Produktinhalte prüfen: Fehler vor dem Go-Live fangen

Wichtigste Erkenntnisse

• Attribute überprüfen. Eine Produktseite rendert strukturierte Felder — validierte und freigegebene Felder verhindern die meisten Fehler auf Seitenebene.
• Regeln und AI die Arbeit machen lassen. Manuelle Genehmigung für juristische und Sicherheitsfelder sowie für Aussagen reservieren, auf die sich Kunden verlassen.
• Jeder von AI generierte Wert braucht eine Quellenangabe. Ohne diese können Reviewer ihn nicht prüfen und neigen dazu, ihn trotzdem freizugeben.
• EU-Regeln gegen generische Umweltaussagen gelten seit 27. September 2026 — alte Bestände werden kaum berücksichtigt. Web-Inhalte und Feeds brauchen jetzt einen Restricted-Terms-Check, in jeder Sprache.
• Verkäufer müssen das GARAN-Haltbarkeitsetikett nur anzeigen, wenn der Hersteller die Garantieinformationen zur Verfügung stellt. Für Hersteller wird eine Rechtspflicht zur Datenlieferverpflichtung.

Was eine Produktinhalte-Überprüfung abdeckt

Produktinhalte scheitern je nach Ebene unterschiedlich — daher braucht jede Ebene ihre eigene Prüfung und meist ihren eigenen Verantwortlichen.

Vollständigkeit macht nur Sinn pro Kategorie und pro Kanal. Ein kabelloses Bohrgerät auf der Website des Herstellers und dasselbe Gerät in einem auf ETIM-Klassen aufgebauten Distributorkatalog brauchen unterschiedliche Attributmengen. Ein Produkt kann für das eine vollständig und für das andere unbrauchbar sein.

Ein häufiger Fehler ist, alle fünf Ebenen als eine Aufgabe für eine Person zu behandeln — meist aus dem Marketing. Diese Person behebt die Tippfehler und übersieht die falsche IP-Schutzart.

Warum tabellenkalkulationsbasierte Überprüfung scheitert

Unsere Kunden — überwiegend Hersteller — kommen oft mit einem auf Exporten basierenden Review-Prozess zu uns. Ein Produktmanager exportiert eine Kategorie nach Excel. Marketing bearbeitet Beschreibungen in einer Kopie, während Compliance Warnungen in einer anderen prüft. Jemand führt die Dateien von Hand wieder zusammen. Später ändernde Quelldaten werden überschrieben, und niemand kann sagen, wer welchen Wert genehmigt hat.

Die Datei unter Überprüfung ist veraltet, sobald sie exportiert wird. Die Genehmigung erfolgt pro Zeile — ein Marketer, der die Beschreibung überprüft hat, hat also auch die Abmessungen formell genehmigt. Und der Aufwand wächst mit SKUs mal Sprachen mal Kanäle, während das Team gleich groß bleibt.

Wie ein PIM die Überprüfung in einen Prozess umwandelt

Ein PIM-System verändert die Überprüfung, indem es ändert, was überprüft wird. Inhalte hören auf, ein Dokument zu sein, und werden zu einer Menge von Feldern — jeweils mit einem Typ, einem Status, einem Besitzer und einer Historie.

Typisierte Attribute und Klassifizierungen

Ein PIM speichert ein Produkt als typisierte Attribute: Zahlen mit Einheiten, Listen zulässiger Werte, Boolesche Werte, lokalisierte Texte, Links zu Assets und zu anderen Produkten. Der Typ übernimmt Teil der Überprüfung. Ein Spannungsfeld, das nur eine Zahl in Volt akzeptiert, kann nicht „ca. 18V" enthalten. Eine Liste fester Werte verhindert, dass „rostfreier Stahl" und „RFS" zwei Filter auf der Website werden. Eine Messgröße, die einmal gespeichert und pro Markt konvertiert wird, kann nicht von ihrer Inch-Version abweichen.

