Produktdaten-Anreicherung & Klassifikation (PIM, ECLASS, ETIM)

Hersteller, Großhändler und Online-Shops müssen saubere, standardisierte Produktdaten an Dutzende Kanäle liefern, jeder mit eigenem Klassifikations- und Attributschema. Einen einzigen neuen Artikel von Hand aufzunehmen – die ECLASS- oder ETIM-Klasse finden, 20–200 Merkmale füllen, Einheiten umrechnen, Texte schreiben – dauert Minuten bis Stunden. KI liest Lieferantendateien, Datenblätter und Bilder, schlägt Klasse und Attributwerte mit Konfidenzwerten vor und leitet unsichere Fälle an eine Datenpflegerin bzw. einen Datenpfleger weiter. Das Ergebnis sind schnellere Markteinführung und bessere Suche, Filter und Zuordnung im Einkauf.

Problem & Nutzen

• Heute: Produktdaten kommen als uneinheitliche Excel-Dateien, PDFs, Bilder und Webseiten an. Datenpfleger ordnen sie manuell dem PIM-Modell zu, suchen Klassen im ECLASS- oder ETIM-Katalog, vereinheitlichen Einheiten („mm“ vs. „cm“, „230V“ vs. „230 V AC“) und bearbeiten Daten je Kanal neu (eigener Shop, Marktplätze, BMEcat-Anforderungen von Großhändlern, öffentliche Ausschreibungen).
• KI-Nutzen: (1) Klassifikation – einen Artikel einer Blattklasse unter Tausenden zuordnen, (2) Attributextraktion und -normalisierung – Freitext und Datenblätter in typisierte Merkmalswerte, (3) Anreicherung – fehlende Attribute, Übersetzungen, Beschreibungen, Tags, (4) Qualitätskontrolle – Widersprüche zwischen Text, Bild und strukturierten Feldern erkennen.
• Warum Standards wichtig sind: ECLASS und ETIM sind im deutschen und europäischen technischen Handel und in der Industrie etabliert; viele B2B-Kunden, Plattformen und Ausschreibungssysteme verlangen sie. ECLASS bildet über semantische Identifikatoren (IRDI) auch die Grundlage für digitale Produktpässe und Verwaltungsschalen (Asset Administration Shells) [1][2][3].
• Nachweis des Nutzens: Anbieter berichten von großen Zeiteinsparungen, aber unabhängige, vergleichbare Zahlen sind selten. Messen Sie an der eigenen Stichprobe (Pflegeminuten je Artikel, Anteil automatisch akzeptierter Artikel).

Varianten

• Technischer Großhandel / Hersteller (ECLASS, ETIM): Elektro, Heizung/Lüftung/Klima, Werkzeuge, Befestigungstechnik; sehr viele technische Attribute mit Einheiten und Wertelisten.
• Handel / E-Commerce (GS1 GPC, Google-Produktkategorien, Marktplatzkategorien): weniger Attribute, mehr beschreibender Text, Bilder und Varianten (Größe, Farbe).
• Einkaufsseite: Lieferantenkataloge beim Eingang klassifizieren, um Kataloge zu konsolidieren, siehe DATA-015.
• Öffentlicher Sektor / Ausschreibung: Klassifikation zur Unterstützung standardisierter Artikelbeschreibungen.
• Private Nutzung: nicht relevant (ein kleiner Shopbetreiber ist unter KMU abgedeckt).

So funktioniert es

1. supplier files / PDFs / images / web
2. ingest + parsing (tables, datasheets, OCR)
3. candidate class retrieval (embeddings + keyword search over class catalogue)
4. LLM/classifier picks class from shortlist, with rationale + confidence
5. attribute extraction per class schema (feature list, units, allowed values)
6. normalisation + rule validation (units, ranges, value lists, cross-field checks)
7. enrichment (translation, texts, tags, image-derived attributes)
8. steward review queue (low confidence, conflicts, new classes)
9. PIM write-back + channel export (BMEcat, ETIM XML, marketplace feed)

