Generative KI meets Data Quality Automation: Wie Händler mit großen Produktsortimenten von ChatGPT profitieren können

Generative KI macht die automatisierte, regelbasierte Konsolidierung von Produktdaten noch smarter und effizienter. Lesen Sie hier, wo die Reise im Produktdatenmanagement hingeht.

Produktdaten sind der Treibstoff des Omnichannel-Verkaufs. Die Qualität der Daten entscheidet wesentlich darüber, wie Produkte im Online-Shop oder auf Marktplätzen präsentiert und gefunden werden. Trotzdem tun sich viele Unternehmen schwer mit der Aufbereitung ihrer Daten. Deshalb bietet eCube hierfür Beratung und Lösungen.

Bittere Realität: Manuelle Aufbereitung von Produktdaten

Ein Großteil der Handelsunternehmen erfasst seine Produktdaten selbst oder bezieht diese direkt von Herstellern. Die Qualität der gelieferten Produktdaten entspricht dabei oft nicht den Anforderungen des Omnichannel-Verkaufs. Dann werden die Produktdaten manuell aufbereitet – ein Vorgang, der regelmäßig sehr zeit- und kostenaufwendig sein kann.

Müssen Produktdaten bei jedem Update erst manuell überprüft und ggf. bearbeitet werden, kann dies den Verkauf empfindlich ausbremsen. Das gilt besonders für sehr große Produktsortimente, bei denen die Daten aus verschiedenen Quellen in unterschiedlicher Qualität geliefert werden. Hier kostet die manuelle Aufbereitung viel Zeit und Ressourcen.

Auch klassische Product-Information-Management-Systeme (PIM) stoßen beim Data Quality Management an ihre Grenzen. Denn diese sind nicht für die (massenweise) Aufbereitung von Datensätzen ausgelegt. Dementsprechend bieten sie in der Regel keine oder nur sehr rudimentäre Werkzeuge für die Konsolidierung von Daten aus verschiedenen Quellen.

Fazit: Manuelle PIM-Prozesse bremsen den Verkauf und verschwenden Ressourcen

Greifbare Chance: Produktdatenkonsolidierung automatisieren

Moderne Händler haben erkannt, dass es im Produktdatenmanagement wesentlich auf die Kontinuität und Effizienz der Prozesse ankommt. Die Qualität der Daten muss fortlaufend analysiert und optimiert werden, um jederzeit überzeugende Kauferlebnisse zu bieten. Data Quality Management ist deshalb kein einmaliges Projekt, sondern ein fortlaufender Prozess.

Die Automatisierung von Prozessen für die Analyse und Aufbereitung von Produktdaten kann Ressourcen einsparen und die Datenqualität nachhaltig verbessern. So können z.B. wiederkehrende Fehler wie falsche Schreibweisen oder fehlende Angaben in einem regelbasierten Prozess zuverlässig erkannt und automatisiert korrigiert werden.

Product Data Consolidation (PPDC) unterstützt diesen Prozess mit einer regelbasierten und automatisierten Datenverarbeitung – vergleichbar mit einer Waschmaschine mit verschiedenen Waschprogrammen. Auf diese Weise lassen sich Produktdaten gegenüber der manuellen Verarbeitung deutlich schneller und effizienter aufbereiten.

Fazit: Automatisierung hilft, die Prozesseffizienz und Datenqualität zu steigern.

Leseempfehlung: Whitepaper “Produktdatenmanagement der nächsten Generation”

Die nächste Stufe: KI-gestützte Data Quality Automation

Product Data Consolidation – die automatisierte, regelbasierte Konsolidierung von Produktdaten – ermöglicht Händlern, Produktdaten schnell, effizient und in hoher Qualität für den Verkauf bereitzustellen. Mit Generativer KI wie z.B. ChatGPT lässt sich PDC zu lernender und partiell autonom agierender Data Quality Automation weiterentwickeln.

Dazu ein Beispiel: Im Data-Quality-Automation-Tool von eCube (“Chioro”) müssen die Regeln für die wiederkehrende Transformation von Produktdaten manuell erstellt werden. Das ist mit einem Editor für logische Operationen sehr einfach möglich. ChatGPT wird hier zukünftig dabei unterstützen, diese Regeln noch schneller und einfacher zu erstellen.

So wird es mithilfe Generativer KI unter anderem möglich sein, Bezeichnungen und Attribute aus einer Quelltabelle mit denen in der Zieltabelle zu „mappen“. Die KI erkennt, dass z.B. die Spalte mit der Bezeichnung “ean-nr” im Ziel “EAN” heißen soll und schlägt für diese Zuordnung eine entsprechende Regel vor, die das Mapping automatisiert.

Ein weiteres Beispiel ist das Mapping von Produktfarben, das für den Suchfilter im Shop von großer Bedeutung ist: Sucht jemand nach der Farbe Rot, würde ein Produkt in der Variante “Karminrot” u.U. nicht gefunden, obwohl es zur Suchanfrage passt. Um das zu vermeiden, kann die KI dieses „Karminrot“ in der Quelltabelle der Standardfarbe „Rot“ in der Zieltabelle automatisiert zuweisen.

Fazit: KI kann den Automatisierungsgrad der Datenkonsolidierung weiter steigern

Fazit: Smarte Produktdatenkonsolidierung ist die Zukunft

Händler, die ihre Produktdaten für den Verkauf manuell aufbereiten, sollten Möglichkeiten prüfen, mithilfe von Automatisierung die Effizienz ihrer Prozesse und die Qualität ihrer Produktdaten nachhaltig zu verbessern. Product Data Consolidation – die automatisierte, regelbasierte Konsolidierung von Produktdaten – kann hier ein erster wichtiger Schritt sein.

Generative KI hebt den PDC-Ansatz auf die nächste Stufe, indem sie den Grad der Automatisierung steigert und so die Datenkonsolidierung smarter und effizienter macht. Bei eCube arbeiten wir laufend daran, Chioro mit Generativer KI aufrüsten. Chioro kann als SaaS-Tool eingesetzt oder als Service in bestehende Systemlandschaften integriert werden.

Weitere Informationen zu Data Quality Automation mit Chioro