Wichtigste Erkenntnisse
- Ein PIM-System verwaltet die Inhalte, die Vertriebskanäle benötigen: Attribute, Übersetzungen, Medien, Dokumente und kanalspezifische Werte. Das ERP kümmert sich weiterhin um Transaktionen wie Bestellungen und Lagerbestände.
- Konsistenz ist der größte kommerzielle Vorteil. Käufer vergleichen Produktdetails auf mehreren Websites, und inkonsistente Daten führen zu Umsatzverlusten und Retouren.
- Produktmanager und Marketing arbeiten gleichzeitig an demselben Datensatz, sodass Produkte schneller in ihre Kanäle gelangen.
- Die EU hat das Digitale Produktpass-Register im Juli 2026 eröffnet. Der erste obligatorische Stichtag für bestimmte große Batterien ist der 18. Februar 2027, und strukturierte Produktdaten sind eine Voraussetzung.
- KI im PIM ist hilfreich zum Verfassen von Texten, Übersetzen, Verschlagworten und Extrahieren von Daten. Sie benötigt verifizierte Attribute als Input und eine Person, die das Ergebnis genehmigt.
Was Produktinformationsmanagement ist
Produktinformationsmanagement (PIM) bedeutet, Produktdaten aus verschiedenen Quellen zu sammeln, zu strukturieren, anzureichern und an jeden Ort zu senden, wo ein Produkt verkauft oder dokumentiert wird. Ein PIM-System ist die Software, die dies tut.
Es sitzt zwischen den Systemen, die Daten erstellen, und den Kanälen, die diese veröffentlichen. Das ERP kennt die SKU, den Einkaufspreis, den Lagerbestand und die Stückliste. Es kennt normalerweise nicht die technischen Merkmale, die ein Distributor in einem ETIM-Export erwartet, die Marketing-Texte in neun Sprachen, das Hauptbild, das ein Marketplace akzeptiert, oder den Warntext, den der französische Shop anzeigen muss.
Ein PIM-Datenmodell umfasst Produkte und ihre Varianten mit Attributen, die nach Produktfamilie oder Klassifizierung gruppiert sind. Jedes Attribut kann einen Wert pro Sprache und pro Kanal enthalten, sodass der Marketplace einen kurzen Titel und der eigene Shop einen langen erhält. Digitale Assets liegen neben den Daten: Bilder, Handbücher, Zertifikate, CAD-Dateien. Beziehungen verbinden Produkte mit Zubehör und Ersatzteilen.
Der Ablauf ist einfach. Daten kommen vom ERP und von Lieferantendateien herein. Teams prüfen sie, ergänzen sie, übersetzen sie und geben sie frei. Dann exportiert das PIM sie in das Format jedes Kanals: ein Shopware- oder Adobe Commerce-Shop, einen Marketplace-Feed, eine BMEcat-Datei für einen B2B-Kunden, einen GS1-Daten-Pool, einen gedruckten Katalog.
Viele Unternehmen betreiben bereits ein PIM. Es ist eine Tabellenkalkulation, und ihre Validierungsregeln leben im Kopf eines Kollegen.
Wer PIM braucht
Die Katalogsgröße ist ein schwaches Signal. Ein Hersteller mit 500 konfigurierbaren Produkten, die in zehn Ländern verkauft werden, benötigt PIM oft mehr als ein Shop mit 20.000 SKUs in einer Sprache und einem Kanal. Die Anzahl der Orte, an denen Daten kopiert werden, ist wichtiger als die Anzahl der Zeilen.
Typische Anzeichen dafür, dass Tabellenkalkulationen und ERP-Textfelder nicht mehr ausreichen:
- Dieselben Produktdaten werden an mehreren Orten bearbeitet: ERP, Shop-Backend, Marketplace-Verkäuferkonten, Distributor-Tabellenkalkulationen.
- Produkte werden in mehr als einer Sprache oder einem Land verkauft.
- Einzelhandelskunden oder B2B-Kunden fordern Daten in einem Standardformat wie BMEcat, ETIM, ECLASS oder GS1 GDSN.
- Launches warten auf Inhalte, nachdem das Produkt selbst fertig ist.
- Jeder Lieferant sendet Daten in seiner eigenen Struktur.
- Regulierung erfordert strukturierte Produktdaten, von Sicherheitsinformationen bis zur Digitalen Produktpass.
