Produktdaten-Architektur und Klassifizierung: Die Grundlage für KI im Handel

KI im Handel verspricht Automatisierung, Effizienz und intelligente Prozesse. In der Praxis liegt der Engpass jedoch häufig nicht im System, sondern in der Datenbasis. Lieferantendaten treffen als Excel-Dateien, CSV-Exporte oder XML-Feeds mit unterschiedlichen Strukturen, Bezeichnungen und Lücken ein. Ohne einen verbindlichen Zielstandard werden diese Unterschiede lediglich von System zu System weitergereicht – mit manuellen Korrekturschleifen, verzögerten Produkt-Launches und fehleranfälligen Produktfeeds.

Die Masterclass zeigt, wie Unternehmen aus heterogenen Lieferantendaten eine belastbare Produktdaten-Architektur aufbauen. Im Fokus stehen ein klar definierter Zielstandard, konsistente Attributsysteme und die Klassifizierung nach eigenen Kategorien, ETIM oder ECLASS. Entscheidend ist nicht das nächste Tool, sondern eine Struktur, die systemübergreifend trägt.

Anhand konkreter Beispiele wird sichtbar, welche Prinzipien notwendig sind, um große Sortimente beherrschbar zu machen – und wie daraus eine nachvollziehbare Datenbasis entsteht, auf der Automatisierung und KI-Anwendungen zuverlässig arbeiten können.