# Produktdatenmanagement für den ganzen Produktkatalog, nicht für eine Stichprobe. > Catalog Foundation ist der Bereich von CommerceClarity, der die Produktdatensätze aufbaut, aus denen alle anderen Bereiche lesen. Hier arbeiten sechs KI-Agenten: Data Enrichment, Matching, Variant Grouping, ERP Codification, Catalog Migrator und Product Image Generation. Sie lesen Lieferantenfeed, PIM, ERP und DAM, ohne eines davon zu ersetzen, prüfen jeden Wert gegen das Attributmodell des Händlers und schreiben den fertigen Datensatz zurück ins führende System. SEO, Übersetzung und Marktplätze lesen alle aus denselben Feldern im Produktdatensatz. Deshalb beginnt die Arbeit hier: KI-Agenten bauen die Datensätze auf, aus denen alles andere liest. ![Langzeitbelichtung eines Gangs in einem Ladengeschäft.](https://cdn.sanity.io/images/xd4hrbt2/production/e447fd9addb331c4f03a57faaa79e6fcae3f6c98-1774x887.jpg?auto=format) [Demo vereinbaren](/book-a-demo) ## Der Katalog ist der Engpass Ein Produktdatensatz entsteht in drei oder vier Systemen gleichzeitig. Ein ERP mit Codes und ohne Texte. Lieferantendateien in dem Format, das dem Lieferanten gerade passte. Ein PIM, gebaut, um Spezifikationen zu verwalten, nicht um zu verkaufen. Eine Tabelle, die die Übergaben zusammenhält, gepflegt von der einen Person, die sie versteht. Nichts davon ist falsch, und es zu ersetzen ist nicht die Aufgabe. Das eigentliche Problem ist kleiner: Die Felder, die entscheiden, ob ein Produkt gefunden und gekauft wird, also Passform, Material, Maße, die zugehörige Variante und die Kategorie, gehören keinem System. Also tippt sie jemand von Hand ein, einmal pro Vertriebskanal und einmal pro Markt, und zwar das Team, das ohnehin der Engpass ist. Die Kosten zeigen sich im Sortiment. Jeder Kanal und jeder Markt, für den dieselben Felder neu getippt werden, startet später und mit weniger Sortiment. Alles über dieser Ebene liest aus denselben Datensätzen. Wer den Datensatz einmal richtig aufbaut, macht die anderen sieben Bereiche günstig. ## Die Aufgaben am Datensatz Eine Auswahl der Prozesse in diesem Bereich. Jeder hat ein eigenes Ergebnis und eigene Kennzahlen, und eine Aufgabe, die hier nicht steht, ist meist eine Variante einer, die hier steht. Starten Sie mit einem Prozess oder mit allen. ### Data Enrichment Produktseiten automatisch aus eigenen Daten oder Lieferantendaten anreichern und fehlende Spezifikationen aus Online-Quellen ergänzen. Erstellt veröffentlichungsfähige Produktseiten aus Ihren eigenen Daten oder denen Ihrer Lieferanten und ergänzt fehlende Spezifikationen aus Online-Quellen. Zeit pro Produkt Continuous ### Data Sourcing Fehlende Produktdaten in externen Quellen finden, mit dem Beleg zu jedem Wert. Sucht außerhalb Ihrer eigenen Systeme nach den Werten, die intern niemand ausfüllen kann, liest Hersteller und benannte Quellen, entscheidet bei Widersprüchen und liefert jedes Attribut mit Beleg und Konfidenzwert. leere Attribute Continuous ### Matching Produkte über Kataloge und Marktplätze hinweg abgleichen: Händlerangebote mit dem Stammeintrag, SKUs mit Marktplatz-Listings, Dubletten bereinigen. Erkennt, ob ein eingehender Datensatz ein Produkt ist, das Sie bereits führen, verknüpft ihn mit dem Stammeintrag und markiert Dubletten. Dublettenquote Continuous ### Variant Grouping Einzelne SKUs zu Elternartikeln mit verknüpften Varianten zusammenführen. Macht aus einer flachen SKU-Liste eine Produktfamilie: ein