Faceted Search

Was ist eine Faceted Search?

Faceted Search ist eine Such- und Filtertechnik, bei der Nutzer Ergebnisse über mehrere kombinierbare Filter (Facetten) wie Marke, Preis, Größe oder Farbe eingrenzen. Sie verbindet Volltextsuche mit strukturierten Produktattributen und macht große Sortimente schnell und präzise durchsuchbar.

1. Grundlagen: Was bedeutet Faceted Search im E-Commerce?

Faceted Search (auch Facettennavigation oder facettierte Suche) ist ein Suchkonzept, bei dem Nutzer Suchergebnisse mit Hilfe mehrerer, parallel nutzbarer Filter verfeinern können. Typische Facetten sind zum Beispiel Preis, Marke, Kategorie, Größe, Farbe, Material, Verfügbarkeit oder Kundenbewertung.

Im Unterschied zu einer einfachen Filtersuche werden bei der Faceted Search die Filter dynamisch aus den vorhandenen Daten generiert und nur dann angezeigt, wenn sie für die aktuelle Ergebnismenge relevant sind. So entsteht eine sehr flexible Navigation durch große Produktkataloge.

Gerade für Onlineshops mit vielen Produkten, Varianten und Attributen ist eine sauber konfigurierte Faceted Search einer der wichtigsten Hebel für Usability, Conversion Rate (CR) und auch für SEO.

2. Funktionsweise einer facettierten Suche

Technisch kombiniert eine Faceted Search drei Grundlagen: eine Suchengine, strukturierte Produktdaten und eine Logik, die daraus Facetten und Facettenwerte bildet.

2.1 Bausteine: Facetten, Werte, Resultset

Eine typische facettierte Suche besteht aus:

Facetten (Filterkategorien) – z. B. Marke, Preis, Größe, Farbe, Kategorie, Material.
Facettenwerte – konkrete Ausprägungen wie „Nike“, „bis 50 €“, „Größe 42“, „blau“.
Resultset – der aktuelle Ergebnissatz, der durch Sucheingabe und gewählte Facetten bestimmt wird.
Zählwerte (Counts) – zeigen an, wie viele Treffer es pro Facettenwert aktuell gibt.

Sobald ein Nutzer einen Facettenwert auswählt, wird das Resultset neu berechnet. Gleichzeitig werden nur noch die Facettenwerte angezeigt, die für das reduzierte Resultset relevant sind.

2.2 Ablauf einer Suchanfrage mit Faceted Search

Vereinfacht durchläuft eine Suchanfrage folgenden Prozess:

Nutzer gibt einen Suchbegriff ein (z. B. „Laufschuhe“).
Die Suchengine bildet einen initialen Ergebnissatz aus allen passenden Produkten.
Aus den zugehörigen Produktattributen werden dynamisch Facetten und Werte berechnet.
Nutzer wählt zusätzliche Facetten (z. B. Marke „Adidas“, Größe 44, Preis „bis 100 €“).
Die Suche schränkt das Resultset entsprechend ein und aktualisiert alle Facetten-Counts.

Durch die Kombination aus Volltext- oder Kategoriesuche und Facetten entsteht ein iterativer, sehr intuitiver Navigationsprozess – besonders wichtig für große Sortimente in Mode, Elektronik, DIY, Automotive oder B2B.

3. Unterschiede: Faceted Search, Filter, Facettennavigation, Guided Selling

Im Alltag werden Begriffe wie Faceted Search, Filtersuche und Facettennavigation oft synonym genutzt, es gibt aber nützliche Unterscheidungen.

3.1 Klassische Filter vs. facettierte Suche

„Einfache“ Filter sind häufig statisch definiert: Es gibt eine feste Auswahl an Filtern, die unabhängig vom aktuellen Resultset angezeigt werden. Faceted Search geht einen Schritt weiter:

Dynamisch: Facetten und Werte passen sich der aktuellen Ergebnismenge an.
Datengetrieben: Facetten basieren auf strukturierten Attributen im PIM/ERP oder Produktfeed.
Kombinatorisch: Nutzer können mehrere Facetten und Werte gleichzeitig kombinieren.

