E-Commerce ohne Grenzen: Automatisierung des Produkt-Onboardings mit vollständiger Spezifikation

Jeder Online-Shop, der mit vielen Lieferanten zusammenarbeitet, steht vor derselben Herausforderung: Wie verwaltet man effektiv Tausende von Produkten, wenn jeder Hersteller die Daten in einem anderen Format liefert, oft unvollständig und umfangreiche Bearbeitung erfordert? Das Standardszenario sieht folgendermaßen aus - Sie erhalten ein Excel-Blatt, eine XML-Datei oder einen Link zu einem PDF-Katalog und müssen diese Rohdaten in ein hochwertiges Produktangebot mit vollständigen technischen Attributen umwandeln.

Das Problem wächst exponentiell mit der Entwicklung des Sortiments. Während die Einführung von mehreren Dutzend Produkten manuell durchgeführt werden kann, wird das Onboarding von 5.000 oder 10.000 Positionen zu einem organisatorischen Albtraum. Studien zeigen, dass über 90% der E-Commerce-Profis vollständige Produktdaten als entscheidend für den Geschäftserfolg ansehen. Dennoch kämpfen die meisten Geschäfte immer noch mit der Ergänzung und Überprüfung technischer Daten, was enorme Betriebskosten verursacht und eine wesentliche Wachstumsbarriere für das Geschäft darstellt.

Die Konsequenzen unvollständiger Produktdaten sind gravierend und vielschichtig:

• Niedrigere Konversion- Verbraucher verlassen Websites mit ungenauen Produktdaten und suchen nach zuverlässigeren Informationsquellen
• Höhere Rücklaufquote- unvollständige Produktattribute führen zu fehlerhaften Kaufentscheidungen, was eine kostspielige Welle von Enttäuschungen und Rücksendungen erzeugt
• Schwächere Sichtbarkeit in Suchmaschinen- unzureichende Strukturdaten schränken die Positionierung ein
• Verspätete Einführung von Neuheiten- der zeitaufwändige Onboarding-Prozess verlängert die Markteinführungszeit neuer Produkte
• Probleme mit dem Multichannel-Verkauf- Marktplätze lehnen Angebote ohne die erforderlichen technischen Attribute ab

getName.ai wurde als Antwort auf dieses spezifische Problem entwickelt. Durch den Einsatz fortschrittlicher Algorithmen der künstlichen Intelligenz analysiert das Tool automatisch Produktbeschreibungen (unabhängig von Sprache und Format) und extrahiert daraus vollständige Sätze technischer Attribute, die den erforderlichen Klassifizierungsstandards entsprechen. In der Praxis bedeutet dies eine Reduzierung der Onboarding-Zeit von Wochen auf Stunden, die Eliminierung kostspieliger Fehler und die Möglichkeit, das Angebot dynamisch zu erweitern, ohne das Team zu vergrößern.

In diesem Artikel betrachten wir, wie der tatsächliche Prozess der Einführung von Produkten in den E-Commerce unter Verwendung verschiedener Methoden aussieht, wo die größten Herausforderungen auftreten und wie getName.ai diesen Bereich der Tätigkeit von Online-Shops revolutioniert.

Das Betreiben eines Online-Shops mit einem breiten Sortiment ist ein ständiger Kampf mit der Qualität und Vollständigkeit der Produktdaten. Besonders stark spüren dies Unternehmen, die mit Hunderten von Lieferanten zusammenarbeiten, wobei jeder seine eigenen Standards für die Produktbeschreibung verwendet. Schauen wir uns die häufigsten Probleme an, die das Wachstum des E-Commerce effektiv blockieren und unverhältnismäßig viele Ressourcen verschlingen.

Inkonsistente Datenformate von Lieferanten

Die Realität des elektronischen Handels sieht so aus, dass jeder Anbieter Daten in seinem bevorzugten Format sendet:

• Excel-Tabellen mit spezifischer Spaltenstruktur
• XML-Dateien mit eigenen Tags und Hierarchie
• PDF-Dokumente, oft gegen Kopieren geschützt
• Links zu Produktseiten, die Scraping erfordern
• Fotos von technischen Spezifikationstabellen

Was noch wichtiger ist: Selbst derselbe Anbieter kann das Datenformat zwischen aufeinanderfolgenden Lieferungen ändern. Diese Vielfalt an Formaten erzwingt die Aufrechterhaltung umfangreicher Importmechanismen und oft das manuelle Umschreiben von Daten, was zusätzliche Kosten und Verzögerungen verursacht.

Sprachbarrieren und Lokalisierungsprobleme

Globaler Handel bedeutet Lieferanten aus verschiedenen Ländern, die Daten in ihren lokalen Sprachen bereitstellen:

• Der chinesische Hersteller übermittelt die Spezifikationen auf Chinesisch
• Der deutsche Lieferant verwendet deutsche technische Terminologie
• Maschinelle Übersetzungen verzerren technische Parameter

Das traditionelle Vorgehen erfordert den Einsatz von Übersetzern mit Kenntnissen der branchenspezifischen Terminologie oder die Erstellung umfangreicher Wörterbücher zur Zuordnung von Attributnamen und Werten. Dies ist ein kostspieliger und fehleranfälliger Prozess, insbesondere bei spezieller technischer Terminologie.

