Was ist Meilisearch? Schnelle Suche für Websites und Shops – ehrlich eingeordnet

Meilisearch ist eine Open-Source-Suchmaschine, die du neben deine bestehende Anwendung stellst: Deine Produkt- oder Inhaltsdaten wandern in einen Suchindex, und deine Website fragt diesen Index ab statt der Datenbank. Das Ergebnis kennst du von großen Shops: Treffer erscheinen, während man noch tippt, Tippfehler werden verziehen, Filter reagieren sofort.

Hinter dem Projekt steht die französische Firma Meili SAS. Die Software ist in Rust geschrieben, läuft als ein einziges Programm und verspricht laut Hersteller-Dokumentation Antwortzeiten unter 50 Millisekunden, unabhängig von der Datenmenge (meilisearch.com, Abruf 04.09.2026). Die aktuelle Version 1.53.1 erschien am 13.08.2026 – das Projekt wird in hoher Schlagzahl weiterentwickelt.

Ein Nebenaspekt, der in unseren Projekten regelmäßig zählt: Meili SAS ist ein europäisches Unternehmen. Wer seine Such-Infrastruktur ohnehin auf EU-Anbieter ausrichtet, bekommt hier Werkzeug und Hersteller aus demselben Rechtsraum – und beim Self-Hosting verlässt ohnehin kein Suchbegriff deine Server.

Eingesetzt wird Meilisearch dort, wo Menschen in strukturierten Beständen suchen: Shop-Kataloge, Dokumentationen, Immobilien- und Stellenbörsen, interne Wissenssammlungen. Es ersetzt nicht deine Datenbank, sondern ergänzt sie um das, was Datenbanken schlecht können: blitzschnelle, fehlertolerante, facettierte Suche.

Vorab die Einordnung, die dieser Guide liefert: was Meilisearch besser macht als deine Datenbanksuche, was die Lizenz-Änderung von 2025 wirklich bedeutet, was Betrieb und Cloud kosten – und die Fälle, in denen du besser bei Elasticsearch, OpenSearch oder schlicht bei PostgreSQL bleibst.

Die meisten Website-Suchen sind Datenbankabfragen mit Mustervergleich: Sie finden «Dichtungsring», wenn jemand exakt «Dichtungsring» tippt. Sie scheitern an «Dichtungsrng», an «Dichtring» und an der Frage, ob der Treffer aus der Überschrift wichtiger ist als der aus der Fußnote. Und sie liefern keine Facetten: kein «nur Kategorie X», kein «nur lieferbar», keine Trefferzahlen pro Filter.

Das ist kein kosmetisches Problem: Wer sucht, hat eine Kaufabsicht oder ein konkretes Anliegen. Eine Suche ohne Treffer ist ein stiller Absprung – und der taucht in keinem Fehlerprotokoll auf.

Ein Blick in echte Suchprotokolle zeigt das Muster – als Erfahrungswert aus unseren Projekten: Ein erheblicher Teil der Anfragen enthält Tippfehler, Abkürzungen oder Hersteller-Schreibweisen, die im Datenbestand so nicht vorkommen. Jede dieser Anfragen endet bei einer exakten Datenbanksuche mit null Treffern, obwohl das Produkt im Sortiment liegt.

Ehrlicherweise gehört hierher auch die erste Stufe der Abhilfe: PostgreSQL bringt eine Volltextsuche mit, die für einfache Fälle genügt. Wenn deine Website wenige hundert Seiten hat und niemand facettiert filtern muss, prüfe zuerst, ob die Datenbank reicht, die du schon bezahlst. Meilisearch ist die zweite Stufe: für Instant-Suche, Tippfehler-Toleranz und Filter, wie Nutzer sie aus Shops kennen.

Tippfehler-Toleranz: «Dichtungsrng» findet den Dichtungsring, ohne dass du Synonym-Listen pflegen musst. Wie streng das sein soll, ist konfigurierbar – bis hin zu Feldern, in denen exakt gesucht wird, etwa Artikelnummern.

Suche beim Tippen: Ergebnisse aktualisieren sich mit jedem Tastendruck. Das ist der Grund für das 50-Millisekunden-Versprechen: Instant-Suche funktioniert nur, wenn jede einzelne Anfrage schnell genug ist.

Facetten und Filter: Kategorie, Preisbereich, Verfügbarkeit, Hersteller – inklusive Trefferzahlen je Facette. Für Kataloge und Wissenssammlungen ist das der eigentliche Mehrwert, nicht die Suchzeile selbst.