Damit ist Faceted Search deutlich flexibler und skaliert besser mit wachsenden Sortimentsgrößen.

3.2 Facettennavigation vs. Guided Selling

Facettennavigation beschreibt vor allem die Darstellung der Facetten in der Benutzeroberfläche (z. B. linke Seitenleiste, horizontale Filterleiste, mobile Filter-Overlays). Guided Selling hingegen sind beratende Tools, die Nutzer mit Fragen („Wofür brauchst du den Laptop?“) zu passenden Produkten führen.

Beide Konzepte lassen sich kombinieren: Eine gute Guided-Selling-Strecke nutzt intern oft Faceted-Search-Mechaniken, um die passenden Produkte zu ermitteln.

4. Vorteile von Faceted Search für Onlineshops

Für mittelgroße und große Shops mit vielen SKUs bringt eine professionelle facettierte Suche gleich mehrere Vorteile.

4.1 Bessere User Experience und Conversion Rate

Schnellere Produktauswahl: Nutzer finden relevante Produkte mit wenigen Klicks statt langem Scrollen.
Reduzierte Frustration: Unpassende Produkte lassen sich präzise ausblenden.
Bessere Passung: Kombination von Attributen (z. B. Preis + Größe + Marke) erhöht die Relevanz des Ergebnisses.

Aus Erfahrung mit E-Commerce-Projekten zeigt sich: Sobald Faceted Search sauber konfiguriert ist, steigen die Conversion Rate und die Interaktionsrate mit der Produktliste deutlich (konkrete Werte sind aber immer shopindividuell und sollten gemessen werden).

4.2 SEO-Potenzial durch facettierte Navigation

Faceted Search hat einen starken Einfluss auf SEO – positiv und negativ, je nach Umsetzung.

Positiv: Sinnvoll verknüpfte Facetten (z. B. „Nike Laufschuhe Herren Größe 44“) können Long-Tail-Landingpages erzeugen.
Negativ: Unkontrollierte Kombinationen erzeugen schnell Millionen URL-Varianten mit Duplicate Content und Crawl-Budget-Problemen.

Entscheidend ist ein klarer, regelbasierter Ansatz für indexierbare Facetten (z. B. nur Marken- und Preis-Facetten in Kombination mit Kernkategorien) und eine konsistente URL- und Canonical-Strategie.

4.3 Effizienzgewinne im Produktdaten- und Content-Management

Faceted Search basiert auf strukturierten Attributen. Je besser deine Produktdaten gepflegt sind, desto stärker kannst du sie für:

Filterung und Navigation
automatisierte Produkttexte (z. B. aus Produktfeeds mit Tools wie feed2content.ai ®)
personalisierte Empfehlungen

nutzen. So wird der Produktfeed zur „Single Source of Truth“, die sowohl Suche als auch Content bedient.

5. Technische Grundlagen einer Faceted Search

Unter der Haube arbeiten Faceted-Search-Lösungen meist mit Suchtechnologien wie Elasticsearch, Solr, OpenSearch oder Shop-System-eigenen Engines. Die Suchengine indexiert Produkte inklusive ihrer Attribute.

5.1 Datenbasis: Attribute, Taxonomien und Produktfeeds

Eine performante facettierte Suche steht und fällt mit der Datenqualität. Wichtige Punkte:

Saubere Attributstruktur: eindeutige Attribute (z. B. „Farbe“, „Material“, „Schuhgröße“).
Normierte Werte: statt „blau“, „Blau“, „dunkel blau“ besser definierte Wertelisten.
Vollständige Daten: möglichst wenige leere Attribute, klare Pflichtfelder im PIM.

Wenn du bereits strukturierte Produktfeeds (XML, CSV, JSON) für Marktplätze oder Shopping-Kanäle nutzt, kannst du diese Daten auch für Faceted Search und automatisierte Produkttexte ausspielen.

5.2 Indexierung und Aggregation

Bei der Indizierung werden neben dem Volltextfeld auch die Facettenfelder angelegt. Diese werden meist als „keyword“-/„aggregation“-Felder gespeichert, um schnelle Gruppierungen und Counts zu ermöglichen.