Attribute sind an Klassen gebunden. Eine Elektrowerkzeug-Klasse erfordert Batteriespannung und Drehmoment, eine Kabel-Klasse verlangt den Leiterquerschnitt. Eine neu klassifizierte SKU erbt ihre Checkliste — daher bedeutet „vollständig" vollständig für diese Klasse und diesen Kanal.

Qualitätsregeln, die vor der Überprüfung laufen

Erforderliche Felder sind die einfachste Regel und die am wenigsten nützliche. Praktische Regeln sind bedingt und feldübergreifend. Wenn „Batterie enthalten" ja ist, müssen Batterietyp und -kapazität ausgefüllt sein. Das Nettogewicht muss unter dem Bruttogewicht liegen. Die GTIN-Prüfziffer muss gültig sein. Die Beschreibung darf keine Begriffe aus der Restricted-Claims-Liste enthalten. Diese Regeln laufen bei jedem Speichern und jedem Import, sodass Fehler beim Eintrag auftauchen. Gewichtete Bewertungen wandeln Regelergebnisse in eine Qualitätsbewertung pro Produkt um — der Backlog kann nach Risiko sortiert werden.

In AtroPIM beispielsweise gibt das Modul „Datenqualität" jeder Qualitätsprüfung ihre eigene Gewichtung in der Gesamtbewertung. Das Aktivieren von „Audit-Vollständigkeit" auf einem Attribut erstellt automatisch die entsprechende Prüfung — eine pro Klassifizierung für Klassifizierungsattribute.

Workflow-Status pro Attributgruppe

Ein Produkt durchläuft Zustände wie Entwurf, in Überprüfung, genehmigt und veröffentlicht. Die sinnvolle Version verfolgt den Status separat für jede Attributgruppe — jede Gruppe hat ihre eigene Genehmigungsrolle. Wenn jemand das Nettogewicht korrigiert, geht nur die technische Gruppe zurück zur Überprüfung. Feldebenen-Rechte unterstützen dies. Wenn nur die Compliance-Rolle Warnungstexte bearbeiten kann, kann ein Marketer „nicht in der Nähe von Wasser verwenden" nicht in etwas Freundlicheres ändern.

Überprüfen Sie die Änderung. Ein Team, das ein ganzes Produkt für jeden korrigierten Wert erneut genehmigen muss, wird entweder aufhören zu überprüfen oder aufhören zu korrigieren.

In implementierten Projekten löste diese Aufteilung oft, was wie ein Geschwindigkeitsproblem aussah. Die Adam Hall Group — ein Hersteller und Distributor von Event-Technologie — hatte technische Spezifikationen, Marketing-Inhalte und digitale Assets, die zu unterschiedlichen Zeiten fertig waren. Das vorherige System bot keine gestaffelte Veröffentlichung. Der von uns eingerichtete Workflow lässt die Teams parallel arbeiten. Technische Daten gehen zuerst live, Marketing-Inhalte und Bilder folgen. Produktdaten werden veröffentlicht, sobald sie verfügbar sind — das reduzierte Engpässe bei Neuprodukteinführungen.

Dieselbe Aufteilung kann Compliance-Überprüfungen dienen. Wenn Sicherheitswarnungen und Zertifizierungen in ihrer eigenen Attributgruppe sitzen, zeigt die Compliance-Warteschlange nur Produkte, bei denen eine Warnung oder ein Zertifikat geändert wurde. Änderungen an Beschreibungen oder Bildern senden ein Produkt nicht zurück zur Compliance-Überprüfung — Reviewer konzentrieren sich auf die Felder, die ihnen gehören.

