Produktdaten richtig optimieren

Produktdaten richtig optimieren

Warum saubere Produktdaten der unterschätzte Wachstumshebel im E-Commerce sind und wie ein PIM wie Pimcore sie systematisch nutzbar macht.

Die meisten Shops kennen ihre Conversion Rate auf die Nachkommastelle, aber kaum jemand kann sagen, wie vollständig der eigene Produktkatalog wirklich gepflegt ist. Produktdaten laufen unter Fleißarbeit, werden vom Hersteller übernommen, nebenbei ergänzt und selten hinterfragt. Genau darin liegt der Fehler.

Produktdaten sind kein Verwaltungsthema, sondern Vertriebssubstanz. Ob ein Produkt in Suche und Marktplätzen überhaupt auftaucht, ob es im direkten Vergleich mit dem Wettbewerb überzeugt und ob es nach dem Kauf behalten wird, hängt maßgeblich davon ab, wie gut die Daten dahinter sind. Jede Lücke im Datensatz ist ein potenziell verlorener Verkauf oder eine vermeidbare Retoure, und weil sich diese Effekte über tausende Artikel summieren, hängt am Ende ein relevanter Teil deines Umsatzes an der Datenqualität.

Als Pimcore-Agentur sehen wir täglich, dass der Grund für ungenutztes Potenzial selten fehlendes Wissen ist, sondern fehlende Struktur. Sobald Sortiment und Kanäle wachsen, lässt sich Qualität manuell nicht mehr halten. Ein Product Information Management System wie Pimcore verwandelt Produktdatenpflege von einer Fleißaufgabe in einen steuerbaren, skalierbaren Prozess. Die folgenden zehn Tipps zeigen dir im Detail, wo der Hebel sitzt, wie du ihn umsetzt und welchen Fehler du dabei vermeidest.

Tipp 1: Eine zentrale Datenquelle schaffen

In den meisten Unternehmen existieren Produktinformationen an mehreren Orten gleichzeitig. Das ERP kennt Artikelnummer, Preis und Bestand, im Shop-Backend hat jemand die Beschreibung angepasst, ein Feed-Tool überschreibt einzelne Felder für Google und das Marketing pflegt nebenbei eine eigene Tabelle. Solange diese Quellen parallel laufen, driften sie zwangsläufig auseinander. Ein Attribut wird an einer Stelle korrigiert und an drei anderen nicht, und schon zeigt ein Marktplatz eine veraltete Angabe, die als Beschwerde oder Retoure zurückkommt.

Die Lösung ist eine einzige führende Quelle für beschreibende Daten. In einem sauberen Setup übernimmt das PIM diese Rolle, während das ERP weiter für Preise, Bestände und Logistik zuständig bleibt und das Digital Asset Management die Medien hält. Entscheidend ist eine klare Aufgabenteilung pro Datenfeld, damit nie zwei Systeme dasselbe Attribut pflegen. Genau diese Zuständigkeitsmatrix ist der Teil, den viele überspringen, und genau daran scheitert später die Datenkonsistenz.

Praktisch beginnst du mit einer Inventur deiner Datenquellen und der Frage, welches System pro Feld die Wahrheit sagt. Anschließend richtest du gerichtete Synchronisationen ein, bei denen das ERP seine kommerziellen Daten in das PIM schiebt, nicht umgekehrt. Pimcore fungiert dann als zentraler Hub, der alle beschreibenden Informationen bündelt und von dort an Shop, Marktplätze und Kampagnen ausspielt. Der Effekt ist unmittelbar spürbar, weil eine Änderung nur noch an einer Stelle passiert und überall automatisch ankommt.

Das PIM bündelt die beschreibenden Daten, während ERP und DAM ihre eigenen Hoheitsbereiche behalten

Tipp 2: Ein sauberes Datenmodell mit Vererbung aufbauen

Ohne durchdachtes Datenmodell ist jedes Produkt ein flacher Datenblock, in dem jede Information einzeln und redundant gepflegt wird. Ein gutes Modell definiert stattdessen Objekttypen, Attributgruppen und Beziehungen zwischen Produkten. Das klingt technisch, hat aber einen sehr konkreten Effekt auf deinen Pflegeaufwand und deine Fehlerquote.

Der wichtigste Baustein ist Vererbung. In Pimcore trägt ein Basisprodukt Eigenschaften wie Marke, Material und Pflegehinweise, und alle Varianten in Farbe oder Größe erben diese Angaben automatisch. Du pflegst gemeinsame Informationen nur einmal und überschreibst gezielt nur das, was sich zwischen den Varianten unterscheidet. Änderst du später einen Pflegehinweis, ist er sofort bei allen zugehörigen Varianten aktuell, statt dass du hundert Datensätze einzeln anfassen musst.

