Volltextsuche in Nextcloud: Den PDF-Inhalten auf der Spur

Am Anfang steht ein stummer Ordner. 2000 PDFs, abgelegt in einer Verzeichnisstruktur, die nur noch der ehemalige Praktikant aus Abteilung C verstanden hat. Die Kollegin aus dem Projektteam erinnert sich an ein Gutachten, es müsse doch vor drei Jahren eingelesen worden sein. Wie hieß die Datei? Vermutlich etwas wie Scan_20230912_0004.pdf. In Nextcloud tippt sie das Wort »Garantie« in die Suchleiste. Null Treffer. Dabei kommt das Wort auf jeder zweiten Seite vor.

Diese Situation ist so alt wie die Digitalisierung der Ablage. Und sie ist vermeidbar. Nextcloud ist eine sehr solidDatenablage, aber die mitgelieferte Suche arbeitet anders, als viele Anwender erwarten. Sie findet Dateinamen, Ordner und Schlagwörter, nicht den Text, der in einer PDF-Datei steckt. Wer das ändern will, kommt um die Volltextsuche nicht herum. Der richtige Fachbegriff dafür lautet Nextcloud Full Text Search, oft als FTS abgekürzt. Dahinter verbirgt sich keine einzelne Funktion, sondern ein kleines Ökosystem aus Apps, einer externen Index-Datenbank und einigen Zusatztools, die PDFs erst lesbar machen.

Was in Werbeprospekten nach »Plug-and-play« klingt, ist in der Praxis ein Projekt mit ein paar Stolperstellen. Wer die Architektur versteht, spart sich trotzdem viel Frust. Dieser Artikel beschreibt, wie die Suche in Nextcloud aufgebaut ist, was sie mit PDFs anstellt – und wo man sich im Alltag selbst ein Bein stellen kann.

Warum die Standardsuche nicht funktioniert

Die Standardsuche von Nextcloud ist eine Metadaten-Suche. Sie fragt die Datenbank von Nextcloud ab, also Informationen über Dateinamen, Ordnerpfade, Tags, Kommentare und Dateieigenschaften. Das ist eine nützliche Sache, keine Frage. Aber sie hat ein blindes Auge für den Inhalt. Eine PDF-Datei ist aus Sicht der Datenbank ein Binärobjekt, ein Datenklumpen, der in der Regel nicht durchsucht wird. Manche Nextcloud-Systeme erkennen im Text von ODF- oder DOCX-Dateien etwas an, weil diese Formate auf XML basieren. Doch bei PDF sieht es düster aus.

Das liegt nicht an Nextcloud, sondern an der Natur des PDF-Formats. PDF kann viele Dinge sein: ein digital erzeugtes Dokument mit sauberer Textschicht, ein eingescanntes Blatt Papier ohne jeglichen Text, ein Formular, das bei der Erstellung zerstückelt wurde. Ein PDF kann Schriften einbetten, die sich nicht aufzeichen lassen, oder Bilder enthalten, die Sprüche wie »Dringend – Bitte lesen« zeigen. Um den Inhalt zu durchsuchen, muss man diesen Text erst extrahieren – und genau dort beginnt die eigentliche Arbeit.

Es wäre eigentlich eine Aufgabe für einen PDF-Parser in Nextcloud selbst. Und doch hat Nextcloud diesen Weg nie konsequent eingeschlagen. Vielleicht weil Volltextsuche mit diversen Dateiformaten schnell zu einem Fass ohne Boden wird. Also hat man auf ein Modell gesetzt, das in der Open-Source-Welt üblich ist: getrennte Bausteine, die miteinander reden.

