Produktinformationsverwaltung im E-Commerce: Aktuelle Risiken und PIM-Lösungen

Wichtigste Erkenntnisse

• Unvollständige Produktdaten kosten Umsatz. In einer großen Umfrage 2026 über sechs Länder hinweg gaben die meisten Online-Käufer an, dass sie die Website wechseln, wenn Produktinformationen mangelhaft sind.
• AI-Shopping-Agenten verarbeiten strukturierte Feeds mit strikten Feldvorgaben. Instabile IDs und Platzhalter führen zu abgelehnten oder fehlgelesenen Zeilen, oft ohne dass es bemerkt wird.
• Die EU Digital Product Passport Registry ist seit Juli 2026 live. Passdaten sind Produktdaten und gehören in dasselbe System wie Ihre E-Commerce-Attribute.
• PIM-Software funktioniert über konkrete Mechanismen: ein typisiertes Datenmodell, Variantenvererbung, Validierungsregeln pro Kanal und Export-Mappings. Ein Tool zu kaufen, bevor diese Strukturen definiert sind, verlagert das Chaos nur in eine neue Oberfläche.

Was Produktinformationsverwaltung im E-Commerce abdeckt

Die meisten Unternehmen haben nicht zu wenig Produktdaten. Sie haben mehrere Versionen davon.

Das ERP enthält Artikelnummern, Preise, Bestände und Logistikdaten. Die Entwicklung verwaltet Spezifikationen in PLM oder Tabellen. Marketing schreibt Texte in Dokumenten, Bilder liegen in einem DAM oder auf gemeinsamen Laufwerken, und Lieferanten senden Dateien mit ihren eigenen Spaltennamen.

Ein PIM-System bündelt den beschreibenden Teil: technische Attribute, Marketing-Texte, Varianten, Beziehungen wie Zubehör und Ersatzteile, Assets, Übersetzungen und kanalspezifische Werte. Anschließend veröffentlicht es diese Daten in Webshops, Marktplätzen, Produkt-Feeds, Druckkatalogen und Partner-Portalen.

Die Arbeitsteilung ist entscheidend. Das ERP bleibt Eigentümer von Preis und Bestand. Die PIM ist Eigentümer dessen, was das Produkt ist und wie es beschrieben wird. Wenn zwei Systeme dasselbe Feld speichern und Menschen beide bearbeiten, driften die Werte auseinander.

Wo Produktdaten scheitern

Die Fehler sind unspektakulär. Deshalb überdauern sie.

Ein Lieferant sendet Gewicht in einer Datei als "1,5 kg" und in einer anderen als "1500 g". Das ERP-Kurztextfeld hat 40 Zeichen, also wird "Akkubohrmaschine 18V bürstenlos 2x5Ah Koffer" der Titel auf jedem Marktplatz. Jemand korrigiert eine Beschreibung direkt im Marktplatz-Backend, und der nächste Export überschreibt die Korrektur. Oder nicht, und jetzt stimmen zwei Kanäle nicht überein. Ein T-Shirt in sechs Größen und fünf Farben sind 30 verkäufliche Artikel, jeder mit eigener ID, Bild und Bestandsstatus. Übersetzungen werden auf Deutsch aktualisiert und auf Französisch vergessen.

Nichts davon sieht in einer Tabelle dramatisch aus. Tabellen sind sehr tolerant. Sie speichern "N/A" in einer Gewichtsspalte ohne Widerspruch.

Käufer sind weniger tolerant. Für ihre State of Product Experience 2026 Studie befragte Syndigo 8.736 Erwachsene in Australien, Brasilien, Frankreich, Deutschland, UK und USA. Vier von fünf gaben an, dass ungenaue oder unvollständige Online-Darstellung ihre Markenwahrnehmung beeinträchtigt. Weltweit waren 17% kürzlich auf widersprüchliche oder gegensätzliche Produktinformationen gestoßen. In den USA hatten 31% ein Produkt zurückgegeben, weil es nicht dem entsprach, was die Produktinformation erwarten ließ. Deutschland lag knapp dahinter bei 30%.

83% der Online-Käufer in den sechs befragten Ländern sagen, dass unzureichende Produktinformationen sie wahrscheinlich auf eine andere Website oder App führen würden.

