PIM trifft KI-Agenten: Die neuen Anforderungen und Möglichkeiten für verlässliche Produktdaten

In diesem Artikel zeigen PIM Anbieter Quable by Ibexa und PIM-Implementierungspartner SNK Core, wie PIM und KI ideal zusammenspielen können, was Agenten bereits heute übernehmen können und wo ihre Grenzen liegen.

Produktdatenmanagement rückt wieder in den Fokus

Produktdatenmanagement ist kein neues Thema. Trotzdem steht es gerade wieder weit oben auf der Agenda vieler Unternehmen.

Der Grund dafür liegt in einer Entwicklung, die sich seit Jahren zuspitzt: Die Anforderungen an Produktdaten wachsen deutlich schneller als die verfügbaren Kapazitäten.

Produktportfolios werden größer, die Zahl der zu pflegenden Produktmerkmale steigt und immer mehr Kanäle müssen mit den passenden Informationen versorgt werden. Dazu kommen Sprachen, Märkte und regulatorische Anforderungen. Gleichzeitig bleiben Teams, Budgets und die verfügbare Zeit pro Artikel weitgehend konstant.

Vorgaben wie GPSR, EUDAMED oder der Digitale Produktpass haben dabei ganz konkrete Auswirkungen auf das Produktdatenmanagement. Sie bestimmen mit, welche Informationen vorhanden sein müssen und wie strukturiert diese gepflegt werden sollen.

Zusätzlichen Handlungsdruck erzeugen von KI-Systemen erfundene Attribute. Fehlt etwa die Druckfestigkeit eines Produkts, kann ein Chatbot statt "Ich weiß es nicht" einen plausiblen, aber falschen Wert nennen. Eine leere Zelle fällt auf, ein erfundener Wert nicht. Genau deshalb braucht es klare Prozesse für verlässliche Produktdaten.

Warum Produktdaten in vielen Unternehmen zum Problem werden

In der Praxis liegt Produktdatenmanagement oft zwischen Marketing, Vertrieb, IT, Service und Produktmanagement. Alle Bereiche sind zwar auf eine gute Datenlage angewiesen, die Gesamtverantwortung übernimmt allerdings oft niemand.

Fehlt ein klarer Owner, fehlt häufig auch das Budget. Gleichzeitig bleibt der wirtschaftliche Effekt guter Produktdaten unsichtbar, solange Unternehmen weder Pflegeaufwand noch Fehlerquoten oder Time-to-Market systematisch erfassen.

Mit KI kommt jetzt eine neue Dynamik in ein Thema, das Unternehmen lange vor sich hergeschoben haben.

Wie KI das Produktdatenmanagement verändert

AI Search, automatisierte Content-Produktion und KI-Agenten erhöhen den Bedarf an verlässlichen, strukturierten Daten. Wer Agenten Inhalte erstellen, Produkte anreichern oder Informationen über verschiedene Kanäle verteilen lassen möchte, braucht eine saubere Datenbasis.

Gleichzeitig kann KI genau dort helfen, wo Produktdatenmanagement bislang besonders aufwendig war: bei Anreicherung, Übersetzung, Qualitätssicherung und Skalierung.

KI zwingt Unternehmen also dazu, das lange aufgeschobene Problem ihrer Produktdaten anzugehen und gibt ihnen gleichzeitig neue Werkzeuge dafür an die Hand.

KI-Agenten im PIM: So setzt Ibexa   Agentic Marketing um

Dabei geht es inzwischen um mehr als klassische KI-Assistenten.

Mit der Ibexa Agentic Marketing Platform, die am 23. September offiziell gelauncht wurde, lassen sich Agenten mit Unternehmenswissen, Tools und konkreten Handlungsmöglichkeiten verbinden.

Über eine zentrale Knowledge Base können Agenten bei Ibexa unter anderem Tone of Voice oder SEO-Vorgaben berücksichtigen und über Konnektoren direkt in angebundene Systeme eingreifen.

Zum Beispiel: Ein SEO-Agent erhält ausgewählte Produkte direkt aus dem PIM und optimiert SEO-Titel, Descriptions, Keywords und Slugs. Je nach Freigabemodell erstellt er entweder nur Vorschläge oder übernimmt die Änderungen direkt.

Agenten können damit innerhalb klar definierter Regeln konkrete Aufgaben und Prozessschritte direkt im System übernehmen.

Vier Ebenen für KI im Produktdatenmanagement   mit SNK Core

Aus der Projektpraxis von SNK Core lassen sich vier zentrale Ebenen für den erfolgreichen Einsatz von KI im Produktdatenmanagement ableiten:

• Source of Truth: Das PIM schafft eine verlässliche Datenbasis und verhindert, dass über verschiedene Kanäle unterschiedliche Versionen derselben Information entstehen.
• Scale: KI übernimmt wiederkehrende Aufgaben in großer Menge, etwa bei Übersetzungen oder der Anreicherung umfangreicher Produktkataloge.
• Quality Gate: Automatisierung braucht klare Prüf- und Freigaberegeln.
• Value: Der Erfolg muss sich an konkreten Kennzahlen messen lassen, etwa an Time-to-Market, Fehlerquoten oder Aufwand pro Artikel.

