Commerce Velocity: Die neue Währung im E-Commerce

“I skate to where the puck is going to be, not where it has been.”
— Wayne Gretzky

Die meisten E-Commerce-Dashboards sind ziemlich gut darin, uns zu zeigen, wo der Puck war. Umsatz, Conversion Rate, Average Order Value, Customer Acquisition Cost, ROAS und Retourenquote gehören heute zum Standardrepertoire jedes E-Commerce-Verantwortlichen. Diese Kennzahlen sind wichtig, denn sie zeigen, wie effizient ein bestehendes Geschäftsmodell funktioniert.

Aber der Commerce verändert sich schneller, als viele dieser Kennzahlen es abbilden können. Neue Marktplätze entstehen, Sortimente und Vertriebskanäle werden internationaler, AI Search verändert die Produktsuche und mit Agentic Commerce zeichnet sich bereits die nächste Entwicklungsstufe ab.

In dieser Welt reicht es nicht mehr aus, nur zu wissen, wie gut ein Unternehmen heute verkauft. Die entscheidendere Frage lautet:

Wie schnell kann es neue Umsatzchancen erschließen?

Genau hier beginnt eine neue Generation von E-Commerce-KPIs.

Die alten KPIs sind nicht falsch – sie erzählen nur die halbe Geschichte

Revenue, Conversion Rate, ROAS oder CAC werden selbstverständlich nicht verschwinden. Kein E-Commerce-Manager wird in Zukunft auf diese Kennzahlen verzichten. Sie beantworten allerdings vor allem eine rückwärtsgerichtete Frage:

Wie gut hat unser bestehendes Commerce-Modell funktioniert?

Das ist etwas anderes als die Frage, wie gut ein Unternehmen für zukünftiges Wachstum aufgestellt ist.

Ein Händler kann beispielsweise einen hervorragenden ROAS erzielen und trotzdem strukturell langsam sein. Er kann eine hohe Conversion Rate erreichen und gleichzeitig Monate benötigen, um einen neuen Lieferanten zu integrieren. Er kann über 100.000 SKUs verfügen, aber nur einen Bruchteil davon auf relevanten Marktplätzen anbieten. Und er kann über hervorragende Produktseiten verfügen, während seine Produkte in AI-gestützten Shopping-Erlebnissen kaum berücksichtigt werden.

Das Problem liegt also nicht darin, dass klassische KPIs überflüssig werden. Sie messen lediglich einen Teil der Wertschöpfung. Sie zeigen, wie effizient das bestehende Geschäft funktioniert. Sie sagen deutlich weniger darüber aus, wie schnell ein Unternehmen neue Produkte, neue Vertriebskanäle und neue Formen der Product Discovery erschließen kann.

Vielleicht ist genau das die wichtigste Veränderung in der KPI-Logik des E-Commerce:

Wir müssen beginnen, neben Performance auch Adaptionsfähigkeit zu messen.

Ein nicht gelistetes Produkt hat eine Conversion Rate von null

Nehmen wir einen Händler, der 10.000 neue Produkte von einem Lieferanten erhält. Auf dem Papier ist das ein enormes Wachstum des Sortiments. In der Praxis sind diese 10.000 Produkte zunächst einmal nur Daten.

Die Produktinformationen müssen importiert, geprüft, ergänzt, kategorisiert und angereichert werden. Anschließend müssen sie an die Anforderungen der jeweiligen Vertriebskanäle angepasst werden. Ein Marketplace erwartet andere Attribute und Taxonomien als der eigene Shop, ein weiterer Kanal benötigt andere Datenformate oder zusätzliche Inhalte.

Solange dieser Prozess nicht abgeschlossen ist, können die Produkte nicht verkauft werden. Ihre Conversion Rate liegt nicht bei einem Prozent oder zwei Prozent. Auf dem jeweiligen Kanal liegt sie bei null.

Das klingt trivial, macht aber deutlich, warum ein KPI wie Time to Market künftig stärker in den Mittelpunkt rücken könnte. Wie lange dauert es tatsächlich von der Übernahme eines neuen Sortiments bis zum verkaufsfähigen Produkt auf einem relevanten Kanal?

Je schneller dieser Prozess wird, desto schneller kann aus einem Produktdatenbestand ein Umsatzpotenzial werden.