Relevanz nach Regeln: Sieben Ranking-Regeln bestimmen die Treffer-Reihenfolge, und du kannst sie umsortieren oder eigene Kriterien ergänzen, etwa Lagerbestand oder Marge. Dazu kommen SDKs für über zehn Programmiersprachen und eine Schnittstelle, die sich in jede moderne Website einbinden lässt.

Der Betriebsvorteil gegenüber dem Platzhirsch Elasticsearch: Meilisearch ist ein einzelnes Programm mit einer Konfigurationsdatei. Kein Cluster, keine Java-Laufzeit, kein eigenes Betriebs-Team. Genau deshalb steht es auf unserer Tech-Stack-Seite als die pragmatischere Wahl für kleine und mittlere Datenmengen.

Zur Einordnung die Nachbarn, jeweils in einem Satz. Elasticsearch und OpenSearch: die Schwergewichte für große Datenmengen und Analytics, mit entsprechendem Betriebsaufwand – OpenSearch ist der Apache-2.0-Fork, der 2021 aus dem Lizenzstreit um Elasticsearch entstand.

Typesense: der direkteste Konkurrent, ebenfalls schlank und Open Source, mit sehr ähnlichem Zuschnitt. Algolia: der SaaS-Pionier der Instant-Suche, technisch ausgereift, aber volumenabhängig bepreist – und deine Daten liegen beim US-Anbieter. PostgreSQL-Volltextsuche: die eingebaute Nulllösung, die für einfache Fälle genügt.

Auffällig an dieser Landschaft: Zwischen der eingebauten Datenbanksuche und den Cluster-Schwergewichten klaffte lange eine Lücke, und genau die füllen Meilisearch und Typesense. Deshalb tauchen beide seit Jahren in denselben Empfehlungslisten auf, wenn jemand nach einer leichtgewichtigen Elasticsearch-Alternative fragt.

Die Auswahllogik ist dieselbe wie bei jeder Infrastruktur-Entscheidung: erst der Anwendungsfall, dann die Betriebslast, dann das Werkzeug. Den ausführlichen Vergleich mit Entscheidungsmatrix vertiefen wir in einem eigenen Artikel dieses Clusters – für die schnelle Orientierung reicht: Endnutzer-Suche im kleinen und mittleren Datenvolumen ist das Revier von Meilisearch und Typesense.

Hier lohnt Genauigkeit, denn seit 2025 stimmt der Satz «Meilisearch ist MIT-lizenziert» nur noch zur Hälfte. Die LICENSE-Datei im offiziellen Repository weist eine Doppelstruktur aus: Der Kern steht weiter unter der MIT-Lizenz – frei nutzbar, auch kommerziell, auch produktiv, auch selbst gehostet (github.com/meilisearch, Abruf 04.09.2026).

Daneben existieren Enterprise-Module unter der Business Source License 1.1. Für sie gilt: Testen, Entwickeln und Evaluieren ist erlaubt, der Produktivbetrieb braucht einen Vertrag mit Meili SAS. Jeder Versionsstand dieser Module wird nach vier Jahren automatisch MIT (LICENSE-EE im Repository, Abruf 04.09.2026). Betroffen sind insbesondere die verteilten Funktionen – es gibt dafür eigene Enterprise-Programmpakete.

Für deine Unterlagen die Drei-Punkte-Prüfung, die wir vor jedem Einsatz dokumentieren: Welche Lizenz trägt das eingesetzte Programmpaket? Nutzt das Setup Funktionen aus Enterprise-Modulen? Und falls ja: Liegt ein Vertrag vor? Bei einem Standard-Setup auf einem Server lautet die Antwort dreimal unkritisch – aber aufgeschrieben gehört sie trotzdem, spätestens wenn ein Kunde oder Auditor nach der Lizenzlage deiner Software-Lieferkette fragt.

Meilisearch folgt damit einem Muster, das du von anderen erfolgreichen Open-Source-Werkzeugen kennst: Elastic wechselte 2021 die Lizenz, n8n nutzt eine Sustainable Use License, Sentry und andere gingen ähnliche Wege. Der Treiber ist stets derselbe: Hyperscaler und Wettbewerber sollen das Produkt nicht als eigenen Dienst weiterverkaufen. Für dich als Anwender ist entscheidend, WO die Grenze verläuft – und die ist hier nutzerfreundlich gezogen.