Engpässe bei der Extraktion von Attributen

Selbst wenn die Daten bereits im System sind, tritt das Problem der Extraktion der richtigen Attribute auf:

• Die Notwendigkeit, Parameter aus langen Textbeschreibungen manuell abzuschreiben
• Extraktion von Werten aus unstrukturierten Textfragmenten
• Umrechnung von Einheiten (z.B. Zoll in Zentimeter)
• Das Mapping verschiedener Namen desselben Attributs (z.B. "Farbe", "Farbton", "Schattierung")
• Standardisierung von Wörterbuchwerten (z.B. "schwarz", "Schwärze", "mattschwarz", "RAL 9005")

Ein Spezialist ist in der Lage, durchschnittlich 100-200 Produkte pro Tag zu verarbeiten, was bei Tausenden neuer Positionen eine ernsthafte Leistungsbeschränkung darstellt.

Probleme mit der Skalierung bei großen Katalogen

Mit der Zunahme des Sortiments wachsen exponentiell die Probleme mit dem Datenmanagement:

• 10.000 Produkte sind potenziell Millionen einzelner Attributwerte zu verwalten
• Aktualisierung der Parameter für den gesamten Katalog kann Wochen dauern
• Das Hinzufügen eines neuen erforderlichen Attributs erfordert eine Massenaktualisierung
• Saisonale Erweiterungen des Angebots erzeugen Belastungsspitzen für das Produktteam

Diese Herausforderungen führen dazu, dass viele Geschäfte auf ehrgeizige Entwicklungspläne verzichten und sich nicht so sehr auf ein kleineres Sortiment beschränken, sondern auf die Präsentation von Produkten, die ausschließlich auf Basisdaten basiert. Die technische Spezifikation oder die Eigenschaften der Produkte bleiben oft in Form einer statischen Tabelle, ohne die Möglichkeit, einzelne Attribute in Suchfiltern, dynamisch generierten Namen oder fortgeschrittenen SEO-Mechanismen zu nutzen.

Kosten für die Beschäftigung von dediziertem Personal

Der Versuch, die oben genannten Probleme mit traditionellen Methoden zu lösen, führt zu einer ständigen Vergrößerung des Teams:

• Datenimport-Spezialisten
• Produkteexperten, die die Branchenspezifik kennen
• Programmierer, die Import- und Mapping-Skripte erstellen
• Datenqualitätsprüfer

Dies erzeugt erhebliche Personalkosten und beseitigt gleichzeitig nicht die Probleme mit der Datenqualität. Angenommen, ein Spezialist kann bis zu 200 Produkte pro Tag verarbeiten, verursacht das vollständige Onboarding von 1000 Produkten mit einem vollständigen Satz von Attributen Kosten von mindestens 1500 Euro - und das nur im grundlegenden Arbeitsumfang.

Diese täglichen Herausforderungen erhöhen nicht nur die Betriebskosten, sondern schränken vor allem das Wachstumspotenzial ein. E-Commerce-Shops, die nicht in der Lage sind, ihren wachsenden Produktkatalog effektiv zu verwalten, verlieren ihre Wettbewerbsvorteile und Expansionsmöglichkeiten. In den folgenden Teilen des Artikels zeigen wir, wie moderne KI-Technologien dieses Bild radikal verändern können.

Um die Herausforderungen des Produkt-Onboardings zu bewältigen, haben E-Commerce-Shops verschiedene Ansätze entwickelt. Schauen wir uns die am häufigsten verwendeten Methoden und deren Einschränkungen an, die oft die Erreichung voller Effizienz verhindern.

Manuelle Dateneingabe und Skalierungsprobleme

Die einfachste Methode besteht darin, die Daten manuell aus den Lieferantendokumenten in das Shopsystem zu übertragen, oft durch ein dediziertes Team:

Vorteile:

• Keine Implementierungskosten für fortschrittliche Werkzeuge
• Gute Ergebnisse bei einer kleinen Anzahl von Produkten (bis zu mehreren Dutzend)
• Qualitätskontrolle in Echtzeit

Einschränkungen:

• Extrem niedrige Produktivität (ca. 100-200 Produkte pro Tag pro Person)
• Hohe Kosten bei großen Produktvolumina
• Große Anfälligkeit für menschliche Fehler (Müdigkeit, Unaufmerksamkeit)
• Keine Möglichkeit zur schnellen Reaktion auf saisonale Angebotsschwankungen

Unternehmen, die versuchen, das Problem der Effizienz durch einfaches Vergrößern des Teams zu lösen, entdecken schnell, dass dies neue Herausforderungen in Bezug auf die Koordination der Arbeit, die Datenkonsistenz und das Qualitätsmanagement mit sich bringt.