Der Use Case verschiebt sich mit dem Geschäftsmodell. Hersteller besitzen die Originaldaten. Ihre PIM-Arbeit konzentriert sich auf technische Tiefe, mehrere Marken, Datenblätter und Exporte in den Formaten, die ihre Distributoren benötigen. Distributoren und Großhändler erhalten Daten von hunderten Lieferanten, daher besteht ihre Hauptaufgabe in der Normalisierung. Die Felder jedes Lieferanten werden einer Klassifizierung zugeordnet und Einheiten konvertiert, bevor etwas einen Kanal erreicht. Einzelhandelsketten und direkt verkaufende Marken konzentrieren sich vor allem auf Marketplace-Anforderungen und umfangreiche Inhalte.
Innerhalb eines Unternehmens sind die Benutzer nach Rolle aufgeteilt. Produktmanager besitzen technische Attribute. Marketing besitzt Texte und Bilder. E-Commerce-Manager besitzen Kanal-Zuordnungen. Compliance-Teams besitzen Regulierungs-Felder. Vertrieb und Kundendienst lesen zumeist nur. Lieferanten und Übersetzungsagenturen arbeiten oft direkt im PIM über eingeschränkte Konten.
Wie Teams PIM im Alltag nutzen
Ein Arbeitstag in einem PIM wirkt unspektakulär.
Ein Lieferant sendet eine aktualisierte Datei mit neuen Abmessungen für 300 Artikel. Ein Import-Feed ordnet seine Spalten PIM-Attributen zu und konvertiert Zoll in Millimeter. Zeilen mit fehlendem Gewicht werden gekennzeichnet. Der Produktmanager behebt diese Zeilen, und die Änderung erreicht den Shop und den Marketplace mit dem nächsten Export. Niemand meldet sich im Marketplace-Backend an.
Marketing startet von einem Dashboard, das zeigt, welche Produkte für welchen Kanal und welche Sprache unvollständig sind. Der Copywriter schreibt die Beschreibung einmal auf dem Mutterprodukt, und 40 Farb- und Größenvarianten erben sie. Nur die Werte, die sich unterscheiden, wie der Farbnamen und das Bild, werden pro Variante gepflegt.
Wenn sich der deutsche Quelltext ändert, erstellt das PIM Übersetzungsaufgaben für die anderen Sprachen. Übersetzungsspeicher füllen Sätze auf, die zuvor übersetzt wurden, sodass Übersetzer nur an neuem Text arbeiten.
Outputs kommen aus denselben Daten. Ein Datenblatt, eine Preisliste als PDF, ein BMEcat-Export für einen Großhändler und ein Marketplace-Feed lesen alle gleichen Attributwerte. Wenn der Produktmanager eine Abmessung korrigiert, ändern sich alle vier Outputs damit.
Die Genehmigung läuft über Status ab. Ein Produkt wechselt von „Entwurf" zu „Technisch vollständig" zu „Inhalt vollständig" zu „Genehmigt", und jede Statusänderung kann die nächste Aufgabe oder einen Export auslösen.
PIM-Vorteile, die in der Praxis auftreten
Einige PIM-Vorteile erscheinen in jedem Anbieter-Broschüre und in sehr wenigen P&L-Rechnungen.
Weniger Retouren und verlorene Verkäufe durch inkonsistente Daten
Käufer überprüfen vor dem Kauf. In Salsifys 2026-Verbraucherstudie, einer Umfrage von 2.712 Online-Käufern in Nordamerika und Großbritannien, nutzen 54% zwei bis drei Kanäle zur Recherche eines Mittelklasse-Kaufs. Bis zu 45% der Gen-Z-Käufer und 43% der Millennials brechen einen Kauf ab, wenn Produktdetails auf verschiedenen Websites nicht übereinstimmen.
In derselben Umfrage hatten 45% der Käufer einen Online-Kauf retourniert, weil die Produktinformationen falsch oder irreführend waren.
Salsify verkauft Product Content Software, und die Stichprobe umfasst Verbraucher in Nordamerika und Großbritannien. B2B-Käufer und andere Märkte können unterschiedliche Zahlen zeigen. Sie können den Mechanismus in Ihren eigenen Daten testen: Vergleichen Sie Ihre Retournierungsgründe mit den Attributwerten in Ihren Marketplace-Listings.
Unstimmigkeiten entstehen normalerweise durch Kopien. Jeder Kanal hat seine eigene Kopie der Produktdaten, und jede Kopie wird nach eigenem Plan bearbeitet. Mit einem PIM ändert sich der Wert an einer Stelle, und jeder Kanal erhält ihn mit dem nächsten Export. Das funktioniert nur, wenn niemand Listings direkt in den Channel-Backends bearbeitet. Teams, die dies zulassen, enden mit zwei Wahrheitsquellen, und der nächtliche Export überschreibt die manuelle Korrektur ohnehin.