Bei jeder Suchanfrage laufen zwei Prozesse:

Ermittlung des Resultsets (Treffermenge).
Aggregation der Resultset-Treffer nach Facettenfeldern, um die verfügbaren Filter und Trefferzahlen zu berechnen.

5.3 Performance und Caching

Faceted Search ist rechenintensiver als eine einfache Suche. Um Latenzen zu minimieren, kommen häufig zum Einsatz:

Serverseitiges Caching häufig genutzter Such-/Filterkombinationen
Optimierte Indexstrukturen für Facettenfelder
Asynchrone Nachladung von Facetten (z. B. per AJAX im Frontend)

6. Konzeption: Welche Facetten sind sinnvoll?

Nicht jede mögliche Produktinformation eignet sich als Facette. Zu viele Facetten überfordern Nutzer, zu wenige schränken die Navigation unnötig ein.

6.1 Kriterien für gute Facetten

Relevanz: Facette unterstützt reale Auswahlentscheidungen (z. B. Größe, Farbe, Marke).
Abdeckung: Facette ist bei einem Großteil der Produkte befüllt.
Verständlichkeit: Begriffe sind für Endkunden klar („Schnitt“ statt interner Abkürzungen).
Granularität: Nicht zu grob (nur „Preis“), nicht zu fein (30 nahezu identische Preisspannen).

6.2 Beispiel: Faceted Search in einem Fashion-Shop

Facette	Typische Werte	Nutzen
Kategorie	Sportschuhe, Sneaker, Stiefel	Schnelle Eingrenzung nach Produkttyp
Marke	Nike, Adidas, Puma	Markenpräferenz abbilden
Größe	39, 40, 41, 42, 43, 44	Nur passende Größen anzeigen
Farbe	Schwarz, Weiß, Blau	Optische Vorlieben abdecken
Preis	bis 50 €, 50–100 €, ab 100 €	Budget berücksichtigen

7. UX-Best Practices für Faceted Search

Die beste Suchlogik bringt nichts, wenn die Oberfläche für Nutzer unverständlich ist. Einige UX-Grundregeln haben sich bewährt.

7.1 Platzierung und Darstellung der Facetten

Desktop: Filter links oder oben oberhalb der Trefferliste.
Mobile: Klarer „Filter“-Button, der ein Overlay mit Facetten öffnet.
Ausgewählte Filter immer sichtbar und leicht entfernbar (z. B. Chips oberhalb der Trefferliste).

7.2 Filterlogik aus Nutzersicht

AND-Logik zwischen Facetten: „Marke = Nike“ und „Größe = 44“.
Sinnvolle Standard-Sortierung (z. B. „Beliebteste zuerst“).
Deutliche Rückmeldung bei „0 Treffern“ und Vorschlag, Filter zu lockern.

Je nach Sortiment können auch OR-Kombinationen innerhalb einer Facette (z. B. Größe 42 oder 43) sinnvoll sein.

7.3 Häufige UX-Fehler bei facettierter Suche

Überladene Filterlisten mit Dutzenden Facetten.
Technische Begriffe, die Nutzer nicht verstehen.
Keine Möglichkeit, Filter gezielt wieder zu entfernen oder alle Filter zurückzusetzen.

8. Faceted Search und SEO: Chancen & Risiken

Für SEO ist Faceted Search ein zweischneidiges Schwert. Die Kunst liegt in der sauberen Steuerung von indexierbaren URL-Kombinationen.

8.1 Typische SEO-Risiken bei Faceted Search

Duplicate Content: ähnliche oder gleiche Produktlisten über viele Filterkombinationen.
Aufgeblähter Index: Millionen URL-Varianten, die dem Google-Crawl-Budget schaden.
Parametergestützte URLs ohne Steuerung: z. B. ?color=blue&size=44&sort=price.

8.2 Kontrollierte Facettenindexierung

In der Praxis hat sich ein gestuftes Vorgehen etabliert:

Definition „strategischer Facettenkombinationen“ (z. B. Kategorie + Marke + Geschlecht) mit eigenen Landingpages.
Einsatz von Canonical-Tags für nicht-strategische Kombinationen.
Gezieltes Noindex für bestimmte Filter (z. B. Sortierung, Verfügbarkeit, Preis-Slider).