Portale für Lieferanten und warum sie oft versagen

Ein alternativer Ansatz besteht darin, ein dediziertes Portal zu erstellen, auf dem die Anbieter die Daten ihrer Produkte selbst eingeben:

Vorteile:

• Übertragung der Arbeit auf die Lieferantenseite
• Eliminierung der Datenübertragungsphase
• Einheitliches Datenformat bereits am Eingang

Einschränkungen:

• Niedrige Adoptionsrate – Anbieter vermeiden in der Regel die Nutzung externer Portale und bevorzugen es entschieden, Daten in ihrem über Jahre entwickelten Format zu übermitteln.
• Die Dateneingabe hat für die Anbieter eine niedrige Priorität.
• Die Notwendigkeit regelmäßiger Schulungen und Unterstützung für Lieferanten
• Häufige Personalwechsel bei den Lieferanten erfordern eine ständige Neueinführung
• Fehlende Motivation der Lieferanten, sich um die Qualität und Vollständigkeit der Daten zu kümmern

Lieferantenportale bewähren sich nur in Umgebungen, in denen das Geschäft über ausreichende Verhandlungsmacht verfügt, um die Nutzung des Systems zu erzwingen. In der Praxis bleiben sie, insbesondere für mittelgroße E-Commerce-Unternehmen, meist ein ungenutztes Werkzeug.

Produktklassifizierungsstandards (ETIM, ECLASS, GPC)

Viele Branchen haben einheitliche Standards zur Klassifizierung und Beschreibung von Produkten entwickelt, wie ETIM (für Elektrotechnik, HVAC), ECLASS (für die Industrie) oder GPC von GS1 (für den Einzelhandel):

Vorteile:

• Präzise definierte Datenstruktur und Attribute
• Internationale Kompatibilität und Anerkennung in der Branche
• Eliminierung von Mehrdeutigkeiten und Diskrepanzen in technischen Beschreibungen
• Erleichterter Datenaustausch zwischen den Teilnehmern der Lieferkette

Einschränkungen:

• Langer und sehr kostspieliger Prozess der Implementierung des Standards beim Hersteller
• Ein gemeinsamer Standard ist immer ein Kompromiss - sehr oft betonen die Hersteller, dass er nicht alle Aspekte und einzigartigen Vorteile ihrer Produkte widerspiegelt.
• Die dynamische Entwicklung des Marktes erzwingt häufige Aktualisierungen der Standards - die Anpassung an die nächsten Versionen der Klassifizierung verursacht hohe Kosten sowohl auf Seiten der Hersteller als auch der Verbraucher.
• Obwohl ETIM und ECLASS in ihren Branchen gut angenommen werden, nutzen immer noch ein bedeutender Teil der Unternehmen diese Standards nicht.
• Die Klassifikationen sind auf bestimmte Branchen zugeschnitten, aber es gibt Produktkategorien, die in diesen Standards schlecht beschrieben oder vollständig ausgelassen sind.
• Erweiterung des Sortiments des Unternehmens über den Standard hinaus bedeutet die Notwendigkeit der Einführung alternativer Importmethoden, selbst wenn für einen Teil der Produkte ein gut entwickelter Prozess auf Basis des BMEcat-Formats existiert.

Klassifikationsstandards sind eine hervorragende Lösung, die viele grundlegende Probleme beim Austausch von Produktdaten beseitigt. Sie bringen Eindeutigkeit, Präzision und Konsistenz auf semantischer und struktureller Ebene. Sie werden jedoch kein perfektes Heilmittel sein, solange die Klassifikationen nicht für alle Branchen vollständig sind und solange nicht alle Teilnehmer der Lieferkette (Hersteller, Distributoren, Verkäufer) sie allgemein anwenden. Der E-Commerce, der in vielen Branchen tätig ist, muss derzeit die Vorteile der Standards dort kombinieren, wo sie verfügbar sind, mit alternativen Methoden für die übrigen Bereiche.

ETL-Werkzeuge und Systeme basierend auf Attributzuordnung

Technologisch fortschrittliche Unternehmen implementieren häufig Lösungen, die den Prozess der Produktdatentransformation automatisieren. Solche Werkzeuge lassen sich in mehrere Hauptkategorien unterteilen:

ETL (Extract, Transform, Load)
ETL-Systeme sind darauf spezialisiert, Daten aus verschiedenen Quellen zu extrahieren, sie gemäß definierten Regeln zu transformieren und in Zielsysteme zu laden. Beispiele für beliebte Werkzeuge:

• Talend- eine umfassende Datenintegrationsplattform mit offenem Quellcode, die erweiterte ETL-Funktionen bietet
• Pentaho- ein Werkzeugset für Datenintegration und Business Intelligence, das die Erstellung komplexer Transformationsabläufe ermöglicht

System PIM (Produktinformationsmanagement)
PIM-Systeme verfügen oft über eingebaute Attribut-Mapping-Mechanismen, die die Transformation von Daten aus dem Lieferantenformat in das Systemformat ermöglichen:

• Akeneo Onboarder- eine Lösung, die für die Zusammenarbeit mit Lieferanten und die Zentralisierung von Produktdaten entwickelt wurde
• Informatica MDM- Enterprise-Plattform zur Verwaltung von Stammdaten, einschließlich Produktdaten
• Contentserv- ein erweitertes PIM-System mit fortgeschrittenen Automatisierungsmöglichkeiten
• Schwarzwurzel- Eine PIM-Plattform, die für den Omnichannel-Handel und die Zusammenarbeit mit Lieferanten entwickelt wurde.
• Pimcore– eine flexible Open-Source-Plattform, die eine erweiterte Attributzuordnung während des Datenimports ermöglicht. Dank des DataHub-Moduls können Integrationsschemata konfiguriert werden.

