Wie baue ich ein Projekt auf zur Verbesserung meiner Produktstammdaten?

Jens Bröking · 09 Sep. 2026

Schlechte Produktstammdaten kosten Zeit, Geld und Kundenvertrauen. Unvollständige Artikelbeschreibungen, fehlende Klassifikationen und inkonsistente Attribute führen dazu, dass Bestellungen fehlerhaft verarbeitet werden, Marktplätze Daten ablehnen und interne Teams dieselben Korrekturen immer wieder vornehmen. Ein strukturiertes Stammdatenprojekt schafft hier dauerhaft Abhilfe.

Diese Anleitung zeigt Ihnen Schritt für Schritt, wie Sie ein Projekt zur Verbesserung Ihrer Produktstammdaten aufbauen: von der Analyse des Ist-Zustands bis zur dauerhaften Verankerung sauberer Datenprozesse. Jede Phase baut auf der vorherigen auf. Wer die Schritte in dieser Reihenfolge durchläuft, vermeidet typische Fehler und erzielt schneller messbare Ergebnisse.

Ist-Zustand der Produktstammdaten analysieren

Bevor Sie Ziele setzen oder Werkzeuge auswählen, müssen Sie wissen, womit Sie es tatsächlich zu tun haben. Viele Projekte scheitern daran, dass der Ist-Zustand zu optimistisch eingeschätzt wird. Eine ehrliche Bestandsaufnahme ist die Grundlage für alle weiteren Entscheidungen.

Identifizieren Sie alle Systeme, in denen Produktdaten gespeichert sind: ERP, PIM, MDM, Excel-Tabellen, Lieferantenportale.
Erstellen Sie ein Datenglossar: Welche Attribute existieren, was bedeuten sie, und wie werden sie aktuell befüllt?
Prüfen Sie die Vollständigkeit Ihrer Artikelstammdaten: Welche Pflichtfelder sind leer, welche Attribute fehlen systematisch?
Analysieren Sie Redundanzen: Werden dieselben Daten an mehreren Stellen gepflegt, und weichen sie voneinander ab?
Klären Sie, welche Klassifikationsstandards relevant sind: ECLASS, ETIM oder andere branchenspezifische Normen.

Nach dieser Analyse sollten Sie ein klares Bild davon haben, wo Ihre Daten stehen. Typische Befunde sind unvollständige Beschreibungen, fehlende Klassifikationszuordnungen und Attribute, die unterschiedlich befüllt werden, je nachdem, wer sie angelegt hat. Halten Sie diese Ergebnisse dokumentiert fest, denn sie bilden die Vergleichsbasis für spätere Qualitätsmessungen.

Ziele und Soll-Zustand klar definieren

Mit dem Ist-Zustand vor Augen definieren Sie nun, was am Ende des Projekts erreicht sein soll. Vage Ziele wie „bessere Datenqualität“ reichen nicht aus. Konkrete, messbare Zieldefinitionen sind wichtig, damit alle Beteiligten in dieselbe Richtung arbeiten.

Klären Sie, welche Ausgabekanäle bedient werden sollen: Webshop, E-Procurement, Marktplätze wie Amazon Business, Datenpools wie atrify oder 2ba.
Ermitteln Sie die konkreten Anforderungen Ihrer Kunden und Handelspartner an Datenstruktur, Attribute und Formate (z. B. BMEcat, GS1/XML, Datanorm).
Legen Sie fest, welche Produktgruppen oder Sortimentsbereiche im ersten Schritt bearbeitet werden sollen. Ein klar abgegrenztes Minimum Viable Product (MVP) ist sinnvoller als ein zu breiter Ansatz.
Definieren Sie Qualitätskriterien: Welche Felder sind Pflicht, welche Klassifikationen müssen vollständig sein, welche Bildformate und Asset-Anforderungen gelten?

Der Soll-Zustand ist Ihr Projektkompass. Wenn Sie wissen, dass ein bestimmter Handelspartner ETIM-klassifizierte Daten im BMEcat-Format erwartet, können Sie rückwärts planen: Welche Quelldaten brauchen Sie, welche Lücken müssen geschlossen werden, und welche Prozesse müssen dafür aufgebaut werden?

