Ratgeber Datenqualität: Datenvalidierung
Praktische Strategien, konkrete Schritte und Best Practices für Datenvalidierung im E-Commerce.
Datenvalidierung ist der systematische Prozess, mit dem du prüfst, ob deine Produktdaten festgelegten Regeln, Formaten und Vorgaben entsprechen, bevor sie deinen Onlineshop oder deine Marktplätze erreichen. Datenvollständigkeit stellt sicher, dass Felder ausgefüllt sind. Validierung stellt sicher, dass die Werte in diesen Feldern auch stimmen, richtig formatiert und logisch stimmig sind. Ohne belastbare Validierungsregeln kann selbst ein zu 100 % vollständiger Katalog unsinnige Preise, unmögliche Abmessungen, falsch formatierte EAN-Codes oder widersprüchliche Attributkombinationen enthalten, die das Vertrauen der Kunden untergraben und Fehler in nachgelagerten Integrationen auslösen.
Wirksame Datenvalidierung arbeitet auf mehreren Ebenen. Die Validierung auf Feldebene prüft einzelne Werte gegen erwartete Formate (Ist das eine gültige E-Mail-Adresse? Besteht diese EAN die Prüfziffernberechnung?). Die Bereichsvalidierung stellt sicher, dass Zahlenwerte in vernünftigen Grenzen liegen (ein T-Shirt für 5000 Euro ist wahrscheinlich ein Fehler). Die feldübergreifende Validierung prüft logische Beziehungen zwischen Attributen (ist ein Produkt als „Batterien enthalten“ markiert, darf das Feld für den Batterietyp nicht leer sein). Die musterbasierte Validierung nutzt reguläre Ausdrücke, um eine einheitliche Formatierung von SKUs, Modellnummern und anderen strukturierten Kennungen durchzusetzen.
Validierungsregeln in einem Produktinformationsmanagement-System wie WISEPIM bilden ein Sicherheitsnetz, das Fehler schon bei der Eingabe abfängt und nicht erst, nachdem sie bei den Kunden angekommen sind. Wenn du Validierungsschemata pro Produktkategorie und Kanal festlegst, erfüllen deine Daten nicht nur deine internen Standards, sondern auch die konkreten Anforderungen jedes Marktplatzes und Vertriebskanals, auf dem du veröffentlichst. Dieser vorausschauende Ansatz senkt die Kosten von Datenfehlern deutlich, reduziert abgelehnte Listings und schafft eine Grundlage aus verlässlichen Produktdaten für dein gesamtes Geschäft.
Auf einen Blick
Grundprinzipien: Datenvalidierung
Die wichtigsten Konzepte und Regeln für wirksame Ergebnisse
- 1
Bei der Eingabe validieren
Fang Datenfehler so früh wie möglich im Lebenszyklus deiner Produktdaten ab. Richte Validierungsregeln ein, die greifen, wenn Daten erstmals eingegeben, importiert oder von Lieferanten empfangen werden, statt zu warten, bis nachgelagerte Systeme oder Kunden die Probleme entdecken. Früh erkannte Fehler sind um ein Vielfaches günstiger zu beheben als Fehler nach der Veröffentlichung.
Zeig Validierungsfehler direkt im Feld an, wenn ein Produktmanager einen ungültigen EAN-Code im PIM eingibtPrüf Lieferantenfeeds gegen dein Schema, bevor du Datensätze ins System importierstMarkier Formatierungsprobleme beim CSV-Upload, statt fehlerhafte Daten stillschweigend zu importieren - 2
Validierung von einfach bis komplex schichten
Bau deine Validierungsregeln in Schichten auf: Beginne mit einfachen Formatprüfungen (Datentyp, Pflichtfelder), ergänze dann Bereichs- und Grenzwertprüfungen, danach Mustervergleiche und zuletzt feldübergreifende Prüfungen und Geschäftslogik. Mit diesem Schichtenmodell lassen sich Regeln leichter pflegen und Fehler leichter finden.
