Produktkatalog für KI, SEO und Marktplätze vorbereiten

In der Tabelle des Lieferanten steht die Farbe als „dbl.“, auf der Website als „dunkelblau“, und der Marktplatz verlangt einen Wert aus seinem eigenen Verzeichnis. Ein Produkt hat drei verschiedene Namen, unvollständige Eigenschaften und zwei Artikelnummern. Solange das Sortiment klein ist, korrigieren Mitarbeiter das von Hand. Mit wachsendem Katalog kommen manuelle Korrekturen nicht mehr hinterher, und Fehler treffen Suche, Werbung, Bestände und Retouren.

Eine starke Produktkatalog-Struktur ist keine Liste von Produktkarten, sondern ein Datenmodell. Sie muss Website und Filter, KI-Suche, SEO, Werbefeeds und externe Verkaufskanäle gleichermaßen versorgen. Im Folgenden fünf Reifegrade eines Katalogs: Sehen Sie nach, wo Sie stehen und was der nächste Schritt bringt.

Stufe 0. Die Daten leben in Lieferantendateien

Anzeichen: Namen und Eigenschaften werden aus Preislisten kopiert, Farbe und Material stehen als Freitext, dasselbe Produkt sieht in verschiedenen Kategorien unterschiedlich aus. Filter funktionieren nicht oder zeigen seltsame Werte.

Was der nächste Schritt bringt: Sobald Wertelisten existieren, arbeiten Filter korrekt, und Mitarbeiter verbringen keine Stunden mehr mit der Suche nach Dubletten.

Stufe 1. Für jedes Feld gibt es eine führende Quelle

Die erste systemische Entscheidung ist festzulegen, wo die Hauptversion jedes Datentyps liegt. Das häufigste Schema: Preise und Bestände im ERP, Beschreibungen und Attribute im PIM oder CMS, Bilder im Medienspeicher, Kundendaten im CRM. Der Marktplatz ist dabei nur ein Veröffentlichungskanal, nicht der Ort, an dem ein Produkt bearbeitet wird.

Das Prinzip ist einfach: pro Feld ein Ort der Änderung und eine verantwortliche Person. Wenn der Preis gleichzeitig in der Warenwirtschaft, auf der Website und im Marktplatzkonto geändert werden kann, sind Abweichungen unvermeidlich.

Stufe 2. Attribute sind zu Verzeichnissen geworden

Ein Attribut ist nicht nur ein Feld, sondern Name, Datentyp und Liste zulässiger Werte. Statt Freitext, in dem die Farbe als „schwarz“, „black“ und „schw.“ steht, braucht es ein normalisiertes Verzeichnis.

Es hilft, Produktattribute nach Zweck zu trennen: allgemeine für alle (Marke, Herkunftsland, Garantie), kategoriespezifische (Bildschirmdiagonale, Material, Leistung), variantenbildende (Farbe, Größe), operative (Gewicht und Maße für den Versand) und kanalspezifische, die nur ein bestimmter Marktplatz braucht. Legen Sie je Kategorie Pflichtfelder fest — und verbieten Sie die automatische Veröffentlichung von Produkten, bei denen sie leer sind.

Der Effekt zeigt sich sofort: Filter dublieren keine Werte mehr, und der Anteil von Kanälen abgelehnter Produkte sinkt.

Stufe 3. Produkt und Varianten sind getrennt

Das Datenmodell muss Produkt und Varianten unterscheiden. Ein Schuhmodell hat gemeinsamen Namen, Beschreibung und Fotos, aber jede Kombination aus Größe und Farbe ist eine eigene SKU mit eigenem Bestand und Barcode.

Wird dieser Unterschied nicht von Anfang an angelegt, vervielfacht der Shop entweder Produktkarten oder kann die Verfügbarkeit einer bestimmten Größe nicht anzeigen. Für Varianten definiert man vorab Identifikatoren, die Verbindung zum übergeordneten Produkt, die variantenbildenden Attribute, Regeln für Adressen und Canonical. Für Marktplätze und Google Merchant Center werden korrekte GTIN-Barcodes benötigt: Ohne sie lehnen manche Kanäle das Produkt ab oder zeigen es schlechter.

Stufe 4. Suche und KI verstehen den Katalog

KI-Suche und Assistenten nutzen mehr als den Namen. Sie brauchen Eigenschaften, Einsatzzweck, Kompatibilität und Einschränkungen. Wenn ein Kunde fragt „passt diese Hülle zu meinem Handy“, ist eine Antwort nur möglich, wenn die Kompatibilität in den Daten steht und nicht im Beschreibungstext versteckt ist.

Am besten funktionieren eine kurze Beschreibung ohne Werbefloskeln, eine Eigenschaftstabelle, Nutzungsszenarien, eine Liste kompatibler Produkte und ein kurzes FAQ auf der Produktkarte. Verfügbarkeit und Lieferzeiten müssen aus einer aktuellen Quelle kommen, nicht in den Text kopiert werden. Und die Regel, die vor Beschwerden schützt: Das Modell darf einen fehlenden Parameter nicht erfinden — fehlen Daten, muss das System nachfragen. Mehr dazu in unseren Beiträgen zur KI-Produktsuche und zum KI-Assistenten für den Onlineshop.

