Zusammenfassung: Hersteller verwalten komplexe Produktstammdaten in verschiedenen Regionen und mehreren wichtigen Unternehmenssystemen, einschließlich Produktinformationsmanagement (PIM), Enterprise Resource Planning (ERP) und Product Lifecycle Management (PLM) Tools. Probleme mit der Datenqualität treten häufig innerhalb und zwischen diesen Systemen auf, was zu kostspieligen Ineffizienzen, Compliance-Risiken und betrieblichen Problemen führt. Manuelle Prozesse zur Erkennung und Behebung dieser Probleme sind langsam, teuer und fehleranfällig.

Die DQC-Plattform automatisiert die Identifizierung, Verbesserung und Klassifizierung von Produktstammdaten, wodurch Fehler drastisch reduziert und Prozesse rationalisiert werden. Hersteller, die die DQC-Plattform nutzen, entdecken bisher verborgene Probleme bei ~4,8 % (und bis zu 10 %) ihrer Stammdateneinträge, erzielen 50-mal schnellere Verbesserungen und sehen Gewinnsteigerungen von mehr als 5 Millionen Euro durch verbesserte Auffindbarkeit von Produkten auf Verkaufsplattformen und in Webshops, geringere Rabatte und weniger Retouren.

Herausforderungen:

• Produktstammdaten sind über mehrere Systeme verstreut, wie PIM (z. B. STIBO Systems STEP, Akeneo, Informatica), ERP-Systeme (z. B. SAP S/4HANA) und PLM-Tools (z. B. Windchill).

• Die manuelle Überprüfung und Korrektur von Produktdaten ist sehr ressourcenintensiv, langsam und anfällig für menschliche Fehler.

• Die Einhaltung globaler Klassifizierungsstandards (ECLASS, ETIM, GS1/GPC, HS/TARIC, UNSPSC) ist obligatorisch, aber schwer genau einzuhalten.

• Die Validierung und Bereinigung von Produktdaten ist von entscheidender Bedeutung, bevor sie an Vertriebskanäle und Marktplätze weitergegeben werden.

• Die Beschleunigung der Produkteinführung und die effiziente Verwaltung von Varianten sind für die Wettbewerbsfähigkeit von entscheidender Bedeutung.

• Die Vorbereitung auf neue rechtliche Rahmenbedingungen wie den Digitalen Produktpass (DPP) wird immer wichtiger.

Ausschnitt:

Lösung:

• Die DQC Platform identifiziert automatisch Datenprobleme in jedem Quellsystem (STIBO Systems STEP, SAP S/4HANA, Teamcenter, Snowflake) und kennzeichnet systemübergreifende Inkonsistenzen.

• KI-gesteuerte Automatisierung korrigiert Datenfehler und vervollständigt Produktattribute,

• Automatisierte Klassifizierung von Produkten für Klassifizierungssysteme (z.B. ETIM).

• Auf der Grundlage semantischer Analysen (Verarbeitung natürlicher Sprache) ordnet ein KI-Agent neue und aktualisierte Produkte automatisch globalen Klassifizierungsschemata zu und erleichtert so die nahtlose Einbindung neuer Produktvarianten.

• Menschliche Experten behalten den Überblick, überprüfen die KI-Empfehlungen und stellen die Genauigkeit und Einhaltung der Vorschriften sicher.

Auswirkungen:

• Entdeckung von ~25.000 zuvor unentdeckten Produktdatenproblemen (4,8 % der gesamten Dateneinträge).

• 50-mal schnellere Identifizierung, Korrektur und Anreicherung von Daten erreicht. Der Leiter der Produktstammdaten berichtet, dass wir die manuellen Datenprüfungen um 95 % reduziert haben, wodurch wertvolle Ressourcen für strategische Projekte frei werden.

• Konkrete Einsparungen in Höhe von 5,3 Millionen Euro durch geringere Preisnachlässe, bessere Auffindbarkeit der Produkte, bessere SEO-Leistung und weniger Produktrückgaben.

• Bonus: Identifizierung und Erleichterung der Behebung zugrundeliegender technischer Systemfehler, wodurch ein zusätzlicher Nutzen für die IT-Teams erzielt wurde.