Lorixen.
DE

Volltextsuche in PostgreSQL: deutsche Wörter richtig finden

Kurz gesagt: Wer in einem Shop, einem Wissensbereich oder einer Web-App nach „Fenster“ sucht, erwartet auch Treffer für „Fenstern“, und wer „Kühlschränke“ tippt, sollte den „Kühlschrank“ finden. Mit einer einfachen Suche über LIKE '%…%' gelingt das nicht, und bei vielen Datensätzen wird sie außerdem langsam. PostgreSQL bringt eine eingebaute Volltextsuche mit, die Wörter auf ihre Stammform zurückführt, unwichtige Füllwörter ignoriert, Treffer nach Relevanz sortiert und mit einem GIN-Index schnell bleibt. Für deutsche Texte gibt es eine passende Sprachkonfiguration. Dieser Artikel zeigt den Aufbau Schritt für Schritt und wo die Grenzen liegen, etwa bei zusammengesetzten Wörtern.

Warum LIKE nicht reicht

Eine Suche mit LIKE vergleicht Zeichenketten. Sie findet „Fenster“ in „Fensterbank“, aber nicht „Fenstern“, wenn Sie nach „Fensters“ suchen. Sie kennt keine Relevanz, sodass ein Treffer im Titel nicht vor einem Treffer im Kleingedruckten steht. Und ein Platzhalter am Anfang verhindert die Nutzung normaler Indizes, weshalb die Datenbank bei jeder Suche alle Zeilen durchgehen muss. Bei ein paar Hundert Produkten fällt das nicht auf, bei Zehntausenden Einträgen schon.

Die Bausteine der Volltextsuche

PostgreSQL zerlegt einen Text in sogenannte Lexeme, normalisierte Wortformen. Die Funktion to_tsvector erzeugt daraus einen durchsuchbaren Vektor, to_tsquery und verwandte Funktionen machen aus der Eingabe eine Suchanfrage. Der Operator @@ prüft, ob beide zusammenpassen. Die PostgreSQL-Dokumentation zeigt das an einem Beispiel, bei dem eine Suche nach „friend“ auch verwandte Wortformen findet.

Welche Regeln dabei gelten, bestimmt die Konfiguration. Für Deutsch übergeben Sie 'german':

SELECT to_tsvector('german', 'Die neuen Kühlschränke sind eingetroffen');

Die Wörterbücher dahinter entfernen Stoppwörter wie „die“ und „sind“ und führen Wörter mit einem Stemming-Verfahren auf ihren Stamm zurück. Die Dokumentation beschreibt die zugrunde liegende Snowball-Vorlage als Projekt, das Stemming-Algorithmen für viele Sprachen bereitstellt.

Für die Suche aufbereiten

Damit nicht bei jeder Suche alle Texte neu zerlegt werden, legen Sie den Vektor als eigene Spalte an. Die Dokumentation empfiehlt dafür eine gespeicherte generierte Spalte, die sich automatisch aktualisiert, wenn sich Titel oder Beschreibung ändern:

ALTER TABLE produkte ADD COLUMN suchtext tsvector
  GENERATED ALWAYS AS (
    setweight(to_tsvector('german', coalesce(name,'')), 'A') ||
    setweight(to_tsvector('german', coalesce(beschreibung,'')), 'B')
  ) STORED;
CREATE INDEX produkte_suche_idx ON produkte USING GIN (suchtext);

Mit setweight markieren Sie, dass ein Treffer im Namen wichtiger ist als einer in der Beschreibung. Der GIN-Index sorgt laut Dokumentation dafür, dass Textsuchen schnell bleiben. coalesce verhindert, dass ein leeres Feld den ganzen Vektor leer macht.

Eingaben der Kunden verarbeiten

Kunden tippen keine Datenbankabfragen. Für Suchfelder eignet sich websearch_to_tsquery, das Eingaben in einer vertrauten Schreibweise annimmt, etwa mit Anführungszeichen für Wortgruppen oder einem Minus zum Ausschließen:

SELECT name, ts_rank(suchtext, q) AS rang
FROM produkte, websearch_to_tsquery('german', 'kühlschrank -einbau') q
WHERE suchtext @@ q
ORDER BY rang DESC
LIMIT 20;

ts_rank gibt einen Relevanzwert zurück, nach dem Sie sortieren. Die Dokumentation beschreibt außerdem ts_headline, das Textausschnitte mit hervorgehobenen Suchbegriffen erzeugt, wie man es von Suchmaschinen kennt. Für die Ergebnisliste ist das sehr hilfreich, weil Kunden sofort sehen, warum ein Treffer erscheint.

Die Grenzen bei deutschen Texten

Die deutsche Sprache hat einige Eigenheiten, die Sie kennen sollten:

Zusammengesetzte Wörter. Das Stemming kürzt Endungen, zerlegt aber keine Komposita. Eine Suche nach „Schrank“ findet „Kühlschrank“ nicht automatisch. Die Dokumentation nennt Ispell- und Hunspell-Wörterbücher, die das Aufspalten zusammengesetzter Wörter unterstützen, weist aber darauf hin, dass PostgreSQL bei Hunspell nur grundlegende Operationen dafür umsetzt. In der Praxis helfen oft gezielte Schlagwörter pro Produkt.