Schnellere Launches durch parallele Arbeit
Ein Tabellenkalkulationss-Launch verläuft nacheinander. Produktmanagement beendet die Spezifikationen, Marketing schreibt, Übersetzer übersetzen, und E-Commerce lädt hoch. Jede Übergabe fügt Wartezeit hinzu.
In einem PIM arbeitet jede Rolle an ihren eigenen Attributen im gleichen Datensatz gleichzeitig. Vollständigkeitsregeln entscheiden, wann ein Produkt für einen bestimmten Kanal bereit ist. Ein Produkt kann live gehen im deutschen Shop, während die italienische Übersetzung noch in Bearbeitung ist.
In implementierten Projekten löste gestaffelte Veröffentlichung ein konkretes Launch-Problem. Ein Hersteller von Veranstaltungstechnik mit mehreren Audio- und Lighting-Marken hatte technische Daten und Marketing-Inhalte zu unterschiedlichen Zeiten bereit. Sein vorheriges System konnte Produktdaten nicht in Stufen veröffentlichen, daher warteten fertige technische Daten auf den langsamsten Teil. Jetzt gehen technische Daten zuerst live, und Marketing-Inhalte und Bilder folgen nach Genehmigung. Datenblätter werden automatisch aus den strukturierten Daten generiert, mit Wasserzeichen auf ausgewählten PDFs.
Niedrigere Kosten pro Sprache und pro Kanal
Jede neue Sprache oder jeden Kanal multipliziert Tabellenkalkulationsarbeit. Ein PIM begrenzt dieses Wachstum durch Wiederverwendung. Varianten erben Werte von ihrem Mutterprodukt. Rechtliche Gewährleis- und Garantietexte leben in wiederverwendbaren Blöcken. Übersetzungsspeicher und Glossare wiederverwenden frühere Übersetzungen. Eine Kanal-Zuordnung wird einmal konfiguriert und läuft dann mit jedem Export.
Ein Kunde wandte sich an uns, als die manuelle Übersetzung nicht mehr skalierbar war. Das Unternehmen, ein deutscher Hersteller von Gartenhäusern und Carports, verkauft in ganz Europa in 11 Sprachen. Zuvor verwaltete das Team Übersetzungen manuell, was langsam war und zu inkonsistentem Inhalt führte. Montageanleitung wurden manuell für jedes Produkt und jede Variante erstellt. Jetzt übersetzen Übersetzungsspeicher und Glossare den deutschen Quellinhalt mit konsistenter Terminologie in die zehn anderen Sprachen. Datenblätter und mehrsprachige Montageanleitung werden aus modularen Inhaltsblöcken generiert. Der Shopware-Katalog erhält nur neue oder geänderte Datensätze in einer täglichen Synchronisation, und die gleichen Daten gehen an DIY-Markt-Kanäle.
Eine praktische Grenze: Übersetzungsspeicher spart Geld nur, solange Quelltexte stabil bleiben. Jedes Umschreiben des deutschen Mastertextes erzeugt neue Übersetzungsarbeit in jeder Sprache.
Datenqualität, die Sie messen können
Ein PIM verwandelt Datenqualität in Zahlen. Vollständigkeitsregeln zeigen den Anteil erforderlicher Attribute, die pro Kanal und Sprache gefüllt sind. Validierungsregeln lehnen ein Gewicht ohne Einheit ab, eine Spannung außerhalb des zulässigen Bereichs, eine Farbe außerhalb der Werteliste oder eine EAN mit falschem Prüfziffern. Einheiten werden einmal gespeichert und beim Export konvertiert. Der Änderungsverlauf erfasst jede Bearbeitung mit dem Benutzer und dem vorherigen Wert.
Definieren Sie „vollständig" pro Kanal. Ein Marketplace benötigt Stichpunkte und ein Hauptbild, das seinen Regeln entspricht. Ein Großhändler benötigt ETIM-Merkmale. Ein gedruckter Katalog benötigt einen Kurztext, der in das Layout passt. Der eigene Shop benötigt SEO-Felder. Ein globaler Vollständigkeitsscore mittelt alles dies und verbirgt die Lücken.