Die Volltextsuche als Nachrüst-Set

Die Full Text Search-Erweiterung von Nextcloud besteht aus drei logischen Teilen. Da ist zunächst die App Full text search selbst, die in Nextcloud die Suchanfrage entgegennimmt und das Ergebnis darstellt. Sie allein ist aber wertlos, weil sie keinen Index besitzt. Der zweite Teil ist ein Index-Server, meist Elasticsearch oder OpenSearch – beides Abkömmlinge derselben Suchmaschinen-Technologie. Dieser Dienst sitzt nicht in Nextcloud, sondern läuft als eigener Prozess auf einem Server oder in einem Container. Er nimmt die Dokumente entgegen, zerlegt sie in durchsuchbare Textbausteine und speichert diese in einem Index. Wenn ein Anwender in Nextcloud etwas sucht, schickt die App die Anfrage an diesen Server und bekommt die Treffer geliefert.

Damit die Daten von Nextcloud überhaupt in den Index gelangen, sind zusätzliche Apps nötig. Der Klassiker heißt Full text search files, er hält das Elasticsearch-Backend mit Nextcloud zusammen. Für PDFs kommen weitere Werkzeuge dazu, die den Inhalt aus der Datei herauslösen. Ohne diesen Extraktor bleibt auch der schönste Index leer, denn die Suchmaschine selbst versteht kein PDF. Sie braucht Text.

Die gute Nachricht: Diese Module sind nicht graue Theorie, sondern im Nextcloud-App-Store verfügbar. Man kann sie über die Administrationsoberfläche installieren oder per occ in der Kommandozeile. Die Reihenfolgeder Installation ist aber nicht ganz egal. Wer zuerst den Index-Server aufsetzt und dann die Apps installiert, ist auf der sicheren Seite. Andernfalls meckert die App, dass keine Verbindung zum Backend besteht – was sie zur Startphase auch tut.

Ein interessanter Aspekt ist die Namensgebung. Der Nextcloud-Begriff »Full Text Search« wird oft als »FTS« abgekürzt. Wer in Dokumentationen sucht, stößt auf fulltextsearch_elasticsearch, fulltextsearch_files und fulltextsearch_ocr. Diese Wörter sind nicht immer gut gegoogelt, aber sie begegnen einem auf jeder Installationsanleitung. Es lohnt sich, die genaue Bezeichnung zu kennen, weil es in Foren meist um genau diese Pakete geht.

Ein Index, der alles weiß

Der Kern einer Volltextsuche ist der Index. Man kann sich das wie die Rückseite eines Buches vorstellen – oder wie ein Wörterbuch, das zu jedem Begriff die Stellen vermerkt. Suchmaschinen wie Elasticsearch bauen solche Verzeichnisse blitzschnell auf. Sie analysieren den Text, zerlegen ihn in Einzelwörter, entfernen Füllwörter wie »und« oder »der«, behandeln Groß- und Kleinschreibung und legen ein Gewicht für die Vorkommen an. Sobald der Index steht, ist die Suche enorm schnell – schneller, als eine relationale Datenbank das jemals schaffen würde. Genau deshalb setzt man auf einen zusätzlichen Dienst und nicht auf die MySQL- oder PostgreSQL-Datenbank, die hinter Nextcloud arbeitet.

Dieser Index ist allerdings nicht nur ein technisches Detail. Er ist ein Abbild des gesamten Wissensbestands. Wenn man die Volltextsuche auf ein Verzeichnis mit Verträgen loslässt, liegen die Vertragstexte im Klartext im Index. Das ist zuweilen unbequem. Wer den Elasticsearch-Server ungeschützt ins Netz hängt, gibt im Zweifel alle internen Dokumente preis. Die erste Regel beim Betrieb lautet deshalb: den Index-Dienst nicht öffentlich erreichbar machen, die Zugriffe auf das interne Netzwerk begrenzen und die Verbindung verschlüsseln.

