1 Warum die Standardsuche Kunden verliert
Wer im Shop das Suchfeld benutzt, weiß meist schon ziemlich genau, was er kaufen will. Genau diese Besucher bedient die Shopware-Standardsuche am schlechtesten. Sie basiert auf der MySQL-Datenbank des Shops und vergleicht im Kern Zeichenketten: Ein Tippfehler wie „Kabelbnder" statt „Kabelbinder" führt ins Leere, Wortvarianten und Synonyme werden nicht erkannt, und die Reihenfolge der Treffer hat mit Relevanz oft wenig zu tun.
Bei kleinen Sortimenten fällt das kaum auf. Ab ein paar tausend Artikeln wird es spürbar: Die Suche wird langsam, weil jede Anfrage gegen die Produktdatenbank läuft, und die Trefferqualität sinkt, weil ohne echtes Ranking einfach alles zurückkommt, was die Zeichenkette irgendwo enthält. Das Ergebnis sieht man in jeder Suchbegriff-Auswertung: Anfragen mit null Treffern, obwohl das Produkt im Sortiment ist. Jeder dieser Fälle ist ein Besucher, der kaufen wollte und es nicht konnte.
2 Elasticsearch: die offizielle Antwort und ihr Preis
Shopware kennt dieses Problem und unterstützt deshalb offiziell Elasticsearch bzw. OpenSearch als Suchbackend. Damit bekommt der Shop eine ausgereifte Volltextsuche mit Ranking, Analyzern und praktisch unbegrenzter Skalierung.
Der Preis dafür ist Betrieb. Elasticsearch ist eine Java-Anwendung, die als eigener Dienst oder Cluster läuft, spürbar Arbeitsspeicher verlangt und gepflegt werden will: Versions-Updates, Index-Mappings, Analyzer-Konfiguration für deutsche Sprache, Monitoring. Für einen Enterprise-Shop mit eigenem Ops-Team ist das Routine. Für einen Mittelständler, dessen Shop bei einem Managed Hoster läuft, ist es ein zusätzliches System, das niemand im Haus wirklich beherrscht – und das deshalb oft gar nicht erst eingeführt wird. Die Standardsuche bleibt dann einfach, wie sie ist.
3 Was Meilisearch anders macht
Meilisearch ist eine quelloffene Suchmaschine, geschrieben in Rust, die genau diese Lücke füllt. Sie besteht aus einer einzigen Binärdatei ohne Java, ohne Cluster-Pflicht und läuft auf einem kleinen Server oder in einem Container neben dem Shop. Die Grundeinstellungen sind auf Endnutzer-Suche ausgelegt, sodass ein frisch aufgesetzter Index bereits sinnvoll rankt, bevor jemand an Reglern gedreht hat.
Mit an Bord: Tippfehlertoleranz von bis zu zwei Fehlern pro Wort, Facetten und Filter für die Ergebnisseite, Synonyme, Hervorhebung der Fundstellen und Antwortzeiten, die typischerweise unter 50 Millisekunden liegen – schnell genug für Suche-beim-Tippen. Seit den jüngeren Versionen beherrscht Meilisearch außerdem hybride Suche: Keyword-Suche kombiniert mit semantischer Suche über Vektor-Embeddings, wahlweise angebunden an OpenAI, Hugging Face oder lokal laufende Modelle via Ollama.
| Standardsuche | Elasticsearch | Meilisearch | |
|---|---|---|---|
| Tippfehlertoleranz | Nein | Konfigurierbar (Fuzzy-Query) | Standardmäßig aktiv |
| Eigener Dienst nötig | Nein (läuft in MySQL) | Ja, JVM-Dienst oder Cluster | Ja, eine leichtgewichtige Binärdatei |
| Betriebsaufwand | Keiner | Hoch (Updates, Mappings, Monitoring) | Gering |
| Semantische Suche | Nein | Ja, mit eigenem Setup | Ja, Embedder eingebaut |
| Geeignet für | Kleine Sortimente | Enterprise, eigenes Ops-Team | Mittelstand, Fokus Produktsuche |
4 So kommt Meilisearch in den Shopware-Shop
Für die Anbindung gibt es mehrere Wege. Im Shopware Store existiert eine Meilisearch-Erweiterung, die Produkte, Hersteller und Kategorien indexiert und bei Nichterreichbarkeit auf Elasticsearch zurückfallen kann; daneben gibt es Community-Plugins auf GitHub und Packagist. Für Shops mit besonderen Anforderungen – eigene Entitäten, spezielle Ranking-Logik, mehrsprachige Kataloge – bauen wir die Integration direkt gegen die Shopware-Datenschicht: Ein Indexer überträgt die relevanten Felder nach Meilisearch, die Storefront-Suche fragt statt der Datenbank den Suchindex ab.
Die eigentliche Arbeit steckt weniger in der Technik als im Index-Design: Welche Felder gehen in die Suche, wie werden sie gewichtet, welche Synonyme braucht das Sortiment, welche Filter gehören auf die Ergebnisseite? Das ist Konfigurationsarbeit gemeinsam mit dem Händler, denn dort liegt das Wissen darüber, wonach Kunden tatsächlich suchen. Ein guter Startpunkt ist die Auswertung der bisherigen Suchanfragen – vor allem der erfolglosen.
Ehrlich eingeordnet
Meilisearch ist nicht in jedem Fall die richtige Wahl. Wer bereits Elasticsearch im Haus betreibt und beherrscht, hat wenig Grund zu wechseln. Und wer neben der Suche auch Log-Analyse, Reporting oder komplexe Aggregationen auf demselben System braucht, ist bei Elasticsearch besser aufgehoben – Meilisearch ist bewusst eine Endnutzer-Suche, kein Datenanalyse-Werkzeug. Seine Stärke liegt genau da, wo die meisten Shops stehen: Die Produktsuche soll gut werden, ohne dass ein neues Infrastruktur-Thema entsteht.
5 Auch jenseits von Shopware
Meilisearch ist nicht auf Shops beschränkt. In Laravel-Anwendungen ist es über Laravel Scout als offiziell unterstützter Suchtreiber direkt nutzbar – wir setzen es daher auch in Individualentwicklungen ein, etwa für die Suche in Kundenportalen oder internen Datenbeständen. Und wie bei unseren Automatisierungs-Projekten mit n8n gilt: Meilisearch läuft auf Wunsch komplett self-hosted auf Ihrer eigenen Infrastruktur. Produktdaten und Suchanfragen bleiben dann im Haus, was die DSGVO-Bewertung einfach hält.
Wenn Ihre Shop-Suche heute mehr versteckt als findet: Wir schauen uns Ihre Suchbegriff-Auswertung gern gemeinsam an. Was wir sonst rund um Shopware 6 umsetzen und wie eine Migration auf Shopware 6 abläuft, beschreiben wir an anderer Stelle im Detail.