Projektstruktur, Rollen und Ressourcen festlegen

Ein Stammdatenprojekt ist kein reines IT-Projekt. Es betrifft Einkauf, Vertrieb, Marketing und die IT-Abteilung gleichermaßen. Ohne klare Verantwortlichkeiten entstehen Abstimmungsprobleme, die den Fortschritt blockieren.

Stellen Sie sich vor Projektstart folgende Fragen:

Gibt es einen Projektleiter, der kontinuierlich ansprechbar ist und Entscheidungen treffen kann?
Wer kennt die Produkte und Quelldaten am besten und kann fachlich beraten?
Wer ist für die Datenpflege in ERP und PIM zuständig?
Wer verantwortet die Qualitätssicherung der Ausgabedaten?
Haben Sie einen Prozess für die Behandlung von digitalen Assets wie Produktbildern und Datenblättern?

Planen Sie außerdem realistisch mit den verfügbaren Kapazitäten. Ein Projektzeitraum von zwölf Wochen hat sich in der Praxis für einen ersten MVP als gut handhabbar erwiesen: In den ersten Wochen erfolgen Installation und Konfiguration, danach folgen Analyse und Mapping, bevor der MVP erzeugt und abgenommen wird. Paralleles Projektmanagement über alle Phasen hinweg ist dabei keine Option, sondern Voraussetzung.

Datenprozesse und Werkzeuge auswählen

Mit definierten Zielen und einer klaren Projektstruktur wählen Sie nun die Werkzeuge und Prozesse aus, die Ihre Anforderungen erfüllen. Die Wahl hängt davon ab, welche Quellsysteme Sie haben, welche Ausgabeformate gefordert sind und wie komplex das Mapping zwischen Quell- und Zielstruktur ist.

Prüfen Sie, ob Ihr bestehendes PIM-System die geforderten Ausgabeformate direkt unterstützt oder ob eine zusätzliche Datendrehscheibe benötigt wird.
Klären Sie, welche Klassifikationsstandards in Ihren Zielmärkten relevant sind. ECLASS und ETIM sind in vielen B2B-Branchen Standard. Proficl@ss spielt heute kaum noch eine eigenständige Rolle, da es weitgehend in ETIM aufgegangen ist.
Definieren Sie den Mapping-Prozess: Wie werden Ihre internen Attribute auf die Zielstruktur übertragen? Welche Transformationsregeln gelten?
Legen Sie fest, wie Assets verwaltet und ausgeleitet werden: Welche Bildformate, Auflösungen und Benennungskonventionen sind erforderlich?
Entscheiden Sie, ob der Betrieb intern oder in einer Cloud-Umgebung erfolgen soll.

Achten Sie darauf, dass die gewählten Werkzeuge Validierungsfunktionen mitbringen. Eine Lösung, die Ausgabedaten automatisch gegen den jeweiligen Standard prüft, spart erheblichen manuellen Aufwand und verhindert, dass fehlerhafte Daten an Partner oder Marktplätze übermittelt werden.

Datenbereinigung und -anreicherung durchführen

Jetzt beginnt die operative Kernarbeit des Projekts. Auf Basis der Analyse aus Schritt eins und der definierten Qualitätskriterien aus Schritt zwei bereinigen und ergänzen Sie Ihre Produktstammdaten systematisch.

Starten Sie mit dem im MVP definierten Sortimentsbereich, nicht mit dem gesamten Katalog.
Beheben Sie Mapping-Fehler direkt in der Konfiguration des Ausgabewerkzeugs.
Korrigieren Sie Datenqualitätsfehler in den Quellsystemen, also in ERP oder PIM. Korrekturen nur in der Ausgabe zu machen, löst das Problem nicht dauerhaft: Bei der nächsten Ausleitung tauchen dieselben Fehler wieder auf.
Ergänzen Sie fehlende Pflichtfelder und Klassifikationszuordnungen direkt im PIM-System.
Validieren Sie die Ausgabe nach jeder Bereinigungsrunde und werten Sie den Validierungsreport systematisch aus.

