Zum Hauptinhalt springen
Zurück zum E-Commerce-Lexikon

Datenverfall (Data Decay)

DatenmanagementStufe: Intermediate

Datenverfall ist der schleichende Verlust an Genauigkeit gespeicherter Daten, etwa Produktdetails, die veralten, wenn sich Preise, Spezifikationen und Lieferanten ändern.

Image by · CC BY 4.0

Was ist Datenverfall (Data Decay)?

Datenverfall (Data Decay) ist der schleichende Verlust an Genauigkeit gespeicherter Daten: Informationen, die bei der Eingabe korrekt waren, werden veraltet oder falsch, weil sich die reale Welt verändert hat. Man spricht auch von Datenverschlechterung oder Data Rot. Im E-Commerce trifft der Verfall Produktdaten am stärksten. Lieferanten ändern Spezifikationen, Verpackungen und Materialien, Preise und Aktionen laufen aus und Artikel verlassen das Sortiment, während dein Katalog weiter die alten Werte zeigt. Das unterscheidet sich von einem einfachen Datenqualitätsproblem wie einem Tippfehler, der vom ersten Tag an falsch ist; verfallene Daten waren einmal richtig. Du bekämpfst Datenverfall mit regelmäßigen Audits, frischen Lieferantenimporten und Validierungsregeln, die veraltete oder fehlende Felder markieren. Der Leitfaden zur Datenqualität erklärt, wie du diese Prüfungen für einen Produktkatalog einrichtest.

Warum Datenverfall (Data Decay) im E-Commerce wichtig ist

Käufer kaufen auf Basis dessen, was auf der Produktseite steht. Ist eine Größentabelle, ein Material oder eine Akkuangabe veraltet, passt das gelieferte Produkt nicht, und das führt zu Retouren und schlechten Bewertungen. Laut der Consumer Research 2026 von Salsify haben 45 % der Käufer einen Onlinekauf wegen falscher oder irreführender Informationen zurückgeschickt. Datenverfall breitet sich außerdem über Kanäle aus. Werden Webshop, Produktfeed und Marketplace-Listings zu unterschiedlichen Zeitpunkten aktualisiert, driften sie auseinander, und Kanäle wie Google Merchant Center können Produkte ablehnen, wenn Feed und Landingpage nicht übereinstimmen. Wenn du Produktdaten als lebenden Datensatz mit Verantwortlichen und Prüfterminen behandelst, bleibt jeder Kanal konsistent.

Beispiele für Datenverfall (Data Decay)

  • 1Feld: Akkulaufzeit, Gespeicherter Wert: 8 Stunden, Aktueller Wert: 10 Stunden nach einer Hardware-Revision
  • 2Feld: Verpackungsbild, Gespeicherter Wert: altes Kartondesign, Aktueller Wert: neuer Karton, den der Hersteller seit dem Frühjahr ausliefert
  • 3Feld: Angebotspreis, Gespeicherter Wert: Aktionspreis, Aktueller Wert: regulärer Preis, die Aktion ist vor Wochen ausgelaufen
  • 4Feld: Verfügbarkeit, Gespeicherter Wert: auf Lager, Aktueller Wert: vom Lieferanten eingestellt
Image by · CC BY 4.0

So hilft WISEPIM

  • Regeln in Quality Guard markieren Produkte mit fehlenden oder ungültigen Feldern, bevor du sie veröffentlichst.
  • Geplante Importe über Automationen (stündlich, täglich, wöchentlich oder monatlich) holen frische Lieferantendateien in einen zentralen Katalog.
  • Bulk Editing (Massenbearbeitung) lässt dich eine geänderte Spezifikation oder einen Preis für viele Produkte auf einmal korrigieren.
  • Channel Readiness zeigt, welchen Produkten die Felder fehlen, die ein Verkaufskanal braucht.

