Viele Unternehmen haben noch immer keine zentrale Quelle für ihre Produktdaten und keinen echten digitalen Produktkatalog, sondern arbeiten mit Excel-Tabellen. Wenn ein Katalog mit 500 SKUs und 40 Attributen pro Produkt 20.000 zu pflegende Datenpunkte bedeutet, führt manuelle Eingabe direkt zu der schlechten Datenqualität, die Unternehmen jedes Jahr teuer zu stehen kommt.
Die Kosten schlechter Daten gehen über interne Ineffizienz hinaus. In der Verbraucherstudie 2025 von Salsify gaben 54 % der Käufer an, einen Kauf wegen widersprüchlicher Produktinformationen abgebrochen zu haben.
Im März 2026 steht noch mehr auf dem Spiel. Da der Digitale Produktpass (DPP) der EU in breitere Umsetzungsphasen geht, ist die Zentralisierung von Produktdaten eine strikte regulatorische Anforderung. Marken, die in der EU verkaufen, müssen detaillierte Informationen auf Produktebene wie Herkunft, CO2-Fußabdruck und Reparierbarkeit erfassen und offenlegen. Compliance lässt sich nicht mit einem SVERWEIS vortäuschen.
Analysten von Forrester arbeiten mit einem klaren Grundsatz: Großartige Produkterlebnisse beginnen mit großartigen Produktdaten. Auf einem kaputten Datenfundament lässt sich keine überzeugende Omnichannel-Customer-Journey aufbauen. Hier ist der genaue Prozess für den Wechsel von einem zersplitterten Datenstack zu einem zentralen digitalen Katalog.
Fünf Schritte vom zersplitterten Datenstack zum digitalen Produktkatalog
- 1
Schritt 1
Stack prüfen und kartieren
Finde heraus, wo Preise, Spezifikationen und Bilder heute liegen: ERP, PLM, geteilte Ordner.
- 2
Schritt 2
Lieferantendaten automatisch übernehmen
Eingehende Lieferantendateien normalisieren, bevor sie in die Datenbank gelangen.
- 3
Schritt 3
Regeln zur Attributvererbung festlegen
Kategorien legen Pflichtfelder fest; unvollständige Produkte werden markiert.
- 4
Schritt 4
AI zur Normalisierung und Anreicherung einsetzen
Fehlende Attribute erkennen und Beschreibungen in großem Umfang füllen.
- 5
Schritt 5
Echtzeit-Syndication einrichten
Den Golden Record auf die Formatregeln jedes Kanals mappen.
Schritt 1: Den Frankenstein-Stack prüfen und kartieren
Ein typischer E-Commerce-Manager holt Preise aus dem ERP, technische Spezifikationen aus einem PLM und Lifestyle-Bilder aus einem geteilten Dropbox-Ordner. Diese Zersplitterung führt zu Albträumen bei der Versionskontrolle, weil Marketing, Vertrieb und Technik alle auf unterschiedliche Daten schauen.
Fachleute von Profisee und Centric Software warnen davor, diese Zentralisierung mit Master Data Management (MDM) zu verwechseln. MDM schafft einen Golden Record für zentrale Geschäftsdaten wie Finanz- und Mitarbeiterdaten. Dein Product-Information-Management-System (PIM) dient speziell dazu, die Produktinhalte für Endkunden anzureichern. Kartiere genau, wo deine kundenorientierten Daten heute liegen, bevor du versuchst, sie zu verschieben.
Schritt 2: Lieferantendaten automatisch übernehmen
Für Distributoren und Großhändler ist das Onboarding von Lieferantendaten der größte operative Engpass. Lieferanten schicken Daten in völlig unterschiedlichen Formaten: PDFs, uneinheitliche Excel-Tabellen und proprietäre Portale. Das führt zu uneinheitlicher Datenqualität und massiven Verzögerungen bei der Time-to-Market.