Gemeinsame Attribute liegen am Basisprodukt, nur die Abweichungen werden auf Variantenebene überschrieben

Genauso wichtig sind eindeutige Identifikatoren. GTIN oder EAN sind die Grundlage für das Matching auf Marktplätzen und in Google Shopping, ergänzt um Marke und Herstellernummer. Fehlt die GTIN, wird ein Produkt bei Google häufig gar nicht erst ausgespielt, und auf Amazon lässt sich ohne sie oft kein Angebot anlegen. Modelliere außerdem Beziehungen wie Zubehör und Cross-Selling sowie eine saubere Kategoriestruktur direkt im Datenmodell, denn diese Verknüpfungen speisen später Navigation, Empfehlungen und strukturierte Daten gleichzeitig.

So schließt du fehlende GTIN systematisch

Fehlende GTIN sind der häufigste Einzelbefund, wenn wir einen Katalog zum ersten Mal prüfen, und die Lücke lässt sich in überschaubaren Schritten schließen. Am Anfang steht ein Report aller Artikel ohne GTIN, den du nach Umsatz und Kanalrelevanz sortierst, damit du bei den Produkten beginnst, die dich aktuell am meisten Reichweite kosten.

Der zweite Schritt ist eine Abfrage bei Herstellern und Lieferanten, denn in den meisten Fällen existieren die Codes längst und stehen in Preislisten oder Datenblättern, sind aber beim Import nie in die Systeme gelangt. Für Eigenmarken und Private-Label-Artikel gibt es keine Herstellerangabe, hier beantragst du bei GS1 eine eigene Nummernkapazität und vergibst die GTIN selbst, und zwar getrennt je verkaufsfähiger Variante, also pro Farbe und Größe und nicht pro Basisprodukt. Kommen Artikel bereits mit gedrucktem Barcode ins Lager, lohnt sich ein Scan beim Wareneingang, dessen Ergebnis direkt in den Datensatz zurückgeschrieben wird.

Damit die Lücke nicht erneut entsteht, machst du die GTIN zum Pflichtfeld für alle Warengruppen, die Marktplätze oder Shopping-Feeds bespielen, hinterlegst eine Prüfziffernvalidierung im PIM und blockierst Duplikate, damit nicht zwei Varianten denselben Code tragen. Ab diesem Punkt ist die GTIN-Abdeckung kein Projekt mehr, sondern eine Kennzahl, die du nur noch beobachten musst.

Tipp 3: Pflichtfelder und Freigabe-Workflow verbindlich machen

Struktur ohne Verantwortliche zerfällt innerhalb weniger Wochen. Der typische Fall ist ein neues Produkt, das mit leerem Materialfeld live geht, weil unklar war, wer es füllt. Sobald niemand konkret zuständig ist, verwaisen einzelne Attribute, und die Qualität rutscht schleichend ab, ohne dass es jemand bemerkt.

Die Tragweite reicht dabei deutlich weiter als der einzelne leere Datensatz. Ein unbesetztes Attribut kostet dich organische Sichtbarkeit, weil Kategorie- und Filterseiten ohne saubere Werte kein eigenes Rankingpotenzial aufbauen und thematisch dünn bleiben. Es kostet dich strukturierte Daten, weil das Produkt-Markup unvollständig ausgeliefert wird und angereicherte Suchergebnisse mit Preis, Verfügbarkeit und Bewertung ausbleiben. Und es kostet dich bezahlte Sichtbarkeit, weil Shopping-Kampagnen und Performance-Max-Assets genau diese Attribute für Matching und Ausspielung brauchen, sodass ein lückenhafter Feed bei identischem Budget schlicht weniger Impressionen bedeutet.

Deshalb gehört zu jeder Datenstrategie eine klare Zuweisung von Verantwortlichkeiten. Der Einkauf pflegt kommerzielle Attribute, das Content-Team die Texte, die Grafik die Medien, und für jede Produktart definierst du Pflichtfelder, ohne die kein Produkt veröffentlicht werden darf. So machst du Datenqualität zu einer Bedingung für den Livegang statt zu einer Bitte, die im Tagesgeschäft untergeht.