• Erst abrufen, dann klassifizieren (Retrieve-then-classify): Klassifikationskataloge haben Zehntausende Klassen, daher wird die Klassenliste nicht in den Prompt gelegt. Eine Bi-Encoder-/Embedding-Suche (plus BM25 auf Klassennamen und Synonymen) erstellt eine Auswahlliste von ca. 10–30 Kandidatenklassen; ein LLM oder ein feingetunter Cross-Encoder entscheidet. Das ist 2026 das vorherrschende Muster und hält Kosten und erfundene Klassencodes gering.
• Schemagesteuerte Extraktion: Sobald die Klasse feststeht, werden ihre Merkmalsdefinitionen (Name, Datentyp, Einheit, Werteliste) zum JSON-Schema für die strukturierte Ausgabe. Werte, die in der Quelle nicht vorkommen, werden als null zurückgegeben – niemals geraten.
• Bildverarbeitung: Ein VLM liest Verpackungen, Etiketten, Typenschilder und Zeichnungen, um fehlende Attribute zu ergänzen (z. B. Spannung, Schutzart, Farbe).
• Mensch-in-der-Schleife (Human-in-the-Loop): Datenpfleger geben Fälle unterhalb des Schwellenwerts, Vorschläge für neue Klassen und sicherheits- oder compliance-relevante Attribute frei; jede Korrektur wird protokolliert und als Beispiel wiederverwendet.

Datenaufbereitung

Produktdaten liegen typischerweise im ERP-Artikelstamm, in Excel-/CSV-Preislisten der Lieferanten, in PDF-Datenblättern und Katalogen, in Bildordnern auf Dateiservern und teilweise in einem PIM. Typische Lücken: doppelte Artikel mit unterschiedlichen Nummern, fehlende oder als Freitext geführte Attribute, gemischte Einheiten und Sprachen, gescannte Datenblätter, überhaupt keine ECLASS-/ETIM-Klasse und unklare Zuständigkeit für Stammdaten. Lieferantendateien kommen jedes Mal in einem neuen Layout an.

Konkrete Schritte: Quellen und Felder inventarisieren und die Zielklassifikation sowie den Attributsatz festlegen (GUIDE-003, PREP-002); den Artikelstamm exportieren (PREP-005); Datenblatt-PDFs per OCR erfassen (PREP-006); Lieferanten-Tabellen in saubere Tabellen überführen (PREP-011); ein Glossar mit Attributnamen, Einheiten und Synonymen schreiben (PREP-012, PREP-015); mit den Produktexperten einen Goldstandard aus 200–500 korrekt klassifizierten Artikeln aufbauen (PREP-016, PREP-018). Werkzeuge: Paperless-ngx oder ein OCR-Dienst, pandas/OpenRefine zur Bereinigung, ein Deduplizierungsschritt auf Artikelnummern und Beschreibungen. Verwandt: DATA-003, DATA-008. Grober Aufwandsanteil: 50–60 Prozent; der Goldstandard dient später zugleich als Qualitätstest.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg B. Die Anreicherung muss sich in das eigene PIM/ERP und die Lieferantenformate einfügen, und kein Standardprodukt deckt das günstig ab; Cloud-LLM-APIs mit einer schlanken Pipeline passen.
• Großunternehmen: Weg B. Große Kataloge machen die Preise je Nutzer bei Produkten hoch, während eine in das zentrale PIM integrierte API-Pipeline je Artikel skaliert und später auf eine interne Plattform wechseln kann.
• Entwickler: Weg C. Modelle mit offenen Gewichten und Embeddings auf HW2 ergeben kontrollierbare Kosten je Artikel bei der Massenklassifikation.

Weg A — Kaufen (Standardsoftware)

• PIM-/MDM-Plattformen mit KI-Funktionen: Akeneo (FR, EU; Product Cloud mit KI-Anreicherung), Pimcore (AT, EU; Open-Source-Kern mit KI-Integrationen), Informatica Product 360 / MDM, Salsify, inRiver (SE, EU), Contentserv (DE/CH, EU), Stibo Systems (DK, EU), Syndigo, Plytix.
• Spezialisten für Klassifikation und Datenqualität (viele aus der EU): auf ETIM und ECLASS ausgerichtete Datenqualitätswerkzeuge von Branchenanbietern und Beratungen, dazu Dienste der Normungsorganisationen (ECLASS e.V., ETIM International/ETIM Deutschland) wie Klassensuche und Validierungswerkzeuge.
• Weg A wählen, wenn: Sie bereits ein PIM betreiben oder planen, die Mengen moderat sind und der Anbieter Ihren Zielstandard in der benötigten Version unterstützt (ECLASS-Release und ETIM-Release-Unterstützung prüfen).