Elternartikel mit den gemeinsamen Inhalten, die Varianten damit verknüpft. Produktdetailseiten pro Produkt Continuous ### ERP Codification Neue Lieferantenprodukte automatisch in Ihrem ERP codieren. Erstellt die Codierung, die Ihr ERP braucht, bevor ein Lieferantenprodukt ins PIM kommt: Artikelcode, Maße, Gewicht, Verpackung. Tage bis zur Verkaufsfähigkeit Continuous ### Catalog Migrator Ihren Produktkatalog auf eine neue Shopplattform migrieren, etwa von Magento zu Shopify. Überträgt einen bestehenden Katalog auf das Schema einer neuen Shopplattform und zeigt die Lücken, über die Ihr Team entscheiden muss. Wochen Plattformwechsel One-shot ## Aus der Lieferantendatei wird ein verkaufsfähiges Produkt *Lieferantendaten übernehmen* Zwanzig Lieferanten, zwanzig Formate: ein XML-Feed, eine CSV-Datei auf dem SFTP-Server, eine API, eine Tabelle, die jemand von Hand pflegt. Jedes Feld wird beim Import auf Ihr eigenes Attributmodell abgebildet und vereinheitlicht: Währung am Preis, Kategoriepfade abgeflacht, Bild-URLs umgeschrieben, und ein Feld ohne Zielattribut wird markiert statt stillschweigend verworfen. Die Spezifikationen, die der Lieferant leer gelassen hat, etwa Passform, Material und Kompatibilität, werden aus dem Datenblatt und den Texten des Lieferanten gelesen, dann aus Online-Quellen ergänzt und gegengeprüft. Jeder Wert trägt seine Herkunft mit. ## Was Händler uns fragen ### Ab wann wird Produktdatenmanagement zur eigenen Aufgabe? Produktdatenmanagement heißt, jeden Produktdatensatz vollständig, einheitlich und aktuell zu halten, auf jedem Kanal, der ihn liest. In einem kleinen Katalog erledigt das eine Person. Ab einigen tausend SKUs und mit Lieferanten, die zwanzig verschiedene Formate schicken, wird niemand mehr damit fertig. Ab dort ist es keine Dateneingabe mehr, sondern ein laufender Betriebsprozess. ### Wer betreibt die KI-Agenten, wir oder Sie? Wir, auf Ihren Daten, Kategorie für Kategorie, und wir bleiben nach dem Go-live dabei. Sie kaufen das Ergebnis auf Ihrem Katalog, keine Lizenz mit Handbuch. ### Müssen wir unser PIM oder ERP ersetzen? Nein. Die Agenten lesen Ihr PIM, ERP und DAM und schreiben dorthin zurück. Wir setzen auf den Systemen auf, die Sie bereits betreiben, und als Erstes erfassen wir, wie Daten hinein- und hinausfließen. ### Was, wenn der KI-Agent, den wir brauchen, noch nicht existiert? Die meisten dieser Agenten laufen bereits bei einem anderen Händler und werden an Ihren Katalog angepasst. Diese Anpassung ist Teil der Leistung. Ist ein Prozess noch nicht abgedeckt, entwickeln wir den Agenten mit Ihnen und kalkulieren ihn separat. ### Wie prüfen Sie, ob das Ergebnis stimmt? Der vor jeder Entwicklung vereinbarte KPI zeigt, ob sich die Geschäftszahlen auf dem echten Katalog verbessert haben. Darunter bewerten wir die Arbeit selbst gegen Ihre Regeln an einer Stichprobe Ihres Katalogs, und diese Bewertung läuft bei jeder Änderung neu. ### Wem gehören die Daten? Ihnen. Die KI-Agenten lernen aus den Korrekturen Ihres Teams, und Daten wie Korrekturen lassen sich jederzeit exportieren. ## Related areas - [Channels & Markets](/solutions/channels-markets) - [Compliance & Quality](/solutions/compliance-quality) ## Jede Korrektur verbessert den nächsten Durchlauf *Der Korrekturkreislauf* Ihr Team beurteilt die Ergebnisse. Ein Wert ist richtig, oder er ist falsch und wird einmal korrigiert. Jedes Urteil verändert den nächsten Durchlauf: Die Bewertung auf Ihrer eigenen