die Spam-Seite belegte den ersten Platz für die bloße Abfrage „Passwort“, obwohl die Sättigung den Abstand klein hielt.
BM25 vs. Vektorsuche
| Aspekt | BM25 | Vektorsuche |
|---|---|---|
| Streichhölzer | Genaue Worte | Bedeutung, Paraphrasen |
| Stark bei | IDs, Codes, Namen, seltene Begriffe | Natürliche Fragen, Synonyme |
| Schwach bei | Synonyme, Umformulierung | Genaue Codes, seltener Fachjargon |
| Bedürfnisse | Ein Index, kein Modell | Ein Einbettungsmodell und ein Vektorspeicher |
| Erklärbar | Ja, Ergebnisse pro Semester | Härter |
Die Vektorsuche wandelt Text in Einbettungen um und ordnet sie nach Kosinus-Ähnlichkeit, weshalb sie „Ich habe mein Login vergessen“ mit einem Artikel zum Zurücksetzen des Passworts verbinden würde. Die beiden Methoden scheitern an entgegengesetzten Stellen, was das Argument für die Verwendung beider Methoden ist.
Hybridsuche mit reziproker Rangfusion
BM25-Werte und Kosinus-Ähnlichkeiten liegen auf unterschiedlichen Skalen, sodass Sie sie nicht einfach addieren können. Die reziproke Rangfusion (RRF) ignoriert die Rohwerte und kombiniert Positionen: Jedes Dokument erhält 1 / (k + Rang) aus jeder Liste, normalerweise mit k = 60, und die Gesamtsummen werden summiert.
def rrf(*lists, k=60):
scores = {}
for ranking in lists:
for rank, doc in enumerate(ranking, 1):
scores[doc] = scores.get(doc, 0) + 1 / (k + rank)
return sorted(scores.items(), key=lambda x: -x[1])
Bei der Abfrage „Ich habe mein Login-Passwort vergessen“ belegte BM25 die Plätze d6, d1, d3. Wir haben es mit einer veranschaulichenden semantischen Rangfolge von d1, d5, d3 gepaart, der Reihenfolge, die ein bedeutungsbasiertes Modell plausibel ergeben würde; es war handgefertigt, nicht nach einem echten Einbettungsmodell. RRF rangierte dann d1 an erster Stelle (0,0325), gefolgt von d3, d6 und d5. Der nützliche Artikel zum Zurücksetzen stieg an die Spitze, weil ihn beide Listen gut platzierten, während die Spam-Seite, die nur BM25 gefiel, zurückfiel. In realen Systemen führen Sie beide Suchen parallel durch und fusionieren deren Top-50- oder 100-Ergebnisse.
BM25 in der Praxis
- Suchmaschinen: Elasticsearch und OpenSearch verwenden standardmäßig BM25 für Textfelder.
- Datenbanken: SQLite FTS5 verfügt über eine integrierte
bm25()Ranking-Funktion. Das integrierte Volltext-Ranking von PostgreSQL verwendet eine andere Formel und BM25 benötigt eine Erweiterung (wir haben beides hier nicht ausgeführt). - Python: Bibliotheken wie
rank_bm25implementieren es für Prototypen. - RAG-Pipelines: verwenden BM25 neben dem Vektorabruf über dieselben Blöcke; Für beide ist es wichtig, wie Sie die Stücke teilen, wie unser Test der RAG-Chunking-Strategien gezeigt hat.
Um zu sehen, wo der Abruf in ein vollständiges System passt, lesen Sie unseren Was ist RAG-Leitfaden und unseren Vektordatenbank-Leitfaden.
Fazit
BM25 hat sich jahrzehntelang bewährt, weil es einfach, schnell und bemerkenswert gut in dem ist, was es tut: seltene, spezifische Übereinstimmungen zu belohnen und gleichzeitig Wiederholungen und Auffüllungen zu vermeiden. Unser Test zeigte beide Seiten deutlich. Es hat einen genauen Fehlercode gefunden und eine Spam-Seite übertroffen, hat aber nichts für eine natürliche Umformulierung zurückgegeben. Behalten Sie BM25 für Präzision bei, fügen Sie die Vektorsuche für Bedeutung hinzu, verschmelzen Sie sie mit RRF und beurteilen Sie jede Änderung anhand echter Benutzeranfragen.
Häufige Fragen
Was ist BM25 in einfachen Worten?
BM25 ist eine Keyword-Ranking-Formel. Dokumente erhalten eine höhere Bewertung, wenn sie seltene Suchbegriffe enthalten, sie sinnvoll oft wiederholen und nicht mit nicht zusammenhängendem Text aufgefüllt sind.