Schicht 1: Das Preisfeld muss eine positive Zahl sein (Typprüfung)Schicht 2: Der Preis muss zwischen 0,01 und 99999,99 liegen (Bereichsprüfung)Schicht 3: Die SKU muss dem Muster ABC-12345 entsprechen (Regex-Validierung)Schicht 4: Ist Garantie „ja“, muss warranty_duration ausgefüllt sein (feldübergreifende Prüfung) - 3
Kanalspezifische Validierungsprofile festlegen
Jeder Vertriebskanal hat eigene Datenanforderungen und Formatierungsregeln. Leg für jeden Kanal ein Validierungsprofil an, damit du Produkte vor der Ausspielung gegen die konkreten Regeln von Amazon, bol.com, Shopify oder jeder anderen Plattform prüfen kannst. So vermeidest du abgelehnte Listings und bringst Produkte schneller auf den Markt.
Amazon verlangt Bullet Points mit jeweils unter 500 Zeichen und außerhalb von Medienkategorien Titel mit höchstens 75 ZeichenBol.com verlangt EAN-13-Codes und bestimmte Attributnamen auf NiederländischGoogle Shopping verlangt GTIN, Marke, Zustand und eine bestimmte Produktkategorie-Taxonomie - 4
Regex-Muster für strukturierte Daten nutzen
Reguläre Ausdrücke sind ein starkes Werkzeug, um strukturierte Kennungen wie SKUs, Modellnummern, EAN/GTIN-Codes und andere formatierte Felder zu validieren. Leg Regex-Muster pro Attribut und pro Kategorie fest, damit strukturierte Daten im ganzen Katalog einheitlichen Formatierungsregeln folgen.
EAN-13-Muster: ^[0-9]{13}$ mit PrüfziffernvalidierungHex-Farbcode-Muster: ^#[0-9A-Fa-f]{6}$ für digitale FarbangabenEigenes SKU-Muster: ^[A-Z]{2}-[0-9]{4}-[A-Z]{1}$ passend zu deiner internen Namenskonvention - 5
Feldübergreifende Validierungslogik einbauen
Viele Probleme mit der Datenqualität zeigen sich erst, wenn du die Beziehungen zwischen Feldern betrachtest. Die feldübergreifende Validierung prüft, ob Attributkombinationen logisch zusammenpassen: ob Abmessungen zueinander stimmig sind, ob bedingte Felder richtig ausgefüllt sind und ob abhängige Attribute zu ihren übergeordneten Werten passen.
Ist product_type „clothing“, müssen die Felder für Größe und Farbe gefüllt seinDas Versandgewicht darf das Produktgewicht plus einen vernünftigen Verpackungsaufschlag nicht überschreitenIst hazardous_material „true“, muss safety_data_sheet_url eine gültige URL sein
Kostenloses Tool
Prüf ein Produkt gegen die Regeln von Google Shopping
Gib Titel, Beschreibung, Preis, GTIN und Bildlink eines Produkts ein. Der Checker listet die Fehler und Warnungen auf, die die Kernanforderungen des Merchant Center auslösen würden, noch bevor du hochlädst.
Datenvalidierung einrichten
Eine Schritt-für-Schritt-Anleitung, mit der du diese Praxis für Datenqualität in deinem Shop umsetzt
- 1
Bestehende Datenfehler erfassen
Bevor du Validierungsregeln schreibst, analysiere deinen bestehenden Katalog, um die häufigsten Arten von Datenfehlern zu verstehen. Exportier deine Produktdaten und prüf sie systematisch auf uneinheitliche Formate, Werte außerhalb des zulässigen Bereichs, ungültige Codes und logische Widersprüche. Diese Fehlerinventur ist die Grundlage dafür, welche Validierungsregeln du zuerst umsetzt.