In diesem Prozess ist KI inzwischen ein fester Bestandteil, allerdings als Zulieferer und nicht als Entscheider. In einem Projekt aus dem technischen Handel, das wir hier anonymisiert wiedergeben, schob das PIM alle Artikel mit unvollständigen Pflichtattributen automatisch in einen Anreicherungsstatus. Für genau diese Artikel erzeugte ein Sprachmodell auf Basis der vorhandenen strukturierten Attribute und der Herstellerdatenblätter Vorschläge für Beschreibung, Anwendungshinweise und fehlende Klassifizierungsmerkmale, die als Entwurf und klar als maschinell erzeugt gekennzeichnet im Datensatz landeten.

Erst danach griff die Redaktion ein und musste jeden Vorschlag bestätigen, korrigieren oder ablehnen, bevor der Workflow den Artikel freigab. Der Gewinn lag nicht in der Textqualität, sondern im Durchsatz, weil das Team von der leeren Seite in die Prüfung wechselte und die Zeit von der Anlage bis zum Livegang deutlich sank (konkrete Werte aus dem Case zu prüfen). Entscheidend war die Regel, dass kein KI-Entwurf ohne menschliche Freigabe live geht, denn ein Modell erfindet im Zweifel eine plausible Spezifikation, und eine falsche technische Angabe ist teurer als eine fehlende.

In Pimcore bildest du dafür einen Freigabe-Workflow ab, der ein Produkt über die Zustände Entwurf, Anreicherung, Prüfung und Freigabe führt. Erst wenn die Pflichtfelder gefüllt und geprüft sind, wird ein Produkt live. Jeder Bearbeitungsschritt ist mit Rolle und Zeitstempel nachvollziehbar, was gerade bei mehreren Bearbeitern und großem Durchsatz den Unterschied zwischen Kontrolle und Chaos macht.

Tipp 4: Mit kontrollierten Wertelisten statt Freitext arbeiten

Kontrollierte Wertelisten sind der wohl am meisten unterschätzte Qualitätshebel überhaupt. Wenn Attribute wie Farbe, Material oder Größe als freier Text eingegeben werden, entstehen zwangsläufig Varianten derselben Information. Aus einer Größe 40 werden mit der Zeit die Schreibweisen 40, Größe 40, EU 40 und 40 EU, und jede dieser Varianten ist für das System eine andere Größe.

Die Folge ist unsichtbar, aber teuer. Filter auf Kategorieseiten greifen nicht mehr sauber, die interne Suche findet Produkte nicht, und beim Export auf Marktplätze scheitert das Mapping, weil deren Taxonomien definierte Werte erwarten. Gerade die Filterfunktion ist ein direkter Conversion-Hebel, denn ein Kunde, der nicht zuverlässig nach seiner Größe filtern kann, kauft im Zweifel gar nicht.

Die Lösung sind feste Auswahllisten für alle standardisierbaren Attribute. In Pimcore definierst du Attribute als Auswahl- oder Mehrfachauswahlfelder und nutzt den Classification Store, um pro Warengruppe standardisierte Attributsätze festzulegen. Beim Import von Altdaten normalisierst du die vorhandenen Schreibvarianten einmalig über eine Synonymzuordnung. Danach bleibt die Konsistenz automatisch erhalten, weil niemand mehr frei tippen kann.

Freitext erzeugt Schreibvarianten, die für Filter, Suche und Marktplatz-Mapping zu unterschiedlichen Werten werden

Tipp 5: Eigene Titel und Beschreibungen schreiben

Der teuerste inhaltliche Fehler sind Titel und Beschreibungen, die unverändert vom Hersteller übernommen werden. Diese Texte stehen wortgleich bei dutzenden Wettbewerbern, liefern Suchmaschinen keinen einzigartigen Inhalt und wirken im Vergleich beliebig. Google bewertet solchen Duplicate Content schwächer, und der Kunde erkennt keinen Grund, ausgerechnet bei dir zu kaufen.

Für Titel bewährt sich ein festes Muster aus Marke, Produkttyp und wichtigstem Kaufmerkmal, ergänzt um die relevante Variante. Ein Titel wie Marke Laufschuh Damen mit Dämpfung in Größe 40 ist konkret, keyword-relevant und trotzdem lesbar, ohne in Stichwort-Aneinanderreihung zu verfallen. Die Beschreibung sollte anschließend genau die Fragen beantworten, die sonst im Support oder als Retoure landen, also Passform, Anwendung, Kompatibilität und Pflege, statt Marketingfloskeln zu wiederholen.