Was bedeuten k1 und b in BM25?
k1 steuert, wie schnell wiederholte Wörter keine Punktzahl mehr hinzufügen, normalerweise 1,2. b steuert, wie stark lange Dokumente bestraft werden, normalerweise 0,75, wobei 0 die Längennormalisierung deaktiviert.
Ist BM25 besser als die Vektorsuche?
Beides ist nicht überall besser. BM25 zeichnet sich durch exakte Wörter, Codes und Namen aus, während die Vektorsuche Bedeutung und Paraphrasen verarbeitet. Eine Hybridsuche, die beides kombiniert, erzielt in der Regel die beste Leistung.
Was ist reziproke Rangfusion?
Eine Möglichkeit, Ranglisten nach Position statt nach Punktzahl zusammenzuführen. Jedes Dokument erhält 1 dividiert durch k plus seinen Rang in jeder Liste, die Gesamtsummen werden addiert und die höchste Gesamtsumme steht an erster Stelle.
Verwendet Elasticsearch BM25?
Ja. BM25 ist die Standardähnlichkeit für Textfelder in Elasticsearch, OpenSearch und Apache Lucene.
Lerne weiter
Benötigen Sie Hilfe beim Testen, WordPress oder SEO?
Wir helfen Teams, bessere Software zu liefern und ihre Websites zu erweitern. Sagen Sie uns, woran Sie gerade arbeiten, und wir schlagen Ihnen einen klaren nächsten Schritt vor.
Weitere Anleitungen finden Sie unter Tests, KI und moderne Entwicklung
Hat Ihnen dieser Artikel gefallen? Wählen Sie ein Thema und springen Sie direkt in unsere neuesten Tutorials.
BM25 erklärt: Wie die Keyword-Suche Ergebnisse einordnet, mit Python-Code und Hybridsuche
BM25 erklärte anhand einer reinen Python-Implementierung, die wir ausgeführt haben: die Formel, IDF, Termsättigung, die k1- und b-Parameter, warum e…
Artikel lesen →SoftwareentwicklungErklärte HTTP-Methoden: GET, POST, PUT, PATCH, DELETE, getestet auf einem Live-Server
HTTP-Methoden erklärt anhand eines kleinen Servers, den wir ausgeführt haben: GET, POST, PUT, PATCH, DELETE, HEAD und OPTIONS, sicher vs. idempotent…
Artikel lesen →DevOpsGit Bisect erklärt: Finden Sie den Commit, der Ihren Code kaputt gemacht hat, manuell oder automatisch
Git bisect anhand eines getesteten Repositorys erklärt: Finden Sie den einzigen fehlerhaften Commit unter 41 in 5 Testläufen, automatisieren Sie ihn…
Artikel lesen →TestautomatisierungErklärte Pytest-Marker: Benutzerdefinierte Markierungen, Skip, Skipif, Xfail und -m-Filter
Pytest-Marker anhand einer getesteten Suite erklärt: Registrieren Sie benutzerdefinierte Marken, führen Sie nur Smoke-Tests mit -m aus, kombinieren …
Artikel lesen →SoftwaretestsPositive vs. negative Tests: Unterschiede, 24 echte Testfälle und eine Checkliste
Positive vs. negative Tests werden mit einem echten Anmeldeformular erklärt: 6 positive und 18 negative Testfälle werden in Pytest ausgeführt, der f…
Artikel lesen →Datenbanken & SQLSQL ORDER BY Mehrere Spalten: ASC, DESC, NULLS LAST, Case und Custom Order
SQL ORDER BY mit mehreren Spalten, erklärt mit getesteten Abfragen: gemischte ASC und DESC, Tie-Breaker, NULLS FIRST und LAST, Sortierung ohne Berüc…
Artikel lesen →Datenbanken & SQLLaufende SQL-Summe: SUM OVER, Gesamtsummen pro Gruppe, gleitende Summen und die RANGE-Falle
So berechnen Sie eine laufende SQL-Summe mit SUM() OVER: Gesamtsummen pro Gruppe, tägliche kumulative Summen, gleitende Summen, Prozent der Gesamtsu…
Artikel lesen →SoftwareentwicklungJavaScript Sort Array: Zahlen, Objekte, Strings und warum 10 vor 5 kommt
So sortieren Sie ein Array in JavaScript richtig: Zahlen mit einer Vergleichsfunktion, Objekte nach einem oder mehreren Feldern, Zeichenfolgen mit l…
Artikel lesen →Künstliche IntelligenzErklärte RAG-Chunking-Strategien: Fest, Überlappung, Satz, rekursiv und Überschriften, gemessen
RAG-Chunking-Strategien im Vergleich zu einem Dokument mit Tiktoken 0.14: feste Größe, Überlappung, Satzpackung, rekursive Aufteilung und überschrif…