- Prüf alle EAN-Codes und finde die, bei denen die Prüfziffernkontrolle fehlschlägt
- Prüf alle Preisfelder auf Nullwerte, negative Zahlen oder verdächtig hohe Beträge
- Finde Produkte, deren Gewicht ohne Vereinheitlichung in verschiedenen Einheiten angegeben ist (kg, g oder lbs)
- 2
Validierungsregeln pro Attribut festlegen
Leg für jedes Attribut in deinem Datenmodell fest, welche Validierungsregeln es bestehen muss. Dokumentier den erwarteten Datentyp, das Format, den Wertebereich, die erlaubten Werte und alle bedingten Anforderungen. Beginne mit den wichtigsten Attributen (Preis, Kennungen, Hauptfelder) und ergänze nach und nach Regeln für weitere Attribute.
- Preis: numerisch, > 0, <= 99999,99, höchstens 2 Nachkommastellen, Währung muss angegeben sein
- Produkttitel: Text, 10-200 Zeichen, keine durchgehenden Großbuchstaben, keine Werbetexte
- Gewicht: numerisch, > 0, Einheit muss angegeben sein, sinnvoller Bereich pro Kategorie (z. B. Kleidung < 10 kg)
- 3
Validierungsschemata pro Kategorie und Kanal aufbauen
Fass einzelne Attributregeln zu umfassenden Validierungsschemata zusammen, geordnet nach Produktkategorie und Vertriebskanal. Ein Schema definiert alle Regeln, die ein Produkt bestehen muss, damit es in einem bestimmten Kontext als gültig gilt. So lässt sich dasselbe Produkt je nach Veröffentlichungsort unterschiedlich validieren.
- Elektronik-Schema für Amazon: GTIN Pflicht, 5 Bullet Points, Titel mit höchstens 75 Zeichen, Marke verpflichtend
- Mode-Schema für Shopify: Größentabelle Pflicht, Namenskonvention für Farbvarianten, Materialzusammensetzung
- Allgemeines internes Schema: alle Pflichtfelder gefüllt, kein Platzhaltertext, Bilder erfüllen die Mindestauflösung
- 4
Automatische Validierungsabläufe einrichten
Richte eine automatische Validierung ein, die bei der Dateneingabe, beim Import, bei geplanten Prüfläufen und vor der Veröffentlichung greift. Konfigurier das System so, dass es zwischen blockierenden Fehlern (Daten können nicht gespeichert oder veröffentlicht werden) und Warnungen (Daten gehen weiter, sollten aber geprüft werden) unterscheidet. Formulier klare Fehlermeldungen, mit denen Nutzer Probleme schnell beheben.
- Blockier das Speichern eines Produkts, wenn die EAN die Prüfziffernvalidierung nicht besteht (kritischer Fehler)
- Zeig eine Warnung, wenn die Produktbeschreibung kürzer als 100 Zeichen ist (Qualitätswarnung)
- Prüf Produkte gegen die Kanalschemata, bevor du sie an Marktplätze ausspielst
- 5
Validierungs-Dashboards und Berichte erstellen
Bau Dashboards, die Teams zeigen, wie es um die Validierung des Katalogs steht. Verfolge Kennzahlen wie Bestehensquoten, häufigste Fehlerarten, Fehlertrends im Zeitverlauf und Validierungsergebnisse pro Lieferant oder Kategorie. Diese Berichte helfen dir, systematische Probleme zu erkennen und die Wirksamkeit deiner Validierungsregeln zu messen.
- Dashboard mit der Bestehensquote pro Kategorie und Drilldown auf konkrete Fehlerarten
- Wöchentlicher E-Mail-Bericht mit neuen Validierungsfehlern und offenen Problemen
- Lieferanten-Scorecard mit der Fehlerquote pro Datenlieferant
- 6
Regeln anhand von Feedback verbessern
Validierungsregeln richtest du nicht einmal ein und vergisst sie dann. Behalte Fehlalarme (gültige Daten als Fehler markiert) und übersehene Fehler (Fehler, die durchrutschen) im Blick und verfeinere deine Regeln laufend. Hol Feedback von Produktmanagern und Datenteams zu Regeln ein, die zu streng oder zu locker sind, und pass sie entsprechend an.