Noch interessanter wird die Frage, wenn man nicht einzelne Produkte betrachtet, sondern die gesamte Fähigkeit eines Unternehmens, sein Sortiment zu distribuieren. Ein Händler mit 100.000 SKUs hat nicht automatisch ein digitales Sortiment von 100.000 verkaufsfähigen Produkten. Erst wenn diese Produkte vollständig und korrekt auf den relevanten Kanälen verfügbar sind, können sie dort Umsatz generieren.

Daraus lässt sich ein KPI ableiten, der in Zukunft deutlich relevanter werden könnte:

Product Distribution Rate – also der Anteil des Sortiments, der auf den für das Unternehmen relevanten Kanälen tatsächlich vollständig und verkaufsfähig verfügbar ist.

Produktdatenqualität wird vom operativen Thema zum Wachstumsthema

Damit verändert sich auch die Rolle von Produktdatenqualität.

Lange wurde Product Data Quality vor allem als Aufgabe von PIM, IT oder E-Commerce Operations betrachtet. Man wollte sicherstellen, dass Produktinformationen vollständig und korrekt im System vorhanden sind. Heute reicht diese Perspektive nicht mehr aus.

Denn Produktdaten beeinflussen immer mehr Stationen der Commerce-Wertschöpfungskette. Fehlende Attribute können verhindern, dass ein Produkt auf einem Marketplace gelistet wird. Unvollständige Informationen können die Product Experience verschlechtern. Schwache oder nicht relevante Inhalte können die organische Auffindbarkeit beeinträchtigen.

Auch AI-Systeme benötigen ausreichend strukturierte und relevante Informationen, um Produkte zuverlässig zu verstehen und als mögliche Optionen einzuordnen.

Damit wird ein Product Data Quality Score zu einer interessanten Management-Kennzahl. Nicht nur die Frage „Wie viele Produkte haben wir?“ ist relevant, sondern auch:

Wie viele davon verfügen über die Datenqualität, die sie für ihre jeweiligen Commerce-Kanäle benötigen?

Das ist ein wichtiger Perspektivwechsel. Produktdaten sind nicht mehr lediglich eine Voraussetzung für einen funktionierenden Online-Shop. Sie werden zu einem Bestandteil der Wachstumsinfrastruktur.

Von SEO zu AI Visibility

Diese Entwicklung wird besonders deutlich, wenn man sich die Veränderung der Produktsuche anschaut.

Ein Kunde sucht heute nicht mehr zwangsläufig nach „ergonomischer Bürostuhl“. Er kann eine KI fragen, welcher Bürostuhl für eine 1,90 Meter große Person geeignet ist, die täglich acht Stunden im Homeoffice arbeitet und maximal 300 Euro ausgeben möchte.

Damit verändert sich die Aufgabe der Produktinformationen fundamental. Ein AI-System muss nicht nur erkennen, dass ein Produkt ein Bürostuhl ist. Es muss verstehen, welche Eigenschaften es besitzt, für welche Nutzer es geeignet ist und wie es sich von anderen Produkten unterscheidet.

Damit entsteht eine neue Form von Sichtbarkeit.

Bisher haben Marken ihren Share of Voice vor allem über Suchmaschinenrankings, Anzeigen und Marktplatzpositionen betrachtet. In Zukunft könnte zusätzlich relevant werden, wie häufig ein Produkt in AI-gestützten Produktsuchen als relevante Option erkannt oder tatsächlich empfohlen wird.

Metriken wie AI Product Visibility, AI Recommendation Rate oder AI Share of Voice sind heute noch weniger standardisiert als klassische SEO-KPIs. Genau deshalb sind sie interessant. Wer beginnt, diese Entwicklung früh zu beobachten und mit der Qualität der eigenen Produktdaten zu verbinden, kann besser verstehen, wie sich Product Discovery verändert.

Der vielleicht wichtigste neue KPI: Commerce Velocity

Wenn man diese Entwicklungen zusammenführt, entsteht ein übergeordneter Begriff:

Commerce Velocity.

Commerce Velocity beschreibt die Geschwindigkeit, mit der ein Unternehmen neue Commerce-Möglichkeiten in verkaufsfähige Realität verwandeln kann.

Wie schnell lässt sich ein neuer Lieferant integrieren? Wie schnell können 10.000 neue SKUs angereichert und veröffentlicht werden? Wie schnell kann ein neuer Marketplace erschlossen werden? Wie schnell lassen sich bestehende Produktdaten auf eine neue Taxonomie übertragen? Und wie schnell kann ein Unternehmen auf neue Formen der Product Discovery reagieren?

