Unvollständige Produktdaten beginnen in der Lieferantendatei. Sie enden im Bericht eines anderen Teams.

Ihr Einbruch bei der Conversion, Ihr Anstieg bei den Retouren und Ihr Stapel an Servicetickets sind oft immer noch ein Problem der Lieferantendaten. Das E-Commerce-Team verantwortet die Absprünge. Die Operations verantworten die Retouren. Der Kundenservice verantwortet die Beschwerden. Das Produktdatenteam verantwortet einen grünen Vollständigkeitswert, der zu keinem dieser Meetings eingeladen wird. Solange niemand diese Räume verbindet, geben Sie weiter Geld für Traffic und Wiedereinlagerung aus, während sich die fehlerhafte Excel-Datei der Marke nie ändert.

Das ist die praktische Entscheidung dieser Woche. Entweder behandeln Sie unvollständige Produktinformationen als gemeinsame kommerzielle Kosten und steuern den Dateneingang an der Tür, oder Sie optimieren weiter die Produktseite und das Lager, während die Datei, die beide speist, falsch bleibt.

Was die Forschung auf der Verkaufsseite bereits zeigt

Der Beitrag von Syndigo aus dem State of Product Experience 2026 zu unvollständigen Produktdaten zeichnet die Kaskade mit Verbraucherzahlen nach, nicht mit Schlagworten. 83 % der Onlinekäufer geben an, dass sie wahrscheinlich zu einer anderen Website oder App wechseln, wenn ein Händler ihnen nicht genug Informationen liefert. Die Webanalyse sieht den Ausstieg. Sie sieht selten das fehlende Maß, die vage Materialangabe oder den widersprüchlichen Pflegehinweis, der ihn ausgelöst hat. Das Team, das für die Conversion zuständig ist, greift zu mehr Traffic, schärferem Targeting oder einem besseren Angebot. Das sind die Hebel, die es hat. Wenn die Ursache ein halb leerer Produktdatensatz ist, kauft das Budget vor allem mehr Besucher, die aus demselben Grund wieder gehen.

Retouren erzählen dieselbe Geschichte, nur mit Beleg. 26 % der Befragten gaben an, in den letzten sechs Monaten ein Produkt zurückgeschickt zu haben, weil es nicht den Erwartungen entsprach, die die beim Einkauf verfügbaren Informationen geweckt hatten. Dieser Anteil ist im Jahresvergleich um fünf Prozentpunkte gestiegen. Wenn Retourenlogistik, Wiedereinlagerung und Finanzabteilung die Kosten spüren, öffnet kaum jemand die Produktdetailseite, die den Käufer auf die Enttäuschung vorbereitet hat. Das Beispiel Virtual Supply von Syndigo ist hier hilfreich, weil es konkret ist: Als die Feldvollständigkeit auf 90 % stieg, sanken die Retourenquoten um 60 %. Die Konsequenz lautet nicht „mehr Felder befüllen“. Sie lautet: Erwartungslücken sind Produktinformationslücken, die ein Operations-Abzeichen tragen.

Fortschritte machen die Entkopplung hartnäckiger. Über vier Jahre der Syndigo-Forschung sind negative Produkterlebnisse seltener geworden. Kaufabbrüche wegen unzureichender Informationen sind in zwei Jahren um sechzehn Prozentpunkte gesunken. Führungskräfte schließen daraus, dass das Problem weitgehend gelöst ist. Gleichzeitig sind Retouren aufgrund von Erwartungslücken gestiegen, und die meisten Käufer gehen weiterhin, wenn die Seite ihre Fragen nicht beantwortet. Jedes Team sieht sein eigenes Diagramm besser werden oder schwanken. Niemand verantwortet die Verbindung dazwischen.

Wo das Chaos meist ins Haus kommt

Für Hersteller, die ihre Spezifikationen selbst schreiben, kann die Geschichte auf der Verkaufsseite bei Anreicherung und Data Governance innerhalb eines Katalogs enden. Für Großhändler und Multibrand-Händler beginnt der Produktdatensatz oft gar nicht bei Ihnen. Er beginnt mit dem, was der Lieferant zu schicken beschließt.

Der Beitrag von Pimberly zur Qualität von Lieferantendaten beschreibt den Morgen, den viele Katalogteams bereits kennen. Ein neuer Lieferant schickt einen Excel-Export mit ERP-Spaltennamen. Colour_Code statt Farbe. Zoll, während Ihr Katalog mit Zentimetern arbeitet. Bei der Hälfte der SKUs fehlen die GTINs. Beschreibungen stammen aus einer internen Teileliste, nach der kein Käufer je suchen würde. Nach zwei Tagen Umformatieren scheitert der Import trotzdem an der Vollständigkeit, weil die Kategorieattribute nicht zusammenpassen. Das ist kein „schlechtes PIM“. Das ist ein Dateneingang ohne Standard.

Der nachgelagerte Schaden entspricht fast eins zu eins der Kaskade von Syndigo. Fehler in den Listings. Ablehnungen durch Kanäle. Schwache Suche. Mehr Retouren. Manuelle Normalisierung, die mit der Zahl der Mitarbeitenden skaliert, nicht mit dem Lieferantenwachstum. Pimberly weist auch auf die KI-Ebene hin: Shopping-Agenten bewerten strukturierte Attribute. Eine fehlende Spezifikation bedeutet nicht nur ein schlechteres Ranking. Sie kann Sie ganz von der Shortlist werfen. Menschen verzeihen Lücken und öffnen einen weiteren Tab. Agenten nicht.