Erst im Zusammenspiel dieser vier Ebenen entsteht ein belastbarer Rahmen, in dem KI nicht nur technisch funktioniert, sondern auch im täglichen Produktdatenmanagement echten Mehrwert schafft.

Human in the Loop: Wie viel Kontrolle braucht KI im PIM?

Nicht jede Produktinformation braucht dieselbe Kontrolle.

Bei Anwendungstexten oder Kategorietexten kann eine automatische Freigabe mit Stichproben ausreichen. Technische Angaben lassen sich regelbasiert prüfen. Bei sicherheitskritischen oder regulatorisch relevanten Informationen bleibt dagegen eine fachliche Freigabe durch Menschen notwendig.

Wie stark Menschen in den Prozess eingebunden werden müssen, richtet sich deshalb nach dem jeweiligen Risiko.

Wo KI im Produktdatenmanagement an Grenzen stößt

Besonders gut funktioniert KI bei großen Datenmengen, wiederkehrenden Aufgaben und klar definierten Qualitätskriterien.

Grenzen entstehen dort, wo Ausgangsdaten fehlen, wichtiges Fachwissen nur in den Köpfen einzelner Expert*innen steckt oder Fehler rechtliche beziehungsweise sicherheitsrelevante Folgen haben können.

Fehlt eine technische Information vollständig im Ausgangsmaterial, kann auch ein Agent daraus keine verlässliche Angabe ableiten.

So lässt sich der Business Case von KI im PIM messen

Unternehmen sollten deshalb nicht nur auf Funktionen schauen, sondern auf messbare Effekte.

Wie viel Aufwand entsteht heute pro Artikel? Wie hoch ist die Fehlerquote? Wie lange dauert es, bis neue Sortimente live gehen? Wie viele Sprachen und Kanäle können bedient werden?

SNK Core empfiehlt, genau diese Werte bereits vor der Automatisierung zu erfassen. Denn nur wer den Ausgangszustand kennt, kann später zeigen, was sich tatsächlich verbessert hat.

Warum klare Qualitätskriterien für KI im PIM entscheidend sind

Am Ende steht deshalb eine einfache, aber entscheidende Frage: Was ist ein gutes Ergebnis?

Wie vollständig müssen Daten sein? Welche Fehlerquote ist akzeptabel? Welche Inhalte dürfen automatisch veröffentlicht werden? Wann muss ein Mensch prüfen?

Solange diese Kriterien offen bleiben, bleibt auch der Erfolg Interpretationssache.
Erst das Zusammenspiel von PIM und KI macht aus einzelnen Funktionen einen belastbaren Prozess. Das PIM schafft die verlässliche Datenbasis, KI sorgt für Skalierung, Agenten übernehmen klar definierte Aufgaben und Regeln sichern die Qualität.

So wird aus einem Thema, das lange "wichtig, aber nicht dringend" war, ein zentrales Fundament für die nächste Generation des digitalen Marketings.

Autoren:

Michael Kirchberger ist Managing Director bei SNK Core, einem spezialisierten Anbieter für komplexe IT-Projekte, und Mitgründer der schoene neue kinder GmbH, einer der führenden B2B-Digitalagenturen. In dieser Rolle unterstützt er B2B-Unternehmen dabei, digitale Strategien und Customer Experience wirkungsvoll sowie realistisch umzusetzen. Sein Schwerpunkt auf der Konzeption komplexer Business-Anwendungen, Kundenportale, ERP & PIM Systeme sowie mobiler Apps. Als Sparringspartner für Marketing- und IT-Verantwortliche setzt er auf Praxisnähe, zukunftsfähige Systemarchitektur und Lösungen mit Substanz statt Buzzwords. Mit seinem Podcast "Praxis statt Hype; KI im B2B-Umfeld" stellt er dies regelmäßig unter Beweis.

Max Sihvonen ist Chief Marketing Officer bei Ibexa. In dieser Rolle gestaltet er den Wandel des Unternehmens hin zu Agentic Marketing - sowohl in der Art, wie Ibexa seine Kunden begleitet, als auch in der täglichen Arbeitsweise seines eigenen Teams. Bevor er zu Ibexa kam, leitete er Growth Marketing und Business Development bei mehreren Unternehmen der europäischen Martech-Branche. Heute spricht er regelmäßig darüber, wie Agentic AI Marketingorganisationen verändert - und über Datensouveränität und die DSGVO als zentrale Themen für europäische Martech-Käufer. Max spricht fließend Deutsch, Englisch, Norwegisch und Schwedisch.