Kategorien, die zur Nachfrage passen

Kategorien baut man aus Sicht der Kundschaft, nicht des Lagers. Liegen die Waren im Lager nach Lieferanten, suchen Menschen aber „alles fürs Camping“, muss der Baum der zweiten Logik folgen.

Eine gute Taxonomie hat verständliche Namen ohne internen Jargon, wenige Verschachtelungsebenen und stabile Adressen, die sich nicht bei jeder Umstrukturierung ändern. Google empfiehlt eine crawlbare Linkkette vom Menü über Kategorien zu Produkten: Ein Produkt, das nur über die interne Suche erreichbar ist, findet der Crawler womöglich nie. Welche Kategorien sinnvoll sind, zeigt die Nachfrageanalyse — siehe unseren Artikel zum Suchvolumen von Keywords.

Katalog-SEO

Ein Katalog hat eindeutige Kategorie- und Produktseiten, steuerbare Metadaten, Canonical, eine XML-Sitemap und strukturierte Produktdaten. Vorlagen für Title und Description über Tausende Karten sind üblich, für priorisierte Seiten bleibt die manuelle Bearbeitung. Eine Kategoriebeschreibung soll bei der Auswahl helfen, nicht das Keyword wiederholen. Regeln zur Indexierung von Filtern plant man separat — dazu der Artikel zur Facettennavigation.

Export zu Marktplätzen

Rozetka, Prom, Epicentr oder Allo haben eigene Kategoriebäume, Pflichtfelder und Anforderungen an Fotos und Namen. Deshalb braucht es ein Mapping zwischen dem internen Modell und jedem Kanal. Ohne das füllen Mitarbeiter jedes Mal Karten von Hand aus, und Importfehler sammeln sich unbemerkt an.

Vor dem Versand des Feeds sollten Pflichtattribute, Preis- und Währungsformat, Verfügbarkeit, Bildqualität, Namenslänge und Kategoriezuordnung automatisch geprüft werden. Ebenso wichtig ist, Importfehler an die verantwortliche Person zurückzugeben, statt sie in einem Marktplatzkonto liegen zu lassen, in das niemand schaut.

Kennzahlen für Katalogqualität

Datenqualität misst man wie Umsatz. Die aussagekräftigsten Kennzahlen:

• Vollständigkeit der Pflichtattribute je Kategorie;
• Zahl doppelter SKUs und Produkte ohne Kategorie;
• Fehlerquote beim Export in die Kanäle;
• Anteil der Nullergebnis-Anfragen in der internen Suche;
• Abweichungen bei Preisen und Beständen zwischen Systemen.

Stehen diese Zahlen auf einem Dashboard, wird die Katalogpflege vom einmaligen Projekt zum normalen Prozess.

Ein Aktualisierungsprozess ohne Handarbeit

Das stabilste Schema sieht so aus: Lieferant oder Mitarbeiter fügt Daten hinzu, das System normalisiert Werte anhand der Verzeichnisse, die Validierung prüft Pflichtfelder, eine verantwortliche Person gibt den Inhalt frei, und erst danach werden die Daten in alle Kanäle veröffentlicht. Fehler gehen an den Verantwortlichen zurück, und jede Änderung wird protokolliert — damit nachvollziehbar bleibt, wer wann Preis oder Eigenschaft geändert hat.

Häufige Fragen

Braucht ein kleiner Shop ein PIM-System?

Bei bis zu einigen Tausend Produkten und ein bis zwei Kanälen genügt ein gut konfiguriertes CMS mit Attributverzeichnissen. PIM lohnt sich ab Zehntausenden SKUs, mehreren Sprachen und vielen Kanälen.

Womit beginnt man das Aufräumen?

Mit einem Audit: Welche Attribute sind gepflegt, wo liegen Dubletten, welche Kategorien bringen den meisten Umsatz. Beginnen Sie mit den profitabelsten Kategorien — dort ist der Effekt am schnellsten sichtbar.

Wie lange dauert der Sprung auf die nächste Stufe?

Das Aufräumen der Attribute einer großen Kategorie dauert meist einige Wochen. Ein kompletter Umbau des Datenmodells samt Integrationen dauert mehrere Monate und wird in Etappen geteilt.

Wie wirkt sich der Katalog auf die KI-Suche aus?

Direkt. KI findet nur, was in den Daten beschrieben ist. Je vollständiger und strukturierter die Attribute, desto präziser Antworten und Empfehlungen.

Das Team von GL.ua kann ein Katalogmodell entwerfen, PIM und ERP mit der Website verbinden und die Daten für KI-Suche, SEO und Marktplätze vorbereiten. Je früher die Standards feststehen, desto weniger manuelle Korrekturen nach dem Skalieren. Starten können Sie mit einem SEO-Audit Ihres aktuellen Katalogs.