Artikel lesen →SoftwareentwicklungAPI-Idempotenz erklärt: Idempotenzschlüssel und sichere Wiederholungsversuche, getestet
Erklärung der API-Idempotenz anhand eines von uns ausgeführten Python-Servers und -Clients: Eine verlorene Antwort verursachte eine doppelte Gebühr …
Artikel lesen →DevOpsGit Stash erklärt: Speichern, Anwenden, Pop und nicht verfolgte Dateien, getestet
Git Stash erklärt mit Befehlen, die wir auf Git 2.56 ausgeführt haben: Push mit einer Nachricht, nicht verfolgte Dateien, Auflisten und Anzeigen, An…
Artikel lesen →SoftwaretestsPaarweises Testen erklärt: Wie alle Paare 216 Tests auf 13 reduzieren, getestet
Paarweises Testen erklärt mit einem Generator, den wir in Python 3.13 ausgeführt haben: ein Checkout mit 216 Kombinationen, die durch 13 Tests abged…
Artikel lesen →TestautomatisierungTest-Doubles erklärt: Dummy, Stub, Spy, Mock und Fake, mit getestetem Python-Code
Test-Doubles werden anhand eines Python-Beispiels erklärt, das in Pytest 9.2 ausgeführt wird: Dummy, Stub, Spy, Mock und Fake, wann jeweils zu verwe…
Artikel lesen →Datenbanken & SQLSQL COALESCE erklärt: Standardwerte, NULLIF, IFNULL vs. ISNULL und Traps, getestet
SQL COALESCE wurde mit Abfragen erklärt, die wir in SQLite 3.50 ausgeführt haben: erste Nicht-Null-Werte, leere Zeichenfolgen, NULL in Mathematik, N…
Artikel lesen →Datenbanken & SQLSQL Self Join erklärt: Mitarbeiter-Manager, Paare und Zeilenvergleiche, getestet
SQL-Self-Join erklärt anhand von Abfragen, die wir in SQLite 3.50 ausgeführt haben: Mitarbeiter und Manager, mehr verdienen als der Manager, eindeut…
Artikel lesen →SoftwareentwicklungErklärter JavaScript-Spread-Operator: Spread vs. Rest, Kopien und Fallstricke, getestet
Der JavaScript-Spread-Operator wird mit Code erklärt, den wir auf Knoten 24 ausgeführt haben: Arrays, Objekte, flache Kopien, Restparameter, das Mat…
Artikel lesen →SoftwareentwicklungErklärtes Python-Sammlungsmodul: Counter, defaultdict, deque und mehr, getestet
Python-Sammlungen erklärt mit Code, den wir auf Python 3.13 ausgeführt haben: Counter, defaultdict, deque, benannttuple, OrderedDict und ChainMap, p…
Artikel lesen →Künstliche IntelligenzErklärtes LLM-Kontextfenster: Token, Grenzen und wie man mehr einpasst, gemessen
Das LLM-Kontextfenster wird anhand der Token-Anzahl erklärt, die wir mit Tiktoken gemessen haben: Wörter vs. Token für Prosa, Code und Hindi, Eingab…
Artikel lesen →SoftwareentwicklungWebhooks erklärt: Wie sie funktionieren und wie man sie sicher empfängt
Webhooks erklärt mit einem Empfänger und Sender, den wir in Python ausgeführt haben: Push vs. Polling, HMAC-SHA256-Signaturen, Ablehnen manipulierte…
Artikel lesen →DevOpsGit Cherry-Pick erklärt: Kopieren Sie den Commit, den Sie benötigen, sicher und getestet
Git Cherry-Pick erklärt mit Befehlen, die wir in Git 2.56 ausgeführt haben: Kopieren eines Hotfixes in einen Release-Zweig, neue Hashes und Patch-ID…
Artikel lesen →TestautomatisierungSnapshot-Tests erklärt: Wie es funktioniert, wann es hilft und wann es weh tut
Snapshot-Tests erklärt anhand einer Pytest- und Sirup-Demo, die wir ausgeführt haben: Snapshots erstellen, Diff nach einer Codeänderung lesen, Zeits…
Artikel lesen →SoftwaretestsMutationstests erklärt: Warum die 100-prozentige Abdeckung unseren Fehler immer noch übersehen hat
Mutationstests erklärt mit einem kleinen Mutationstool, das wir erstellt und ausgeführt haben: 14 Mutanten, eine Testsuite mit 100 % Linienabdeckung…
Artikel lesen →Künstliche IntelligenzPrompt Injection erklärt: Wie KI-Apps ausgetrickst werden und wie man sie verteidigt
Prompt-Injection erklärt für Builder: direkte und indirekte Angriffe, warum Schlüsselwortfilter fehlschlagen (unser Test hat 1 von 4 blockiert) und …
