Produktdaten auf Marktplätzen: Was KI-Agenten korrigieren dürfen – und was nicht

Wer seine Produkte bestmöglich präsentiert, kann Kaufentscheidungen von Kunden positiv beeinflussen und macht am Ende oft das Geschäft – das gilt auch im E-Commerce. Längst ist der eigene Online-Shop für viele B2C- und B2B-Händler aber nicht mehr das einzige „digitale Schaufenster“ für ihre Produkte. Marktplätze, Preisvergleichsportale, Social-Commerce-Plattformen, Suchmaschinen und Answering Engines wie ChatGPT, Gemini oder Perplexity erweitern das sogenannte „digital shelf“. Laut Forrester bezeichneten bereits 2024 89 Prozent der B2B-Einkäufer generative KI als Informationsquelle im Beschaffungsprozess.

Das „digitale Regal“ entscheidet mit

Permanent die Übersicht über alle Kanäle zu behalten, kann aufwändig und zeitraubend sein. Empfehlenswert ist es dennoch, wie der regelmäßige Blick ins „digitale Regal“ zeigt: Die Produktdarstellung kann von Kanal zu Kanal abweichen. Was im Webshop vollständig und korrekt angezeigt wird, erscheint mitunter auf einem Marktplatz mit gekürztem Titel, fehlendem Bild oder falsch zugeordnetem Attribut. Gründe dafür sind meist veränderte oder unterschiedliche Anforderungen der verschiedenen Vertriebskanäle an Produktdaten. 

Abweichungen in der Produktdarstellung zeigen sich beispielsweise relativ häufig auf Marktplatz-Plattformen, wenn mehrere Marktplatz-Verkäufer denselben Artikel anbieten und der Artikel-Katalogeintrag dabei verändert oder überschrieben wird. Online-Marktplätze müssen in ihren Produktdaten-Prozessen Daten aggregieren. Abhängig von den Golden-Record-Regeln eines Marktplatzes kann es darum zu offensichtlichen Qualitätsproblemen in der Produktdarstellung bei einem Marktplatz-Händler kommen, weil von der Konkurrenz zu demselben Artikel qualitativ schlechtere oder weniger strukturierte Produktdaten an den Online-Marktplatz gemeldet wurden. In solchen Fällen gilt es nachzusteuern.

Wer alle Kanäle immer im Blick behält und für eine laufende Optimierung seines gesamten „digitalen Regals“ sorgt, verschafft sich Wettbewerbsvorteile und mehr Sichtbarkeit im datengetriebenen E-Commerce. Dabei hilft das Zusammenspiel von Digital Shelf Analytics (DSA) und Product Information Management (PIM).

Learning Loop durch Verzahnung von PIM und DSA

Die zentrale Quelle für Produktinformationen ist das PIM-System. Es sorgt für die Pflege, Aufbereitung und Bereitstellung von Produktbeschreibungen, Spezifikationen, technischen Details, Preisen, Marketingtexten und Bildern für alle digitalen Kanäle. Warum reicht dies allein im Distributed Commerce mit einer Vielzahl von Vertriebskanälen oft nicht mehr aus?

DSA kommt zum Einsatz, sobald die Produktdaten das PIM-System verlassen haben. Die Technologie analysiert kontinuierlich, wie Produkte auf den verschiedenen digitalen Vertriebskanälen tatsächlich dargestellt werden. Sie liefert fundierte Einblicke in die Produkt-Sichtbarkeit, -Auffindbarkeit und Darstellungsqualität. So werden Vollständigkeit und Qualität von Produktinformationen, Bildern und Videos, Preise und Preisentwicklungen, Produktverfügbarkeiten, Bewertungen und Rezensionen, Platzierungen in Suchergebnissen und vieles mehr im gesamten „digitalen Regal“ ausgewertet. DSA macht Optimierungspotenziale sichtbar. Auch Marktbeobachter wie Gartner widmen DSA einen eigenen Market Guide. Das unterstreicht die wachsende Bedeutung für den Digital Commerce.