Änderungsverlauf und Quellennachverfolgung

Jede Wertänderung sollte den alten Wert, den neuen Wert, den Benutzer, den Zeitstempel und die Herkunft aufzeichnen: manuelle Bearbeitung, Importauftrag, ERP-Synchronisierung oder AI-Integration. Diese Aufzeichnung beantwortet „woher kam diese Aussage", und sie macht die Überprüfung proportional. Werte aus einer vertrauenswürdigen ERP-Synchronisierung, die alle Regeln erfüllen, können automatisch genehmigt werden. Werte aus einer neuen Lieferantendatei oder einem AI-Modell gehen an eine Person.

Kanalanforderungen und verlinkte Assets

Kanäle bringen ihre eigenen Längenlimits für Titel und obligatorischen Attribute mit. Kanalspezifische Werte auf demselben Produktdatensatz werden vor dem Export überprüft — der Export zieht nur freigegebene Werte. Q&A-Einträge oder manuelle Links, die an AI-Shopping-Oberflächen gesendet werden, zählen auch als Produktinhalt.

Juristische und Sicherheitstexte, die auf Hunderten von Produkten verwendet werden, sollten einmal als wiederverwendbarer Textblock existieren und einmal genehmigt werden. Zertifikate gehören in das PIM als Assets mit Ablaufdatum — eine Regel kann jedes betroffene Produkt markieren, wenn eines abläuft.

Wo AI bei der Produktinhalte-Überprüfung hilft

Die AI-Anwendungen, die sich in der Produktion bewähren, sind eng begrenzt und überprüfbar. Sie schlagen entweder einen Wert mit Belegen vor oder markieren ein Problem für eine Person.

Extraktion aus Lieferantendokumenten. Ein Modell liest ein Datenblatt-PDF und schlägt Werte für leere Attribute vor — jeweils mit der Seite und dem Abschnitt, aus dem es stammt. Der Reviewer vergleicht einen Wert mit einem Zitat — das dauert Sekunden.

Feldübergreifende Konsistenzprüfungen. Ein Modell markiert Widersprüche zwischen dem Text und den strukturierten Attributen. Die Beschreibung sagt IP67, das Attribut sagt IP54. Validierungsregeln können dies nicht fangen, weil eine Seite der Widerspruch Freitext ist.

Aussagen-Screening. Ein Modell klassifiziert Sätze nach Aussagetyp (Umwelt, Gesundheit, Sicherheit, Vergleich) und leitet gekennzeichnete an den Aussage-Besitzer weiter. Eine Schlüsselwortliste fängt „umweltfreundlich". Ein Modell fängt auch „freundlicher zum Planeten" und dessen Übersetzungen.

Übersetzungsprüfungen. Vergleichen Sie zuerst Zahlen mit Einheiten und Modellcodes zwischen Quelle und Ziel. Dann prüft ein Modell, ob jede Warnung ihre Bedeutung behielt. Eine übersetzte Warnung, die eine Negation fallen ließ, ist ein Sicherheitsdefekt — Rechtschreibprüfung findet das nicht.

Begrenzte Entwurfsarbeit. Ein Modell, das Beschreibungen schreibt, erhält nur freigegebene Attribute und eine Anweisung, keine Fakten hinzuzufügen. Eine Nachprüfung bestätigt, dass jede Zahl in der Ausgabe in den Eingabedaten existiert.

Was bei von AI generiertem Produktinhalt schiefgeht

Erfundene Fakten sind das Hauptrisiko. Ein Modell, das ein Produkt mit spärlichen Daten beschreibt, füllt die Lücken mit dem, was ähnliche Produkte normalerweise haben. Ein Bohrgerät bekommt einen typischen Drehmoment-Wert. Ein Kabel bekommt eine Zertifizierung, die es nie hatte.

Der gefährliche AI-Fehler ist der plausible. Ein Wert, der typisch für die Kategorie aussieht, besteht eine schnelle Überprüfung, weil nichts daran falsch aussieht.

