Wie die Cisalfa Group Produktdaten für die neue Saison aufbereitete, ohne das Team zu vergrößern

Die Herausforderung

Die Cisalfa Group ist der größte in Italien und Deutschland tätige Sporthändler: 240+ Filialen in 18 Regionen, rund 5.200 Beschäftigte und ein Produktkatalog von etwa 20.000 SKUs aus 280+ Fremdmarken und einem Eigenmarkenportfolio mit ABC, Admiral, Arena, Dack’s, Fila und Performer. In Italien verkauft das Unternehmen über zwei getrennte Onlineshops, die Markenseite von Cisalfa Sport und den Katalog des Intersport-Netzwerks, jeweils mit eigenem Datenschema, eigener Benennung und eigenen sprachlichen Konventionen. Technisch speist ein Akeneo PIM die Onlineshops auf Salesforce Commerce Cloud.

Mehrere Gründe machten die Katalogarbeit schwierig, und sie verstärkten sich gegenseitig.

1. Knapp 20 % des Produktkatalogs sind Eigenmarken, deshalb lassen sich die Inhalte nicht aus einem Markenfeed übernehmen. Sie müssen intern aus spärlichen eigenen Daten entstehen.
2. Die Attribute, die ein Sportprodukt tatsächlich verkaufbar machen, die verkaufsrelevanten Attribute wie Passform, Zusammensetzung und Material, liegen größtenteils nicht im ERP, deshalb müssen sie generiert statt kopiert werden.
3. Bei den Fremdmarken passte nur etwa die Hälfte des Markenkatalogs sauber zum eigenen Schema der Cisalfa Group. Für den Rest blieb ein großer manueller Abgleich.
4. Jedes Produkt muss zweimal erstellt werden, einmal für Cisalfa Sport und einmal für Intersport, mit jeweils eigenen Feldnamen und Regeln.

Neben dem Katalog selbst war die Zeit der Engpass. Time-to-Market misst die Cisalfa Group als Anteil vollständiger SKUs an den Wareneingängen, mit einer Zielmarke von über 95 %.

Die Saison FW26 brachte einen Volumensprung, und den Produktkatalog betreute bisher ein kleines Texterteam aus ein bis zwei Personen, überwiegend Berufseinsteiger, für 20.000 SKUs. FW26 auf dem alten Weg zu stemmen, hätte den manuellen Aufwand vervielfacht, statt ihn abzubauen.

Die Cisalfa Group wollte das Gegenteil: den Volumensprung zu FW26 mit höherem Qualitätsanspruch bewältigen, ohne das Team zu vergrößern. Mehr Katalog, nicht mehr Personal.

Die Ausgangslage vor CommerceClarity

Die Cisalfa Group betrieb ihren Produktkatalog auf Systemen, die für das Handels- und Filialgeschäft gebaut waren. Die Produktdaten lagen in Akeneo, ausgelegt dafür, Spezifikationen zu verwalten und die Onlineshops zu beliefern, nicht dafür, verkaufsfähige, kanalgerechte Inhalte zu erzeugen.

Rund um dieses System lief alles manuell.

• Katalogtexte und Attribute entstanden zu 100 % intern, in einem kleinen Team von ein bis zwei Personen für rund 20.000 SKUs.
• Die Qualität maß das Team als binäre Vollständigkeit: Ein Attribut war vorhanden oder nicht, ohne Maßstab für Tiefe oder Genauigkeit.
• Für Dashboards, die diese Lücke sichtbar gemacht hätten, fehlte intern die Kapazität.
• Jede weitere Marke, jeder weitere Vertriebskanal und jede weitere Attributgruppe bedeutete eine weitere vollständige Runde manueller Anreicherung und Prüfung, einmal für Cisalfa Sport und einmal für Intersport.

Das Modell funktionierte, aber es skalierte nicht.