Der Großhändler Graybar hat das mit einer zentralen Intake-Plattform gelöst, die die Übernahme von Daten Hunderter Lieferanten automatisiert. Mit einer einheitlichen Intake-Schicht, die eingehende Lieferantendateien automatisch in einen standardisierten Produktkatalog überführt, haben sie die Listungskosten drastisch gesenkt. Deine Zentralisierungsstrategie braucht einen eigenen Workflow, der eingehende Lieferantendateien normalisiert, bevor sie deine Kerndatenbank erreichen.
Schritt 3: Strikte Regeln zur Attributvererbung festlegen
Daten ohne Regeln in einen zentralen Hub zu verschieben, erzeugt nur ein größeres, teureres Chaos. Du brauchst strikte Data Governance.
Der Textilhersteller SETEX ertrank in Excel-Listen, bis er mit Pflichtattributen und Vererbungslogik eine zentrale Datenquelle aufbaute. Mit sauberer Attributmodellierung legst du fest, dass die Kategorie „T-Shirt“ automatisch die Pflichtfelder Größe, Farbe und Materialzusammensetzung erbt. Fehlen einem Produkt diese Pflichtfelder, markiert das System es und verhindert die Veröffentlichung in deinem Shop. So verschwinden die unvollständigen Listings, die direkt zu hohen Retourenquoten führen.
Wie Attributvererbung verhindert, dass ein unvollständiges T-Shirt live geht
Schritt 4: AI zur Normalisierung und Anreicherung einsetzen
Die Experimentierphase der AI-Content-Erstellung liegt längst hinter uns. 2026 ist AI tief in operative Workflows eingebettet. Digital Asset Management (DAM) und PIM verschmelzen zu einheitlichen Produkt-Content-Hubs, in denen AI visuelle Attribute automatisch aus Produktbildern extrahiert, um textliche Spezifikationen zu füllen.
AI-gestützte Produktdatenanreicherung verkürzt die Onboarding-Zeit neuer Produkte deutlich. Statt Materialzusammensetzungen von Hand einzutippen oder eigene Beschreibungen für 50 Varianten eines Sofas zu schreiben, erkennt das System fehlende Attribute, normalisiert Lieferantendaten und reichert Daten vorausschauend auf Basis der bisherigen Produktperformance an.
Schritt 5: Echtzeit-Syndication-Endpunkte einrichten
Nächtliche Batch-Verarbeitung ist tot. Moderne Composable-Commerce-Architekturen verlangen Echtzeit-Synchronisierung per API, damit Preise, Bestand und Produktspezifikationen in allen globalen Kanälen sofort aktuell sind.
E-Commerce-Manager kämpfen ständig damit, interne Produktdaten an externe Kanäle zu übertragen, weil jeder Endpunkt strikte, eigene Formatvorgaben hat. Amazon, Google Shopping und B2B-Portale verlangen jeweils andere Zeichenlimits, Bildmaße und Taxonomien. Ein sauber konfigurierter Multichannel-Katalog mappt deinen zentralen „Golden Record“ automatisch auf diese Anforderungen, damit deine Daten immer akzeptiert werden und perfekt für das Ziel formatiert sind.
Der Irrtum vom Allheilmittel
Skeptiker weisen zu Recht darauf hin, dass Zentralisierungsprojekte häufig scheitern. Warum? Weil Unternehmen sie als IT-Softwareinstallation behandeln statt als Transformation von Geschäftsprozessen. Wenn du schlechte Daten aus einem ERP in ein glänzendes neues PIM migrierst, ohne vorher Data Governance und Bereinigungsprozesse festzulegen, bekommst du nur schneller schlechte Daten.
Viele Organisationen berichten von großen Schwierigkeiten, Daten zwischen PIM, ERP und MDM zu synchronisieren. Teams unterschätzen regelmäßig den Aufwand, APIs zu mappen und systemübergreifende Workflows zu pflegen.
Einen zentralen digitalen Produktkatalog aufzubauen, erfordert Disziplin, klare Attributregeln und die Bereitschaft, alte Tabellengewohnheiten aufzugeben. Sobald dieses Fundament steht, sind Produktinhalte keine operative Last mehr, sondern ein messbarer Wettbewerbsvorteil.