Artikel lesen →DevOpsErklärte DNS-Einträge: A, AAAA, CNAME, MX, TXT und TTL mit echten Lookups
DNS-Einträge erklärt anhand der von uns durchgeführten Suchvorgänge: Funktionsweise der Auflösung, A und AAAA, CNAME-Regeln, MX und Null-MX, TXT für…
Artikel lesen →DevOpsErklärte Funktionsflags: Sichere Veröffentlichungen, schrittweise Rollouts und Flag-Hygiene
Funktionsflags anhand einer von uns durchgeführten Rollout-Simulation erklärt: Flag-Typen, prozentuale Rollouts mit stabilem Hashing, Kill-Switches,…
Artikel lesen →TestautomatisierungTestdatengenerierung mit Python Faker: Realistische, wiederholbare und sichere Daten
Testen Sie die Datengenerierung mit Python Faker, führen Sie sie aus und messen Sie sie: Seeding für wiederholbare Daten, Gebietsschemata, eindeutig…
Artikel lesen →SoftwaretestsShift-Left-Tests erklärt: Finden Sie Fehler früher, ohne das Team zu verlangsamen
Shift-Left-Tests erklärt: Was es bedeutet, warum Frühdefekte günstiger sind, Vorgehensweisen von Anforderungsüberprüfungen bis hin zu CI-Prüfungen, …
Artikel lesen →Datenbanken & SQLErklärte SQL-String-Funktionen: TRIM, SUBSTR, REPLACE, CONCAT und Datenbereinigung
SQL-String-Funktionen, die mit von uns ausgeführten Abfragen erklärt wurden: Verkettung und NULL, TRIM, UPPER und LOWER, SUBSTR und INSTR, REPLACE, …
Artikel lesen →Datenbanken & SQLErklärte SQL-Trigger: VOR- und NACH-Trigger, Prüfprotokolle und Fallstricke
SQL-Trigger werden anhand von Triggern erklärt, die wir ausgeführt haben: VORHER vs. NACHHER, ALT und NEU, Prüfprotokolle, Validierung, Bestandsaktu…
Artikel lesen →SoftwareentwicklungErklärung des Python-JSON-Moduls: Dumps, Loads, benutzerdefinierte Typen und häufige Fehler
Das Python-JSON-Modul wird anhand des von uns ausgeführten Codes erklärt: Dumps und Loads, Dateien, Typkonvertierungen, Datumsangaben und Dezimalzah…
Artikel lesen →SoftwareentwicklungES-Module vs. CommonJS: Wie JavaScript-Importe in Node.js funktionieren, getestet
ES-Module vs. CommonJS erklärt mit Code, den wir in Node.js ausgeführt haben: Import- und Exportsyntax, Require, Live-Bindungen, Caching, Top-Level-…
Artikel lesen →SoftwareentwicklungPython Regex erklärt: Muster, Gruppen, Lookaheads und Fallstricke, getestet
Python-Regex erklärt mit Mustern, die wir ausgeführt haben: Suche vs. Übereinstimmung, Findall, Gruppen und benannte Gruppen, Greedy vs. Lazy, Sub, …
Artikel lesen →Künstliche IntelligenzErklärung der strukturierten LLM-Ausgabe: Zuverlässiges JSON aus KI-Modellen erhalten
Die strukturierte LLM-Ausgabe wird anhand der von uns in Pydantic ausgeführten Validierung erklärt: JSON-Modus und -Schemas, eingeschränkte Dekodier…
Artikel lesen →DevOpsSSH-Schlüssel erklärt: Wie sie funktionieren, ssh-keygen, Ed25519 und sichere Gewohnheiten
SSH-Schlüssel erklärt mit Schlüsseln, die wir generiert haben: öffentliche vs. private Schlüssel, ssh-keygen, Ed25519 vs. RSA, Fingerabdrücke, Passp…
Artikel lesen →DevOpsHTTP-Caching erklärt: Cache-Kontrolle, ETag und 304-Antworten, mit einem Live-Test
HTTP-Caching erklärt anhand eines kleinen Servers, den wir ausgeführt haben: Cache-Control-Anweisungen, Max-Age, No-Cache vs. No-Store, ETag-Revalid…
Artikel lesen →TestautomatisierungAPI-Vertragstests erklärt: Erkennen Sie wichtige Änderungen, bevor sie versendet werden
Das Testen von API-Verträgen wird anhand einer von uns durchgeführten Schemaprüfung erklärt: Was ein Vertrag ist, verbrauchergesteuerte Verträge, Pa…
Artikel lesen →SoftwaretestsRisikobasiertes Testen erklärt: Risiken bewerten, eine Matrix erstellen und testen, worauf es ankommt
Risikobasiertes Testen Schritt für Schritt erklärt: Risiken identifizieren, Wahrscheinlichkeit und Auswirkung bewerten, eine Risikomatrix erstellen,…