Integration ohne Tabellenkalkulationsrelais
Das PIM wird zur Drehscheibe für Produktinhalte. Das ERP sendet Stammdaten und Preise rein. Das PIM sendet angereicherte Daten an Shops, Marketplaces, Daten-Pools und Publishing-Tools. Delta-Synchronisationen übertragen nur neue oder geänderte Datensätze, was nächtliche Läufe kurz hält und Fehler leichter zu verfolgen macht. Eine API ermöglicht anderen Systemen, Produktdaten direkt zu lesen, daher exportiert niemand eine CSV und sendet sie Freitagnachmittag per E-Mail an die Agentur.
Bereitschaft für die Digitale Produktpass
Die Europäische Kommission hat das Digitale Produktpass-Register am 20. Juli 2026 zusammen mit einer Testumgebung gestartet. Die Digitale Produktpass (DPP) kommt aus der Verordnung über Ökodesign für nachhaltige Produkte (ESPR). Jeder Pass muss registriert werden. Das Register speichert eindeutige Produktkennzeichen und zugehörige Metadaten, während die Produktdaten selbst dezentralisiert bei den Unternehmen bleiben, die Produkte auf den Markt bringen.
Der erste DPP-Implementierungsstichtag ist der 18. Februar 2027 für bestimmte Arten von großen Batterien.
Die Verpflichtungen folgen dem Produkt auf den EU-Markt, daher benötigen auch Hersteller außerhalb der EU, die dort verkaufen, die gleichen Daten.
Das Register deckt ESPR-Produktgruppen wie Textilien, Stahl und Aluminium, Reifen, Möbel, IKT-Produkte und energiebezogene Produkte ab. Es deckt auch Gruppen unter anderen EU-Gesetzen ab, die DPP-Registrierung erfordern, einschließlich bestimmter großer Batterien, Bauprodukte, Spielzeug und Waschmittel. Die Registrierung funktioniert über eine Benutzeroberfläche oder eine API. Sechs harmonisierte Normen sind bereits veröffentlicht, die eindeutige Kennzeichen, Interoperabilität, Datenträger, APIs, Datenaustauschprotokolle und Datenspeicherung abdecken. Die Kommission stellt auch ein kostenloses semantisches Repository mit maschinenlesbaren Datenmodellen bereit.
Für ESPR-Produktgruppen kommt die exakte Attributliste aus delegierten Akten, die gruppenweise angenommen werden. Batterien und die anderen Nicht-ESPR-Gruppen folgen ihren eigenen EU-Gesetzen. Bis die Verordnung für Ihre Produktgruppe angenommen wird, bleibt die endgültige Feldliste offen. Die Struktur ist bereits bekannt: ein eindeutiger Kennzeichen, ein Datenträger auf dem Produkt, maschinenlesbare Daten und API-Zugriff.
Die Vorbereitung ist also strukturell. Material- und Komponentendaten müssen als separate Attribute vorhanden sein. Ein Satz in einem PDF-Datenblatt kann nicht als maschinenlesbare Daten exportiert werden. Lieferantendaten zu Materialien benötigen Felder zum Landen. Und das System, das die Daten hält, benötigt eine API, die ein Registrierungsdienst oder DPP-Anbieter aufrufen kann.
Das Datenmodell muss sich auch ändern können, ohne dass ein Entwicklungsprojekt jedes Mal läuft, wenn ein neuer Akt erscheint. In AtroPIM, zum Beispiel, können Administratoren Attribute und Entitäten in der Benutzeroberfläche hinzufügen, ohne Code zu schreiben, und die REST-API deckt die volle Funktionalität ab, einschließlich benutzerdefinierter Konfigurationen.
Wo KI 2026 im PIM passt
KI änderte zwei Dinge rund um Produktdaten: wie Inhalte erstellt werden und wer sie liest.
Käufer nutzen KI-Assistenten zur Recherche, mit Vorsicht. In derselben Salsify-Umfrage hatten 22% der Käufer KI-Tools zur Produktrecherche genutzt, und 14% vertrauten KI-Empfehlungen genug, um sie regelmäßig zu nutzen. Detaillierte Produktbeschreibungen und klare Spezifikationen waren die Top-Auslöser für Vertrauen in KI-empfohlene Produkte. Das Vertrauen in KI-Empfehlungen hängt also von derselben Sache ab, die PIM verwaltet: vollständige Spezifikationen, die auf jeder Website übereinstimmen.