Für den Aufbau des Indexes gibt es zwei Wege. Der elegante Weg ist die kontinuierliche Synchronisierung: Sobald jemand eine Datei in Nextcloud hochlädt, bekommt die Suchmaschine den Inhalt zugespielt und ergänzt den Index. Dazu muss der Extraktor schnell arbeiten, sonst wächst der Rückstau. Der andere Weg ist die Nacharbeit. Mit einem occ-Befehl wie sudo -u www-data php occ full_text_search:index kann man den Katalog manuell anstoßen. Systeme mit zehntausenden Dateien brauchen dafür einige Stunden. Die laufende Suche währenddessen funktioniert, liefert aber nur Teilergebnisse. Ein geduldiger Admin plant die Initialindexierung deshalb für eine Nacht oder ein Wochenende ein.

Aus der Praxis: Ich habe einmal eine Nextcloud-Instanz mit 30 Gigabyte Dateien und rund 120.000 Einträgen über Nacht indizieren lassen. Am Morgen war Elasticsearch etwas warm geworden, aber die Suche lieferte Treffer in Millisekunden. Das Gefühl, auf einmal den gesamten Datenbestand mit Begriffen abzufragen, ist fast berauschend. Es ist der Moment, in dem man sich fragt, warum Nextcloud das nicht standardmäßig kann. Die Antwort ist simpel: Es wäre zu viel Standard für zu viele verschiedene Umgebungen.

PDFs lesbar machen – eine Frage der Technik

Kommen wir zum eigentlichen Kern des Themas: der PDF-Integration. Wer PDFs durchsuchbar machen möchte, muss den Text aus dem PDF herauslösen. Das passiert nicht im Elasticsearch-Server selbst, sondern in einem Extraktionsschritt, der der Indexierung vorgelagert ist. Nextcloud schickt die Datei an die Full-Text-Search-Anwendung, die wiederum verschiedene Extraktoren aufruft.

Der gebräuchlichste Weg ist ein Werkzeug namens pdftotext aus der Poppler-Bibliothek. Poppler ist eine Sammlung von Befehlen, die seit Jahren in Linux-Distributionen enthalten ist. Es liest die Textschicht eines PDFs und gibt sie als einfachen Text aus. Das klingt einfacher, als es ist. Wer schon einmal mit PDFs gearbeitet hat, weiß, dass der Text nicht immer von links oben nach rechts unten fließt. In mehrspaltigen Layouts oder komplexen Tabellen haut die Zeichenfolge manchmal daneben. Der Text ist dann noch da, aber die Reihenfolge stimmt nicht. Bei der Suche ist das meistens verschmerzbar, weil die Suchmaschine einzelne Wörter findet und keine Sätze baut.

Eine Alternative heißt Apache Tika. Tika ist eine Java-Bibliothek, die viele Dateiformate versteht, nicht nur PDF, auch Office-Dokumente und sogar Multimedia-Metadaten. Tika ist mächtig, aber auch träge und benötigt eine Java-Laufzeitumgebung. In manchen Nextcloud-Installationen wird Tika als Dienst betrieben. Es ist eine gute Wahl, wenn man außer PDFs auch andere Formate zuverlässig erschließen möchte.

Bei gescannten PDFs hilft kein Extraktor der Welt, weil es keinen digitalen Text gibt. Ein gescanntes Dokument ist ein Bild, und im Bild steckt nur Farbe. Um es durchsuchbar zu machen, braucht es eine optische Zeichenerkennung, kurz OCR. Dafür gibt es eine App für die Full-Text-Suche, die Tesseract einbindet. Tesseract ist eine Open-Source-OCR-Engine, die inzwischen recht gut mit deutschen und englischen Texten zurechtkommt, mit persönlichen Notizen oder unordentlichen handschriftlichen Sachen aber kläglich scheitert. Wer ausschließlich saubere Scans von Schreibmaschinen- oder Druckschrift hat, kann mit Tesseract gute Ergebnisse erzielen. Wer alte handschriftliche Akten im Kopf hat, sollte die Erwartung zurückschrauben.