Artikel lesen →Datenbanken & SQLErklärte SQL-Einschränkungen: NOT NULL, UNIQUE, CHECK und FOREIGN KEY, getestet
SQL-Einschränkungen anhand der von uns durchgeführten Tests erklärt: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY und FOREIGN KEY, die NULL-Lücken, die…
Artikel lesen →Datenbanken & SQLErklärte SQL-Datumsfunktionen: Datumsangaben fehlerfrei hinzufügen, vergleichen und gruppieren
Erklärung der SQL-Datumsfunktionen anhand von Abfragen, die wir ausgeführt haben: Hinzufügen von Intervallen, Überraschungen am Monatsende, Datumsun…
Artikel lesen →SoftwareentwicklungPython-Asyncio erklärt: Async, Wait, Gather und TaskGroup mit echten Timings
Python-Asyncio erklärt mit Code, den wir getimt haben: Coroutinen, Wait, Gather, TaskGroup, Fehlerbehandlung, Zeitüberschreitungen, Einschränkung de…
Artikel lesen →SoftwareentwicklungDebounce vs. Throttle in JavaScript: Wie sie funktionieren, wann man sie verwendet, getestet
Debounce vs. Throttle in JavaScript erklärt anhand von Timings, die wir in Node.js gemessen haben: wie jedes funktioniert, einfache Implementierunge…
Artikel lesen →SoftwareentwicklungErklärte Python-Kontextmanager: Die with-Anweisung, contextlib und Real Uses
Python-Kontextmanager erklärt anhand des von uns ausgeführten Codes: Funktionsweise, __enter__ und __exit__, contextlib.contextmanager, supprimieren…
Artikel lesen →Künstliche IntelligenzLLM-Temperatur und Top-p erklärt: Wie KI-Modelle ihr nächstes Wort wählen
LLM-Temperatur und Top-P erklärt anhand einer von uns durchgeführten Simulation: wie Wahrscheinlichkeiten umgeformt werden, was Top-P beibehält, emp…
Artikel lesen →DevOpsYAML erklärt: Syntax, das Norwegen-Problem und andere von uns getestete Fallen
YAML erklärt mit einem Parser-Test: grundlegende Syntax, Listen und Karten, das Norwegen-Problem, Versionen, die in Gleitkommazahlen umgewandelt wer…
Artikel lesen →DevOpsCron-Jobs erklärt: Syntax, echte Zeitpläne und die Fehler, die sie zerstören
Cron-Jobs werden anhand von Zeitplänen erklärt, die wir überprüft haben: die fünf Felder, Operatoren, reale Beispiele, die Tag-des-Monats- ODER Woch…
Artikel lesen →Künstliche IntelligenzKI-Halluzinationen erklärt: Warum Sprachmodelle Dinge erfinden und wie man sie reduziert
KI-Halluzinationen erklärt: Was sie sind, warum Sprachmodelle sie produzieren, gängige Typen, wie man sie mit Erdung und Eingabeaufforderungen reduz…
Artikel lesen →DevOpsErklärte Umgebungsvariablen: .env-Dateien, Geheimnisse und Konfiguration richtig gemacht
Umgebungsvariablen anhand von Python-Beispielen erklärt, die wir ausgeführt haben: Sie lesen und festlegen, warum jeder Wert ein String ist, .env-Da…
Artikel lesen →SoftwareentwicklungAPI-Ratenbegrenzung erklärt: Algorithmen, Header und Behandlung von 429-Fehlern
API-Ratenbegrenzung anhand einer von uns durchgeführten Simulation erklärt: Token-Bucket, festes Fenster, gleitendes Fenster, 429 Antworten, Ratenbe…
Artikel lesen →TestautomatisierungSpott in Python: unittest.mock, Patch und die Fehler, die Tests zum Lügen machen
Mocking in Python mit unittest.mock, getestet: Mock und return_value, side_effect, Patchen, wo ein Name verwendet wird, Spezifikation und Autospec, …
Artikel lesen →SoftwaretestsCode-Abdeckung erklärt: Leitungs- und Zweigstellenabdeckung und was 100 % wirklich bedeutet
Erklärung der Codeabdeckung anhand eines echten Coverage.py-Laufs: Zeilen-, Zweig- und Bedingungsabdeckung, Lesen eines Berichts, warum bei 100 % Ab…
Artikel lesen →Datenbanken & SQLDELETE vs. TRUNCATE vs. DROP in SQL: Unterschiede, Rollback und Verwendungszweck
DELETE vs. TRUNCATE vs. DROP erklärt mit getestetem SQL: was jeweils entfernt wird, Rollback, Trigger, Identitätsrücksetzung, Geschwindigkeit und wi…