Planen Sie für diese Phase ausreichend Zeit ein. Erfahrungsgemäß liegt hier der größte Aufwand, besonders wenn Quelldaten über Jahre hinweg ohne einheitliche Regeln gepflegt wurden. Priorisieren Sie konsequent nach dem MVP-Scope und widerstehen Sie der Versuchung, gleichzeitig alle Produktgruppen anzugehen. Ein sauber ausgelieferter Teilkatalog ist wertvoller als ein halbfertiger Gesamtkatalog.

Ergebnisse messen und Datenprozesse dauerhaft verankern

Ein Stammdatenprojekt endet nicht mit der ersten erfolgreichen Ausleitung. Datenqualität ist kein einmaliger Zustand, sondern ein kontinuierlicher Prozess. Wer nach dem Go-live keine Strukturen für die laufende Pflege aufbaut, riskiert, dass die Datenqualität innerhalb weniger Monate wieder auf das Ausgangsniveau sinkt.

Führen Sie Validierungen bei jeder Katalogerzeugung durch, nicht nur bei der Erstauslieferung. Bei täglichen Aktualisierungsanforderungen muss die Validierung fester Bestandteil des automatisierten Prozesses sein.
Werten Sie Validierungsreports regelmäßig aus und leiten Sie Maßnahmen ab.
Definieren Sie klare Zuständigkeiten für die laufende Datenpflege und halten Sie diese schriftlich fest.
Pflegen Sie das Datenglossar weiter: Wenn neue Attribute hinzukommen oder sich Bedeutungen ändern, muss das Glossar aktualisiert werden.
Beobachten Sie Versionswechsel bei Klassifikationsstandards wie ECLASS oder ETIM und passen Sie Ihre Klassifikationszuordnungen zeitnah an.

Messen Sie den Fortschritt anhand der Kriterien, die Sie in Schritt zwei definiert haben: Wie hoch ist die Vollständigkeitsquote bei Pflichtfeldern? Wie viele Validierungsfehler treten pro Ausleitung noch auf? Wie oft werden Daten von Handelspartnern zurückgewiesen? Diese Kennzahlen zeigen Ihnen, ob Ihre Datenprozesse tatsächlich greifen, und geben Ihnen eine sachliche Grundlage für weitere Verbesserungen.

Mit semaino Produktstammdaten strukturiert und nachhaltig verbessern

Wir bei semaino begleiten B2B-Unternehmen seit über 20 Jahren dabei, Produktstammdaten strukturiert aufzubereiten und dauerhaft in hoher Qualität auszuliefern. Unser Ansatz verbindet spezialisierte Software mit konkreter Projektbegleitung, damit Sie nicht nur einmalig saubere Daten erzeugen, sondern stabile Prozesse aufbauen.

Mit dem ecatDesigner bilden wir die gesamte Datendrehscheibe ab: von der Übernahme aus Ihrem PIM oder ERP über das Mapping auf Zielformate wie BMEcat, GS1/XML oder Datanorm bis zur Ausleitung in Datenpools und Marktplätze.
Wir unterstützen Sie bei der Analyse Ihres Ist-Zustands, der Definition eines realistischen MVP und der Konfiguration aller relevanten Schnittstellen.
Unsere Expertise in Klassifikationsstandards wie ECLASS und ETIM stellt sicher, dass Ihre Daten den aktuellen Normversionen entsprechen, da wir aktiv an der Normungsarbeit mitwirken.
Wir bieten sowohl den Betrieb durch Ihre eigene IT als auch den Betrieb in unserem Cloud Center an.
Für Unternehmen ohne internes Datenpflege-Know-how übernehmen wir auf Wunsch die vollständige Katalogerstellung als Dienstleistung.

Wenn Sie wissen möchten, wie ein strukturiertes Stammdatenprojekt für Ihr Unternehmen konkret aussehen kann, stehen wir Ihnen gerne für ein Beratungsgespräch zur Verfügung.