Dedizierte Produktintegrationssysteme

• Productsup Lieferanten-Onboarding- eine spezialisierte Lösung für ein effizientes Onboarding von Produkten von Lieferanten

Die Schlüsselfunktionalität dieser Systeme ist die Möglichkeit, Daten von vielen Anbietern zu importieren und sie in eine einheitliche, konsistente interne Klassifikation zu transformieren. In der Praxis bedeutet das:

• Gleichzeitige Verwaltung von Dutzenden oder Hunderten von Datenquellen (jede mit ihrem eigenen Format)
• Zuordnung verschiedener Attributnamen zu einem Zielmodell (z.B. "kolor", "Barwa", "odcień" → "Kolor")
• Normalisierung von Werten und Einheiten (z.B. "1500W", "1.5 kW", "1,5 Kilowatt" → "1500 W")
• Transformation von Wörterbuchwerten (z.B. "czarny", "czerń", "matowy czarny", "RAL 9005" → "Czarny")

Jedoch hat diese Flexibilität ihren Preis - jedes neue Format von einem neuen Anbieter erfordert die Erstellung individueller Zuordnungsregeln.

Vorteile:

• Automatisierter Prozess für wiederkehrende Importe
• Höhere Effizienz als bei manueller Eingabe (ein Spezialist kann die Daten für Tausende von Produkten verwalten)
• Möglichkeit zur Verarbeitung verschiedener Eingabeformate
• Zentrale Verwaltung von Datenumwandlungsregeln
• Möglichkeit der Datenvalidierung während des Imports

Einschränkungen:

• Die Notwendigkeit, Mapping-Regeln für jeden Anbieter und jedes Format zu erstellen und zu pflegen
• Zeitaufwändige Vorbereitung der Zuordnung beim Onboarding eines neuen Lieferanten (in der Regel mehrere Tage Arbeit eines Spezialisten)
• Hohe Implementierungs- und Wartungskosten komplexer Systeme (Lizenzen oft ab mehreren zehntausend Euro pro Jahr)
• Schwierigkeiten bei der Verarbeitung unstrukturierter Textdaten und der Extraktion wertvoller Attribute daraus
• Erfordert hochqualifizierte Spezialisten mit sowohl technischem als auch domänenspezifischem Wissen
• Starre Regeln vom Typ "wenn-dann" kommen mit den Varianten der Aufzeichnung derselben Informationen nicht zurecht.
• Problem mit der Skalierung bei einem sehr unterschiedlichen Sortiment (Hunderte von Kategorien)
• Selbst kleine Änderungen in der Struktur der Quelldaten (z.B. Aktualisierung des Formats durch den Anbieter) erfordern eine Neugestaltung der Zuordnungsregeln

Regelbasierte Mapping-Lösungen bewähren sich gut bei regelmäßigen Importen von denselben Lieferanten, bei denen das Datenformat stabil und wiederholbar ist. Ihr Hauptvorteil ist die Vorhersehbarkeit und Transparenz des Prozesses. Bei der Einführung neuer Lieferanten erfordert dies jedoch jedes Mal erheblichen Arbeitsaufwand zur Erstellung der Mapping-Regeln, was die Markteinführungszeit der Produkte verlängert und die Betriebskosten erhöht.

Darüber hinaus haben traditionelle ETL- und PIM-Tools oft Schwierigkeiten, wertvolle Informationen aus unstrukturierten Textbeschreibungen zu extrahieren, was zu einer unvollständigen Nutzung der verfügbaren Produktdaten führt.

Herausforderungen im Zusammenhang mit der Mehrsprachigkeit von Daten

Eine zusätzliche Komplikation für alle zuvor beschriebenen Methoden ist die Sprachbarriere - wenn Produkte von internationalen Lieferanten stammen, kommen die Daten in verschiedenen Sprachen. Unabhängig von der gewählten Onboarding-Methode ist es notwendig, die Phase der Übersetzung oder Anpassung der Daten an die Zielsprache zu berücksichtigen.

Obwohl moderne KI-Technologien diesen Prozess erheblich verbessert und seine Kosten gesenkt haben, bleibt er dennoch ein zusätzlicher Schritt im Prozess, der Verzögerungen verursacht und zusätzliche Aufwendungen erfordert. Besonders problematisch ist die präzise Übersetzung von fachspezifischer technischer Terminologie, was zu Inkonsistenzen oder Fehlern in den endgültigen Produktdaten führen kann.

Die zuvor vorgestellten traditionellen Methoden des Produkt-Onboardings basieren trotz ihrer schrittweisen Evolution immer noch auf denselben fundamentalen Annahmen - manueller Arbeit, Mapping-Regeln und umfangreichen Konfigurationen. getName.ai repräsentiert einen völlig neuen Ansatz, der anstatt alte Prozesse zu optimieren, die Denkweise über die Extraktion von Produktattributen vollständig verändert.