Die Lösung: KI-Agenten und Retail Engineers

CommerceClarity fügte sich in den bestehenden Systemstack ein, ohne ein System zu ersetzen. Die Konfiguration ist ein 1:1-Abbild des Akeneo der Cisalfa Group. Generierte Inhalte gehen deshalb direkt in einem kompatiblen Format zurück, und Dateien aus dem Lieferantenportal werden direkt eingelesen, statt von Hand überarbeitet zu werden.

Die KI-Agenten sorgen für Skalierung

Jedes Produkt beginnt als ein einziger kanonischer Datensatz. Eine Kette von KI-Agenten führt ihn vom Rohdatensatz bis zu kanalgerechten Inhalten, jeder Schritt baut auf dem vorherigen auf.

1. Normalisieren. Heterogene Eingaben, also ERP-Felder, Dateien aus dem Lieferantenportal und Markenfeeds, auf die Taxonomie und Hierarchie der Cisalfa Group abbilden.
2. Anreichern. Die verkaufsrelevanten Attribute generieren, die das ERP nicht enthält, etwa Passform, Zusammensetzung und Material. Genau hier sieht die Cisalfa Group den eigentlichen Mehrwert.
3. Regeln anwenden. Tonalität der Marke, Kanalvorgaben und das vereinbarte Datenmodell durchsetzen, damit die taxonomiebasierten Attribute von vornherein korrekt sind.
4. Kanalvarianten erzeugen. Aus der einen Quelle das Format von Cisalfa Sport und das von Intersport erzeugen, jeweils mit eigenem Schema und eigener Benennung.
5. Validieren. Qualität bewerten, die automatischen Prüfungen ausführen und nur die Ausnahmen vorlegen, die ein Mensch ansehen muss.

Die Cisalfa Group hat nicht alles auf einmal eingeschaltet. Sie begann dort, wo der Druck am größten war, mit der durchgängigen Generierung für Cisalfa Sport und Intersport. Danach kamen das direkte Einlesen von Lieferantendateien und die Akeneo-Spiegelung, gefolgt von Anreicherung pro Attribut und einer Prüfung, die nur noch Ausnahmen umfasst.

Retail Engineers gestalten das Ergebnis mit

Die KI-Agenten arbeiten nicht allein. Ein Retail Engineer von CommerceClarity arbeitet als Teil des Teams der Cisalfa Group: Dieselbe Person plant, baut und liefert, innerhalb der bestehenden Abläufe des Unternehmens, statt Arbeit zwischen Abteilungen weiterzureichen.

Das hat das Betriebsmodell umgekehrt. Vorher prüfte ein kleines Team jedes Produkt und jede Änderung von Hand, und behobene Fehler kamen immer wieder zurück. Mit den KI-Agenten und dem Retail Engineer ist daraus ein gesteuerter Betrieb geworden, der nur Ausnahmen prüft: Das Team sieht sich nur an, was die KI-Agenten markieren, jeder Durchlauf ist nachvollziehbar, und unzuverlässige Quellen sind von vornherein ausgeschlossen. Die KI-Agenten bringen Tempo und Skalierung, die Menschen behalten die Kontrolle darüber, was tatsächlich live geht.

Wie es weitergeht

Das Fundament steht, und die Arbeit hat sich vom Aufbau zum Ausbau verlagert: die Volumen von FW26 über den direkten Upload von Lieferantendateien ohne Nacharbeit bewältigen, Nacharbeit durch eine reine Ausnahmeprüfung und Korrekturen pro Attribut gegen null bringen und über Text hinausgehen, mit einer Bildproduktion nach den Vorgaben der Cisalfa Group und abgestimmten Outfits aus dem Produktkatalog.

Von hier aus geht die Partnerschaft so weiter, wie sie begonnen hat: gemeinsam. Ein Retail Engineer von CommerceClarity und das Team der Cisalfa Group finden zusammen den nächsten Engpass, bauen die KI-Agenten, die ihn beseitigen, und verwandeln einen größeren Teil des Produktkatalogs in Umsatz.