Eine einfache Arbeitsformel für indexierbare Facetten-Kombinationen kann sein: Indexierbare Kombination = Kategorie-Hauptkeyword + 1–2 starke Filterdimensionen (z. B. Marke, Geschlecht, Einsatzzweck). Alle weiteren Filter dienen ausschließlich der Nutzernavigation und bleiben technisch von der Indexierung ausgeschlossen oder werden per Canonical auf die Grundvariante zurückgeführt.

9. Umsetzung in der Praxis: Systeme, Daten und Automatisierung

Für Shopware, Shopify Plus, Magento, Spryker, commercetools und ähnliche Systeme gibt es oft bereits integrierte Faceted-Search-Funktionen oder Erweiterungen. Entscheidend ist weniger das Tool, sondern das Zusammenspiel von Produktdaten, Suchkonfiguration und Content.

9.1 Rolle von PIM/ERP und Produktfeeds

PIM- und ERP-Systeme sowie Produktfeeds liefern die Attribute, aus denen Facetten gebildet werden. Gute Setups zeichnen sich aus durch:

klar definierte Attribut-Standards über alle Kategorien hinweg,
Pflichtfelder für wichtige Filterattribute,
regelmäßige Datenqualität-Checks.

9.2 Faceted Search und automatisierte Produkttexte

Wenn du Produktdaten bereits im Feed für Faceted Search sauber pflegst, kannst du dieselben Attribute auch für skalierbare Textgenerierung nutzen. Tools wie feed2content.ai ® lesen XML-/CSV-Feeds ein, verwenden Attribute wie Material, Farbe, Größe oder Einsatzzweck und erzeugen daraus automatisiert konsistente Produktbeschreibungen je Kategorie oder Marke.

So wird aus einmal gepflegten Facettenattributen mehrfacher Nutzen generiert: für Suche, SEO-Content, Conversion-Optimierung und Marktplatzfeeds.

10. Typische Kennzahlen und Erfolgsmessung für Faceted Search

Ob deine Faceted Search gut funktioniert, solltest du mit Daten belegen. Wichtige KPIs (Key Performance Indicators) sind:

Nutzungsrate der Filter (Anteil der Sessions mit mindestens einem Facettenklick).
Conversion Rate mit und ohne Facettennutzung.
Durchschnittliche Anzahl genutzter Facetten pro Session.
Abbruchrate bei „0-Treffer“-Seiten.

KPI	Frage	Optimierungsansatz
Filter-Nutzungsrate	Wie viele Nutzer verwenden Facetten?	Sichtbarkeit, Benennung, Platzierung verbessern
CR mit Filter	Konvertieren Filter-Nutzer besser?	Filterlogik und Standard-Sortierung prüfen
0-Treffer-Quote	Wie oft gibt es keine Ergebnisse?	Größenlogik, Verfügbarkeitsfilter, Fehlertoleranz anpassen

11. Best Practices und Checkliste für deine Faceted Search

Wenn du deine Faceted Search optimieren oder neu aufsetzen möchtest, helfen folgende Leitfragen:

Sind alle wichtigen kaufentscheidenden Attribute im PIM/Feed vorhanden und sauber gepflegt?
Welche 5–10 Facetten sind pro Hauptkategorie wirklich relevant?
Wie sieht die URL- und Canonical-Strategie für Facettenkombinationen aus?
Ist die mobile Filter-UX klar, schnell und fehlerfrei bedienbar?
Wie unterscheiden sich Conversion Rate und Abbruchraten von Nutzern mit und ohne Filtereinsatz?

Eine leistungsfähige Faceted Search ist kein „Nice-to-have“, sondern ein Kernbestandteil der Informationsarchitektur im E-Commerce. Schlechte Filterlogik führt nicht nur zu frustrierten Nutzern, sondern kann auch massiv SEO-Potenzial vernichten, wenn Facetten-URLs unkontrolliert indexiert werden.

12. Häufige Fragen zu Faceted Search

Was ist eine Faceted Search im E-Commerce genau?