Künstliche Intelligenz statt Mapping-Regeln

Im Gegensatz zu traditionellen ETL- und PIM-Systemen, die die Erstellung komplizierter Mapping-Regeln für jedes Datenformat erfordern, nutzt getName.ai fortschrittliche Sprachmodelle, die den Kontext und die Semantik von Produktinformationen "verstehen".

Wie es in der Praxis funktioniert:

• Das System analysiert alle verfügbaren Informationen über das Produkt (Beschreibungen, Namen, Spezifikationstabellen)
• Erkennt und interpretiert die Bedeutung des Textes, nicht nur seine Struktur oder sein Format
• Identifiziert die Schlüsselattribute und ihre Werte, unabhängig von der Art ihrer Aufzeichnung.
• Konvertiert und normalisiert automatisch Werte in das erforderliche Format.

Dieser grundlegende Unterschied im Ansatz eliminiert vollständig die Notwendigkeit, komplexe Zuordnungsregeln zu erstellen und zu pflegen, die den größten Engpass traditioneller Methoden darstellen.

Universalität der Eingabeformate

getName.ai erfordert kein spezielles Eingabeformat. Das System kann arbeiten mit:

• Beliebige Dateiformate (XML, JSON, CSV, Excel, PDF)
• Unstrukturierte Textbeschreibungen (sogar lange Marketingbeschreibungen)
• Daten, die direkt von Websites heruntergeladen wurden
• Tabellen mit Spezifikationen in beliebigem Layout

Diese Flexibilität bedeutet, dass es nicht notwendig ist, die von den Lieferanten erhaltenen Daten vorab zu verarbeiten oder anzupassen - sie können in der Form, in der sie geliefert wurden, an das System übergeben werden.

Sprachliche Unabhängigkeit

Eine der revolutionärsten Eigenschaften von getName.ai ist die völlige Unabhängigkeit von der Quellsprache der Daten. Das System versteht den Kontext und die Bedeutung der Produktattribute, unabhängig davon, ob sie auf Polnisch, Englisch, Deutsch oder sogar Chinesisch verfasst sind.

Praktische Aspekte:

• Keine Notwendigkeit, Daten vor ihrer Verarbeitung zu übersetzen
• Möglichkeit, mit Lieferanten aus der ganzen Welt ohne Sprachbarriere zu arbeiten
• Konsistente Ergebnisse unabhängig von der Quellsprache

In der Praxis bedeutet dies, dass dasselbe Attribut (z. B. Motorleistung) korrekt erkannt wird, unabhängig davon, ob es in der ursprünglichen Beschreibung als "power", "Leistung", "puissance" oder "功率" vorkommt.

Umwandlung in eine eigene Produktklassifikation

Die wertvollste Funktion von getName.ai ist die Fähigkeit, beliebige Eingabedaten automatisch in eine standardisierte, interne Klassifikation des Geschäfts umzuwandeln. Das System erkennt nicht nur Attribute, sondern ordnet sie direkt dem spezifischen Datenmodell zu, das für Ihr Geschäft erforderlich ist - ohne jegliches Mapping.

Wie sieht dieser Prozess aus:

• Ursprünglich übermittelst du ein Modell deiner eigenen Produktklassifikation: Klassen, Attribute, Wörterbuchwerte
• Das System analysiert Rohdaten vom Anbieter
• getName.ai identifiziert alle verfügbaren Informationen über Attribute
• Übersetzt den erkannten Attributen automatisch zu deiner internen Klassifikation zu.
• Normalisiert die Werte gemäß den Anforderungen (Einheiten, Formate, Wörterbücher)
• Gibt einen vollständigen Satz von Attributen zurück, der bereit ist, in Ihr System importiert zu werden

Dieser Prozess eliminiert vollständig die Notwendigkeit, für jeden neuen Anbieter Mapping oder Transformationsregeln zu erstellen - getName.ai passt sich automatisch an verschiedene Eingabeformate an und behält stets dasselbe, konsistente Ausgabeformat bei.

Intelligente Einheitenumrechnung und Normalisierung von Werten

Das System kann nicht nur Zahlenwerte erkennen, sondern auch Maßeinheiten automatisch identifizieren und sie in das erforderliche Format umwandeln:

• Automatische Erkennung von Einheiten (Zoll, mm, cm, kg, lb, W, kW usw.)
• Konvertierung zwischen metrischem und imperialem System
• Standardisierung der Schreibweise gemäß den Anforderungen (z.B. immer "cm" statt "Zentimeter")
• Runden auf die erforderliche Genauigkeit

Ähnlich funktioniert der Mechanismus zur Normalisierung von Wörterbuchwerten, der verschiedene Schreibvarianten desselben Wertes erkennt:

• "czarny", "black", "noir", "schwarz" → "Schwarz"
• "drahtlos", "wireless", "schnurlos" → "Drahtlos"
• "Edelstahl", "stainless steel", "inox" → "Edelstahl"

Schnelle Implementierung der API

Die Integration von getName.ai in bestehende Systeme ist dank der REST-API einfach. Nehmen wir an, dass unser E-Commerce strategisch die ETIM v10-Klassifikation als seine Hauptklassifikation angenommen hat und den vom Hersteller erhaltenen Produktbeschreibung an diese anpassen möchte.