Auch die OCR kommt nicht ohne Stolpersteine aus. Ein PDF mit 200 Seiten erzeugt bei der Texterkennung eine erstaunlich hohe CPU-Last. Der Prozess dauert pro Seite einige Sekunden. Ein kompletter Scan-Bestand von einigen tausend Seiten kann die Maschine über Tage beschäftigen. Wer das nicht steuert, wacht irgendwann mit einer mutierten Serverlast und einem verärgerten Betriebsrat auf. Also: OCR nur für die Objekte einschalten, die es wirklich brauchen, nicht für alles.

Die Einrichtung in der Praxis

Nehmen wir an, Nextcloud läuft bereits, vielleicht in einer gewachsenen Instanz mit hundert Benutzern. Der Admin hat Shell-Zugriff und ein wenig Erfahrung mit Docker oder Debian-Paketen. Das Vorgehen ist im Kern immer dasselbe. Zuerst stellt man eine Instanz von OpenSearch oder Elasticsearch bereit. OpenSearch ist aus der Elasticsearch-Linie hervorgegangen und lizenzrechtlich weitgehend unbedenklich, was ihn bei vielen Weiterbetreuern zur ersten Wahl macht. Der Dienst braucht einen eigenen Speicherort. Suchen sind bei Elasticsearch stark speicherhungrig, der JVM-Speicher sollte im Bereich von zwei bis vier Gigabyte liegen, je nach Datenmenge.

Danach installiert man in Nextcloud die App Full text search. Unter den Einstellungen gibt es anschließend einen Bereich für die Konfiguration. Dort trägt man die Adresse des Elasticsearch-Servers ein, inklusive Port und optionalem API-Key. Als Nächstes kommt Full text search files dazu. Ohne diese App bleibt die Suche taub für den Dateibestand. Wer nun auch PDF- und OCR-Suche möchte, fügt die entsprechenden Extras hinzu. Nach der Installation prüft der Admin die Verbindung. Wenn alles passt, startet man den Initialindex.

Das klingt nach einer Viertelstunde Arbeit. In der Praxis verbirgt sich der Teufel in den Details. Nextcloud läuft oft in Docker-Containern, der Suchserver auf demselben Host oder auf einem anderen VPS. Dann muss das Netzwerk so konfiguriert sein, dass die Container sich gegenseitig erreichen. Bei klassischen LAMP-Servern ist das einfacher, weil localhost reicht. Doch auch dort steht die Frage, ob ein Dienst mit Java auf derselben Maschine laufen soll, auf der die Webanwendung arbeitet. Bei kleinen Teams mag das gehen. Bei größeren Installationen ist ein separater Rechner oder ein eigener Container sinnvoll, schon um die Last zu trennen.

Ein häufig übersehener Punkt ist die Zeit. Elasticsearch nimmt nicht einfach jede Datei, die man ihm hinwirft. Er muss die Struktur des Dokuments kennen. Die Nextcloud-Apps schicken das PDF stapelweise und warten auf eine Bestätigung. Wenn der Elasticsearch-Server langsam antwortet, baut sich eine Warteschlange auf. Das kann dazu führen, dass die Volltextsuche im Backend stundenlang hinterherarbeitet. Eine gute Überwachung der Warteschlangen gehört deshalb zum Betrieb. Es gibt occ-Kommandos, mit denen man den Status des Indexes abfragen kann. Sie sind nicht immer dokumentiert, aber über die Hilfe-Option erreichbar.

Stolpersteine im Alltag

Der erste Stolperstein zeigt sich bereits bei der Installation der App Full text search selbst. Nextcloud hat nicht nur eine, sondern mehrere verwandte Apps. Die Funktionen überschneiden sich, je nach Version und Betreiber. Manche Distributionen bauen die Volltextsuche bereits in ihre Pakete ein, andere trennen sie streng. Der unerfahrene Admin steht dann vor einer langen Liste von Apps mit dem Präfix Full text search und weiß nicht, was er braucht. Die offizielle Dokumentation ist besser geworden, aber nicht immer ausführlich genug.

