Die Evolution der Suchmethoden in T-SQL
Ganz neue Möglichkeiten … vom einfachen Vergleich bis zur KI-Einbindung
Die Suche in relationalen Datenbanken ist ein zentrales Element der Datenanalyse und -verarbeitung. In Transact-SQL (T-SQL), der Abfragesprache von Microsoft SQL Server, hat sich die Art und Weise, wie Daten durchsucht werden können, über die Jahre stark weiterentwickelt – von einfachen textbasierten oder binären Vergleichen bis hin zur semantischen Vektorsuche in SQL Server 2025. Was sind die historischen Meilensteine dieser Entwicklung? Warum waren Anpassungen notwendig? Was hat sich verbessert? Und was hat es mit dem neuen Datentyp VECTOR auf sich? Ich zeige ein paar typische Anwendungsbeispiele und diskutiere Vor- und Nachteile sowie technische Voraussetzungen der jeweiligen Methoden.
Binäre Vergleichsoperatoren: die Grundlagen
Die einfachsten Suchmethoden basieren auf binären Vergleichsoperatoren und sind in allen marktüblichen Datenbankabfragesprachen aller relevanten Hersteller seit Jahren bekannt. Sie geben TRUE, FALSE oder NULL zurück. Bei allen Suchen müssen die Datentypen zueinander kompatibel sein.
| Operator | Erklärung |
| = | prüft, ob zwei Werte gleich sind. |
| <> (oder !=) | prüft, ob zwei Werte ungleich sind. |
| > | prüft, ob der linke Wert größer dem rechten Wert ist. |
| >= | prüft, ob der linke Wert größer oder gleich dem rechten Wert ist. |
| < | prüft, ob der linke Wert kleiner dem rechten Wert ist. |
| <= | prüft, ob der linke Wert kleiner oder gleich dem rechten Wert ist. |
Tabelle 1: Auflistung und Erklärung der Basis-Vergleichsoperatoren.
Diese Operatoren werden häufig in der WHERE-Klausel einer SQL-Abfrage verwendet, um Daten der Ergebnismenge zu filtern. Mehrere Bedingungen lassen sich dabei mit OR ("oder" – die Gesamtbedingung ist erfüllt, wenn eine der Unterbedingungen erfüllt ist) bzw. AND ("und" – die Gesamtbedingung ist erfüllt, wenn beide Unterbedingungen erfüllt sind) verknüpfen.
Über diese Operatoren lassen sich nicht nur zwei numerische Werte, sondern auch zwei Strings miteinander vergleichen. Das ">" bzw. "<" bezieht sich bei alphanumerischen Werten dabei auf die konfigurierte Sortierreihenfolge. Bei Datums- und Uhrzeitwerten wird historisch ausgewertet.
Beim Vergleich von Ausdrücken, die NULL-Werte enthalten, ist das Ergebnis NULL, nicht TRUE oder FALSE. Um mit NULL-Werten umzugehen, sollten die speziellen Operatoren IS NULL und IS NOT NULL verwendet werden, die nur TRUE oder FALSE zurückgeben.
Vor- und Nachteile:
Die Basis-Vergleichsoperatoren sind schnell und effizient, leicht zu erlernen sowie auch in unbekanntem Quellcode problemlos nachzuvollziehen. In der Regel unterstützen sie passende Indizes, solange keine Konvertierungen notwendig sind. Leider sind über diese Operatoren nur exakte Vergleiche möglich. Eine Unterstützung für unscharfe oder semantische Suchen gibt es nicht!
Beispiel:
![Abfrage 1: Anwendung des Suchoperators „größer als“ – es tauchen nur Datensätze im Ergebnis auf, deren [name] länger sind als 5 Zeichen. © Torsten Ahlemeyer](/fileadmin/templates/wr/pics/Artikel/03_Betrieb/Datenbanken/informatik-aktuell_001.jpg "Abfrage 1: Anwendung des Suchoperators „größer als“ – es tauchen nur Datensätze im Ergebnis auf, deren [name] länger sind als 5 Zeichen.")