Der berechtigte Einwand lautet, dass sich das bei tausenden Artikeln nicht manuell leisten lässt. Genau hier hilft ein PIM, weil sich über Textbausteine mit Attribut-Platzhaltern konsistente Grundtexte für das lange Sortiment automatisch erzeugen lassen, während du deine Ressourcen auf die umsatzstarken Hero-Produkte konzentrierst. KI-gestützte Entwürfe auf Basis der strukturierten Attribute beschleunigen den Rest, sollten aber immer eine redaktionelle Kontrolle durchlaufen, damit Marke und Tonalität stimmen.

Tipp 6: Kaufrelevante Attribute vollständig füllen

Bei der Vollständigkeit geht es nicht darum, möglichst viele Felder zu füllen, sondern die richtigen. Welche Attribute kaufentscheidend sind, hängt stark von der Warengruppe ab. Im Fashion-Bereich sind es Größe, Passform, Material und Pflege, bei Elektronik die technischen Spezifikationen, Kompatibilität und Maße, bei Möbeln Abmessungen, Gewicht und Materialien. Definiere pro Kategorie einen Kernsatz an Pflichtattributen, der genau die kaufentscheidenden Informationen abdeckt, und stelle sicher, dass dieser über den gesamten Katalog konsistent gefüllt ist.

Der Effekt reicht direkt in deine Marge. Laut Angaben der Forschungsgruppe Retourenmanagement (retourenforschung.de) liegt die Retourenquote je nach Segment zwischen rund 6 und über 40 Prozent, und ein erheblicher Teil entsteht, weil das gelieferte Produkt nicht der Erwartung entspricht. Präzise Größen- und Passformangaben, ehrliche Materialbeschreibungen und vollständige technische Details senken genau diese Rücksendungen. Wie du deine Quote sauber berechnest und interpretierst, zeigt unser Beitrag zur Retourenquote im E-Commerce.

Tipp 7: Bilder und Medien standardisieren

Bilder, Videos und Dokumente sind ein Teil deiner Produktdaten, auch wenn sie oft getrennt behandelt werden. Uneinheitliche Formate, wechselnde Hintergründe und eine schwankende Bildanzahl pro Produkt wirken unruhig und senken die wahrgenommene Wertigkeit, noch bevor der Kunde die Beschreibung liest. Ein Standard mit festem Seitenverhältnis, sauberen Freistellern, einer Mindestanzahl an Perspektiven, Detailaufnahmen und einer Referenz zur Größeneinordnung schafft sofort ein hochwertigeres Bild.

Genauso gehören gepflegte Alt-Texte und eine klare Benennungskonvention dazu. Alt-Texte verbessern die Sichtbarkeit in der Bildersuche und sind zugleich ein Baustein der Barrierefreiheit, die im E-Commerce zunehmend auch rechtlich relevant wird. Beides lässt sich nur sinnvoll pflegen, wenn Medien systematisch mit den richtigen Produkten und Varianten verknüpft sind.

Ein integriertes Digital Asset Management übernimmt genau diese Verknüpfung und liefert automatisch die passenden Formate je Kanal, vom Thumbnail über die Zoomstufe bis zum Marktplatzformat, statt dass jemand Bilder manuell zuschneidet und einzeln hochlädt. Ergänzende Inhalte wie Videos, 360-Grad-Ansichten oder Anwendungsclips steigern die Conversion messbar und lassen sich über ein zentrales System ebenso konsistent ausspielen wie klassische Produktfotos.

Tipp 8: Daten für jeden Kanal verkaufsfertig aufbereiten

Ein sauberer Katalog im eigenen Shop bedeutet nicht automatisch, dass er auf jedem Kanal funktioniert. Das Google Merchant Center verlangt Pflichtattribute wie Titel, Beschreibung, GTIN, Marke, Verfügbarkeit und Preis und lehnt Produkte ab, sobald diese fehlen oder sich widersprechen. Jede Ablehnung bedeutet, dass das Produkt in Shopping-Anzeigen und im kostenlosen Listing unsichtbar ist, also direkt verlorene Reichweite.

Marktplätze wie Amazon arbeiten wiederum mit eigenen Kategorievorlagen und Attributsätzen, die sich deutlich von deinem Shop unterscheiden. Wer denselben Datensatz überall unverändert ausspielt, produziert entweder Ablehnungen oder schwache Listings, die im Ranking des Marktplatzes untergehen. Jeder Kanal hat seine eigene Sprache, und Produktdaten müssen in dieser Sprache vorliegen.