- Lockere die Titellängenprüfung für eine Kategorie, nachdem sich gezeigt hat, dass Titel dort naturgemäß länger sind
- Ergänze eine neue feldübergreifende Regel, nachdem du ein wiederkehrendes Fehlermuster in Lieferantendaten entdeckt hast
- Pass die Preisbereichsprüfung saisonal an, um Preisanpassungen in der Feiertagssaison zu berücksichtigen
Best Practices: Datenvalidierung
Bewährte Dos and Don'ts, damit deine Arbeit an der Datenqualität das meiste bringt
- Machen
Validiere Daten an jedem Eingangspunkt: manuelle Eingabe, CSV-Import, API-Integration und Lieferantenfeeds, mit demselben Regelwerk für einheitliche Ergebnisse.
VermeidenDaten erst beim letzten Veröffentlichungsschritt validieren und Fehler sich so in der ganzen Produktdaten-Pipeline ansammeln lassen.
- Machen
Formuliere klare, umsetzbare Fehlermeldungen, die genau sagen, was falsch ist und wie man es behebt.
VermeidenAllgemeine Fehlermeldungen wie „Validierung fehlgeschlagen“ zeigen, ohne zu sagen, welches Feld warum durchgefallen ist.
- Machen
Unterscheide zwischen blockierenden Fehlern (ungültige Daten, die behoben werden müssen) und Warnungen (verbesserungswürdige Daten, die geprüft werden sollten).
VermeidenJedes Validierungsproblem als harte Sperre behandeln, Nutzer frustrieren und Produktdaten-Workflows ausbremsen.
- Machen
Leg kanalspezifische Validierungsprofile an, damit Produkte vor der Ausspielung gegen die genauen Anforderungen jedes Marktplatzes geprüft werden.
VermeidenEin einziges allgemeines Validierungsschema für alle Kanäle nutzen und kanalspezifische Anforderungen übersehen, die zu abgelehnten Listings führen.
- Machen
Protokolliere alle Validierungsereignisse und führ einen Audit-Trail, damit du nachvollziehen kannst, wann Fehler erkannt wurden, wer sie behoben hat und wie sich Muster im Lauf der Zeit verändern.
VermeidenValidierungsfehler stillschweigend korrigieren oder ignorieren, ohne sie festzuhalten, und so wertvolle Daten über systematische Qualitätsprobleme verlieren.
- Machen
Prüf und aktualisiere deine Validierungsregeln jedes Quartal und berücksichtige dabei Feedback aus den Teams, neue Kanalanforderungen und Muster aus den Validierungsberichten.
VermeidenValidierungsregeln einmal schreiben und nie wieder anpassen, obwohl sich Produktkategorien, Kanäle und Geschäftsanforderungen weiterentwickeln.
Tools für Datenvalidierung
Empfohlene Tools und WISEPIM-Funktionen, mit denen du das in die Praxis umsetzt
WISEPIM Quality Guard
Leg Validierungsregeln für Kategorien, Familien oder einen einzelnen Kanal fest, ergänzt durch Prüfungen pro Attribut für Länge, Muster und Wertebereich. Quality Guard zeigt, welche Produkte an welcher Regel scheitern, und eine Regel mit der Einstellung Block stellt ein Produkt vor dem Export unter Quarantäne.
Mehr erfahrenRegel-Builder, Vorlagen und Regelpakete
Bau Regelbedingungen visuell mit Match ALL oder Match ANY, starte mit einer Regelvorlage oder installier ein Regelpaket als Entwurf und sieh dir vor dem Aktivieren an, welche Produkte eine Regel markieren würde.