Was heißt das praktisch? Für eine Website- oder Shop-Suche auf einem einzelnen Server nutzt du das Standard-Programm unter MIT: keine Kosten, keine Vertragspflicht. Erst wer horizontal über mehrere Suchknoten skalieren will, landet bei den Enterprise-Modulen – und sollte vor dem Produktivbetrieb die LICENSE-EE lesen oder mit Meili SAS sprechen.

Seit einigen Versionen kann Meilisearch mehr als Stichwörter: Mit einem konfigurierten Embedder wandelt es Dokumente und Suchanfragen in Bedeutungs-Vektoren um. Die hybride Suche führt dann beide Verfahren zusammen (Stichwort-Treffer und Bedeutungs-Treffer), und du steuerst die Mischung über einen einzigen Parameter, die semanticRatio (Meilisearch-Dokumentation, Abruf 04.09.2026).

Als Embedding-Quellen unterstützt Meilisearch unter anderem OpenAI, Mistral, Cohere und HuggingFace – und über einen REST-Embedder jede beliebige Embedding-API. Das ist der Anschlusspunkt für EU-Setups: Der Embedder kann auch ein selbst gehostetes Modell auf deinem Server sein. Diese Fähigkeiten stecken im freien Standard-Programm, nicht in den Enterprise-Modulen (Stand v1.53, Abruf 04.09.2026).

Damit findet «Ersatzteil für undichten Wasserhahn» auch die Kartuschen und Dichtungssets, in deren Beschreibung «Wasserhahn» nie vorkommt. Für B2B-Kataloge mit Fachvokabular ist das der Hebel – wie groß er ist, haben wir am Beispiel semantischer Produktsuche im B2B beschrieben.

Zwei Dinge solltest du vor dem Einschalten wissen. Erstens die Kosten: Jedes Dokument und jede Suchanfrage muss durch das Embedding-Modell – bei API-Anbietern fallen dafür Gebühren an, die mit Katalog-Größe und Suchvolumen wachsen. Zweitens der Nutzen: Für Bestände mit gepflegten Titeln und klaren Kategorien bringt die Stichwortsuche mit Typo-Toleranz oft schon fast alles; die hybride Suche lohnt vor allem dort, wo Nutzer anders sprechen als dein Katalog schreibt. Miss das mit echten Anfragen, bevor du dauerhaft Embedding-Kosten einplanst.

Eine Abgrenzung, damit keine Begriffe verschwimmen: Hybride Suche in Meilisearch ist Endnutzer-Suche – jemand tippt, Treffer erscheinen. Ein RAG-System, das Antworten aus deinem Firmenwissen formuliert, ist eine andere Baustelle: Dafür setzen wir pgvector auf PostgreSQL ein, und die Abwägung dahinter steht im Artikel RAG vs. Fine-Tuning. Kurz: Meilisearch findet Dokumente, RAG beantwortet Fragen.

Self-Hosting ist kostenlos. Meilisearch läuft als Docker-Container auf einem gewöhnlichen Server – für typische Website- und Katalog-Indizes reicht eine kleine EU-Instanz, deren Monatspreis im einstelligen bis niedrigen zweistelligen Eurobereich liegt. Du verwaltest dafür Updates und Backups selbst; bei einem einzelnen zustandsarmen Container ist das überschaubar, denn der Index lässt sich aus deinen Quelldaten jederzeit neu aufbauen.

Meilisearch Cloud beginnt bei 20 US-Dollar im Monat. Der Kostenrechner des Anbieters veranschlagt für 100.000 Dokumente und 50.000 Suchanfragen monatlich rund 30 US-Dollar (meilisearch.com/pricing, Abruf 04.09.2026). Dafür entfallen Betrieb und Updates; dein Suchindex liegt dann allerdings beim Anbieter – für personenbezogene Daten gehört der Auftragsverarbeitungsvertrag und die Frage nach der Hosting-Region auf den Tisch.

Der Rechenweg für deinen Fall, als Formel statt fixer Zahl: Zähle deine Dokumente und schätze die monatlichen Suchanfragen, dann stelle den Cloud-Preis aus dem Kostenrechner der Servermiete einer kleinen EU-Instanz gegenüber. Bei kleinen Beständen gewinnt häufig die Cloud (kein Betrieb, kein Update-Kalender), bei wachsendem Suchvolumen dreht die Rechnung – denn die Servermiete bleibt konstant, während nutzungsbasierte Preise mitwachsen.