Artikel lesen →Datenbanken & SQLErklärte SQL-Ansichten: Erstellen, nutzen und vermeiden Sie Fallstricke mit Beispielen
SQL-Ansichten anhand der von uns ausgeführten Abfragen erklärt: Erstellen einer Ansicht, Live-Ergebnisse, Ausblenden von Spalten, Leistung, aktualis…
Artikel lesen →SoftwareentwicklungTypeScript-Schnittstelle vs. Typ: Echte Unterschiede, getestet mit dem Compiler
TypeScript-Schnittstelle vs. Typ, überprüft mit dem echten Compiler: Was beide können, was nur einer kann, Deklarationszusammenführung, Erweiterunge…
Artikel lesen →SoftwareentwicklungPython *args und **kwargs erklärt: Flexible Funktionen mit klaren Beispielen
Python *args und **kwargs erklärt mit Code, den wir ausgeführt haben: Packen und Entpacken, Parameterreihenfolge, Nur-Schlüsselwort- und Nur-Positio…
Artikel lesen →SoftwareentwicklungPython-Lambda-Funktionen: Syntax, tatsächliche Verwendung und wann man sie nicht verwendet
Python-Lambda-Funktionen erklärt mit Code, den wir ausgeführt haben: Syntax, Sortierung mit Schlüssel, Karte und Filter, Abschlüsse, die Late-Bindin…
Artikel lesen →Künstliche IntelligenzWas sind KI-Agenten? Wie sie funktionieren, mit einer einfachen Agentenschleife, die Sie ausführen können
Was sind KI-Agenten? Eine einfache Anleitung zur Agentenschleife, zu Tools, Speicher und Leitplanken, mit einer kleinen Python-Schleife, die wir aus…
Artikel lesen →DevOpsÜberwachung vs. Beobachtbarkeit: Der wahre Unterschied, mit Protokollen, Metriken und Traces
Überwachung vs. Beobachtbarkeit erklärt: bekannte und unbekannte Fehler, Protokolle, Metriken und Spuren, eine exemplarische Vorgehensweise für Chec…
Artikel lesen →DevOpsDocker-Volumes vs. Bind Mounts: Containerdaten auf die richtige Art und Weise beibehalten
Docker-Volumes vs. Bind-Mounts erklärt: Warum Containerdaten verschwinden, benannte Volumes, Bind-Mounts, tmpfs, Compose-Beispiele, Backups, Berecht…
Artikel lesen →TestautomatisierungTDD vs. BDD: Hauptunterschiede, eine Funktion, die auf beide Arten entwickelt wurde und wann sie jeweils verwendet werden sollte
TDD vs. BDD erklärt mit einer Rabattfunktion, die in beide Richtungen aufgebaut ist: Rot-Grün-Refaktor mit Code, den wir ausgeführt haben, Gegeben-W…
Artikel lesen →SoftwaretestsBenutzerakzeptanztests (UAT): Prozess, Checkliste und reale Beispiele
Benutzerakzeptanztests erklärt: Wer führt ihn durch, wie unterscheidet er sich von der Qualitätssicherung, ein siebenstufiger Prozess, eine UAT-Test…
Artikel lesen →Datenbanken & SQLErklärte SQL-NULL-Werte: IS NULL, COALESCE, NULLIF und die zu vermeidenden Fallen
SQL-NULL-Werte, die mit von uns ausgeführten Abfragen erklärt wurden: dreiwertige Logik, IS NULL, COALESCE, NULLIF, wie Aggregate, Joins und Sortier…
Artikel lesen →Datenbanken & SQLSQL CASE WHEN-Anweisung: Syntax, reale Beispiele und häufige Fehler
SQL CASE WHEN anhand der von uns ausgeführten Abfragen erklärt: einfache und durchsuchte Formulare, Bedingungsreihenfolge, Pivots mit SUM, COUNT-Tri…
Artikel lesen →SoftwareentwicklungWas ist JWT? JSON-Web-Tokens anhand eines funktionierenden Beispiels erklärt
Was ist JWT? JSON Web Tokens erklärt: die drei Teile, ein Token, das in dem von uns ausgeführten Code erstellt und manipuliert wurde, JWT vs. Sitzun…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Ereignisschleife: Aufrufstapel, Mikrotasks und Timer mit Beispielen
Die JavaScript-Ereignisschleife wurde mit dem von uns ausgeführten Code erklärt: Aufrufstapel, Aufgaben- und Mikrotask-Warteschlangen, warum setTime…
Artikel lesen →SoftwareentwicklungErklärung von Python-Generatoren und -Ertrag: Sparen Sie Speicher mit echten Beispielen