Umlaute und Schreibweisen. Wer „Kuehlschrank“ oder „Kuhlschrank“ tippt, findet ohne weitere Maßnahmen nichts. Die Erweiterung unaccent ist laut Dokumentation ein Filterwörterbuch, das diakritische Zeichen aus Lexemen entfernt. Sie lässt sich in eine eigene Suchkonfiguration einbauen, sollte aber gut getestet werden.

Tippfehler. Die Volltextsuche ist keine Fehlerkorrektur. Wer sehr fehlertolerant suchen will, braucht zusätzliche Verfahren oder eine eigene Suchlösung.

Fachbegriffe und Artikelnummern. Stemming kann Fachwörter verfremden. Artikelnummern und Marken sollten Sie deshalb zusätzlich über eine einfache Konfiguration ohne Stemming durchsuchbar machen.

Testen mit echten Suchbegriffen

Bevor Sie die neue Suche freischalten, sammeln Sie eine Liste typischer Eingaben. Gute Quellen sind die Suchprotokolle der bisherigen Website, Fragen aus dem Kundendienst und die Begriffe, mit denen Ihr Team selbst nach Produkten sucht. Zwanzig bis fünfzig Begriffe genügen für einen ersten Eindruck. Prüfen Sie für jeden, ob die erwarteten Treffer erscheinen und ob die Reihenfolge stimmt.

Achten Sie dabei besonders auf Mehrzahl und Einzahl, auf Begriffe mit Umlauten, auf Markennamen und auf Wörter, die in Ihrer Branche eine besondere Bedeutung haben. Notieren Sie, wo die Suche danebenliegt, und entscheiden Sie dann gezielt: Schlagwort ergänzen, Gewichtung anpassen oder eine eigene Konfiguration für Fachbegriffe anlegen. Wiederholen Sie den Test nach jeder Änderung an der Konfiguration, denn eine Anpassung, die einen Begriff verbessert, kann einen anderen verschlechtern.

Die Ergebnisseite nicht vergessen

Eine gute Suche endet nicht bei der Datenbankabfrage. Zeigen Sie auf der Ergebnisseite den Suchbegriff, die Zahl der Treffer und Ausschnitte mit hervorgehobenen Wörtern. Wenn nichts gefunden wird, helfen Vorschläge wie beliebte Kategorien oder ein Hinweis auf die Schreibweise mehr als eine leere Seite.

Wann eine eigene Suchmaschine sinnvoller ist

Die eingebaute Suche genügt für viele Shops, Kataloge und interne Werkzeuge. Wenn Sie Facetten mit Trefferzahlen, Synonympflege durch Fachabteilungen, Tippfehlertoleranz und Suchvorschläge in Echtzeit brauchen, ist ein eigener Suchdienst oft bequemer. Der Vorteil der PostgreSQL-Lösung bleibt, dass keine zweite Datenhaltung nötig ist und Suchergebnisse immer zum aktuellen Datenbestand passen.

Beispiel zur Veranschaulichung

Ein Leipziger Haushaltsgerätehändler (Beispiel zur Veranschaulichung) sucht bisher mit LIKE in Name und Beschreibung. Die Suche ist langsam und findet „Waschmaschinen“ nicht bei der Eingabe „Waschmaschine“. Das Team legt eine generierte tsvector-Spalte mit deutscher Konfiguration und Gewichtung an, ergänzt einen GIN-Index und nutzt websearch_to_tsquery für das Suchfeld. Für Komposita pflegt es Schlagwörter wie „Schrank“ bei Kühlschränken. Artikelnummern laufen über eine eigene Spalte ohne Stemming.

Typische Fehler

  • Die Konfiguration 'german' beim Speichern verwenden, bei der Suche aber vergessen.
  • Den Vektor bei jeder Suche neu berechnen, statt ihn zu speichern und zu indizieren.
  • Ohne Gewichtung arbeiten, sodass Treffer im Titel nicht vorne stehen.
  • Erwarten, dass Komposita oder Tippfehler automatisch gefunden werden.
  • Artikelnummern durch das Stemming laufen lassen.

Häufige Fragen

Brauche ich für die Volltextsuche eine Erweiterung?

Nein. Die Volltextsuche ist in PostgreSQL eingebaut. Zusätzliche Wörterbücher oder unaccent sind optional.

Findet die Suche auch Teilwörter?

Nicht automatisch. Stemming kürzt Endungen, zerlegt aber keine zusammengesetzten Wörter.

Wie schnell ist die Suche mit vielen Datensätzen?

Mit einer gespeicherten Vektorspalte und einem GIN-Index bleibt sie auch bei großen Tabellen meist zügig. Messen Sie mit Ihren eigenen Daten.

Wenn Ihre Suche zu wenig findet oder zu langsam ist und Sie wissen möchten, ob die eingebaute Volltextsuche reicht, schauen wir uns Ihre Daten gern mit Ihnen an: Suche besprechen.

Quellen

WhatsAppTermin buchen