{"canonical_url":"https://engineer.company/de/glossary/full-text-search/","content_markdown":"# Volltextsuche\n\n## Was es ist\n\nVolltextsuche findet Dokumente, die die Wörter einer Anfrage in beliebiger\nWortform enthalten, und kann die besten Treffer zuerst anzeigen. Im Englischen\nwird full-text search auch ohne Bindestrich als full text search geschrieben.\nEin Dokument ist hier das, was die Anwendung als eine durchsuchbare Einheit\nbehandelt: eine E-Mail, ein Artikel, ein Supportticket oder Titel und Text einer\nTabellenzeile zusammen.\n\nDer Unterschied zum Mustervergleich liegt in der Arbeit vor dem Vergleich.\nZuerst wird der Text in Tokens zerlegt: Wörter, Zahlen, E-Mail-Adressen und\nandere Klassen. Jedes Token wird anschließend zu einem Lexem normalisiert,\neiner Form, die Varianten desselben Wortes zusammenführt. Großbuchstaben\nwerden zu Kleinbuchstaben, ein Stemmer entfernt Endungen wie den englischen\nPlural, und Stoppwörter entfallen: so häufige Wörter, dass sie kein Signal\ntragen. Das Ergebnis wird samt Position jedes Lexems gespeichert. Eine spätere\nBewertungsfunktion kann dadurch Dokumente bevorzugen, in denen die Suchwörter\nnahe beieinanderstehen. Die Anfrage durchläuft denselben Prozess. Eine Suche\nnach „payments“ und ein Dokument mit „payment“ treffen sich so in der Mitte.\n\nPostgreSQL baut das in die Datenbank ein. Der Typ `tsvector` hält ein Dokument\nin normalisierter Form, `tsquery` eine Anfrage, und der Operator `@@` sagt,\nob beide zusammenpassen. Eine Textsuchkonfiguration bestimmt die Normalisierung:\nwelcher Parser den Text zerlegt und welche Wörterbücher Tokens in Lexeme\nverwandeln. Die Standarddistribution enthält Konfigurationen für viele Sprachen,\ndarunter `english`, `danish`, `norwegian` und `swedish`. Der psql-Befehl `\\dF`\nlistet die installierten auf. SQLite bietet dieselbe Idee über die Erweiterung\nFTS5: Eine virtuelle Tabelle hält den Index, der Operator `MATCH` fragt ihn ab.\n\n## Warum es wichtig ist\n\nDie PostgreSQL-Dokumentation erklärt, was den älteren Operatoren fehlt.\n`LIKE`, `ILIKE` und reguläre Ausdrücke haben keine sprachliche Unterstützung.\nEine Suche nach „satisfy“ verfehlt deshalb ein Dokument mit „satisfies“, sofern\nnicht jemand jede abgeleitete Form ausdrücklich angibt. Sie haben keine\nRelevanzbewertung: Tausend Treffer kommen ohne nützliche Reihenfolge zurück.\nFür diese Suchart können sie außerdem keinen gewöhnlichen Index nutzen,\nsodass jede Abfrage jedes Dokument liest. Ein Muster wie `%cat%` trifft auch\n„category“ und „concatenate“. Das ist Rauschen statt besserer Trefferabdeckung.\n\nMenschen geben Wörter in ein Suchfeld ein und erwarten die Dokumente dazu.\nIn einem Vertragsarchiv, einem Helpdesk oder einem Produktkatalog macht\nVolltextsuche den Unterschied zwischen einem vertrauenswürdigen Suchfeld und\neinem, das nach dem dritten Fehlschlag nicht mehr benutzt wird. Die Bewertung\nist so wichtig wie der Abgleich: Wer „late payment“ sucht, möchte das\nMahnschreiben oben sehen, nicht hundert Rechnungen, die „payment“ einmal erwähnen.\n\nDie Suche in einer bereits betriebenen Datenbank hat praktische Vorteile.\nIhr Index lebt in derselben Transaktion wie die Daten. Eine Zeile wird dadurch\nmit ihrem Commit durchsuchbar, eine gelöschte Zeile verschwindet im selben\nMoment aus den Ergebnissen. Filter für Datumswerte, Kunden oder Berechtigungen\nsind gewöhnliche `WHERE`-Klauseln neben der Textbedingung. Ein separater Suchserver\nkann mehr, ist aber ein zweites zu befüllendes und mit dem ersten synchron\nzu haltendes System. Jede Lücke zeigt sich als fehlender Treffer oder als einer,\nder längst verschwunden sein sollte.