Retouren sind der kostspielige Teil. Eine Rücksendung wegen falscher Daten zahlt zweimal Versand, bedeutet Aufwand und verliert oft den Kunden.

Aktuelle Trends und Risiken in der Produktdatenverwaltung

AI-Shopping-Agenten lesen Ihren Feed

Shopping-Agenten in Chat-Interfaces vergleichen Produkte aus strukturierten Daten. Vieles von dem, was sie wissen, stammt aus Feeds und APIs, die Händler einreichen, und das Seiten-Design reist nicht mit diesen Daten mit.

OpenAIs Produkt-Feed-Spezifikation für ChatGPT zeigt, was das in der Praxis bedeutet. Ein Discovery-Feed benötigt neun Felder pro Zeile: item_id, title, description, url, brand, seller_name, image_url, availability und price. Titel sollten etwa 150 Zeichen nicht überschreiten und Beschreibungen 5.000 Zeichen, als reiner Text. Die Regeln rund um diese Felder sind der Punkt, an dem schwache Kataloge scheitern:

• Jeder käufliche Artikel oder jede Variante erhält eine eigene Zeile und eine stabile item_id, die nie für einen anderen Artikel wiederverwendet wird. Varianten teilen sich eine group_id. Der Preis darf nie in einer Angebots-ID erscheinen.
• Unbekannte optionale Werte werden weggelassen. Platzhalter-Zeichenketten wie "null", "unknown" oder "n/a" sind nicht zulässig. Ein leerer Versandpreis zählt als unbekannt.
• GTINs benötigen genau 8, 12, 13 oder 14 Ziffern mit einer gültigen Prüfziffer. Identifikatoren bleiben Zeichenketten, damit führende Nullen erhalten bleiben. Jeder, der eine GTIN-Spalte in Excel geöffnet hat, weiß, warum es diese Regel gibt.
• Dimensionen beschreiben das Produkt ohne Verpackung, und Einheiten werden nicht aus dem Markt abgeleitet.
• Verkaufsdaten im Feed planen keine Preisänderungen. Wenn sich der Preis ändert, muss der Feed sich ändern.
• Eine fehlerhafte Zeile kann abgelehnt werden, während gültige Zeilen weiterverarbeitet werden. Der Katalog schrumpft stillschweigend, es sei denn, jemand prüft die Upload-Verlauf.

Der Standard-Upload zielt derzeit auf den US-Markt ab. Andere Märkte benötigen Setup, das OpenAI pro Integration bestätigt. Europäische Verkäufer können die Daten jetzt schon aufbauen, da dieselben Attribute Google-kompatible Feeds, Marktplätze und ihre eigenen Produktseiten versorgen.

Die Käuferseite bewegt sich langsamer als die Technologie. In der Syndigo-Umfrage vertrauen 40% der Käufer weltweit von AI bereitgestellten Produktinformationen, und nur 8% nannten AI-Empfehlungen unter ihren Top-Drei-Kaufüberlegungen. Bewertungen und Rezensionen (53%) und detaillierte Beschreibungen (52%) führen noch immer. In den USA sagten 69%, dass sie noch nie einen AI-Agenten für sie kaufen ließen und das auch nie tun würden.

Agenten sind heute also hauptsächlich für Entdeckung und Vergleich relevant. Käufer treffen die finale Entscheidung immer noch auf Basis detaillierter Inhalte. Beide hängen von denselben Attributen ab. Ein Unternehmen, das seine Daten einmal strukturiert, versorgt den Feed und die Produktseite aus einer Quelle. Ein Unternehmen, das Agent-Feeds von Hand schreibt, verdoppelt seine Wartung und seine Fehlerquote.

Die EU Digital Product Passport ist jetzt Infrastruktur

Die Europäische Kommission hat die Digital Product Passport Registry am 20. Juli 2026 zusammen mit einer Testumgebung gestartet. Die Registry ist ein Index. Produktdaten bleiben dezentralisiert, und Wirtschaftsbeteiligte müssen jeden Pass mit seinen eindeutigen Produktkennungen und zugehörigen Metadaten registrieren.

Die Registrierung läuft über eine Web-Oberfläche oder eine API. Betreiber können ein elektronisches Registrierungszertifikat anfordern, um es B2B-Partnern zu zeigen. Die Kommission stellt auch ein kostenloses semantisches Repository mit maschinenlesbaren Datenmodellen, Definitionen und Vokabular über Produktgruppen hinweg bereit. Sechs von acht harmonisierten Standards sind bereits veröffentlicht. Sie umfassen eindeutige Kennungen, Interoperabilität, Datenträger, APIs, Datenaustauschprotokolle und Datenspeicherung.

