Session vom 19. Dezember: drei KI-Aufgaben in Produktdaten

Die Session vom 19. Dezember 2024 teilte KI in Produktdaten in drei Aufgaben, die ein Team getrennt besetzen kann: Bilder, Auffindbarkeit und Fehlererkennung. Jede braucht eine eigene verantwortliche Person.

Die Aufzeichnung:

Referenten:

• Stephan Spijkers, Mitgründer, PIMvendors, zu KI in Produktdatenmanagement und Auffindbarkeit
• Morten Næss, EVP of Technology bei Bluestone PIM, zu KI, die in einem PIM schon nutzbar ist
• Hendrik van Zwol, „The AI Magician“, zu hyperrealistischen Bildern, einschließlich der Umweltseite von KI in der Produktfotografie

Hendrik hat die Umweltkosten von KI in der Produktfotografie angesprochen.

Was die Session tatsächlich behandelte:

Zuerst kam Mode. Realistische Produktbilder und virtuelle Models, und ein Weg zu einem persönlicheren Shop mit weniger Studiozeit. Das ist ein Asset-Workflow. Er scheitert, wenn die Attribute des Kleidungsstücks, die Größenspanne und die Farbe falsch sind, weil das Bild dann ein Produkt verkauft, das Sie nicht haben.

Danach kam Auffindbarkeit. Suche, die einen normalen Satz liest, und Vorschläge, die aus mehr als einem Marktplatz kommen. Was der Käufer sieht, ist nur so gut wie die Attribute dahinter. Ein vager Datensatz erzeugt eine vage Antwort.

Zuletzt kam Fehlererkennung, und die überspringen die meisten Teams. Laut den Referenten kann Analytik im PIM Fehler und Inkonsistenzen erkennen und korrigieren. „Korrigieren“ ist das Wort, das Sie prüfen. Ein Vorschlag, den ein Händler annimmt, ist eine andere Kontrolle als ein stilles Überschreiben.

Besetzen Sie sie als drei Entscheidungen:

• Bilder: wer eine erzeugte Aufnahme freigibt, bevor sie ein Studiofoto ersetzt.
• Auffindbarkeit: welchen Attributen die Suche vertrauen darf.
• Korrekturen: welche Felder ein Modell ändern darf und welche bei einem Menschen bleiben.

Modevarianten, Saisons und das Tempo des Onboardings sind die Katalogform in PIM für Mode und Bekleidung. Erzeugte Bilder sind Assets. Welches System sie halten sollte, steht in wofür DAM steht. Fehler erkennen und korrigieren ist eine Governance-Entscheidung, ausgeführt in Produktdatenqualität und Data Governance. Auffindbarkeit, die auf einen Agenten zielt und nicht auf ein klassisches Suchfeld, hängt am Datensatz, den KI-taugliche Produktdaten beschreiben.