Eine solche API-Struktur ermöglicht eine einfache Integration mit bestehenden PIM-, E-Commerce- oder ERP-Systemen durch standardisierte Kommunikationsmechanismen.

Skalierbarkeit und Flexibilität

Im Gegensatz zu traditionellen Lösungen behält getName.ai eine hohe Effizienz bei einer großen Vielfalt an Produkten oder Lieferanten bei. Das System bewältigt ebenso effizient:

• Ein Lieferant und eine Produktkategorie
• Mit Hunderten von Lieferanten und Tausenden von verschiedenen Produktkategorien

Diese Skalierbarkeit ergibt sich aus einem grundlegenden Unterschied im Ansatz - anstatt das mühsame Erstellen und Pflegen von Tausenden von Zuordnungsregeln zu erfordern, nutzt getName.ai die Möglichkeiten der künstlichen Intelligenz, um den Kontext und die Bedeutung der Daten zu verstehen, unabhängig von ihrem Format oder ihrer Quelle.

getName.ai ist keine weitere Verbesserung bestehender Prozesse, sondern ein kompletter Paradigmenwechsel im Ansatz zum Onboarding von Produkten. Anstatt sich an die unendliche Vielfalt der Datenformate von Anbietern durch schwer zu wartende Zuordnungsregeln anzupassen, konzentriert sich das System auf das direkte Verständnis der Bedeutung der Daten und deren automatische Umwandlung in eine konsistente, interne Klassifikation. Dies ist ein fundamentaler Unterschied, der es ermöglicht, die Einschränkungen traditioneller Methoden zu überwinden und neue Möglichkeiten zur Sortimentserweiterung im E-Commerce zu eröffnen.

In diesem Abschnitt werden wir Schritt für Schritt betrachten, wie der tatsächliche Prozess der Einführung großer Produktmengen in E-Commerce-Systeme aussieht. Wir zeigen die Schmerzpunkte und die größten Herausforderungen, mit denen sich Produktteams konfrontiert sehen, und wo genau getName.ai bedeutende Verbesserungen einführt.

Ein tatsächliches Beispiel für den Onboarding-Prozess

Schauen wir uns an, wie ein typischer Produkt-Onboarding-Prozess am Beispiel einer XML-Datei eines Lieferanten aussieht, mit dem sich fast jeder E-Commerce-Shop auseinandersetzen muss:

Anfängliche Annahmen:

• XML-Datei im eigenen Format des Anbieters
• Attribute der technischen Spezifikation im herstellereigenen Format gespeichert
• Daten in einer Fremdsprache (z. B. Englisch, Deutsch oder sogar Chinesisch)
• Katalog 5.000 Produkte

Etap 1: Analyse der Dateistruktur

Dieser Schritt ist unabhängig von der Methode gleich. Das technische Team muss zuerst verstehen, wie die XML-Datei des Anbieters aufgebaut ist. Das bedeutet, dass Felder zugeordnet, Tags identifiziert und die Logik der Datei verstanden werden müssen. Dieser Schritt erfordert oft IT-Spezialisten und kann je nach Komplexität der Struktur von einigen Stunden bis zu mehreren Tagen dauern.

Etappe 2: Vorverarbeitung der Daten

Ebenfalls eine gemeinsame Phase für alle Methoden, einschließlich:

• Transformation in eine vom PIM-/E-Commerce-System akzeptierte Struktur
• Vorbereitung von Stamm- und Logistikdaten für den Import
• Ordnung der Assets (Fotos, Dokumentation)
• Platzierung von Spezifikationsattributen in einer temporären Arbeitsstruktur

Dieser Schritt erfordert normalerweise das Schreiben von Konvertierungsskripten oder die Verwendung von ETL-Tools, was 1-2 Arbeitstage eines IT-Spezialisten in Anspruch nimmt.

Schritt 3: Import der Stammdaten

Gemeinsame Phase für alle Methoden:

• Laden von Produktkennungen
• Import von Namen und Beschreibungen
• Eingabe logistischer Daten (Gewicht, Abmessungen, Verpackung)
• Anfügen von Assets (Fotos, PDF-Dateien)

Selbst wenn die Daten automatisch verarbeitet werden, erfordert dieser Prozess Überwachung und dauert mehrere Stunden bis zu einem ganzen Tag.

Etappe 4: Sprachlokalisierungsprozess

In diesem Schritt müssen wir die fremdsprachigen Produktdaten an die lokale Sprache des Geschäfts anpassen. Dies ist eine der arbeitsintensivsten Phasen des traditionellen Onboardings, die getName.ai radikal vereinfacht.

Ohne getName.ai:
Die traditionelle Lokalisierung erfordert eine umfassende Übersetzung aller Produktdatenelemente, was erhebliche Kosten verursacht und die Markteinführung von Produkten verzögert.