Automationsbias kommt danach. Wenn AI-Entwürfe die meiste Zeit richtig sind, wird Genehmigung zum Anklicken. Zeigen Sie die Quellbeweis neben jedem vorgeschlagenen Wert an und verfolgen Sie, wie oft Reviewer AI-Ausgabe bearbeiten. Eine Bearbeitungsquote von nahe null über Wochen kann bedeuten, dass niemand liest. Modell- und Prompt-Updates verursachen stille Rückgänge — speichern Sie Modell und Prompt-Version mit jedem generierten Wert und führen Sie einen festen Test-Satz nach jeder Änderung erneut aus.

Innerhalb eines PIM schreibt AI in Entwurfs- oder Vorschlagsfelder — niemals in veröffentlichte Werte — und seine Herkunft geht in die Änderungshistorie. Hochrisiko-Attributgruppen brauchen immer menschliche Genehmigung. Ein Modell, das direkt mit dem PIM verbunden ist, durchläuft denselben Workflow wie manuelle Bearbeitungen. Kopieren-Einfügen aus einem Chat-Fenster umgeht es.

EU-Regeln, die Prüfungen zum Review hinzufügen

Umweltaussagen und die Frage alter Bestände

Die Richtlinie (EU) 2024/825 zur Ermächtigung der Verbraucher für den grünen Wandel gilt EU-weit seit 27. September 2026. Sie ergänzt die EU-Blacklist unfairer Geschäftspraktiken. Diese vier tauchen in Produktkopien auf:

• Generische Umweltaussagen wie „umweltfreundlich", „grün", „klimafreundlich" oder „umweltverträglich", wenn der Anbieter keine anerkannte hervorragende Umweltleistung nachweisen kann.
• Nachhaltigkeitslabel, die nicht auf einem Zertifizierungssystem oder von Behörden basieren. Ein selbst gestaltetes Blatt-Badge auf einem Produktbild zählt.
• Umweltaussagen über das ganze Produkt, wenn der Vorteil nur einen Aspekt betrifft, wie die Verpackung.
• Aussagen über neutrale, reduzierte oder positive Umweltauswirkungen basierend auf Treibhausgasausgleich.

Das CPC-Netzwerk nationaler Verbraucherschutzbehörden veröffentlichte ein gemeinsames Verständnis zu Albestandssituationen am 30. Juni 2026. Es lässt Behörden die Durchsetzung phased weiterleiten, wenn Anbieter echte Übergangsschwierigkeiten haben — wie Verpackungszyklen oder Waren, die bereits im Regal stehen. Es ist nicht bindend und schafft keinen sicheren Hafen. Es hebt auch Online-Umweltaussagen heraus als nicht denselben operativen Beschränkungen ausgesetzt wie Offline-Aussagen.

Ein gedruckter Karton kann Monate im Regal liegen. Eine Produktbeschreibung kann am selben Tag korrigiert werden — und Durchsetzungsbehörden wissen das.

Also für Web-Inhalte und Feeds gilt die Nachsicht kaum. Führen Sie die Restricted-Terms-Regel jetzt über den ganzen Katalog aus, in allen Sprachen — „umweltfreundlich" ist dieselbe Aussage wie „eco-friendly". Behörden können gute Glaubens-Bemühungen berücksichtigen. Das gemeinsame Verständnis erwähnt Aufzeichnungen korrekturmassnahmen und deren zeitlicher Abfolge. Eine PIM-Änderungshistorie erstellt diese Aufzeichnung für jeden korrigierten Wert.

Zukunftig bekommen Umweltaussagen ihre eigene Attributgruppe mit Aussagetext, Aussage-Umfang, Evidenzlink und Evidenz-Ablaufdatum. Eine Regel blockiert Genehmigung, wenn Kopie einen eingeschränkten Begriff enthält und keine Evidenz verlinkt ist.

Garantiedaten, die den Verkäufer erreichen müssen

Dieselbe Richtlinie führte das harmonisierte GARAN-Label ein. Wenn eine kostenlose Herstellergarantie auf die Gesamtheit des Produkts anwendbar und länger als zwei Jahre gültig ist, müssen Verbraucher vor Vertragsschluss mit diesem Label informiert werden — auch in Online-Angeboten. Verkäufer zeigen es für jedes geeignete Produkt, aber nur wenn der Hersteller die Informationen zur Verfügung stellt. Sie müssen nicht danach suchen.