Der zweite Stolperstein ist die Dateiberechtigung. Nextcloud unterscheidet zwischen dem Web-Benutzer, der die Dateien liest, und dem Benutzer, unter dem der Extraktor läuft. Wenn der Extraktor keine Leserechte auf die temporären Dateien hat, schlägt die Indexierung fehl. Das äußerst sich meistens in Logmeldungen, die man nicht sofort versteht. In einem Docker-Setup kommen noch gemountete Volumes und ein User-ID-Mapping dazu. Einmal richtig eingestellt, hält es aber meistens über Jahre.

Ein weiteres Ärgernis ist die Aktualität der Treffer. Wenn ein Benutzer eine Datei umbenennt oder in einen anderen Ordner verschiebt, sollte der Index aktualisiert werden. Das funktioniert nicht immer zuverlässig. Manchmal bleibt der alte Dateipfad im Index stehen, während sich die Datei schon längst woanders befindet. Nextcloud hat dieses Problem gemildert, aber es ist nicht vollständig verschwunden. Ein manueller Reindex der betroffenen Ordner gehört deshalb zu den üblichen Wartungsarbeiten.

Nicht zu vergessen ist der Speicherplatz. Der Index von Elasticsearch kann schnell das Zehnfache des tatsächlichen Dateivolumens ausmachen, wenn man viele Versionen und mehrere Sprachen indexiert. Das liegt daran, dass der Index aus vielen invertierten Listen besteht. Ein 2-Gigabyte-PDF-Bestand kann durchaus einen 8-Gigabyte-Index erzeugen. Wer also mit einer kleinen SSD plant, sollte großzügiger rechnen. Und Backups? Ein Index ist kein klassisches Backup, weil er jederzeit neu aufgebaut werden kann. Doch dann braucht es die Zeit dafür. Die Erfahrung zeigt, dass ein Neuaufbau meist teurer ist als die Sicherung des Indexes.

Eine besondere Erwähnung verdient die Performance bei der allerersten Suche. Wenn die Web-Oberfläche von Nextcloud aufgerufen wird, lädt sie sämtliche Skripte. Auf langsamen VPS-Maschinen ist das eine Geduldsprobe. Die Suche selbst läuft dann schneller, aber es dauert bis zum ersten Tastendruck. Manche Admins unterschätzen, dass eine Volltextsuche die gefühlte Performance der gesamten Cloud verändert. Der Browser muss schließlich zusätzliche JavaScript-Module laden. Wer eine steinalte Nextcloud-Version betreibt, wird sich nach dem Update wundern.

Was die Suche beim Datenschutz anrichtet

Die Volltextsuche wird in Unternehmen gern eingeführt, ohne die Mitarbeiter zu fragen. Aus technischer Sicht ist das verständlich, denn die Funktion ist ein Segen. Doch der Segen hat eine schmutzige Seite. Sobald der Index einmal steht, ist jeder Text durchsuchbar. Das betrifft auch PDFs, die vertrauliche Personalunterlagen oder Verträge enthalten. Wer Elasticsearch offen betreibt, gefährdet die gesamte Vertraulichkeit der Cloud. Die nächste Compliance-Abteilung wird fragen, ob der Suchindex gegen unbefugte Zugriffe geschützt ist und ob es ein Berechtigungskonzept innerhalb des Indexes gibt.

Nextcloud versucht, dieser Verantwortung gerecht zu werden. Die Volltextsuche berücksichtigt in der Regel die Zugriffsrechte der Benutzer: Ein Benutzer sieht nur Treffer aus Dateien, auf die er auch in Nextcloud zugreifen darf. Das ist gut gelöst, aber nicht trivial. Die Rechteprüfung findet beim Abruf der Treffer in Nextcloud statt, nicht in Elasticsearch selbst. Das heißt, die Suchmaschine liefert eine Liste von Treffern, und Nextcloud filtert sie anschließend. Es kann also passieren, dass der Suchdienst mehr Informationen durchreicht, als der Benutzer zu sehen bekommt – intern bleibt es trotzdem eine Datenkopie des gesamten Textes.