Weg B — Auf Cloud-KI-Diensten aufbauen (empfohlener Standard)

• Modelle: multimodale Spitzen-LLMs mit strukturierten Ausgaben (Anthropic Claude, Google Gemini, OpenAI GPT, Mistral – EU-Anbieter) für Extraktion und Klassenentscheidung; kleine/günstige Modelle für Massen- läufe. EU-Regionen oder EU-Anbieter nutzen, wenn die Vertragsbedingungen es verlangen.
• Retrieval: Embeddings (z. B. multilingual-e5, BGE-M3, Cohere Embed, Mistral Embed) in pgvector, OpenSearch, Qdrant (Herkunft DE/EU) oder Weaviate (Herkunft NL/EU).
• Referenzdaten: ECLASS (lizenziert, als CSV/XML über den ECLASS-Download-Service verfügbar) und ETIM (verfügbar über die offene Klassifikation von ETIM und die ETIM-API/den Download) in einen Klassen- katalog mit Synonymen und Merkmalsdefinitionen laden [1][2].
• Orchestrierung: n8n, Dagster/Airflow oder die eigene Workflow-/Webhook-API des PIM, Rückschreiben über die PIM-REST-API.
• Weg B wählen, wenn: Sie individuelle Logik, mehrere Standards gleichzeitig und eine enge PIM-Integration benötigen.

Weg C — Selbst betreiben (Open Source)

• Modelle: Qwen3, Llama, Mistral/Mixtral-Familie oder Gemma als LLMs mit offenen Gewichten, betrieben mit vLLM oder Ollama; offene VLMs (Qwen-VL-Familie) für Bilder; Docling zum Parsen von Datenblättern; BGE-M3- oder multilingual-e5-Embeddings; GLiNER oder feingetunte Modelle der BERT-Klasse für die Attribut-NER.
• Stack: Pimcore oder Akeneo Community Edition als PIM, Qdrant/pgvector, Label Studio für die Prüfung.
• Hardware: HW2 genügt für Kataloge mit einigen hunderttausend Artikeln im Batch-Betrieb; HW3 für größere VLMs. Der Betriebsaufwand ist moderat; die Lizenz für ECLASS-Inhalte gilt weiterhin.

Weg D — Eigenes Training

Lohnt sich bei großen Katalogen (Hunderttausende Artikel) mit stabilen Taxonomien: Ein Embedding-Modell und ein Klassifikator werden auf den eigenen historischen Klassenzuordnungen feingetunt (Tausende gelabelte Artikel; Korrekturen der Datenpfleger sind ideale Trainingsdaten). Gewinn: geringere Latenz, geringere Kosten je Artikel, höhere Genauigkeit bei Fachjargon. Die Forschung zu LLM-basierter Produktkategorisierung und Extraktion von Attributwerten ist aktiv [4][5].

Stand der Technik (2026)