\n\nVolltextsuche hat auch eine Grenze, die von Anfang an bekannt sein sollte:\nSie vergleicht Wörter, keine Bedeutung. Eine Anfrage nach „car“ findet\n„automobile“ nur, wenn ein Synonymwörterbuch beide zuordnet. Vektorsuche, die\nnumerische Darstellungen von Bedeutung vergleicht, deckt diesen Fall ab.\nBeide werden oft kombiniert.\n\n## Wie es in der Praxis aussieht\n\nEine Dokumenttabelle enthält Titel, Text und die Herkunft jedes Dokuments.\nEine gespeicherte generierte Spalte hält bei jedem Einfügen und Aktualisieren\ndie durchsuchbare Form aktuell. Ein GIN-Index beschleunigt die Suche:\n\n```sql\nCREATE TABLE documents (\n    id         bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,\n    title      text,\n    body       text,\n    source     text NOT NULL,\n    search_vec tsvector GENERATED ALWAYS AS (\n                   setweight(to_tsvector('english', coalesce(title, '')), 'A')\n                || setweight(to_tsvector('english', coalesce(body, '')), 'D')\n               ) STORED\n);\n\nCREATE INDEX documents_search_idx ON documents USING GIN (search_vec);\n```\n\nDrei Details sind entscheidend. Die Konfiguration ist als `'english'` benannt,\nstatt dem sitzungsbezogenen `default_text_search_config` überlassen zu werden.\nDie Form von `to_tsvector` mit zwei Argumenten kann PostgreSQL speichern und\nindizieren. `coalesce` verwandelt einen fehlenden Titel oder Text in eine leere\nZeichenfolge, weil ein einziges NULL sonst das ganze Dokument zu NULL machen\nwürde. Und `setweight` kennzeichnet jedes Lexem nach seiner Herkunft: A für den\nTitel, D für den Text. Die Bewertungsfunktionen verwenden ohne andere Vorgabe\ndie Gewichte {0.1, 0.2, 0.4, 1.0} für D, C, B und A. Ein Suchwort im Titel\nzählt deshalb zehnmal so viel wie dasselbe Wort im Text.\n\nGIN ist der von der Dokumentation bevorzugte Indextyp für Textsuche: ein\ninvertierter Index mit einem Eintrag je Lexem und einer komprimierten Liste\nder Zeilen, die es enthalten. GiST funktioniert ebenfalls, ist aber\nverlustbehaftet und muss die Tabellenzeile prüfen, um falsche Treffer\nauszuschließen.\n\nDie Anfrage übernimmt die vom Nutzer eingegebenen Wörter unverändert:\n\n```sql\nSELECT id, title, source,\n       ts_rank_cd(search_vec, query) AS rank\nFROM   documents,\n       websearch_to_tsquery('english', 'unpaid invoice -draft') AS query\nWHERE  search_vec @@ query\nORDER  BY rank DESC\nLIMIT  10;\n```\n\n`websearch_to_tsquery` liest Eingaben wie ein Websuchfeld. Einfache Wörter müssen\nalle vorkommen, jeweils in einer der Formen, die der englische Stemmer\nzusammenführt.\nText in doppelten Anführungszeichen muss als Phrase vorkommen, das Wort „or“\nbietet eine Alternative, und ein führendes Minus schließt ein Wort aus.\nDiese Anfrage lässt daher jedes Dokument weg, das „draft“ erwähnt.\nDie Funktion erzeugt nie einen Syntaxfehler und ist deshalb die sichere Wahl\nfür unverarbeitete Eingaben. `ts_rank_cd` bewertet nach Überdeckungsdichte,\neiner Methode aus einem Aufsatz von Clarke, Cormack und Tudhope von 1999, die auch nahe\nbeieinanderstehende Suchwörter belohnt. Die verwandte Funktion `ts_rank` zählt,\nwie oft die Wörter vorkommen. Beide nehmen ein Normalisierungsflag an.\n1 teilt die Bewertung beispielsweise durch eins plus den Logarithmus der\nDokumentlänge. Ein langes Dokument gewinnt dann nicht allein wegen seiner Länge.\n\nDerselbe Bedarf zieht sich durch die\n[Arbeit des Unternehmens an Daten für KI-Agenten](/de/ai-data/).