Ein interessanter Aspekt ist die Verschlüsselung. Nextcloud kann Dateien mit einer serverseitigen oder end-to-end Verschlüsselung schützen. Eine indexierte Volltextsuche macht da einen Strich durch die Rechnung: Wenn der Server die Datei entschlüsseln muss, um den Inhalt zu extrahieren, hat er die Daten im Klartext im Arbeitsspeicher und im Index. End-to-end verschlüsselte Daten, die nie als Klartext auf dem Server liegen, können mit der klassischen Volltextsuche nicht durchsucht werden. Wer auf maximale Verschlüsselung angewiesen ist, wird sich mit der Suche also nicht anfreunden können. Das ist eine bewusste Entscheidung für Sicherheit statt Durchsuchbarkeit.

Bei der Einführung sollte man daher Datenklassen unterscheiden. Ein Archiv mit öffentlichen Broschüren kann unbeschwert indiziert werden. Ein Ordner mit Abfindungsvereinbarungen ist ein heiklerer Kandidat. Nextcloud erlaubt es, bestimmte Ordner von der Indexierung auszuschließen. Das ist in den Einstellungen der Full-Text-Suche möglich, auch wenn es nicht offensichtlich ist. Wer diese Option nutzt, baut zwar die Volltextsuche bewusst ein Stück weit zurück, aber er stellt sicher, dass vertrauliche Inhalte nicht in der Trefferliste landen. Im Zweifel entscheidet der Betriebsrat.

Alternativen und Inseln

Die Volltextsuche von Nextcloud ist nicht der einzige Weg, PDFs durchsuchbar zu machen. Manche Unternehmen verwenden zusätzlich einen Dokumentenmanagementserver oder eine DMS-Software, die PDFs in eine Datenbank zieht. Oder sie setzen auf einen zentralen Such-Crawler, der die Dateifreigaben von Nextcloud über ein WebDAV-Laufwerk abgreift. Das funktioniert, macht die Sache aber kompliziert. Sobald man die Inhalte außerhalb von Nextcloud indexiert, verliert man die enge Verzahnung mit den Rechten der Benutzer. Die Treffer verweisen dann auf Dateien, die der Suchende nicht öffnen darf, weil die Rechteprüfung nicht mehr nahtlos in die Cloud integriert ist.

Nextcloud selbst hat auch andere Werkzeuge in petto. So gibt es seit einigen Versionen die Möglichkeit, mit KI-Modellen Bilder zu erkennen oder Objekte automatisch zu benennen. Auch Texterkennung in Bildern und Dokumenten wird zunehmend in die Plattform eingebaut. Diese Funktionen sind nicht mit der klassischen Volltextsuche verwechselbar. Sie erzeugen keine durchsuchbaren Inhalte im Sinne einer Suchmaschine, sondern ergänzen Metadaten. Ein PDF mit einer Rechnung kann so automatisch dem Tag »Einkauf« zugeordnet werden. Die Stichwortsuche wird damit besser, aber die eigentliche Volltextsuche bleibt eine eigene Disziplin.

Denkbar ist auch, auf eine externe Suchmaschine wie Apache Solr oder Meilisearch zu setzen. Beide können PDFs verarbeiten und haben eigene Artikel. Mit Nextcloud sind sie aber nicht so sauber integriert wie Elasticsearch und OpenSearch. Es gibt zwar Brückenerweiterungen, aber sie fristen oft ein Nischendasein. Wer eine neue Installation plant, sollte nicht zu viel Experimentierfreude an den Tag legen. Das ausgereifte FTS-Gespann aus Nextcloud, OpenSearch und den Zusatz-Apps funktioniert, wenn man sich an die Regeln hält. Und selbst wenn nicht – die Fehlersuche ist dank der Logs einfacher als bei einer selbstgestrickten Lösung.