Faceted Search ist eine Suchfunktion, bei der Nutzer Suchergebnisse mit mehreren kombinierbaren Filtern wie Marke, Preis, Größe oder Farbe verfeinern. Die Facetten basieren auf strukturierten Produktattributen und werden dynamisch aus der aktuellen Ergebnismenge berechnet, sodass nur relevante Filter und Trefferzahlen angezeigt werden.

Worin unterscheidet sich Faceted Search von einer normalen Filtersuche?

Klassische Filtersuchen arbeiten oft mit statischen, vordefinierten Filtern, die unabhängig vom Ergebnis immer gleich angezeigt werden. Faceted Search ist dynamisch, nutzt die tatsächlichen Produktattribute als Datenbasis, passt Facetten und Werte laufend an die Ergebnismenge an und ermöglicht komplexe Kombinationen mehrerer Filter ohne starre Navigationspfade.

Welche Vorteile hat Faceted Search für Conversion Rate und Nutzererlebnis?

Faceted Search reduziert die Zeit bis zum passenden Produkt, da Nutzer große Sortimente schnell und präzise eingrenzen können. Relevante Ergebnisse, weniger Frustration durch unpassende Treffer und die Möglichkeit, Budget, Marke, Größe und weitere Kriterien zu kombinieren, führen in der Praxis häufig zu höheren Conversion Rates und geringeren Absprungraten auf Kategorieseiten.

Wie wirkt sich Faceted Search auf SEO aus?

Faceted Search kann zusätzliche Long-Tail-Landingpages erzeugen, wenn sinnvolle Kombinationen aus Kategorie und ausgewählten Facetten indexiert werden. Gleichzeitig besteht das Risiko von Duplicate Content und einem stark aufgeblähten Index, wenn jede Filterkombination als eigene URL für Suchmaschinen zugänglich ist. Eine gute Steuerung von indexierbaren Facetten, Canonicals und Noindex ist deshalb entscheidend.

Welche Datenbasis wird für eine funktionierende Faceted Search benötigt?

Grundlage sind saubere, strukturierte Produktdaten mit klar definierten Attributen und Wertelisten, zum Beispiel im PIM, ERP oder Produktfeed. Wichtige kaufentscheidende Attribute wie Größe, Farbe, Material, Marke, Einsatzbereich oder technische Spezifikationen sollten möglichst vollständig gepflegt und normiert sein, damit daraus sinnvolle Facetten und konsistente Filterwerte gebildet werden können.

Welche Shop-Systeme unterstützen Faceted Search?

Die meisten modernen Shop-Systeme wie Shopware, Shopify Plus, Magento, Spryker oder commercetools bieten entweder integrierte Faceted-Search-Funktionen oder Schnittstellen zu Suchlösungen wie Elasticsearch und Solr. Über diese Such-Backends lassen sich Facetten, Filterlogik, Sortierung und URL-Strukturen individuell konfigurieren und an den jeweiligen Produktkatalog anpassen.

Wie kann ich die Performance meiner Faceted Search messen und optimieren?

Wichtige Kennzahlen sind die Nutzungshäufigkeit der Filter, die Conversion Rate von Sessions mit Facettennutzung, die 0-Treffer-Quote und die Abbruchraten auf Such- und Kategorieseiten. Auf Basis dieser Daten kannst du Facettenauswahl, Begriffe, Platzierung, Standard-Sortierung und die Behandlung von leeren Ergebnismengen testen und iterativ verbessern, zum Beispiel über A/B-Tests und regelmäßige UX-Analysen.

13. Nächste Schritte: Faceted Search und Produktdaten besser nutzen

Wenn du deine Faceted Search optimieren möchtest, ist der wichtigste Hebel eine saubere Datenbasis: klar strukturierte Attribute, konsistente Wertelisten und vollständige Produktfeeds. Aus diesen Daten kannst du nicht nur eine starke facettierte Suche aufbauen, sondern auch automatisiert hochwertige Produkttexte generieren und so SEO, SEA und Conversion gleichzeitig verbessern.

Du möchtest feed2content.ai ® kennenlernen? Sieh dir unsere Funktionen live an und teste feed2content.ai ® kostenfrei.

Kostenlos starten

Du hast noch Fragen?

Kontakt