Innerhalb des PIM sind diese KI-Aufgaben 2026 in Produktivnutzung:
- Verfassen von Produktbeschreibungen und SEO-Metatexten aus vorhandenen Attributen. Eine Regel triggert einen neuen Entwurf, wenn sich Attribute ändern, und eine Person genehmigt ihn vor der Veröffentlichung.
- Übersetzen von Inhalten mit angewendeten Brand-Glossaren, gefolgt von Überprüfung durch Muttersprachler für großvolumige Märkte.
- Verschlagwortung von Bildern. Der oben erwähnte Hersteller von Veranstaltungstechnik nutzt OpenAIs GPT-4o, um ausgewählte Bilder für seinen Online-Shop zu verschlagworten.
- Extrahieren von Attributwerten aus Lieferanten-PDFs und Datenblättern in strukturierte Felder, mit dem Quelldokument verknüpft zur Überprüfung.
- Vorschlag einer Klassifizierung, wie eine ETIM-Klasse, für neue Artikel.
Das Hauptrisiko ist erfundene Werte. Bitten Sie ein Sprachmodell, einen Bohrer mit einem leeren Drehmoment-Attribut zu beschreiben, und es kann möglicherweise eine plausible Zahl liefern. Ein falscher Drehmoment-Wert auf einer Produktseite führt zu einer Retoure, und für einige Produktgruppen zu einem Compliance-Problem.
Lassen Sie KI Sätze aus verifizierten Attributen schreiben. Halten Sie sie davon ab, die Attribute selbst zu schreiben, wenn nicht ein Quelldokument jeden Wert unterstützt.
Leiten Sie KI-generierte Texte durch den gleichen Genehmigungsablauf wie menschliche Texte. Teilen Sie dem Modell im Prompt mit, dass es alle Spezifikationen ohne Wert überspringen soll. Halten Sie eine Referenz von jedem extrahierten Wert zu seinem Quelldokument und protokollieren Sie, welches Modell und welcher Prompt welchen Text erzeugt hat. Attribut-Extraktion und ihre Fehlermöglichkeiten erhalten mehr Platz in unserem Artikel zu KI im Produktinformationsmanagement.
Was PIM nicht behebt
Ein PIM setzt Regeln durch. Menschen müssen diese noch immer entscheiden. Wenn niemand das Attribut „Material" besitzt, bleibt es im PIM leer, genauso wie es in der Tabellenkalkulation leer blieb. Jede Attributgruppe benötigt vor der Inbetriebnahme einen benannten Besitzer.
Das Datenmodell braucht Zeit. Klassifizierungen und Kanal-Zuordnungen füllen die erste Phase der meisten Projekte, und Fehler dort werden teuer, wenn Tausende von Produkten davon abhängen.
Integration nimmt oft mehr Aufwand als PIM-Konfiguration in Anspruch. ERP-Konnektoren und Marketplace-Feeds kommen jeweils mit ihren eigenen Feldregeln und Fehlerfällen.
Migration ist selten sauber. Beim Umzug des oben erwähnten Herstellers von Veranstaltungstechnik von seinem vorherigen Enterprise-PIM exportierten nicht alle strukturierten und unstrukturierten Daten sauber, und Teile benötigten manuelle Überarbeitung.
Die Systemwahl beinhaltet einen Trade-off. SaaS-PIMs mit festen Datenstrukturen bringen Standard-Kataloge schnell in Betrieb. Konfigurierbare und Open-Source-Systeme handhaben ungewöhnliche Datenmodelle und On-Premise-Anforderungen, benötigen aber mehr Setup und entweder internes Know-how oder einen Partner. Die richtige Wahl hängt davon ab, wie sehr sich Ihre Daten vom Standard-Modell des Anbieters unterscheiden.
Wo Sie anfangen
Beginnen Sie mit einer Bestandsaufnahme. Listen Sie alle Orte auf, an denen heute jemand Produktdaten bearbeitet, einschließlich der Tabellenkalkulationen, die niemand in Besprechungen erwähnt. Wählen Sie dann den Kanal aus, auf dem falsche oder fehlende Daten am meisten kosten, und definieren Sie, was „vollständig" für diesen Kanal bedeutet. Weisen Sie einen Besitzer zu jeder Attributgruppe zu. Verbinden Sie das ERP als Quelle für Stammdaten und Preise, und halten Sie die Bearbeitung von Tag eins an aus den Channel-Backends heraus. Fügen Sie KI-Verfassung und Übersetzung hinzu, sobald sich das Datenmodell gefestigt hat, damit die Modelle an Attributen arbeiten, die nächsten Monat noch existieren.