Musterregeln und GTIN-Prüfungen
Nutze den Operator „matches pattern“ für jedes Format, das sich mit einem regulären Ausdruck beschreiben lässt, und die eingebaute Prüfziffernvalidierung für GTINs und EANs. Die Attributvalidierung hat außerdem Vorlagen für E-Mail-Adressen, URLs, Telefonnummern und alphanumerische Codes.
Quality Guard Dashboard
Sieh die Regeln, die am häufigsten scheitern, den Quarantäne-Trend, die Aufschlüsselung deines Scores und die Leistung jeder Regel, und exportier das Audit-Log, um es mit Stakeholdern zu teilen.
Mehr erfahrenVerwaltete Regelpakete
Installier versionierte Regelpakete für Google Shopping, Amazon, bol, Meta und Kaufland sowie Pakete, die aus den Exportregeln jedes verbundenen Shops erzeugt werden. Die Pakete erhalten Updates, damit deine Regeln mit den Anforderungen jedes Kanals Schritt halten.
Erfolg messen: Datenvalidierung
Die wichtigsten Kennzahlen und Zielwerte, mit denen du deinen Fortschritt verfolgst
Bestehensquote der Validierung
Der Anteil der Produkte in deinem Katalog, die alle zutreffenden Validierungsregeln fehlerfrei bestehen. Das ist der wichtigste Indikator für die Gültigkeit deiner Daten und sollte pro Kategorie und pro Kanal verfolgt werden.
Fehlererkennungsrate bei der Eingabe
Der Anteil der Datenfehler, die bei der Eingabe (manuelle Eingabe, Import, API) abgefangen werden, im Vergleich zu Fehlern, die erst später in der Pipeline oder von Kunden entdeckt werden. Höhere Werte zeigen eine wirksamere Validierung an der Front.
Ablehnungsquote der Kanäle
Der Anteil der Produktlistings, die Marktplätze und Vertriebskanäle wegen fehlgeschlagener Datenvalidierung ablehnen. Diese Kennzahl misst direkt, wie gut deine interne Validierung zu den Anforderungen der externen Kanäle passt.
Durchschnittliche Zeit bis zur Behebung von Validierungsfehlern
Die durchschnittliche Zeit zwischen der Erkennung eines Validierungsfehlers und seiner Behebung. Kürzere Zeiten sprechen für klare Fehlermeldungen, effiziente Workflows und handlungsfähige Datenteams.
Fehlalarmquote
Der Anteil der Validierungsmeldungen, die korrekte Daten als Fehler markieren. Eine hohe Fehlalarmquote deutet auf zu strenge Regeln hin, die Zeit im Team kosten und das Vertrauen in die Validierung untergraben.
Beispielszenario
Ein Elektronikhändler fängt Listing-Fehler ab, bevor sie die Marktplätze erreichen
Stell dir einen Elektronikhändler mit rund 8.000 aktiven SKUs vor, der über seinen eigenen Webshop und mehrere Marktplätze wie Amazon, bol.com und Kaufland verkauft. Listings werden wegen ungültiger GTINs, Titeln, die gegen die Formatierungsregeln eines Kanals verstoßen, und fehlender Pflichtattribute abgelehnt. Jede Ablehnung bedeutet: Jemand öffnet den Fehlerbericht des Marktplatzes, sucht das Produkt, korrigiert es und reicht es erneut ein, oft Tage nachdem das Produkt hätte live gehen sollen.
Das Team richtet Quality Guard mit einem Regelsatz pro Kanal ein: GTIN-Prüfungen, Titellängen und die Pflichtattribute jedes Marktplatzes, dazu einige feldübergreifende Prüfungen, etwa dass ein Angebotspreis den regulären Preis nicht überschreiten darf. Kritische Regeln bekommen den Schweregrad Block, sodass ein durchgefallenes Produkt in Quarantäne bleibt, statt exportiert zu werden, während kosmetische Probleme nur eine Warnung auslösen. Weil die Regeln auch bei jedem Import und jeder Massenbearbeitung laufen, zeigen sich Probleme in Lieferantendaten, sobald die Datei eingeht.
