// DEEP DIVE | PRODUKTDATEN
Taxonomie und Klassifikation: Struktur für 100.000+ Produkte
Produktklassifikation ist die unsichtbare Infrastruktur Ihres Sortiments. Wo sie sauber ist, funktionieren Filter, B2B-Portale liefern Ihre Artikel aus und Cross-Selling-Algorithmen erkennen Ähnlichkeit. Wo sie lückenhaft oder inkonsistent ist, verschwinden Artikel in der Suche und Marktplätze weisen Datensätze zurück. Wir klassifizieren nach ETIM, ECLASS oder Ihrem eigenen Baum, KI-gestützt und in einem Bruchteil der manuellen Zeit.
DAS PROBLEM
Ohne Standard kein Handel
Im B2B-Geschäft entscheidet die Klassifikation darüber, ob Ihre Produkte überhaupt sichtbar werden. Wenn der Hersteller "Leuchte" sagt und der Händler nach "Lampe" sucht, findet der Kunde nichts. Ohne eine gemeinsame Sprache füllt sich der Warenkorb der Konkurrenz, nicht Ihrer.
Klassifikationsstandards wie ETIM oder ECLASS sind genau dieses Wörterbuch. Sie definieren, zu welcher Klasse ein Produkt gehört, welche Merkmale gepflegt werden müssen und welche Werte zulässig sind. Das macht den elektronischen Datenaustausch zwischen Herstellern und Händlern überhaupt erst möglich. Wer die Standards nicht bedient, fällt aus B2B-Marktplätzen, Beschaffungssystemen und Katalogen heraus.
Manuelle Klassifikation skaliert dabei nicht. Pro Artikel braucht ein gut geschulter Mitarbeiter mehrere Minuten, bei 100.000 Artikeln ist das ein Vollzeit-Team für Monate. Hinzu kommt: jede neue ETIM- oder ECLASS-Version (zum Beispiel ETIM 8 auf 9) erfordert ein Re-Mapping. Das hält kein Mittelstand mehr durch.
Warum ist ETIM- oder ECLASS-Klassifizierung notwendig?
Standards wie ETIM oder ECLASS ermöglichen den reibungslosen elektronischen Datenaustausch zwischen Herstellern und Händlern. Ohne korrekte Klassifizierung können Produkte in B2B-Portalen nicht gefunden, gefiltert oder verglichen werden. ETIM ist der führende Standard im Elektro-, SHK- und Werkzeugbereich, ECLASS dominiert in Maschinenbau, Chemie und Automotive. Beide werden über das BMEcat-Format ausgetauscht. Wer im B2B verkauft, kommt an ihnen nicht vorbei.
Automatische Zuordnung durch Semantik
/ UNSER ANSATZ
01
Schritt 01
Textanalyse
Die KI liest die vorhandene Produktbeschreibung, zum Beispiel "Schraube M8 Edelstahl A2 DIN 933". Sie extrahiert die relevanten Bedeutungsträger: Produkttyp Schraube, Gewinde M8, Material Edelstahl, Norm DIN 933. Das funktioniert auch bei stichwortartigen oder unvollständigen Beschreibungen, weil die KI Branchen-Semantik mitbringt.
02
Schritt 02
Klassen-Mapping
Auf Basis der extrahierten Merkmale sucht die KI im Klassifikationsbaum die passende Klasse. Für unsere Schraube wäre das in ECLASS zum Beispiel die Klasse 23-11-01-01 (Sechskantschraube). In ETIM 10.0 die passende EC-Klasse. Die Zuordnung folgt den offiziellen Regeln des Standards, wir interpretieren nicht eigenständig.
03
Schritt 03
Merkmals-Belegung
Sobald die Klasse steht, werden die zugehörigen Merkmale (Features) automatisch befüllt: Gewinde M8, Material Edelstahl A2, Norm DIN 933. Wo Merkmale aus dem Quelltext nicht eindeutig ableitbar sind, markiert die KI sie als "Missing" und sie gehen in die Governance-Pipeline.
04
Schritt 04
Validierung und BMEcat-Export
Bevor der Datensatz live geht, prüft eine Regel-Engine: Sind alle Pflicht-Merkmale gefüllt? Liegen die Werte in zulässigen Werte-Listen (LOVs)? Erst dann wird BMEcat-konform exportiert oder direkt in Ihr PIM eingespielt. Bei 1 Million Artikeln läuft das über Nacht.