\nDie Seite beschreibt alte PDFs, Scans und E-Mail-Archive, die mit ihrer Quelle\nin durchsuchbaren Text verwandelt werden, damit sie sich finden und nicht nur\nspeichern lassen. Die Spalte `source` oben erfüllt diesen Zweck: Ein Treffer\nist mehr wert, wenn der Leser das Original öffnen kann.\n\nSQLite erreicht dasselbe Ergebnis mit weniger Aufwand. Eine mit\n`CREATE VIRTUAL TABLE notes USING fts5(title, body)` deklarierte virtuelle\nTabelle wird mit `WHERE notes MATCH 'invoice NOT draft'` abgefragt.\n`ORDER BY bm25(notes)` setzt die besten Treffer zuerst: FTS5 gibt für bessere\nTreffer niedrigere Zahlenwerte zurück. Die standardmäßige aufsteigende\nSortierung ist daher richtig. Der Standardtokenizer heißt `unicode61`.\nDer Tokenizer `porter` ergänzt Stemming, das laut Dokumentation ausschließlich\nfür Englisch entworfen ist.\n\n## Wo es schiefgeht\n\n**Ein Index, den die Anfrage nie verwendet.** Ein Ausdrucksindex auf\n`to_tsvector('english', body)` bedient nur Anfragen, die genau diesen Ausdruck\nwiederholen. Eine Anfrage mit `to_tsvector(body)`, die auf die\nStandardkonfiguration vertraut, liest die ganze Tabelle. Speichern Sie den\nVektor wie oben in einer generierten Spalte und fragen Sie diese ab. Anfrage\nund Index können dann nicht auseinanderlaufen.\n\n**Ein NULL verbirgt ein Dokument.** `to_tsvector(NULL)` gibt NULL zurück.\nDie Verkettung eines NULL-Titels mit einem Text ergibt ebenfalls NULL.\nEine Zeile ohne Titel verschwindet dadurch unbemerkt aus jeder Suche.\nUmschließen Sie jedes Feld mit `coalesce`.\n\n**Rohe Eingaben in `to_tsquery`.** `to_tsquery` erwartet seine eigene\nOperatorsyntax und verzeiht bei der Eingabe weniger als die anderen\nUmwandlungsfunktionen. Wer eine ungeschlossene Klammer oder ein einzelnes\nKaufmanns-Und eingibt, erhält daher eine Fehlerseite. Leiten Sie Nutzereingaben\ndurch `websearch_to_tsquery` oder durch `plainto_tsquery`, wenn gar keine\nOperatoren gewünscht sind.\n\n**Die falsche Sprache.** Dänischer Text in der englischen Konfiguration wird\nnach englischen Regeln gestemmt und nach englischen Stoppwörtern gefiltert.\nDie Hälfte der Varianten trifft deshalb nie zusammen. Wählen Sie die\nKonfiguration für die Textsprache. Eine mehrsprachige Sammlung kann den\nKonfigurationsnamen in einer eigenen Spalte halten und\n`to_tsvector(config_name, body)` indizieren, solange die Anfragen dieselbe\nSpalte nennen.\n\n**Jeder Treffer wird bewertet.** Die Bewertung liest den `tsvector` jeder\npassenden Zeile. Laut Dokumentation kann das I/O-gebunden und langsam sein.\nEine Einwortanfrage, die die halbe Tabelle trifft, lässt die Datenbank erst\ndiese Hälfte bewerten, bevor `LIMIT` zehn Ergebnisse übrig lässt. Grenzen Sie\ndie Kandidaten zuerst mit gewöhnlichen Bedingungen ein, etwa einem Zeitraum\noder einem Kunden, und halten Sie den Vektor gespeichert, damit er nicht für\njede Zeile neu berechnet wird.\n\n**Eine Bewertung wird als Prozentzahl gezeigt.** Die Bewertungsfunktionen\nverwenden keine Informationen über die gesamte Sammlung. Eine Bewertung\nlässt sich daher nicht in eine faire Angabe wie „87 % relevant“ verwandeln.\nDas Normalisierungsflag 32 bildet jede Bewertung auf einen Wert zwischen 0 und\n1 ab. Die Dokumentation nennt das jedoch eine kosmetische Änderung.\nVerwenden Sie die Bewertung allein zum Sortieren der Ergebnisse.\n\n**Hervorhebungen enthalten Markup.** `ts_headline` gibt einen Ausschnitt mit\nmarkierten Suchwörtern zurück, genau das, was eine Ergebnisseite braucht.