Indexieren

Indexieren bezeichnet in der Informationstechnik den Prozess der Erstellung eines Index, einer Datenstruktur, die den Zugriff auf Datensätze beschleunigt. Ein Index dient dazu, Suchanfragen schneller zu erfüllen, indem er die Suche auf eine Teilmenge relevanter Datensätze einschränkt, statt alle Datensätze einer Sammlung zu durchsuchen. Indizes werden in verschiedenen Kontexten eingesetzt, insbesondere in relationalen Datenbanken, Volltextsuchmaschinen und Bibliothekskatalogen.

In relationalen Datenbanken sind Indizes strukturierte Datenstrukturen wie B- oder B+-Bäume oder Hash-Indizes. Sie ermöglichen es, Werte eines oder mehrerer Spalten zügig auf die dazugehörigen Datensätze abzubilden. Dadurch vermeiden Datenbanken einen vollständigen Tabellenscan und beschleunigen Operationen wie SELECT mit WHERE, JOIN oder ORDER BY. Indizes verursachen zusätzlichen Speicherbedarf und können die Schreibleistung mindern, da Änderungen in Tabellen auch die Indizes aktualisieren müssen.

Bei der Volltextindizierung entsteht ein Inverted Index, der jedes vorkommende Wort mit den Dokumenten verknüpft, in denen es auftritt. Typische Vorverarbeitungsschritte umfassen Tokenisierung, Normalisierung, Entfernen von Stoppwörtern und Stemming oder Lemmatisierung. Der Index enthält meist Postingslisten mit Positionsinformationen, wodurch Suchanfragen wie Phrasen oder Nähe-Abfragen effizient bearbeitet werden können.

Anwendungsbereiche reichen von Datenbanksystemen über Suchmaschinen bis hin zu digitalen Bibliotheken. Die Indizierung erfordert eine Balance zwischen Suchgeschwindigkeit, Speicherbedarf, Aktualisierungskosten und Konsistenz. Modernes Indexieren umfasst auch inkrementelle Indizierung, Komprimierungstechniken und verteilte Indizes für große, skalierbare Systeme.