• Retrieval + LLM-Reranking ist der praktische Standard für große Taxonomien; direktes Prompting mit der gesamten Taxonomie skaliert nicht und erfindet Codes. Feingetunte kleine Modelle erreichen große LLMs bei Kategorien der obersten Ebene, tiefe Blattklassen bleiben aber schwierig.
• Extraktion von Attributwerten mit schemabeschränkter Dekodierung ist bei expliziten Werten robust; implizite oder widersprüchliche Werte (Varianten, Bundles, „ca.“-Angaben) sind die Hauptfehlerquelle.
• Multimodale Anreicherung: VLMs extrahieren Attribute aus Bildern und Typenschildern, aber Kleingedrucktes, Spiegelungen und Einheitensymbole verursachen Fehler.
• Standards entwickeln sich weiter: ECLASS und ETIM veröffentlichen regelmäßig neue Releases; Änderungen an Klassen und Merkmalen erfordern eine Migration (alte auf neue Klasse abbilden). LLMs unterstützen die Abbildung zwischen Versionen und zwischen Standards (ETIM ↔ ECLASS), die von Hand mühsam ist. Vorgefertigte Zuordnungen existieren und sollten als Referenzwahrheit bevorzugt werden.
• Digitaler Produktpass: Die EU-Ökodesign-Verordnung für nachhaltige Produkte (ESPR) macht strukturierte, maschinenlesbare Produktdaten für viele Produktgruppen zu einem rechtlichen Thema; saubere PIM-Daten sind die Grundlage, siehe DATA-021 [6].
• Grenzen: erfundene Attributwerte, falsche Genauigkeit bei Einheiten, falsche Blattklassen mit plausiblen Namen und unbemerkte Fehler bei sicherheitsrelevanten Daten. Immer gegen Wertelisten und Zahlenbereiche validieren und die Genauigkeit je Attribut messen statt insgesamt.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (llm-general + embedding-text + vector-db): DATA-003 (Deduplizierung/MDM – Produkt- dubletten vor der Anreicherung abgleichen), DATA-007 (Katalog-Metadaten), DATA-015 (Ausgaben- klassifikation, UNSPSC/ECLASS auf der Käuferseite), KNOW-005 (semantische Produktsuche nutzt die angereicherten Attribute).
• Vor-/nachgelagert: DATA-022 (Onboarding von Lieferantendaten und Schema-Mapping), DOC-003 (Parsen von Datenblättern und Formularen), LANG-001 (Produktbeschreibungen), GEN-001 (Produktbilder), DATA-021 (CO₂-Fußabdruck von Produkten, digitaler Produktpass).
• Ein Embedding-Index der Klassenkataloge kann sowohl das ECLASS- und ETIM-Mapping als auch DATA-015 bedienen.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen für einen Piloten, plus PIM-Lizenz; KI-Zusatzmodule werden meist je Modul oder nach Nutzung bepreist.
• Weg B: 2–4 Monate für Klassifikation + Attributextraktion in einer oder zwei Sprachen; die LLM- Kosten je Artikel sind typischerweise klein im Verhältnis zur Arbeitszeit der Datenpfleger (mit den eigenen Token-Zahlen berechnen).
• Weg C/D: 4–8 Monate einschließlich Evaluationsdatensätzen und Prüfwerkzeugen; GPU-Server und MLOps.
• Haupt-Kostentreiber: der Aufbau des Evaluationsdatensatzes und des Prüf-Workflows, nicht die Modellaufrufe.
• Kennzahlen: Klassengenauigkeit auf Blattebene (an einem Goldstandard), Precision/Recall je Attribut, Quote automatisch akzeptierter Artikel, Pflegeminuten je Artikel, PIM-Vollständigkeitswert, Zeit bis zur Veröffentlichung, Ablehnungsquote der Kanäle, Retourenquote aufgrund falscher Spezifikationen.

Menschen & Veränderung

Binden Sie von Anfang an die Leitung Produktdaten bzw. Einkauf als Prozessverantwortliche ein, dazu die Datenverantwortlichen des Artikelstamms und die Anwender, die das PIM pflegen. Die Geschäftsleitung entscheidet, wie viel automatisches Zurückschreiben erlaubt ist; die IT integriert PIM/ERP und den API-Zugang. Lieferanten sollten früh informiert werden, wenn sie um sauberere Datenformate gebeten werden oder ihre Dateien von KI verarbeitet werden. Die/der Datenschutzbeauftragte wird selten gebraucht, weil Produktdaten keine personenbezogenen Daten enthalten, aber prüfen Sie den AVV mit dem API-Anbieter (GUIDE-010).

Betriebsrat: in der Regel nein. Das System verarbeitet Produktdaten und überwacht keine Beschäftigten; dennoch sollten Sie den Betriebsrat rechtzeitig nach § 90 Abs. 1 Nr. 3 BetrVG informieren, wenn sich Arbeitsabläufe spürbar ändern, und prüfen, ob Änderungsprotokolle je Benutzer existieren, die § 87 Abs. 1 Nr. 6 auslösen könnten.