Stichprobe verschiebt sich, und der Agent startet mit dem, was der letzte Durchlauf gelernt hat. So sinkt der Anteil der Werte, die eine Person prüfen muss, stetig, gemessen an Ihrem Produktkatalog und Ihren Regeln statt am Durchschnitt aller anderen. ![Die Plattform markiert eine Produktbeschreibung als zu allgemein für den Tonfall der Marke, mit dem Überarbeitungsvorschlag und den zwei Antwortmöglichkeiten.](https://cdn.sanity.io/images/xd4hrbt2/production/30815d23ee4d132352d037d84d401a32a7b48eec-2880x1620.webp?auto=format) ## In Wochen auf Ihrem Produktkatalog live, nicht in Monaten *So arbeiten wir* Wir durchlaufen alle vier Phasen gemeinsam mit Ihrem Team, auf Ihren bestehenden Systemen, und jede Phase endet mit einer Kennzahl, die wir vorab mit Ihnen festgelegt haben. ### Konzeption Wir erfassen, wie Ihre Daten hereinkommen und wie das Ergebnis wieder hinausgeht, und legen dann die geschäftliche Kennzahl fest, die der Agent bewegen soll. ### Umsetzung Wir bauen den Agenten und testen ihn auf einer mit Ihnen vereinbarten Stichprobe Ihres Produktkatalogs. Jede Änderung wird an dieser Stichprobe gemessen, die Feinabstimmung beruht also auf Zahlen. ### Nachweis Fertig heißt: Die Kennzahl hat ihr Ziel auf dem gesamten Produktkatalog erreicht, und Sie haben die Zahlen selbst gesehen. ### Weiterentwicklung Wir bleiben Ihr Ansprechpartner. Ihre Korrekturen verbessern den Agenten weiter, die Kennzahl bleibt dort, wo Sie sie brauchen, und der nächste Anwendungsfall startet mit dem Kontext, den dieser bereits aufgebaut hat. ## Für große Unternehmen und Produktkataloge, in denen kein Fehler passieren darf ![Die Verkaufsfläche eines Kaufhauses.](https://cdn.sanity.io/images/xd4hrbt2/production/251441053d31b02d7111cf86ee1083ac6fd8f061-1600x1000.jpg?auto=format) [Demo vereinbaren](/book-a-demo) - Läuft auf Ihren bestehenden Systemen · Die KI-Agenten lesen die Daten über die Schnittstellen aus Ihrem PIM, ERP und DAM und schreiben das Ergebnis dorthin zurück. - Nichts Unsicheres geht live · Jeder Wert wird gegen Ihre Regeln geprüft. Alles Unsichere geht in die Prüfung, bevor es einen Vertriebskanal erreicht. - Ihre Daten gehören Ihnen · Ihr eigener, isolierter Arbeitsbereich. Ihre Daten fließen nie in gemeinsam genutzte Modelle ein, und Sie können sie jederzeit exportieren. - Jeder Durchlauf wird protokolliert · Zu jedem Wert sind Quelle, Durchlauf und Bewertung gespeichert. So sehen Sie, wie ein fehlerhafter Wert zustande kam. ## Starten Sie mit einem Anwendungsfall Ein Anwendungsfall, durchgängig auf Ihrem eigenen Produktkatalog umgesetzt. Das reicht, um zu sehen, was er bewirkt und was er pro Produkt kostet, bevor Sie über den Rest entscheiden. [Demo vereinbaren](/book-a-demo) ## Entities - [Akeneo](https://www.akeneo.com) · Organization, mentions - [Salsify](https://www.salsify.com) · Organization, mentions - [GS1](https://www.gs1.org) · Organization, mentions ## Sources - [GTIN, die globale Artikelidentnummer von GS1](https://www.gs1.org/standards/id-keys/gtin) · GS1 - [GDSN, das Global Data Synchronisation Network](https://www.gs1.org/standards/gdsn) · GS1 - [Produktdatenspezifikation](https://support.google.com/merchants/answer/7052112) · Google Merchant Center - [Product](https://schema.org/Product) · Schema.org --- Canonical: https://commerceclarity.com/de/solutions/catalog-foundation Every page of this site is available as markdown: append `.md` to its path. Index: /de/llms.txt