Das Dateitransfermodell (der Lieferant schickt sein Layout, Ihr Team schreibt es um) stößt an eine Grenze, sobald die Zahl der Lieferanten in die Hunderte geht. Umformatieren wird dann zum Personalplan. Die Alternative ist ein gesteuerter Dateneingang: Ihre Attributvorlage an der Tür, Validierung, solange der Lieferant die Datei noch geöffnet hat, und Fehler, die zurückgewiesen werden, bevor der Katalog sie erbt. KI-gestützte Extraktion aus PDFs und Datenblättern ist die Notlösung für Marken, die ihren Export nicht ändern wollen, kein Ersatz für Regeln. Der Preis dafür ist echte Reibung mit Lieferanten, die es mochten, einfach Ordner abzuladen. Die Alternative ist dauerhaftes Abtippen und stille Datenverfälschung, für die E-Commerce und Operations weiter bezahlen.

Das schließt an die Aufteilung der Verantwortung zwischen Einkaufs- und Verkaufsseite an, die wir in Product Master Data Breaks Where Procurement Stops Talking to Commerce beschrieben haben. Der Einkauf verantwortet die Lieferantendatei. Das Marketing verantwortet die Texte im Shop. Agenten und Kanäle brauchen eine lesbare Identität. Unvollständige Daten, die angeblich „zum E-Commerce gehören“, sind oft immer noch ein Fehler beim Dateneingang im Einkauf, der den Flur nie überquert hat.

Was Sie in diesem Quartal tun sollten, mit offen benannten Zielkonflikten

Beginnen Sie dort, wo es dem Geschäft schon wehtut, nicht mit einem Audit des gesamten Katalogs. Ziehen Sie Seiten mit viel Traffic und hoher Absprungrate, starke Verkaufsartikel mit hässlichen Retourenquoten und SKUs heran, die jede Woche dieselben Servicefragen auslösen. Das E-Commerce-Team benennt die Ausstiege. Operations und Service benennen Retouren und Tickets. Das Produktdatenteam prüft diese SKUs auf fehlende, widersprüchliche oder unklare Attribute. Syndigo hat hier recht: Ziel ist eine kurze Liste, bei der bessere Informationen eine Kennzahl bewegen würden, die die Geschäftsleitung ohnehin beobachtet, und kein weiterer Vollständigkeitswert zur Selbstbestätigung.

Gehen Sie dann mit derselben kurzen Liste stromaufwärts. Fragen Sie für jede problematische SKU, welche Lieferantendatei oder Portaleinreichung den Datensatz erzeugt hat, welche Felder von Hand umformatiert wurden und welche Pflichtattribute leer waren oder mit „k. A.“ erfunden wurden. Lautet die Antwort „wissen wir nicht“, ist das die Verantwortungslücke. Wenn Sie den Text auf der Produktdetailseite korrigieren, ohne die Eingangsregel zu korrigieren, überschreibt der nächste Import die Korrektur.

Bringen Sie ein Modell für gesteuerten Dateneingang auf den Tisch, sobald das Lieferantenvolumen schon jede Woche Tage an Umformatierung verschlingt. Legen Sie je Kategorie die maßgebliche Vorlage fest. Validieren Sie Werte, nicht nur deren Vorhandensein. Schlagen Sie laut Alarm, wenn Einheiten, GTINs oder Pflichtattribute abweichen. Legen Sie je Attribut fest, ob bei einem Konflikt der Lieferant oder Ihr Team gewinnt. Eine Einreichung über ein Portal verlagert die Formatierungsarbeit an die Quelle. Extraktionstools decken die Lieferanten ab, die nicht mitspielen. Beides funktioniert nur, wenn Veröffentlichungsregeln verhindern, dass halb leere Datensätze live gehen. Vollständigkeitswerte ohne Werteregeln werden ausgetrickst.

Benennen Sie schließlich einen Verantwortlichen für die Verbindung zwischen den Ergebnissen auf der Verkaufsseite und dem Dateneingang auf der Einkaufsseite. Nicht „das PIM-Team wird das schon richten“. Jemand muss Conversion, Retouren und Servicetickets auf die Produktinformationen zurückführen, und die Produktinformationen auf die Lieferantendateien. Ohne diese Rolle optimiert jede Abteilung weiter ihren eigenen Bericht, während die Excel-Datei falsch bleibt.

Sie brauchen kein neues Organigramm, um anzufangen. Sie brauchen eine gemeinsame Regel: Ein Produkt ist erst verkaufsfähig, wenn der Datensatz, der die Seite speist, genauso gut gesteuert wird wie die Seite selbst. Käufer, Marktplätze und Agenten verhalten sich bereits so, als gäbe es diese Regel. Ihr Lieferantenpostfach sollte nachziehen.

Quellen:

• https://syndigo.com/blog/incomplete-product-data-sales-returns/
• https://pimberly.com/blog/supplier-data-quality/