Vereinfachte Vergleiche: IN und BETWEEN
Diese Operatoren vereinfachen Kombinationen der Basisoperatoren für Vergleiche zu komplexeren Bedingungen.
| Operator | Erklärung |
| IN | prüft, ob ein Wert Teil einer vorgegebenen Liste ist. Der Operator entspricht somit einem mehrfachen "=", welches mit OR verknüpft wurde. |
| BETWEEN | prüft, ob ein Wert zwischen einer vorgegebenen Mindest- und einer vorgegebenen Höchstgrenze liegt. Die jeweiligen Grenzen gehören dabei zur Ergebnismenge (inklusive). Somit entspricht BETWEEN einer mit AND kombinierten Suche mit "≥" und "≤". |
Tabelle 2: Auflistung und Erklärung der vereinfachten Vergleichsoperatoren.
Vor- und Nachteile:
Da die vereinfachten Vergleiche nur Kombinationen der Basisvergleiche sind, gelten grundsätzlich dieselben Vor- und Nachteile. Sie sind allerdings deutlich intuitiver zu lesen und führen zu schlankerem Code, daher sind Vereinfachungen der ausführlichen Variante vorzuziehen. IN ist leider nicht für den Umgang mit Variablen (als Bestandteil der IN-Liste) geeignet.
Beispiel:
![Abfrage 2: Anwendung des Suchoperators „BETWEEN“ – es tauchen nur Datensätze im Ergebnis auf, deren [create_date] zwischen dem 05.04.2003 und dem 29.04.2003 (jeweils einschließlich) liegen. © Torsten Ahlemeyer](/fileadmin/templates/wr/pics/Artikel/03_Betrieb/Datenbanken/informatik-aktuell_002.jpg "Abfrage 2: Anwendung des Suchoperators „BETWEEN“ – es tauchen nur Datensätze im Ergebnis auf, deren [create_date] zwischen dem 05.04.2003 und dem 29.04.2003 (jeweils einschließlich) liegen.")
Fortschrittliche Vergleichsoperatoren
Manchmal möchte man nur prüfen, ob es überhaupt Datensätze mit bestimmten Eigenschaften gibt – ohne an den Details interessiert zu sein. Oder man möchte ein Filterkriterium umdrehen. Auch hierzu bietet T-SQL die passenden Operatoren.
| Operator | Erklärung |
| NOT | negiert eine Bedingung. |
| EXISTS | gibt TRUE zurück, wenn eine Unterabfrage Zeilen enthält. |
| SOME / ANY | vergleicht einen Skalarwert mit Werten, die sich in einer einzelnen Spalte befinden. |
Beispiel
Unscharfe Vergleichsoperatoren
Sucht man unter T-SQL nach weniger präzisen Übereinstimmungen, kann man die folgenden Operatoren nutzen:
| Operator | Erklärung |
| CONTAINS | sucht nach präzisen oder unscharfen (weniger präzisen) Übereinstimmungen mit einzelnen Wörtern und Phrasen, Wörtern innerhalb eines bestimmten Abstands zueinander oder gewichteten Übereinstimmungen. |
| LIKE | ermöglicht einen Mustervergleich unter Nutzung von Wildcards. Hierbei stehen "_" für genau ein unbekanntes Zeichen und "%" für beliebig viele unbekannte Zeichen. |
Mit CONTAINS kann wie folgt gesucht werden:
mit einem Wort oder einem Ausdruck
mit dem Präfix eines Wortes oder eines Ausdrucks
mit einem Wort, das einem anderen Wort ähnlich ist
mit einem Wort, das mithilfe von Beugung aus einem anderen generiert wurde (z. B. stellt das Wort "spielen" den Beugungsstamm von "spielt", "spielte", "Spiel" und "gespielt" dar.)
mit einem Wort, das ein Synonym für ein anderes Wort ist (Das Wort "Spiel" kann z. B. über die Synonyme 'Schach' und "Partie" verfügen.) Dazu wird ein Thesaurus verwendet.
Vor- und Nachteile:
Unscharfe Vergleichsoperatoren erlauben Filter, die mit herkömmlichen Basisoperatoren nicht realisierbar sind. Allerdings setzen sie oft zusätzliche Ressourcen wie ein Thesaurus voraus und sind schwierig bezüglich der Laufzeit zu optimieren, da oftmals die Indexunterstützung fehlt.
