Single Source Ep. 6: KI bleibt stehen, wenn Produktdaten nicht bereit sind

Jede KI-Initiative in Produktdaten läuft gegen dieselbe Wand: Der Datensatz darunter war nicht bereit. Das ist der Kern von Ep. 6 von The Single Source. Setzen Sie zuerst das Modell ein, bekommen Sie dieselben Lücken, nur schneller und auf mehr Kanälen.

Gäste waren Helen Grimster, Director of Product Marketing bei Syndigo, und Frank Weeber, Managing Partner bei IntoData, mit Stephan Spijkers und Chris Jobse von PIMvendors.com.

Das Gespräch handelt davon, warum Datenqualität weiter deckelt, was KI kann, was es braucht, einen echten Verantwortlichen auf den Datensatz zu setzen, und wie Sie ein Fundament bauen, das die Ausgabe verlässlich macht. Produktdatenqualität und Data Governance ist die längere Fassung dieses Verantwortlichen, der Regeln und der Definition von vollständig.

Referenten

• Frank Weeber, Managing Partner, IntoData
• Stephan Spijkers, Mitgründer, PIMvendors.com
• Chris Jobse, Mitgründer, PIMvendors.com
• Helen Grimster, Director of Product Marketing, Syndigo

Was die Folge vertritt

Datenqualität entscheidet, ob KI Wachstum beschleunigt oder das vorhandene Durcheinander verbreitet. Unvollständige, inkonsistente oder ungesteuerte Produktdaten liefern keine bessere Antwort. Sie liefern eine schlechtere Antwort, mit höherer Geschwindigkeit und in größerem Umfang. Das Fundament setzt die Obergrenze für alles, was Sie darauf bauen. KI-fähige Produktdaten geht von derselben Grenze aus: Ein Agent kann nur mit dem antworten, was der Datensatz tatsächlich enthält.

Verantwortung ist der Engpass, der verborgen bleibt. In den meisten Organisationen ist die Verantwortung für Qualität über Teams verteilt, und niemand ist rechenschaftspflichtig. Diese Spaltung ist der Grund, warum Qualitätsprojekte stecken bleiben und der Rückstand wächst. Eine Bereinigung ohne Verantwortlichen ist ein Projekt, das Sie erneut fahren werden.

Halluzinationen sind oft ein Datenproblem. Wenn die Ausgabe falsch oder inkonsistent ist, liegt die Ursache häufig in den Referenzdaten, nicht in einem schwachen Modell. Geld für ein leistungsfähigeres Modell auszugeben, bevor der Datensatz angegangen ist, ist die falsche Reihenfolge.

„Gut“ hängt auch vom Kanal ab. Ein Datensatz, der für ein internes ERP vollständig genug ist, verfehlt die Latte für E-Commerce, Syndizierung an Marktplätze oder Print. Sie brauchen eine ausdrückliche Qualitätslatte je Kanal. Eine universelle Definition reicht nicht. Wo das ERP endet und das PIM beginnt ist die praktische Trennung: Das ERP hält den transaktionalen Kern, und der verkaufbare Datensatz ist eine andere Aufgabe.

Mehrere Versionen der Wahrheit brauchen eine Regel. Wenn Produktdaten über Systeme, Lieferanten und Kanäle wandern, stapeln sich widersprüchliche Datensätze. Festzulegen, welche Quelle maßgeblich ist, und diese Reihenfolge durchzusetzen, kommt vor jedem zusammenhängenden Einsatz von KI.

Qualität ist ein Betriebsprozess. Behandeln Sie sie als einmalige Bereinigung, und Sie bereinigen dieselben Daten erneut. Dauerhafte Qualität braucht Workflows in der täglichen Arbeit, Standards, die Sie messen können, und jemanden, der rechenschaftspflichtig bleibt. Periodische Korrekturrunden halten das nicht.

Die Folge weist auch auf zwei Hebel, die Teams zu wenig nutzen: Gamification und Zusammenarbeit über Funktionen hinweg. Menschen dazu zu bringen, die Qualität oben zu halten, braucht mehr als eine Richtlinie. Strukturierte Anreize und Abstimmung zwischen Abteilungen halten sich, im Bericht der Session, besser als ein Auftrag von oben.

Was Sie damit tun

Bevor Sie ein Modell finanzieren, benennen Sie den Verantwortlichen für den Produktdatensatz und schreiben Sie die Qualitätslatte für die zwei Kanäle, die tatsächlich verkaufen. Der Preis ist Zeit. Ein Governance-Durchgang verzögert die Demo. Lassen Sie ihn aus, wird die Demo das, was Sie später erklären müssen, wenn die Antworten selbstsicher und falsch sind.

Stehen Verantwortlicher und Kanalregeln noch offen, lautet die Auswahlfrage nicht, welches Modell Sie kaufen. Sie lautet, welches System die Regeln halten kann. Der PIM-Implementierungsleitfaden behandelt, wo diese Arbeit in einer Einführung sitzt, einschließlich des Teils, der Menschen und Prozess ist und nicht Software.