Ihre eigene Shop-Struktur, KI-mapbar
Nicht jedes Unternehmen braucht ETIM oder ECLASS. B2C-Shops haben oft eigene Kategorienbäume ("Damen > Schuhe > Sneaker"), genauso wie Spezialhändler mit branchenspezifischen Logiken. Wir mappen auf jeden Baum, ob standardisiert oder kundenspezifisch. Bei einem Cross-Mapping (zum Beispiel ETIM-Daten für einen Shop, der intern in ECLASS denkt) übersetzt unsere Pipeline automatisch zwischen den Systemen, ohne dass Sie Daten doppelt pflegen müssen.
1 Million
Artikel klassifiziert pro Nacht statt pro Quartal
Ein manueller Klassifikator schafft realistisch 50 bis 100 Artikel pro Stunde, je nach Komplexität. Für 1 Million Artikel braucht ein Vollzeit-Team mehrere Monate. Die KI-Pipeline durchläuft denselben Bestand in einer Nacht, die kritischen 10 bis 20 Prozent landen am nächsten Morgen im Human-in-the-Loop.
Der Unterschied in Zahlen
Kriterium
Manuell
KI-Automatisierung (Xanevo)
Zeit pro Artikel
Minuten (gut geschulter Klassifikator)
Millisekunden (Batch-Processing)
Konsistenz
Subjektiv, abhängig vom Klassifikator
Objektiv, regelbasiert
Update-Fähigkeit
Mühsam bei jedem ETIM-Versionssprung
Automatisch neu mappbar
Skalierbarkeit
Linear (mehr Volumen = mehr Headcount)
Linear in Rechenzeit, nicht in Personal
Cross-Standard
Praktisch nicht machbar
ETIM zu ECLASS und zurück per Konfiguration
Standards implementieren, nicht erfinden
Wir nutzen die offiziellen Releases der jeweiligen Standardisierungsgremien: ETIM International für ETIM (aktuell Version 10.0), ECLASS e.V. für ECLASS, GS1 für GPC und UNSPSC für Beschaffungs-Klassifikationen. Updates der Standards werden in unsere Modelle eingespielt, sobald sie offiziell veröffentlicht sind. Sie bekommen Standardkonformität, kein selbstgebautes Klassifikations-System.
Drei Fragen, die Klassifikations-Verantwortliche stellen
Wir mappen automatisch neu. ETIM International stellt offizielle Mapping-Tabellen zwischen den Versionen zur Verfügung, die wir in unsere Pipeline einspielen. Ihre Bestandsdaten werden ohne manuellen Aufwand auf die neue Version aktualisiert. Was sich strukturell wesentlich ändert (neue Pflichtmerkmale, geänderte Klassen), erhält eine Diff-Ansicht zur Prüfung.
Ja. Cross-Mapping zwischen ETIM, ECLASS, UNSPSC und kundenspezifischen Strukturen ist Teil unseres Setups. Sie pflegen Ihre Daten einmal, und die KI liefert die passende Repräsentation für jeden Zielkanal: ETIM 10.0 für den B2B-Marktplatz, ECLASS für den Industrie-Kunden, eigene Shop-Struktur für Ihren B2C-Auftritt.
Sehr hoch, weil Standards klare Regeln haben und die KI nicht raten muss. Für eindeutige Artikel erreicht die Trefferquote regelmäßig über 95 Prozent. Unsichere Fälle, etwa bei mehrdeutigen Beschreibungen oder Sonderprodukten, gehen automatisch in den Human-in-the-Loop. Ein Klassifikator prüft nur die roten Fälle, statt 100 Prozent zu pflegen.
Verwandte Deep Dives
Data Governance
Wie das dreistufige Sicherheitsmodell (Pre, In-Process, Post-Validation) sicherstellt, dass die KI-Klassifikation produktiv vertrauenswürdig bleibt.
Ontologie und Wissensmodelle
Was Taxonomie nicht abdeckt, lösen Ontologien: Beziehungen zwischen Produkten, Anwendungsfällen und Eigenschaften jenseits der Hierarchie.
// TAXONOMIE
Prüfen wir Ihren Klassifikations-Stand.
Welche Standards setzen Sie heute ein, wo sitzen die Lücken, welche Kanäle verlangen welchen Standard? Wir analysieren Ihren aktuellen Bestand, identifizieren die kritischen Mapping-Probleme und liefern eine konkrete Empfehlung für Ihren Klassifikations-Workflow. Ergebnis in einer Woche.