Am Ende zählt, was gefunden wird

Die Volltextsuche in Nextcloud ist kein Selbstläufer. Sie verlangt einen eigenen Dienst, etwas Konfigurationsaufwand und ein Verständnis für die besonderen Ansprüche von PDF-Dateien. Wer das investiert, bekommt eine Suchmaschine, mit der sich auch umfangreiche Archive zuverlässig durchsuchen lassen. Die Zeiten, in denen ein Gutachten im Archiv verschwindet, weil niemand den Dateinamen kennt, sind dann vorbei.

Dabei zeigt sich eines immer wieder: Die Technik ist weniger das Problem als die Erwartungshaltung. Wer glaubt, die Volltextsuche sei eine einfache Checkbox in den Nextcloud-Einstellungen, wird enttäuscht. Wer sie als Projekt begreift, mit Infrastruktur und Betriebsverantwortung, wird reich belohnt. Nextcloud selbst liefert die Grundlagen, die Apps bringen die Bausteine, und der Admin sorgt dafür, dass alles zusammenpssst. Genau so sollte moderne Infrastruktur sein: modular, offen und ein bisschen erklärungsbedürftig.

Nicht zuletzt ist die Volltextsuche ein gutes Beispiel dafür, wie Open Source funktioniert. Kein Hersteller hat ein perfektes Produkt aus einem Guss geschaffen. Stattdessen gibt es eine Plattform, die erweiterbar ist. Man muss nur wissen, welche Schrauben man drehen kann. Bei der PDF-Suche sind das die Extraktoren. Ohne sie bleibt es bei einem Index mit dünnen Dateinamen – technisch beeindruckend, aber inhaltlich wertlos. Mit ihnen wird aus einem stummen Ordner ein Wissensspeicher.

Zurück zur Kollegin mit dem gesuchten Gutachten. Hätte die Cloud eine Volltextsuche, würde sie »Garantie« eintippen und in Sekundenbruchteilen nicht nur die PDF-Datei sehen, sondern auch die Seite, auf der das Wort auftaucht. Sie müsste nicht mehr raten, wie die Datei heißt. Sie müsste nur noch wissen, worin geschrieben steht, was sie sucht. Und das ist am Ende die eigentliche Funktion einer Ablage: dass das Wissen nicht im Datenfriedhof verschwindet, sondern wieder ans Tageslicht kommt – egal ob in Lieferscheinen, Exposés oder Vertragsunterlagen.

Wer also vor einem PDF-Berg steht und sich fragt, ob sich die Einrichtung der Volltextsuche lohnt, sollte sich eine simple Frage stellen: Wie viel Zeit verbringe ich pro Woche damit, Dateien zu suchen? Wenn es mehr als eine Viertelstunde ist, hat sich die Einrichtung meist nach wenigen Wochen amortisiert. Und dass die Suche nicht nur PDFs, sondern auch Textdateien, Markdown-Notizen und zum Teil Office-Dokumente durchforstet, ist ein angenehmer Nebeneffekt. Nextcloud wird dadurch nicht zu einem DMS mit allen Schikanen, aber es kommt dem Wunsch nach einer durchsuchbaren Firmenablage einen großen Schritt näher.

Die Reise ist allerdings noch nicht zu Ende. Die Entwicklung bei Nextcloud schreitet schnell voran. Funktionen wie eine sprachübergreifende Suche oder die Einbindung semantischer Ähnlichkeiten sind in den Kinderschuhen, aber sie werden kommen. Bis dahin bleibt die klassische Volltextsuche das Rückgrat für alle, die ihre PDFs tatsächlich lesen und finden wollen. Man sollte sie nicht unterschätzen – und vor allem nicht auf die lange Bank schieben.