Die erste verbindliche Frist ist der 18. Februar 2027 für bestimmte große Batterien. Die Registry unterstützt auch ESPR-Produktgruppen wie Textilien, Stahl und Aluminium, Reifen, Möbel, IKT-Produkte und energieverbrauchsrelevante Produkte, plus Spielzeug, Bauprodukte und Waschmittel, die unter andere EU-Regeln fallen.

Für E-Commerce-Teams ist der praktische Punkt einfach. Ein Digital Product Passport ist strukturierte Produktdaten mit rechtlicher Verbindlichkeit. Sie benötigen Identifikatoren auf der Ebene, die jede Produktregel verlangt, Attribute, die oft von Lieferanten kommen, und einen API-Pfad zur Registry. Wenn der Pass in einem separaten Compliance-Tool lebt, driftet er von der Produktseite ab.

Ein Pass, der etwas anderes sagt als eine Produktseite, ist ein Datengüteproblem mit einer Regulierungsbehörde, die zuschaut.

Die meisten produktspezifischen Pass-Regeln sind noch nicht in Kraft, also ändern sich genaue Attributlisten noch laufend. Der sicherere Schritt ist ein flexibles Attributmodell, das neue Felder aufnimmt, ohne ein Schema neu zu erstellen. Wenn Sie Ihre Attribute früh in das Vokabular der Kommission abbilden, sparen Sie sich eine zweite Migration später.

Generative AI schreibt schneller, als jemand prüfen kann

AI-Textgenerierung macht Produktbeschreibungen billig. Das Risiko sind erfundene Attribute. Ein Modell, das gebeten wird, eine ansprechende Beschreibung einer Jacke mit dünnen Eingabedaten zu schreiben, kann sie als wasserfest bezeichnen. Diese Aussage fließt in die Seite, den Feed und die Antwort des Agenten. Dann kommt sie als Rücksendung zurück.

Die Kontrolle ist mechanisch. Generieren Sie Text nur aus genehmigten Attributen. Markieren Sie generierte Felder als generiert. Leiten Sie sie durch einen Review-Status vor jedem Kanal-Export. Regenerieren Sie, wenn sich die Quellattribute ändern. Die OpenAI-Spec fordert eine sachliche Produktbeschreibung, was ein guter Standard für jeden Kanal ist.

Preis und Bestand ändern sich schneller als Attribute

Attribute ändern sich monatlich. Preise und Bestände ändern sich stündlich. Feeds benötigen beides.

Halten Sie das Eigentum sauber. Das ERP oder die Commerce-Plattform besitzt Preis und Verfügbarkeit, die PIM besitzt Attribute, und die Export-Schicht führt sie zum Veröffentlichungszeitpunkt zusammen. Wenn Teams Preise von Hand in die PIM kopieren, um einen Feed zum Laufen zu bringen, zeigt der Feed den gestrigen Preis. Einige B2B-Hersteller halten tatsächlich Katalogpreise in der PIM für Druck- und Partner-Kataloge. Das funktioniert, wenn eine automatisierte Synchronisation sie schreibt und niemand sie manuell bearbeitet.

Wie PIM-Software praktisch funktioniert

PIM-Software ist eine Datenbank mit Standpunkten. Die Standpunkte machen sie nützlich.

Ein typisiertes, konfigurierbares Datenmodell

Produkte gehören zu Klassifikationen, manchmal Familien genannt. Die Klassifikation bestimmt, welche Attribute gelten. Eine Akkubohrmaschine erhält Drehmoment in Nm, Batteriespannung, Spannzangengröße und Gewicht. Ein T-Shirt erhält Stoffzusammensetzung, Passform und Pflegeanleitung.

Jedes Attribut hat einen Typ. Eine Zahl mit einer Einheit speichert 1,5 und kg separat, damit der Export konvertieren kann. Ein Listen-Attribut akzeptiert nur definierte Werte, also kollabiert "Schwarz", "schwarz" und "SWZ" zu einer. Ein Boolean antwortet Ja oder Nein und kann nicht "vielleicht, mit Lieferant klären" enthalten. Mehrsprachiger Text hält jedes Gebietsschema in seinem eigenen Slot, also zeigt sich eine fehlende französische Beschreibung als leeres Feld statt deutscher Text auf einer französischen Seite.