Python-Generatoren und Yield anhand des von uns ausgeführten Codes erklärt: wie sie angehalten und fortgesetzt werden, gemessene Speichereinsparunge…
Artikel lesen →Künstliche IntelligenzWas sind Einbettungen? Vektoren und Kosinusähnlichkeit einfach erklärt
Was sind Einbettungen? Ein Leitfaden in einfacher Sprache zu Vektoren, Kosinusähnlichkeit und semantischer Suche, mit einem kleinen Beispiel, das wi…
Artikel lesen →DevOpsBlau-Grün vs. Canary-Bereitstellung: Unterschiede, Kompromisse und Auswahl
Blue-Green vs. Canary-Bereitstellung erklärt: Funktionsweise, Kosten, Risiko und Rollback, stabiles Benutzer-Bucketing, das wir getestet haben, Date…
Artikel lesen →TestautomatisierungFlaky-Tests: Was sie verursacht und wie man sie endgültig behebt
Flaky-Tests wurden anhand von Demos erklärt, die wir durchgeführt haben: die Hauptursachen, wie man sie bestätigt und diagnostiziert, richtige Korre…
Artikel lesen →SoftwaretestsLasttest vs. Stresstest: Unterschiede, Metriken und k6-Beispiele
Erläuterungen zu Lasttests und Stresstests: Was die einzelnen Tests beweisen, Spike- und Soak-Tests, welche Kennzahlen wichtig sind, warum Durchschn…
Artikel lesen →SoftwaretestsTestfall vs. Testszenario: Hauptunterschiede, Beispiele und wann man sie jeweils verwendet
Testfall vs. Testszenario erklärt: klare Definitionen, eine Tabelle nebeneinander, eine Funktion zum Zurücksetzen von Passwörtern, die von Szenarios…
Artikel lesen →Datenbanken & SQLSQL-Abfrageoptimierung: Ausführungspläne lesen und langsame Abfragen mit Zeitvorgaben beheben
An einer Million Zeilen getestete SQL-Abfrageoptimierung: Ausführungspläne lesen, die richtigen Indizes hinzufügen, nicht sargierbare Filter korrigi…
Artikel lesen →Datenbanken & SQLSQL UNION vs. UNION ALL: Unterschiede, Beispiele und getestete Leistung
SQL UNION vs. UNION ALL anhand der von uns ausgeführten Abfragen erklärt: Duplikate, die Regeln, denen beide folgen, ein echter Datenfehler, gemesse…
Artikel lesen →SoftwareentwicklungTutorial zur JavaScript-Abruf-API: GET, POST, Fehlerbehandlung und Zeitüberschreitungen
Ein JavaScript-Abruf-API-Tutorial, das auf einem lokalen Server getestet wurde: GET und POST, warum 404 nicht ausgelöst wird, ein wiederverwendbarer…
Artikel lesen →SoftwareentwicklungUmgang mit Python-Dateien: Lesen, Schreiben, CSV, JSON und Pathlib mit Beispielen
Die Handhabung von Python-Dateien wird anhand des von uns ausgeführten Codes erklärt: Öffnungsmodi, Lesen großer Dateien, CSV, JSON, Pathlib, Binärd…
Artikel lesen →SoftwareentwicklungPython-Klassen und -Objekte: OOP-Tutorial mit echten Beispielen
Python-Klassen und -Objekte erklärt mit Code, den wir ausgeführt haben: __init__, Methoden, Klassen- und Instanzattribute, Vererbung, Eigenschaften,…
Artikel lesen →Künstliche IntelligenzWas ist ein großes Sprachmodell? Wie LLMs funktionieren, ohne großen Hype erklärt
Was ist ein großes Sprachmodell? LLMs im Klartext erklärt: Token, Einbettungen, Aufmerksamkeit, Training, Temperatur- und Kontextfenster, eine klein…
Artikel lesen →DevOpsLinux-Befehle für Anfänger: Der grundlegende Terminal-Leitfaden mit Beispielen
Linux-Befehle für Anfänger, gruppiert nach Aufgaben: Navigation, Dateien, Anzeigen von Protokollen, Grep, Pipes, Berechtigungen, Prozesse und Archiv…
Artikel lesen →TestautomatisierungSelenium vs. Playwright: Hauptunterschiede, Code im Vergleich und welche Sie wählen sollten
Selenium vs. Playwright im Vergleich: Architektur, Wartezeit, Browser- und Sprachunterstützung, Debugging, der gleiche Test in beiden Tools, Migrati…
Artikel lesen →SoftwaretestsÄquivalenzpartitionierung: Testdesigntechnik anhand von Beispielen erklärt
Erklärung der Äquivalenzpartitionierung: Wie man gültige und ungültige Partitionen findet, Beispiele für Alter, Passwörter und Gutscheine, von uns d…