• Übersetzung von Produktnamen
• Übersetzung von Produktbeschreibungen
• Übersetzung der technischen Spezifikation

Dieser Prozess kann je nach Anzahl und Spezifik der technischen Attribute und der verfügbaren Übersetzungsressourcen von einigen Tagen bis zu Wochen dauern.

Aus getName.ai:
Mit getName.ai gibt es zwei Hauptstrategien: Man kann die originalen Namen und Beschreibungen, die vom Hersteller entwickelt wurden, übersetzen oder sich darauf konzentrieren, mehrsprachige technische Attribute zu sammeln und daraus automatisch lokale Namen und Beschreibungen zu generieren.

• Übersetzung von Produktnamen - überflüssig, wenn das Unternehmen einen Mechanismus zur Generierung von Namen basierend auf Attributen der Spezifikation besitzt
• Übersetzung von Produktbeschreibungen - überflüssig, wenn das Unternehmen einen KI-Mechanismus zur Generierung von Beschreibungen basierend auf Spezifikationsattributen besitzt
• Übersetzung der technischen Spezifikation - völlig überflüssig, da getName.ai Attribute unabhängig von der Quellsprache erkennt

An dieser Stelle erscheint der erste wesentliche Unterschied: getName.ai eliminiert die Notwendigkeit der schwierigen Übersetzung von technischen Spezifikationen, was Arbeitstage spart und die Kosten erheblich senkt.

Etap 5: Kategorisierung von Produkten

Jedes Produkt muss der entsprechenden Kategorie im System zugeordnet werden. Dieser Prozess erfordert in der Regel spezielles Produktwissen und kann - je nach Grad der Sortimentsvielfalt - von einigen Stunden bis zu sogar zwei Tagen für eine Charge von etwa 5.000 Produkten dauern.

Etappe 6: Import von kategoriespezifischen Spezifikationsattributen

Manuelle Bearbeitung:

• Manuelle Ergänzung über die GUI basierend auf den vorhandenen Daten in der Quelldatei
• Durchsuchen von technischen Datenblättern nach Informationen
• Suche nach fehlenden Daten im Internet
• Manuelle Umrechnung von Einheiten (z.B. Zoll in Zentimeter)

Angenommen, dass ein Spezialist in der Lage ist, täglich bis zu 200 Produkte zu bearbeiten, werden für die Bearbeitung von 5.000 Produkten 25 Personentage Arbeit benötigt.

Dedizierte Werkzeuge / ETL:

• Vorläufige Datenbereinigung
• Erstellen von komplexen Importregeln [if-then-else]
• Definieren der Zuordnung für jedes der Attribute
• Erstellen von Mapping für Wörterbuchwerte, in besonderen Fällen zusätzlich pro Attribut
• Automatische Umrechnung von Einheiten

Die Vorbereitung eines solchen Systems dauert in der Regel 3-5 Tage, aber nach der Konfiguration verläuft der Import wesentlich schneller. Allerdings erfordert jeder neue Anbieter eine erneute Konfiguration. Darüber hinaus erfordert jeder weitere Import, selbst vom selben Anbieter, eine Inspektion und oft eine Anpassung der Zuordnung, da neue Attribute, neue Wörterbuchwerte oder Fehler in den Quelldaten auftreten können.

Diese Lösung ist besonders effektiv für Unternehmen mit einer relativ einfachen Sortimentsstruktur – die Zuordnung von Attributen und Wörterbuchwerten bleibt dann ein Prozess, der ohne übermäßige Komplexität erfolgreich durchgeführt werden kann. Für E-Commerce mit einem sehr vielfältigen Angebot (Hunderte von Produktkategorien) wird die erweiterte Zuordnung jedoch nahezu unmöglich oder erfordert ein dediziertes Team zur kontinuierlichen Aktualisierung der Regeln.

API getName.ai:

• Vollständige Automatisierung des Prozesses
• Senden aller verfügbaren Produktinformationen an die API ohne vorherige Analyse
• Sofortiger Erhalt von importbereiten Attributen und deren Werten

An dieser Stelle erscheint der wichtigste Unterschied: eine Phase, die traditionell 25 Personentage Arbeit in Anspruch nahm (bei einer Produktivität von 200 Produkten pro Tag) oder 3-5 Tage für die Vorbereitung fortgeschrittener ETL-Regeln, wird auf einige Stunden Systemarbeit reduziert. Es ist nicht notwendig, komplexe Zuordnungsregeln zu erstellen, da das System automatisch Attribute erkennt und Einheiten konvertiert.

Etappe 7: Qualitätskontrolle

Manuelle Bearbeitung:

• Die Qualitätskontrolle wird gleichzeitig mit der Dateneingabe durch die Bediener durchgeführt.
• Erfordert keinen zusätzlichen Verifizierungsschritt, ist jedoch anfällig für menschliche Fehler, die durch Ermüdung bei monotoner Arbeit entstehen.

Dedizierte Werkzeuge / ETL:

• Erfordert stichprobenartige Überprüfung, typischerweise etwa 1% der Produkte
• Es treten weiterhin Fehler auf, die auf die Unvollkommenheit der Zuordnungsregeln zurückzuführen sind, insbesondere bei neuen Werten.