Technische Hersteller fügen oft eine Industrieklassifikation wie ETIM obendrauf hinzu. Sie gibt ihnen ein Attribut-Vokabular, das sie mit Großhändlern teilen, damit derselbe Drehmoment-Wert auf beiden Seiten dasselbe bedeutet.

Varianten mit Vererbung

Ein Parent-Produkt hält gemeinsame Werte: Marke, Beschreibung, Material, Pflegeanleitung. Child-Produkte halten die Werte, die die Variante definieren, wie Größe und Farbe, plus ihre eigene SKU, GTIN, Bilder und Verfügbarkeit.

Bearbeiten Sie das Material einmal auf dem Parent, und alle 30 T-Shirt-Varianten aktualisieren sich. Diese Struktur ordnet sich direkt Feed-Konzepten zu wie eine Group-ID für den Parent und eine Item-ID pro Variante.

Import-Mapping und Normalisierung

Import-Profile mappen die Spalten jedes Lieferanten zu internen Attributen. Sie konvertieren Einheiten, übersetzen Listenswerte ("schwarz" wird "Black"), und entfernen zufällige Leerzeichen. Zeilen, die die Validierung fehlschlagen, gehen in eine Review-Warteschlange und bleiben aus dem Live-Katalog. Die PIM zeichnet auf, woher jeder Wert kam, damit ein falscher Wert bis zu der Datei zurückverfolgt werden kann, die ihn bereitgestellt hat.

Validierungsregeln und Vollständigkeit

Regeln definieren, was "bereit" pro Kanal und pro Gebietsschema bedeutet. Der Webshop kann 12 Attribute für Bohrmaschinen erfordern. Der Agent-Feed erfordert die neun Kernfelder plus eine gültige GTIN. Ein Marktplatz kann seinen eigenen Kategoriencode benötigen. Die PIM berechnet eine Vollständigkeitsbewertung pro Produkt, Kanal und Sprache.

Format-Regeln fangen Probleme bei der Eingabe. Sie prüfen GTIN-Prüfziffern, Titellänge, obligatorische Einheiten und Platzhalter-Text, bevor der Wert gespeichert wird.

Die Antwort auf "ist der Katalog zur Veröffentlichung bereit" sollte eine gefilterte Liste von Produkten mit benannten fehlenden Feldern sein.

Workflow, Berechtigungen und Änderungsverlauf

Berechtigungen auf Feldebene entscheiden, wer was bearbeitet. Compliance bearbeitet Sicherheit und Pass-Attribute. Marketing bearbeitet Copy. Lieferanten füllen ihre eigenen Attribute über ein Portal oder einen kontrollierten Import. Status-Felder wie Entwurf, in Überprüfung und genehmigt halten nicht überprüfte Inhalte von Kanälen fern.

Ein Änderungsverlauf zeichnet auf, wer welchen Wert wann änderte. Dieser Datensatz zählt, wenn ein Marktplatz, ein Kunde oder eine Marktüberwachungsbehörde einen Anspruch bestreitet.

Kanal-Mapping und Export

Ein interner Wert ordnet sich vielen Ausgaben zu. Die interne Farbe "Anthrazit" kann als "Grau" zu einem Marktplatz mit fester Farbliste exportiert werden. Titel-Templates erstellen Kanal-Titel aus Attributen, z.B. Marke, Produkttyp, Schlüsselspez und Variante, mit Längenbeschränkungen pro Kanal. Einheiten werden beim Export konvertiert. Kanal-spezifische Overrides existieren für Fälle, in denen ein Kanal unterschiedliche Texte benötigt, und sie sitzen neben dem Master-Wert, damit niemand die Spur verliert.

Exports laufen als geplante Dateien, API-Pushes oder Delta-Updates, die nur geänderte Produkte senden. Derselbe Produktdatensatz versorgt den Webshop, Marktplätze, einen Agent-Feed, einen Druck-Katalog und eine Pass-Registrierung.