Erste Schritte: Datenvalidierung
Drei Schritte, mit denen du die Qualität deiner Produktdaten noch heute verbesserst
01
Fehler prüfen und Validierungsregeln festlegen
Analysiere zuerst deine bestehenden Produktdaten, um die häufigsten und teuersten Datenfehler zu finden. Exportier deinen Katalog und prüf ihn systematisch auf uneinheitliche Formate, ungültige Codes, Werte außerhalb des zulässigen Bereichs und logische Widersprüche. Ordne die Fehler nach Art und Häufigkeit und leg dann für jedes Attribut Validierungsregeln fest: erwarteter Datentyp, Format (mit Regex für strukturierte Felder), zulässiger Bereich, erlaubte Werte und bedingte Anforderungen. Setz zuerst die Regeln um, die deine häufigsten Fehlerarten abdecken.
02
Validierungsschemata aufbauen und Automatisierung einrichten
Fass deine Regeln auf Attributebene zu Validierungsschemata für jede Produktkategorie und jeden Vertriebskanal zusammen. Konfigurier dein PIM so, dass diese Validierungen an jedem Eingangspunkt automatisch laufen: manuelle Eingabe, Massenimport, API-Integration und Lieferantenfeeds. Arbeite mit Schweregraden (blockierende Fehler und Warnungen), damit kritische Probleme die Veröffentlichung verhindern, während Qualitätshinweise Verbesserungen anstoßen, ohne Workflows anzuhalten. Teste deine Schemata vor dem vollständigen Rollout an einer Stichprobe bestehender Produkte, um die Empfindlichkeit richtig einzustellen.
03
Überwachen, berichten und laufend verbessern
Richte Validierungs-Dashboards ein, um Bestehensquoten, Fehlerverteilung und Behebungszeiten in deinem Katalog zu verfolgen. Erstell regelmäßig Berichte für Kategoriemanager und Ansprechpartner bei Lieferanten, die systematische Probleme sichtbar machen. Behalte die Fehlalarmquote im Blick und hol Feedback aus den Datenteams ein, um zu strenge oder zu lockere Regeln zu verfeinern. Aktualisiere deine Validierungsprofile, sobald sich Marktplatzanforderungen ändern oder neue Fehlermuster auftauchen. Behandle die Validierung als lebendiges System, das sich mit deinem Katalog und deiner Kanalstrategie weiterentwickelt.
Regelwerk zur Validierung von Produktdaten
Lade unseren umfassenden Leitfaden herunter, mit dem du ein lückenloses Validierungs-Framework für deinen Produktkatalog aufbaust. Mit sofort nutzbaren Regex-Mustern, Validierungsvorlagen und kanalspezifischen Regelsätzen.
- Fertige Regex-Musterbibliothek für EAN/GTIN, SKU-Formate, URLs, E-Mail-Adressen und 20+ gängige Produktdatenfelder
- Validierungs-Spickzettel für Amazon, bol.com, Google Shopping und Shopify mit genauen Feldanforderungen und Formatierungsregeln
- Vorlage für eine Matrix feldübergreifender Validierungen, mit der du logische Beziehungen zwischen Produktattributen festlegst und dokumentierst
- Framework für Schweregrade, mit dem du entscheidest, welche Regeln die Veröffentlichung blockieren und welche nur warnen
Häufige Fragen
Häufige Fragen zu Datenvalidierung
Weitere Themen zur Datenqualität
Weiter entdecken
Handverlesene nächste Schritte, um tiefer einzusteigen.
Bereit, die Qualität deiner Produktdaten zu verbessern?
WISEPIM hilft dir, die Datenqualität im ganzen Katalog mit KI-gestützten Tools zu messen, zu validieren und zu verbessern.