Stärken Sie die KI-Kompetenz der Mitarbeitenden (Art. 4 KI-Verordnung) mit einer kurzen Schulung zu typischen Fehlern wie erfundenen Attributen und falschen Einheiten (GUIDE-006). Starten Sie einen Piloten mit einer Produktgruppe und vergleichen Sie mit der manuellen Arbeit (GUIDE-009). Typische Sorge: „Mein Job ist die manuelle Dateneingabe.“ Antworten Sie, indem Sie Mitarbeitende zu Prüfung und Ausnahmebehandlung verlagern, wo Konfidenzwerte unsichere Fälle an eine Person leiten. Behalten Sie den Menschen die Kontrolle: Attribute mit niedriger Konfidenz und sicherheitsrelevante Attribute werden immer manuell freigegeben.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko – die Verarbeitung von Produktdaten ist keine Verwendung nach Anhang III; die KI-Kompetenz (Art. 4) gilt. Generierte Produkttexte für Verbraucher sind normalerweise keine Inhalte nach Art. 50, aber Werbeaussagen sind gesondert zu prüfen [7].
• DSGVO: überwiegend keine personenbezogenen Daten. Ausnahmen: Kontaktdaten von Lieferanten, Bilder mit Personen, Bewertungstexte; halten Sie diese aus Prompts heraus oder nutzen Sie einen AVV und Verarbeitung in der EU.
• Lizenzen: ECLASS-Inhalte sind lizenziert, und ETIM hat eigene Bedingungen; prüfen Sie, ob das Senden von Klasseninhalten an Modell-APIs Dritter und deren Einbettung durch Ihre Lizenz erlaubt ist.
• Produkthaftung und Sicherheit: falsche Werte (Spannung, Tragfähigkeit, Material, Allergene) können Schäden und rechtliche Risiken verursachen; kennzeichnen Sie sicherheitskritische Attribute als „zu verifizieren“ und behalten Sie den vom Hersteller gelieferten Wert als Referenzwahrheit. Die verbraucherrechtlichen Regeln zu Aussagen (irreführende Angaben) gelten für angereicherte Texte.
• Datenqualitätsrisiken: halluzinierte Attribute, Prompt Injection über Lieferantendateien oder gescrapte Seiten (alle Eingaben als nicht vertrauenswürdig behandeln), Drift nach Taxonomie-Updates.
• Gegenmaßnahmen: Herkunftsnachweis je Wert (Quelldatei, Seite, Modell, Version), lieber null als raten, Validierungsregeln, Regressionstests am Goldstandard, Audit-Log.

Erste Schritte

1. Wählen Sie eine Produktgruppe und bauen Sie einen Goldstandard aus 300–500 Artikeln mit verifizierter Klasse und verifizierten Attributen auf; dokumentieren Sie die verwendeten Standardversionen.
2. Laden Sie den Klassenkatalog (ECLASS oder ETIM) mit Synonymen und Merkmalsdefinitionen in einen Suchindex.
3. Erstellen Sie einen Prototyp für Retrieve-then-classify und schemabasierte Extraktion; messen Sie die Blattgenauigkeit und die Genauigkeit je Attribut am Goldstandard.
4. Legen Sie Konfidenzschwellen fest, bauen Sie die Prüfwarteschlange für Datenpfleger auf und schreiben Sie Ergebnisse mit Herkunftsnachweis ins PIM.
5. Führen Sie den Rollout Gruppe für Gruppe durch; lassen Sie den Goldstandard nach jedem Modell-, Prompt- oder Taxonomie-Update erneut laufen.

Quellen

1. ECLASS e.V. — standard overview and releases — https://eclass.eu/
2. ETIM International — classification model and releases — https://www.etim-international.com/
3. Industrial Digital Twin Association — Asset Administration Shell — https://industrialdigitaltwin.org/
4. Brinkmann et al. — Using LLMs for product attribute value extraction (WDC, University of Mannheim) — https://arxiv.org/abs/2403.02130
5. Peeters, Bizer — Entity matching using large language models — https://arxiv.org/abs/2310.11244
6. Regulation (EU) 2024/1781 (Ecodesign for Sustainable Products Regulation, ESPR) — https://eur-lex.europa.eu/eli/reg/2024/1781/oj
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
8. Akeneo — product experience platform — https://www.akeneo.com/
9. Pimcore — open-source data management platform — https://pimcore.com/
10. Docling project — https://github.com/docling-project/docling Accessed 2026-10; vendor feature claims are not independently verified and should be re-checked before purchase decisions.