Artikel lesen →SoftwaretestsSchweregrad vs. Priorität beim Softwaretest: Unterschiede, Matrix und reale Beispiele
Schweregrad vs. Priorität beim Softwaretest erklärt: klare Definitionen, eine Vier-Wege-Matrix mit Beispielen, Stufenskalen, wer die einzelnen Punkt…
Artikel lesen →Datenbanken & SQLTutorial zu SQL-Unterabfragen: Typen, korrelierte Unterabfragen und EXISTS mit Beispielen
Ein SQL-Unterabfrage-Tutorial mit Abfragen, die wir ausgeführt haben: Skalar-, IN-, FROM- und SELECT-Unterabfragen, korrelierte Unterabfragen, EXIST…
Artikel lesen →Datenbanken & SQLSQL-Transaktionen und ACID erklärt: COMMIT, ROLLBACK und Isolationsstufen
SQL-Transaktionen und ACID anhand einer von uns durchgeführten Banküberweisung erklärt: COMMIT, ROLLBACK, Sicherungspunkte, Sperren, Isolationsstufe…
Artikel lesen →SoftwareentwicklungSpickzettel für Git-Befehle: Die Befehle, die Sie tatsächlich verwenden, mit Beispielen
Ein Git-Befehls-Spickzettel, gruppiert nach Aufgabe: Setup, Staging, Branches, Remotes, Stash, Verlauf und Rückgängigmachen von Fehlern, mit Ausgabe…
Artikel lesen →SoftwareentwicklungErklärte JavaScript-Versprechen: Dann, Catch, Promise.all und häufige Fehler
JavaScript-Versprechen erklärt mit Code, den wir ausgeführt haben: Zustände, dann und Fangketten, Fehlerbehandlung, Promise.all, allSettled, Rennen …
Artikel lesen →SoftwareentwicklungPython-Wörterbuch-Tutorial: Methoden, Beispiele und gängige Muster
Ein Python-Wörterbuch-Tutorial mit Code, den wir ausgeführt haben: Diktate erstellen, lesen und aktualisieren, Schlüsselmethoden, Zusammenführung, V…
Artikel lesen →Künstliche IntelligenzWas ist RAG? Retrieval-Augmented Generation anhand eines Arbeitsbeispiels erklärt
Was ist RAG? Abruf-erweiterte Generierung Schritt für Schritt erklärt: Indizierung, Chunking, Einbettungen, Abruf, ein kleines funktionierendes Pyth…
Artikel lesen →DevOpsTerraform-Tutorial für Anfänger: Infrastruktur als Code von der ersten Datei bis zu den Modulen
Ein Terraform-Tutorial für Anfänger: Beginnen Sie ohne Cloud-Konto, lernen Sie Init, Planen und Anwenden, dann Variablen, Ausgaben, Status, Module u…
Artikel lesen →DevOpsDocker vs. Kubernetes: Hauptunterschiede, wie sie zusammenarbeiten und was Sie brauchen
Docker vs. Kubernetes erklärt: Was jeder tut, die gleiche App läuft mit beiden, Docker Compose und Swarm im Vergleich, die Dockershim-Änderung und w…
Artikel lesen →TestautomatisierungPytest-Tutorial für Anfänger: Vorrichtungen, Parametrisierung und reale Beispiele
Ein Pytest-Tutorial für Anfänger mit Tests, die wir auf Pytest 9.2 durchgeführt haben: Assertions, Fixtures, Parametrize, Conftest, Markers, tmp_pat…
Artikel lesen →SoftwaretestsSoftware Testing Life Cycle (STLC): 6 Phasen, Einstiegs- und Ausstiegskriterien, Beispiel
Der Softwaretest-Lebenszyklus erklärt: sechs STLC-Phasen mit Ein- und Ausstiegskriterien, Ergebnisse, ein Beispiel für eine funktionierende Anmeldef…
Artikel lesen →SoftwareentwicklungGit merge vs rebase: Unterschiede, Beispiele und wann man was nutzt
Git merge vs rebase erklärt mit echter Log-Ausgabe, einer Vergleichstabelle, der goldenen Regel des Rebase und einem sicheren Team-Workflow.
Artikel lesen →SoftwareentwicklungPython List Comprehension: Syntax, Beispiele und wann man darauf verzichtet
Python List Comprehension erklärt: Syntax, Filter, if-else, verschachtelte Schleifen, gemessene Zeiten und Fälle, in denen eine normale for-Schleife…
Artikel lesen →Datenbanken & SQLSQL Joins erklärt mit Beispielen (Inner, Left, Right, Full)
SQL Joins Schritt für Schritt mit Beispieltabellen und Abfragen verstehen: INNER, LEFT, RIGHT, FULL, CROSS und SELF, plus typische Fehler und Perfor…
Artikel lesen →