Beispiel:
![Abfrage 4: Anwendung des Suchoperators „LIKE“ – es tauchen alle Datensätze im Ergebnis auf, deren [name] mit „spt_“ beginnt. © Torsten Ahlemeyer](/fileadmin/templates/wr/pics/Artikel/03_Betrieb/Datenbanken/informatik-aktuell_004.jpg "Abfrage 4: Anwendung des Suchoperators „LIKE“ – es tauchen alle Datensätze im Ergebnis auf, deren [name] mit „spt_“ beginnt.")
Der Levenshtein-Algorithmus
Möchte man die Ähnlichkeit zweier Strings als Suchkriterium nutzen (ohne die genaue Stelle der Abweichung für eine LIKE-Suche zu kennen), um bspw. Tippfehler zu identifizieren, kann man diese Aufgabe in eine Funktion auslagern. Sie bewertet die Ähnlichkeit zweier übergebener Parameter und liefert einen numerischen Wert als Ergebnis zurück.
Beschreibung:
Der Levenshtein-Algorithmus berechnet die minimale Anzahl von Zeichenänderungen (Einfügen, Löschen, Ersetzen), um einen String in einen anderen zu transformieren.
Vor- und Nachteile:
Der Levenshtein-Algorithmus ist tolerant gegenüber Tippfehlern. Er eignet sich daher ideal für Namens- oder Adresssuchen. Leider fehlt ihm die Indexunterstützung und der hohe Rechenaufwand bei großen Datenmengen geht zu Lasten der Performance.
Beispiel:
Semantische Suche mit Vektoren
Seit der Version 2025 des SQL Servers (sowie der Azure SQL DB) kann man auch die Vektorsuche nativ benutzen. Hiermit sind eine Vielzahl von Anwendungen denkbar, die mit den herkömmlichen Suchmethoden nicht oder nur viel Eigenentwicklung überhaupt möglich wären.
Beschreibung:
Die Vektorsuche ist eine Methode, die auf Embeddings basiert und semantische Ähnlichkeiten erkennt. Vektoren sind Zahlenreihen, die die Eigenschaften eines Objekts (z. B. eines Produkts) beschreiben.
Stark vereinfacht wird dabei einem Suchbegriff eine mathematische Beschreibung in Form einer Zahlenreihe zugeordnet. Jede Zahl steht dabei für ein bestimmtes Attribut. Je höher die Zahl, desto zutreffender ist dieses Attribut. Moderne Vektoralgorithmen beschreiben einzelne Datensätze mit mehreren tausend Attributen.
Wird etwa nach "Auto" gesucht, liefert diese Art der Suche auch Treffer zu "Mercedes" oder "Cabrio", weil die Vektoren dieser Begriffe sehr nahe beieinander liegen (fast identische Zahlen in mehreren Attributen aufweisen). Herkömmliche Suchmethoden würden keine Synonyme erkennen, da sie auf String- oder Zahlvergleichen basieren.
Tabelle 2:
Abbildung 1:
Vor- und Nachteile:
Für eine Vektorsuche müssen die Daten sehr gut vorbereitet werden und es ist ein entsprechender Vektorindex anzulegen (CREATE VECTOR INDEX). Die Erzeugung eines spezialisierten ANN-Indexes (Approximate Nearest Neighbor) beschleunigt die spätere Abfrage dabei enorm. Da dieses Feature aktuell noch als "PREVIEW" gelistet wird, sind diese Funktionalitäten vorab freizuschalten:
Abfrage 6:
Abfrage 7:
Fazit: Evolution mit zunehmender Intelligenz
Die Entwicklung der Suchmethoden in T-SQL zeigt eine klare Bewegung von exakten, strukturierten Abfragen hin zu flexiblen, semantischen und KI-gestützten Suchtechniken. Während einfache Operatoren weiterhin ihre Berechtigung haben, eröffnen moderne Verfahren wie die Vektorsuche neue Möglichkeiten – insbesondere in datenintensiven und nutzerzentrierten Anwendungen.