Reine Analyse optimiert aber keine Produktdaten. Erst wenn die Erkenntnisse aus DSA zurück ins PIM-System fließen, entsteht ein Optimierungskreislauf. Die enge Verzahnung von PIM-System und DSA sorgt dabei für den Learning Loop. Automatisierung ist der Schlüssel für die ständige, effiziente Kontrolle und Verbesserung der Produktdarstellung in allen digitalen Vertriebskanälen. PIM-Systeme mit hohem Automatisierungsgrad, die DSA enthalten, bieten dabei Vorteile.

Effizienz durch Agentic PIM

Denn es ist menschlich, wenn zwischen Erkenntnis und Umsetzung manchmal Tage oder Wochen vergehen. Müssen durch DSA entdeckte Auffälligkeiten noch zwischen Teams oder Personen in verschiedenen Abteilungen ausgetauscht werden, bevor es zur Anpassung im PIM kommt, vergeht Zeit. Wertvolle Zeit, in der Produkte eines Händlers oder Herstellers im „digitalen Regal“ schlechter gefunden und dargestellt werden als vielleicht bei seinen Wettbewerbern. 

Übernimmt künstliche Intelligenz mit KI-Agenten die Arbeit, kann der Optimierungsprozess erheblich beschleunigt werden. Beim automatisierten Learning Loop analysieren KI-Agenten Erkenntnisse aus DSA, leiten Verbesserungspotenziale ab, ergänzen fehlende Informationen und unterstützen dabei, Änderungen nach einer Freigabe zu veröffentlichen. Während DSA die notwendigen Informationen aus dem Markt liefert, sorgen KI-Agenten dafür, dass daraus sofort konkrete Maßnahmen werden. Aus einem PIM-System mit DSA wird ein Agentic PIM, das als intelligente Automatisierungsplattform die Produktinformationen und damit die Produktdarstellung kontinuierlich im gesamten „digitalen Regal“ verbessert und kaum Zeit bindet.

Grundlagen für den Optimierungskreislauf

Damit aus dem linearen Prozess der Produktdatenpflege ein automatisierter hocheffizienter Optimierungskreislauf werden kann, sollten Händler folgende Voraussetzungen schaffen:

• Strukturierte Produktdaten in höchster Qualität durch ein leistungsstarkes KI-gestütztes PIM-System sicherstellen als Basis für die weitere Prozessautomatisierung. 
• Digital Shelf Analytics nicht nur als isoliertes Werkzeug nutzen, sondern fest in der Produktdatenstrategie verankern.
• Technische und organisatorische Grundlagen für einen effizienten Learning-Loop-Prozess einrichten, bei dem Erkenntnisse aus DSA und dem Markt schnell ins PIM-System zurückfließen und dort umgesetzt werden.
• Klare Freigabeprozesse und -kriterien definieren als Basis für die Einführung von Agentic PIM und Rahmen für die Produktdatenoptimierung von KI-Agenten.

Wo KI-Agenten nicht eigenständig handeln sollten

Gerade für Hersteller und Vertriebler technischer Produkte, wie z. B. Elektroartikel oder Gefahrstoff-relevante Waren, ist es zwingend notwendig, die Einhaltung der Informationspflichten für die Produktsicherheit sicherzustellen. Sie müssen dafür sorgen, dass die physischen Produkteigenschaften und technischen Details in den Produktdaten korrekt erfasst und in die Handelsstufen distribuiert werden. KI-Agenten können dabei zwar für Qualitätssicherungsaufgaben, wie Plausibilitätsprüfungen, eingesetzt werden, sollten aber nicht eigenständig Eigenschaften oder Attributwerte generieren. Der Mensch bleibt in diesem Fall der alleinige Akteur und der KI-Agent sein Assistent.

Fazit

Wer ein leistungsfähiges KI-gestütztes PIM-System mit Digital Shelf Analytics kombiniert, profitiert im Distributed Commerce durch eine attraktive Produktdarstellung in sämtlichen digitalen Vertriebskanälen und schafft zugleich die Grundlage für eine automatisierte Produktdaten-Optimierung durch Agentic PIM. Das sorgt für Effizienz, Sichtbarkeit und Wettbewerbsvorteile im Online-Handel.