Die Anforderungen an Produktdaten in Industrie und Handel wachsen kontinuierlich – sowohl durch steigende Kundenerwartungen als auch durch regulatorische und technologische Entwicklungen. Gleichzeitig rücken Themen wie Datenqualität, Governance und der Einsatz von KI stärker in den Fokus. Wie Unternehmen aktuell mit diesen Herausforderungen umgehen und welche Rolle Produktdaten für den Markterfolg spielen, erläutert Tobias Lenschen, Senior Consultant bei unserem ECC CLUB Mitglied Xtentio Consulting GmbH, im Interview.
Wo stehen Industrie und Handel mit Blick auf das Thema Produktdaten heute? Welche Herausforderungen gibt es?
Um die eigenen Produktdaten auf einem guten Stand, im Einklang mit den Unternehmenszielen und mit Blick auf die Zukunft im Griff zu haben, ist ein Zusammenspiel aus Systemen und schlanken Prozessen in der Organisation notwendig. Genau an dieser Stelle gibt es noch immer häufig einen unterschätzten „Renovierungsstau“, der sich massiv auf die Quantität und besonders auf die Qualität der Daten auswirkt. Diese Herausforderungen sind nicht neu und spätestens seit Mitte der 90er-Jahren mit dem Boom des Internets bekannt. Die Anforderungen an Produktdaten sind seitdem rasant gestiegen und tun dies weiterhin: einerseits im Markt – getrieben durch die Kund:innen – und andererseits regulatorisch und normativ, was häufig unterschätzt wird. Der digitale Produktpass (DPP) ist nur ein Beispiel für diese parallele Entwicklung.
Was macht die Qualität der eigenen Produktdaten relevant und welche positiven Effekte haben gute Daten?
Man kann das beste Produkt und den günstigsten Preis haben, hat aber im Markt keine Chance mehr ohne die zugehörigen wettbewerbsfähigen Daten inklusiv schlanker Erstell- und Verteilprozesse. Die drei bekannten Hauptaufgaben für Zukunftssicherheit im Verkauf gelten deshalb heute wie damals: Daten, Daten, Daten! Hat man die Produktdaten auf Stand, hat man eine solide Grundlage für den grundsätzlichen Marktzugang. Viel entscheidender aber: Um nicht nur auf den Preis als finales Kriterium in der Produktauswahl reduziert zu werden, ist es wichtig, möglichst vielschichtige Optionen und Services anzubieten, die dem Kundennutzen zuträglich sind. Bestenfalls spart der Kunde Zeit, findet alle Informationen in effizienter Form beim Anbieter und honoriert das über entsprechende Conversions. Umfassende und hochwertige Daten sind der entscheidende Faktor dabei, um auf diese Weise echte USPs zu realisieren.
Kann KI bei Daten-Herausforderungen helfen?
Um KI sinnvoll einzusetzen und vor allem die Ergebnisqualität unter Kontrolle zu haben, sind saubere und homogene Produktdaten als Basis zwingend notwendig. Dieser Zusammenhang wird aber häufig ausgeblendet und KI vorschnell als Allheilmittel eingesetzt. Die KI kann sehr gut die Datenbasis auswerten, nach Standards homogenisieren oder sprachlich um Varianten erweitern und so die Kundenservices auf ein neues Niveau heben. Immer dann, wenn man große Lücken in den eigenen relevanten Stammdaten hat, ist der Einsatz von KI zum Füllen dieser in Bezug auf die Ergebnisqualität meist risikobehaftet. Zudem kann es rechtlich fragwürdig sein, wenn Händler beispielsweise Stammdaten von Lieferanten ergänzen und so unter Umständen Falschinformationen in den Markt bringen. Wer KI in diesem Zusammenhang selbst in der Anwendung hat, weiß, dass die Basis-Datenversorgung entscheidend ist.
Welche Rolle spielt die Unternehmensführung in diesem Zusammenhang?
Gerade weil die Datenbasis so entscheidend ist, rückt ein Thema dabei immer mehr in den Fokus: die Governance. Historisch gewachsene Organisationsstrukturen, besonders im Mittelstand, sind oft noch hierarchisch aufgebaut. Die Datenprozesse durchdringen das Organigramm in der Regel aber horizontal, was zu Konflikten führen kann. Das erfordert häufig den Übergang zu einer Matrixorganisation und ist damit eine zentrale Aufgabe des Changemanagements. Diese wird nur allzu oft unterschätzt, ist aber absolut erfolgskritisch.
Von dieser übergeordneten Perspektive geht die Data Governance dann tiefer ins Detail: grundsätzlich brauchen Daten eine „Heimat“ – und vor allem jemanden, der sich verantwortlich darum kümmert. Es reicht nicht, die besten Systeme und effizientesten Prozesse zu designen, ohne klare Rollen zu definieren und sinnvoll in die Gesamtorganisation einzubetten. Das ist aber nur ein Teilaspekt des gesamten Themas, das fälschlicherweise oft als eigentlicher Kern interpretiert wird. Neben weiteren internen Aspekten wie der eigenen Datenkultur („Wie kann man das Thema Daten im Unternehmen zu einem Selbstverständnis machen?“) umfasst es auch Themen wie die Datensicherheit – sowohl aus der intern als auch der externen Perspektive (z. B. DSGVO).