So werden typische PIM-Elemente mit den OpenAI-Feed-Feldern abgeglichen, und was ohne sie häufig schief geht:

In Projekten, die wir umgesetzt haben

Unsere Kunden kommen mit einem vertrauten Setup zu uns. Das ERP ist der Produktmaster, und seine Felder wurden für Bestellungen und Rechnungen entworfen. Produktmanager halten erweiterte Specs in Kategorie-Tabellen. Jeder Marktplatz hat sein eigenes Export-Skript, das vor Jahren jemand geschrieben hat. Übersetzungen reisen per E-Mail als Excel-Dateien. Ein Produktstart wartet, bis jemand das richtige Blatt zusammenstellt, und Fehler tauchen auf, wenn ein Kunde anruft.

In Projekten, die wir umgesetzt haben, gingen die ersten Wochen in das Datenmodell. Die Software-Konfiguration kam später. Wir definieren Klassifikationen und Attribute mit den Produktmanagern, importieren Identifikatoren und Logistikdaten aus dem ERP, und setzen Validierungsregeln pro Kanal. Danach passiert Anreicherung an einem Ort und Export-Profile produzieren die Kanal-Formate. Die tägliche Frage ändert sich von "welche Datei ist aktuell" zu "welche Attribute fehlen noch". Die PIM antwortet auf die zweite mit einer Liste.

Distributoren bringen eine andere Version des Problems. Sie erhalten Lieferantendaten in vielen Formaten, oft für überlappende Produkte. Ein Mapping-Profil pro Lieferant und eine Quarantäne-Warteschlange für fehlgeschlagene Zeilen ermöglichen es ihnen, das Sortiment eines neuen Lieferanten ohne manuelle Bereinigung jeder Datei zu integrieren.

Wir bauen dieses Setup mit AtroPIM, unserer Open-Source-PIM auf der AtroCore-Datenplattform. Admins konfigurieren das Datenmodell vom Admin-Panel, Berechtigungen gehen bis zur Feldebene herunter, und Daten verlassen das System über die REST-API oder Datei-Exporte. AI-Integration und automatisierte Datengüteverwaltung sind als bezahlte Module für Teams verfügbar, die sie benötigen.

PIM-Software wählen und einführen

Jeder PIM-Anbieter zeigt einen sauberen Demo-Katalog. Ihr Katalog ist der echte Test.

Ein Rollout, das in der Produktion standhält, folgt normalerweise dieser Reihenfolge:

• Beginnen Sie mit einer Produktkategorie und dem strengsten Kanal, auf dem Sie verkaufen, normalerweise ein Marktplatz oder ein Agent-Feed mit harter Validierung.
• Schreiben Sie das Attribut-Wörterbuch zuerst: Name, Typ, Einheit, erlaubte Werte, Eigentümer und Quellsystem für jedes Attribut.
• Befestigen Sie das Eigentum pro Feld. Preis und Bestand kommen vom ERP, beschreibende Attribute leben in der PIM, und die Regel ist aufgeschrieben.
• Konfigurieren Sie Validierung und Vollständigkeitsregeln vor der Datenmigration, damit die Migration selbst die Lücken aufdeckt.
• Verfolgen Sie vier Zahlen von Tag eins: Vollständigkeit pro Kanal, abgelehnte Feed-Zeilen, Rücksendungen kodiert als "nicht wie beschrieben" und Tage von der Produkterstellung bis zur ersten Anlistung.

Ein konfigurierbares PIM benötigt vorherige Modellierung. Teams ohne Datenmodellierungserfahrung benötigen Partner-Hilfe für die ersten Kategorien, und diese Kosten entstehen vor jedem Nutzen.

SaaS PIM verlagert Hosting und Updates an den Anbieter und begrenzt tiefe Anpassungen. Self-hosted und Open-Source-Optionen geben Kontrolle über Code und Daten, und jemand muss sie betreiben. Beide Entscheidungen bedeuten Arbeit. Wählen Sie die, deren Arbeit Ihr Team besser bewältigen kann.

Ein PIM wird auch nicht fehlende Lieferantendaten erstellen. Es macht die Lücken sichtbar und weist sie einer Person zu. Für einen Shop mit einigen hundert Produkten, einem Kanal und einer Handvoll Attribute kann das Shop-Backend vorerst ausreichen. Der Schwellenwert kommt normalerweise mit der zweiten Sprache oder der ersten regulatorischen Datananforderung.