Ein PIM übernimmt das Mapping der zentralen Daten auf die Anforderungen jedes einzelnen Kanals. Das reduziert Feed-Fehler spürbar, verkürzt den Rollout eines neuen Kanals von Wochen auf Tage und macht Internationalisierung über Sprach- und Länderfelder beherrschbar, weil ein neuer Markt zur Mapping-Aufgabe wird statt zur kompletten Neuerfassung.

Jeder Kanal verlangt einen eigenen Pflichtfeldsatz, das PIM übernimmt das Mapping aus einer Quelle

Tipp 9: Strukturierte Daten für Suche und KI liefern

Wirksam werden gepflegte Attribute erst, wenn Maschinen sie eindeutig lesen können. Strukturierte Daten nach dem schema.org-Standard für Produkte übergeben Preis, Verfügbarkeit, Bewertungen, Marke und Eigenschaften in einem Format, das Suchmaschinen zuverlässig interpretieren, und sind damit die Voraussetzung für angereicherte Suchergebnisse, in denen dein Produkt mit Preis und Sternebewertung erscheint und deutlich mehr Klicks erhält als ein schlichter blauer Link.

Diese Struktur wird gerade wichtiger, nicht unwichtiger. KI-gestützte Antwortsysteme und die generative Suche greifen auf klar strukturierte Produktinformationen zurück, wenn sie Produkte vergleichen und empfehlen. Wer seine Daten sauber und maschinenlesbar hält, hat die deutlich besseren Chancen, in den AI Overviews und vergleichbaren KI-Antwortformaten überhaupt aufzutauchen, während lückenhafte Kataloge dort schlicht unsichtbar bleiben. Ein PIM hilft, weil es die strukturierte Ausgabe konsistent aus einer Quelle erzeugt und damit die Grundlage für sauberes Markup im Shop liefert.

Tipp 10: Datenqualität messen und automatisiert absichern

Datenqualität wird erst dann besser, wenn sie sichtbar ist. Solange niemand eine Zahl auf den Zustand des Katalogs legen kann, bleibt Qualität ein Bauchgefühl, das im Tagesgeschäft immer hinter dringenderen Aufgaben zurücktritt. Ein Vollständigkeits-Score je Kategorie und Kanal macht dagegen transparent, wie viele Produkte alle Pflichtattribute für den jeweiligen Verkaufsweg erfüllen, und wo die größten Lücken sitzen.

Ergänzend helfen Kennzahlen wie die Zahl der Produkte ohne Freigabe, der Anteil der Artikel ohne Bild oder GTIN und die durchschnittliche Zeit von der Anlage bis zum Livegang. Diese Time-to-Market ist eine oft übersehene Größe, weil jeder Tag, den ein Produkt nicht online ist, verlorener Umsatz ist. Wer diese Kennzahlen regelmäßig betrachtet, steuert Datenqualität wie jede andere geschäftskritische Größe.

Manuell ist dieser Anspruch bei wachsendem Sortiment nicht zu halten. Automatisierte Qualitätsregeln in Pimcore prüfen jeden Datensatz gegen deine Vorgaben, bevor er veröffentlicht wird, und stoppen unvollständige Produkte, bevor sie im Shop oder auf dem Marktplatz Schaden anrichten. Eine Regel kann etwa festlegen, dass ein Produkt ohne Bild und ohne GTIN nicht als kanalbereit gilt. So bleibt deine Qualität dauerhaft hoch, auch wenn du hunderte neue Artikel im Monat einpflegst, und die Zeit bis zum Livegang sinkt, weil weniger nachträglich korrigiert werden muss.

Was du jetzt tun kannst

Der beste erste Schritt ist eine ehrliche Bestandsaufnahme. Miss den Vollständigkeitsgrad deiner umsatzstärksten Kategorien, prüfe stichprobenartig, wie viele deiner Titel wirklich einzigartig sind, und schau dir die häufigsten Retourengründe an. In fast jedem Katalog liegen die größten Hebel in wenigen, klar benennbaren Lücken, die sich mit überschaubarem Aufwand schließen lassen und schnell Wirkung zeigen.

Wenn dein Sortiment wächst oder du mehrere Kanäle bespielst, lohnt sich der Schritt zu einem zentralen System. Als Pimcore-Agentur begleiten wir Marken und Händler bei genau dieser Aufgabe, von der Datenstrategie über das Datenmodell bis zur PIM-Integration mit Pimcore. Mehr zu unserem Commerce-Angebot findest du auf unserer Übersichtsseite, und wenn du wissen willst, wo dein größter Hebel liegt, sprich mit unserem Team.