Häufige Fehler bei Datenverfall (Data Decay)

  • Produktdaten in vielen getrennten Tabellen halten, sodass eine Änderung nie jede Kopie erreicht.
  • Keinen festen Prüfrhythmus für deine Bestseller haben.
  • Lieferantenhinweise zu geänderten Spezifikationen oder ausgelaufenen Artikeln ignorieren.
  • Annehmen, dass Produktdaten nach dem Launch für immer korrekt bleiben.

Tipps zu Datenverfall (Data Decay)

  • Gib jeder Produktgruppe einen Verantwortlichen, der sie in einem festen Rhythmus prüft.
  • Markiere Produkte, die seit sechs Monaten niemand aktualisiert hat, und prüfe sie zuerst.
  • Importiere Lieferantendateien nach Zeitplan, damit Spezifikationsänderungen ohne erneutes Eintippen in deinen Katalog gelangen.
  • Erfasse den Retourengrund "entspricht nicht der Beschreibung" pro Produkt; er weist oft auf verfallene Daten hin.

Trends rund um Datenverfall (Data Decay)

  • AI-Anreicherung, um veraltete oder fehlende Produktattribute zu erkennen und zu ergänzen.
  • Geplante Importe, die Lieferantendaten in einem festen Rhythmus statt von Hand aktualisieren.
  • Bildprüfungen, die Produktfotos markieren, die nicht mehr den aktuellen Assets des Herstellers entsprechen.
  • Nachhaltigkeits- und Compliance-Felder, die regelmäßig aktualisiert werden müssen, wenn sich Vorschriften ändern.

Tools für Datenverfall (Data Decay)

  • WISEPIM
  • Akeneo
  • Salsify
  • Google Merchant Center
  • Microsoft Excel

Verwandte Begriffe

Attributkollision (Attribute Collision)Kanonisches Datenmodell (Canonical Data Model)Datenmodell für die KreislaufwirtschaftCBT-Attribute (Cross-Border-E-Commerce)Datenvertrag (Data Contract)Deduplizierung (Data Deduplication)

Auch bekannt als

DatenverschlechterungData RotVeraltete DatenVeralten von Informationen

Häufige Fragen

Datenverfall ist der schleichende Verlust an Genauigkeit gespeicherter Daten. Informationen, die bei der Eingabe korrekt waren, veralten, weil sich Produkte, Preise, Lieferanten oder Regeln ändern. Im E-Commerce zeigt er sich in alten Spezifikationen, falschen Preisen oder gelisteten Artikeln, die nicht mehr verkauft werden.

Ja, in den meisten geschäftlichen Zusammenhängen bedeuten die Begriffe dasselbe: Daten, die mit der Zeit an Genauigkeit verlieren. Manche verwenden Datenverschlechterung oder Data Rot für technische Schäden, etwa beschädigte Dateien oder defekte Bildlinks. Datenverfall meint meist, dass der Inhalt selbst nicht mehr stimmt.

Schlechte Datenqualität kann von Anfang an falsch sein, zum Beispiel ein Tippfehler oder ein leeres Feld beim Import. Datenverfall betrifft Daten, die einmal korrekt waren, aber veraltet sind, weil sich das reale Produkt oder der Markt geändert hat. Beides senkt das Vertrauen, aber gegen Verfall helfen laufende Prüfungen statt einer einmaligen Bereinigung.

Preise, Lagerbestände und Aktionstexte ändern sich am häufigsten. Technische Spezifikationen, Zertifizierungen und Energielabels ändern sich seltener, werden aber leicht übersehen. Prüfe diese Felder öfter als stabile Felder wie Marke oder Material.

Ein PIM-System kann nicht verhindern, dass sich Produkte ändern, aber es hält einen zentralen Datensatz, den du einmal aktualisierst. Validierungsregeln markieren veraltete oder fehlende Felder, und geplante Lieferantenimporte bringen Änderungen ohne erneutes Eintippen herein.

Noch Fragen?

Keine passende Antwort gefunden? Melde dich bei unserem Team.

Support kontaktieren

Weiter entdecken

Handverlesene nächste Schritte, um tiefer einzusteigen.