Für einen Hersteller ist das ein Syndication-Problem. Eine Garantie, die den Produktdaten des Einzelhändlers nicht erreicht, erreicht auch die Angebote des Einzelhändlers nicht. Das Label-Design ist festgelegt. Nur Garantiedauer, Markenname und Produktmodell ändern sich — und Online muss das Label in Farbe angezeigt werden.

In einem PIM bedeutet das vier Attribute: Garantie angeboten, Dauer in Jahren, kostenlos und Abdeckung des gesamten Produkts. Eine Regel entscheidet über Eignung. Wenn alle Bedingungen erfüllt sind, wird das Label-Asset angehängt und die Werte gehen in jeden Einzelhändler-Feed und jedes Datenblatt. Eine zweite Regel prüft die Dauer gegen das mit dem Produkt verlinkte Garantie-Dokument.

Produktsicherheitsinformationen in Online-Angeboten

Die Verordnung zur allgemeinen Produktsicherheit gilt seit 13. Dezember 2024. Artikel 19 der Verordnung verlangt, dass jedes Fernabsatz-Angebot den Namen oder die Marke des Herstellers mit Postadresse und E-Mail-Adresse zeigt, die für die EU zuständige Person, wenn der Hersteller außerhalb der EU ansässig ist, Informationen zur Produktidentifizierung (einschließlich eines Bildes und sein Typ) und alle Warnungen oder Sicherheitsinformationen in einer Sprache, die Verbraucher auf diesem Markt leicht verstehen.

Modellieren Sie Hersteller und zuständige Person als verlinkte Datensätze und Warnungen als lokalisierte Attribute pro Markt. Eine Regel deckt dann alles ab: keine Veröffentlichung auf einem EU-Kanal ohne alle vier Elemente in der Marktsprache. Eine Adressänderung aktualisiert einen Datensatz — jedes verlinkte Produkt folgt.

Einrichten eines Review-Workflows, der skaliert

Beginnen Sie mit einer Risiko-Map von Attributgruppen. Eine funktionierende Aufteilung für einen Hersteller sieht so aus:

Review-Warteschlangen sollten das Diff zeigen: alter Wert, neuer Wert, Quelle und Regelergebnisse. Für von AI generierte Inhalte, die Regeln erfüllen, überprüfen Sie wöchentlich eine Zufallsstichprobe — in einer Größe, die das Team tatsächlich überprüft.

Messen Sie den Prozess, oder er degeneriert stillschweigend:

• Erste-Genehmigung-Rate pro Attributgruppe und pro Quelle. Ein Lieferant, dessen Dateien meist scheitern, braucht ein Gespräch mehr als ein weiterer Reviewer.
• Ablehnungsgründe als kodierte Werte: falscher Wert, fehlende Evidenz, Ton, Übersetzung. Kostenlose Kommentare können nicht analysiert werden.
• Zeit in jedem Workflow-Status. Der Engpass zeigt sich als eine Rolle mit langer Warteschlange.
• Bearbeitungsrate von AI-Entwürfen pro Feld. Sie zeigt, wo das Modell hilft und wo Reviewer alles umschreiben.
• Nach Veröffentlichung gefundene Fehler — aus Kanal-Ablehnung, Service-Tickets, Rückgabegründen und Produktbewertungen. Das ist die Zahl, für die der ganze Prozess existiert.

Ein vernünftiger erster Schritt ist klein. Führen Sie eine Restricted-Claims-Regel und eine GPSR-Vollständigkeitsregel über den ganzen Katalog aus. Die Ergebnisliste ist der erste Review-Backlog — jeder Punkt trägt Rechtsrisiko.