Die ehrliche Vollkostenrechnung hat allerdings einen dritten Posten: Personentage. Aufsetzen, Index-Synchronisierung bauen, Relevanz einstellen – das ist bei beiden Varianten gleich und übersteigt die Serverkosten im ersten Jahr deutlich. Der Unterschied zwischen Self-Hosting und Cloud entscheidet also selten das Projekt; die Datenqualität entscheidet es, dazu gleich mehr.

Zur Einordnung gegen den bekanntesten SaaS-Anbieter: Algolia rechnet pro Suchanfrage und Datensatz ab, was bei wachsendem Traffic teuer wird – die Preisliste ändert sich laufend, deshalb hier bewusst ohne Zahl: Rechne dein Suchvolumen gegen die aktuelle Preisseite, bevor du unterschreibst. Ein selbst gehosteter Meilisearch-Server kostet dasselbe bei zehnfachem Traffic.

Damit Self-Hosting keine Blackbox bleibt, die drei Betriebsaufgaben konkret. Updates: Meilisearch veröffentlicht in hoher Schlagzahl neue Versionen. Du musst nicht jede mitnehmen – aber ein geplanter Update-Rhythmus pro Quartal gehört in den Kalender, samt Blick in die Versionshinweise.

Backups: Der Suchindex ist abgeleiteter Zustand. Die pragmatischste Sicherung ist deshalb oft gar kein Index-Backup, sondern die Fähigkeit, den Index aus deinen Quelldaten jederzeit neu aufzubauen – ein Lauf deiner Synchronisierung. Für schnelle Wiederherstellung großer Indizes bietet Meilisearch zusätzlich Snapshots an.

Monitoring: Zwei Kennzahlen reichen für den Anfang: Antwortzeit der Suche und Erfolg der letzten Synchronisierung. Dazu die Auswertung, die den meisten Wert liefert und am seltensten passiert: regelmäßig die Suchanfragen ohne Treffer lesen. Diese Liste ist dein kostenloser Produktmanager – sie zeigt, welche Wörter deine Kunden benutzen und dein Katalog nicht.

Log-Analyse und Auswertungen: Meilisearch ist eine Suchmaschine, kein Analysewerkzeug. Wer Logdaten durchsuchen, Metriken aggregieren oder Dashboards bauen will, ist bei Elasticsearch oder OpenSearch richtig – das ist deren Kernrevier, und dafür lohnt der höhere Betriebsaufwand.

Komplexe Abfragen über viele Verknüpfungen: Auswertungen wie «Umsatz je Region je Quartal» gehören in die Datenbank oder ins BI-Werkzeug, nicht in den Suchindex.

Sehr große, verteilte Setups: Sobald ein einzelner Server nicht mehr reicht und du auf mehrere Suchknoten verteilen musst, bist du im Enterprise-Territorium – mit Vertragslizenz. Ab dieser Größenordnung ist auch OpenSearch unter Apache-2.0-Lizenz eine ernsthafte Alternative, gerade wenn dein Team ohnehin AWS-Erfahrung hat.

Wenn die Datenbank reicht: Eine Handvoll Seiten, keine Facetten, Suche als Randfunktion – dann ist die PostgreSQL-Volltextsuche die ehrliche Empfehlung. Ein Suchindex ist ein zweites System, das synchron gehalten werden will; diese Komplexität muss sich verdienen.

Der B2B-Katalog: Zehntausende Artikel, Kunden suchen mit Artikelnummern, Hersteller-Codes und Fachbegriffen. Hier zahlt sich die Feld-Konfiguration aus: exakte Suche auf Nummern, Typo-Toleranz auf Beschreibungen, Facetten für Hersteller und Verfügbarkeit. Die häufigste Überraschung: Die Suche legt schonungslos offen, wo Produktdaten lückenhaft sind.

Die Content-Plattform: Ein Blog, eine Dokumentation, ein Hilfe-Center mit einigen hundert bis tausend Beiträgen. Der Index ist klein, der Aufbau schnell, und der Gewinn liegt in der Auffindbarkeit älterer Inhalte, die über die Navigation niemand mehr erreicht. Für genau diesen Fall ist auch die eigene Website-Suche dieses Blogs ein Kandidat.