API getName.ai:

• Qualitätskontrolle, die 1-5% der Produkte umfasst, um die Richtigkeit der Werkzeugaktionen zu bestätigen
• Die Verifizierung verläuft reibungslos und je nach der Basisanwendung, in die der Import durchgeführt wurde, dauert sie einige Stunden.

Die wichtigsten Verbesserungen von getName.ai:

• Eliminierung der Sprachbarriere- Das System erkennt Attribute unabhängig von der Quellsprache
• Keine Notwendigkeit, Mapping-Regeln zu schreiben- das System erkennt und ordnet automatisch Attribute zu
• Automatische Einheitenumrechnung- Das System erkennt Maßeinheiten und konvertiert sie in das erforderliche Format
• Erkennung von Wörterbuchwerten- das System ordnet verschiedene Schreibvarianten desselben Wertes einem Standardwert zu
• Reduzierung der für die Phase der technischen Spezifikation benötigten Zeit um 90%- die zeitaufwändigste Phase ist nahezu vollständig automatisiert

Die Implementierung von getName.ai ermöglicht es E-Commerce-Unternehmen, Ressourcen auf die strategische Entwicklung des Angebots zu konzentrieren, anstatt auf die manuelle Dateneingabe. Gleichzeitig verbessert es die Qualität der Produktinformationen und verkürzt die Markteinführungszeit neuer Produkte um etwa 80%.

Das Onboarding neuer Lieferanten mit vollständigen Produktattributen stellt eine der größten Herausforderungen des modernen E-Commerce dar. In dem Artikel haben wir dargestellt, wie traditionelle Ansätze – trotz ständiger Verbesserungen – immer noch auf mühsamen, kostspieligen und unflexiblen Mechanismen basieren.

Wir haben auf die grundlegenden Probleme hingewiesen:

• Die begrenzte Effizienz der manuellen Dateneingabe
• Sprachbarriere bei internationalen Lieferanten
• Schwierigkeiten bei der Erstellung und Aufrechterhaltung von Zuordnungsregeln
• Einschränkungen der Klassifizierungsstandards in einem heterogenen Sortiment

Gleichzeitig haben wir gezeigt, wie getName.ai – unter Nutzung der neuesten Errungenschaften im Bereich der künstlichen Intelligenz – eine völlig neue Qualität in den Onboarding-Prozess einführt. Anstatt alte Praktiken zu verbessern, ändert es die Spielregeln vollständig, indem es die zeitaufwändigsten und kostspieligsten Phasen eliminiert.

Reale Vorteile der Implementierung

Wie Analysen von Prozessen in E-Commerce-Unternehmen zeigen, führt die Implementierung von getName.ai zu konkreten, messbaren Vorteilen:

• Drastisch verkürzte Produkteinführungszeit– von Wochen zu Tagen
• Reduzierung der Betriebskosten– niedrigere Ausgaben für Personal und Prozessabwicklung
• Eliminierung von Sprachbarrieren– Möglichkeit der direkten Zusammenarbeit mit Lieferanten aus der ganzen Welt
• Verbesserung der Datenqualität– konsistente, vollständige Attribute für das gesamte Sortiment
• Freisetzung des Potenzials des Teams– Spezialisten können sich auf die strategische Entwicklung des Angebots konzentrieren, anstatt mechanisch Daten einzugeben

Darüber hinaus bewirkt die Funktionsweise von getName.ai, dass die Vorteile mit dem Umfang der Tätigkeit zunehmen. Je größer die Vielfalt der Produkte und Lieferanten, desto größer der Vorsprung gegenüber traditionellen Lösungen.

Beginnen Sie die Transformation noch heute

Wenn Sie mit einer der im Artikel beschriebenen Herausforderungen zu kämpfen haben, laden wir Sie ein, sich direkt mit den Möglichkeiten der Plattform getName.ai vertraut zu machen. Befreien Sie Ihr E-Commerce von den Einschränkungen traditioneller Methoden und entdecken Sie neue Möglichkeiten zur Sortimentserweiterung ohne Kompromisse.

Vereinbaren Sie eine kurze, 15-minütige Präsentation, in der wir Ihnen zeigen, wie getName.ai mit realen Produktdaten umgeht. Sie werden live sehen, wie rohe Beschreibungen in strukturierte Attribute umgewandelt werden - bereit zur Verwendung in Ihrem PIM- oder E-Commerce-System.

Testen Sie die Lösung unverbindlich

Erhalten Sie Zugang zu einer voll funktionsfähigen Demoversion und testen Sie das System mit einem größeren Satz Ihrer eigenen Daten. Ohne Vorabgebühren und ohne langfristige Verpflichtungen - überzeugen Sie sich, wie getName.ai Ihre Geschäftsprozesse in der Praxis unterstützen kann.

Kontaktieren Sie uns

Um einen Termin für eine Demonstration zu vereinbaren oder Zugang zur Demonstrationsumgebung zu erhalten, kontaktieren Sie uns per E-Mail unter hello@getname.ai oder füllen Sie das Formular auf unserer Website aus.