\nPostgreSQL warnt, die Ausgabe sei „nicht garantiert sicher für die direkte\nEinbindung in Webseiten“. Ein Dokument mit HTML kann ein Skript in die Seite\ntragen. Entfernen Sie Markup aus der Eingabe oder führen Sie die Ausgabe durch\neinen HTML-Sanitizer. Die Funktion arbeitet außerdem auf dem Originaltext,\nnicht dem Vektor. Rufen Sie sie daher erst nach `LIMIT` für die Zeilen der\nErgebnisseite auf, nicht für jeden Treffer.\n\n**Dokumente sind für einen Vektor zu groß.** Ein `tsvector` muss unter 1 MB\nbleiben und hält höchstens 256 Positionen pro Lexem. Ein ganzes Buch oder ein\nJahr Sitzungsprotokolle in einer Zeile erreicht beide Grenzen. Teilen Sie lange\nDokumente in Abschnitte oder Seiten. Jedes Ergebnis erhält dadurch auch ein\ngenaueres Verweisziel.\n\n**Fragmente und Teilenummern.** Volltextsuche vergleicht ganze Lexeme.\n„inv“ findet deshalb nichts zu „invoices“, und eine Teilenummer wie\n`AB-1042-X` kann vom Parser zerlegt werden. Halten Sie einen gewöhnlichen Index\nauf den Spalten vor, die nach exakten Werten durchsucht werden, oder verwenden\nSie in SQLite den Tokenizer `trigram`. Er behandelt jede Folge von drei Zeichen\nals Token und unterstützt so die Suche nach Teilzeichenfolgen.\n\n**Ein SQLite-Index entfernt sich von seiner Tabelle.** Eine mit `content=`\ndeklarierte FTS5-Tabelle liest ihren Text aus einer anderen Tabelle. Laut\nDokumentation müssen die Nutzer beide konsistent halten. Laufen sie auseinander,\ngeben Anfragen scheinbar widersprüchliche Zeilen zurück. Erzeugen Sie die in\nder Dokumentation gezeigten Trigger zum Einfügen, Aktualisieren und Löschen in\nderselben Migration wie die virtuelle Tabelle.\n\n## Weiterführende Lektüre\n\n- [Einführung in die Volltextsuche](https://www.postgresql.org/docs/current/textsearch-intro.html)\n  — PostgreSQLs Definitionen von Dokumenten, Tokens, Lexemen und Konfigurationen\n  sowie die Lücken von `LIKE` und regulären Ausdrücken.\n- [Tabellen und Indizes](https://www.postgresql.org/docs/current/textsearch-tables.html)\n  — Tabellensuche, Ausdrucksindizes gegenüber einer gespeicherten generierten\n  Spalte und die erforderliche ausdrückliche Konfigurationsangabe.\n- [Steuerung der Textsuche](https://www.postgresql.org/docs/current/textsearch-controls.html)\n  — Gewichte, `websearch_to_tsquery`, `ts_rank` und `ts_rank_cd`,\n  Normalisierungsflags und die Warnung zu `ts_headline`.\n- [Bevorzugte Indextypen für Textsuche](https://www.postgresql.org/docs/current/textsearch-indexes.html)\n  — GIN und GiST im Vergleich, einschließlich der nötigen Zeilen-Nachprüfung\n  bei GiST.\n- [Grenzen](https://www.postgresql.org/docs/current/textsearch-limitations.html)\n  — Größenlimits für Lexeme, Vektoren, Positionen und Anfragen.\n- [SQLite-FTS5-Erweiterung](https://www.sqlite.org/fts5.html) — virtuelle\n  Tabellen, der Operator `MATCH`, eingebaute Tokenizer, `bm25()` und Tabellen\n  mit externen Inhalten.\n\n\u003chttps://engineer.company/de/glossary/full-text-search/\u003e\n","date_modified":"2026-11-08T09:42:23Z","description":"Volltextsuche in PostgreSQL und SQLite FTS5: Lexeme, GIN-Indizes, Relevanzbewertung und Fehler, die Suchergebnisse verfälschen.","formats":{"gemtext":"https://engineer.company/de/glossary/full-text-search/index.gmi","gopher":"https://engineer.company/de/glossary/full-text-search/gophermap","html":"https://engineer.company/de/glossary/full-text-search/","json":"https://engineer.company/de/glossary/full-text-search/index.json","markdown":"https://engineer.company/de/glossary/full-text-search/index.md","pdf":"https://engineer.company/de/glossary/full-text-search/index.pdf"},"kind":"page","language":"de","title":"Was ist Volltextsuche?","url":"https://engineer.company/de/glossary/full-text-search/","version":1}