Der interne Wissensbestand: Richtlinien, Protokolle, Projektdokumente: durchsuchbar für das Team, mit Zugriffsschutz vor der Suche. Hier beginnt die Grauzone zur Wissens-Antwort per KI: Sollen Mitarbeiter Dokumente FINDEN, reicht Meilisearch. Sollen sie Antworten BEKOMMEN, bist du beim RAG-System – die Abwägung dazu findest du in unserem Leitfaden zum eigenen KI-Modell.

Allen drei Bildern gemeinsam: Der Suchindex ist nie das Projekt, sondern sein sichtbarster Teil. Die Arbeit steckt in der Anbindung der Quellsysteme und in der Frage, welche Daten hinein dürfen.

Die Integration hat drei Teile, und keiner davon ist Forschung. Erstens der Betrieb: ein Docker-Container auf einem EU-Server, davor HTTPS und ein API-Schlüssel. Zweitens die Index-Pflege: Ein kleiner Synchronisierungs-Prozess überträgt Änderungen aus deiner Datenbank, deinem CMS oder deinem PIM in den Suchindex – bei uns typischerweise ein Workflow oder eine schlanke Pipeline, die bei jeder Inhaltsänderung läuft.

Drittens das Frontend: Die Suchleiste und die Facetten-Filter sprechen Meilisearch direkt an, mit einem nur lesenden Schlüssel. Fertige Komponenten-Bibliotheken existieren für React und die gängigen Frameworks – der Weg von «Server läuft» bis «Suche live» ist in Tagen messbar, nicht in Wochen. Das gilt als Erfahrungswert aus unseren Projekten: Der Aufwand steckt selten in der Suche selbst, sondern in der Frage, wie gut deine Quelldaten sind.

Zur Synchronisierung gehört eine bewusste Frequenz-Entscheidung: Preise und Verfügbarkeiten wollen zeitnah in den Index (per Webhook oder im Minutentakt), Beschreibungstexte vertragen einen nächtlichen Lauf. Wer alles sofort synchronisiert, bezahlt mit Komplexität; wer alles nächtlich macht, zeigt Kunden ausverkaufte Ware als lieferbar. Die Mischung ist der Normalfall.

Der unterschätzte Teil ist das Index-Design: Welche Felder kommen hinein, welche werden durchsuchbar, welche facettierbar? Faustregeln aus der Praxis: Beschreibungstexte durchsuchbar, aber nicht facettierbar; Kategorien, Hersteller und Verfügbarkeit als Facetten; Artikelnummern mit exakter Suche statt Tippfehler-Toleranz. Eine Stunde Nachdenken über diese Fragen spart später Wochen an Relevanz-Flickerei.

Womit wir beim eigentlichen Hebel wären: Eine Suche ist so gut wie die Daten im Index. Fehlende Attribute, leere Beschreibungen und uneinheitliche Kategorien kann keine Suchmaschine kompensieren. Hier setzt KI-gestützte Anreicherung von Katalogdaten an, ein Thema, das wir in einem eigenen Artikel dieses Clusters vertiefen. Und wenn aus deiner Such-Anforderung ein größeres Vorhaben wird (ein Portal, ein Katalog, eine Webanwendung), findest du die Einstiege unter Individualsoftware und Web-App entwickeln lassen.

Wenn die Suche auf deiner Website oder in deinem Shop ein bekanntes Ärgernis ist, lässt sich der Weg klein starten: Quelldaten anschauen, einen Test-Index aufsetzen, mit echten Suchanfragen deiner Nutzer messen. Danach weißt du, ob Meilisearch, die Datenbank-Suche oder ein größeres Werkzeug die richtige Stufe ist – bevor Budget fließt.

Die Reihenfolge ist dabei wichtiger als das Werkzeug: erst die Suchanfragen deiner Nutzer verstehen, dann die Datenqualität prüfen, dann die Technik wählen. Wer sie umdreht, optimiert eine Suche für Anfragen, die nie jemand stellt. Ein Nachmittag mit deinen echten Suchprotokollen liefert dafür mehr Erkenntnis als jede Feature-Liste.

Genau diese Einschätzung übernehmen wir gern: Wir prüfen deine Datenlage, empfehlen die passende Stufe und setzen sie um, auf deiner Infrastruktur oder auf EU-Servern. Buch dir ein unverbindliches Erstgespräch – 30 Minuten, am Ende hast du eine begründete Empfehlung mit Stufen-Einordnung und grobem Kostenrahmen. Auch dann, wenn die Empfehlung schlicht «deine Datenbank reicht» lautet.