Das ist eine andere Art von Performance-Messung. Sie betrachtet nicht nur die Effizienz des bestehenden Geschäfts, sondern die Fähigkeit eines Unternehmens, sich an neue Marktbedingungen anzupassen.

In einem dynamischen Commerce-Umfeld kann diese Fähigkeit einen erheblichen Wettbewerbsvorteil darstellen. Ein Händler mit einem kleineren Sortiment kann unter Umständen schneller wachsen als ein Wettbewerber mit einer wesentlich größeren Produktbasis, wenn er neue Produkte und Kanäle deutlich schneller aktivieren kann.

Warum Cost per Activated SKU interessanter wird

Damit verändert sich auch die Frage nach den Kosten des Sortiments.

Ein Unternehmen kann heute relativ einfach angeben, wie viele SKUs es besitzt. Die interessantere Frage lautet jedoch:

Was kostet es, eine SKU tatsächlich verkaufsfähig zu machen?

Produktdaten müssen importiert, fehlende Informationen ergänzt, Inhalte erstellt, Kategorien und Attribute gemappt und die fertigen Daten an den jeweiligen Kanal übertragen werden. Je mehr dieser Schritte manuell erfolgen, desto höher sind die Kosten für jede zusätzliche SKU und jeden zusätzlichen Kanal.

Deshalb könnte Cost per Activated SKU zu einer interessanten Kennzahl für skalierenden Commerce werden.

Noch einen Schritt weiter geht der Marginal Cost of Assortment Expansion:

Was kostet es ein Unternehmen, sein digitales Sortiment um weitere 10.000 Produkte zu erweitern?

Wenn jede zusätzliche SKU proportional mehr operative Arbeit verursacht, wird Sortimentserweiterung teuer. Wenn dagegen Import, Enrichment, Content, Mapping und Distribution zunehmend automatisiert werden, verändert sich die Kostenkurve.

Dann wird Skalierung möglich, ohne dass die operativen Kosten im gleichen Verhältnis wachsen.

Der PIM-Dinosaurier hat ein Problem

Genau an dieser Stelle zeigt sich, warum sich die Rolle eines PIM-Systems verändert.

Man kann sich den klassischen PIM-Dinosaurier als ein System vorstellen, das sehr gut darin ist, Produktdaten zu speichern und zu verwalten. Sein Dashboard zeigt 247.381 SKUs, 98 Prozent Datenvollständigkeit und 43 Attribute pro Produkt. Alles sieht ordentlich aus.

Dann kommt der E-Commerce-Verantwortliche und fragt:

„Wir haben gerade 12.000 neue Produkte von einem Lieferanten bekommen. Können wir sie heute auf dem neuen Marketplace live bringen?“

Der Dinosaurier antwortet:

„Nein. Aber Ihre Daten sind vollständig.“

Natürlich ist das überspitzt. Aber die Metapher beschreibt einen echten Wandel.

Klassische PIM-Systeme wurden primär als Systems of Record entwickelt. Sie schaffen einen zentralen Ort für Produktinformationen und sorgen für Konsistenz und Governance. Das ist weiterhin wichtig.

Die Anforderungen des modernen Commerce gehen jedoch zunehmend darüber hinaus.

Ein System muss nicht nur wissen, welche Daten vorhanden sind. Es muss erkennen können, welche Informationen fehlen, wo diese Informationen zu finden sind, welche Anforderungen ein neuer Kanal stellt und wie bestehende Produktinformationen dafür transformiert werden müssen.

Genau hier beginnt der Übergang vom System of Record zum System of Action – oder vom klassischen PIM zum Agentic PIM.

Ein Agentic PIM würde nicht einfach melden, dass bei einem Produkt drei Attribute fehlen. Es könnte diese Lücken erkennen, beim Lieferanten nachfragen oder Informationen recherchieren, Daten mit KI strukturieren und anschließend auf die Anforderungen des jeweiligen Marktplatzes mappen.

Der Prozess endet nicht mit der Speicherung der Daten, sondern mit ihrer tatsächlichen Aktivierung im Commerce.

AINAVIO als Agentic PIM

Genau diesen Ansatz verfolgt AINAVIO.

Lieferantendaten können automatisiert importiert werden. Fehlende Informationen lassen sich erkennen und gezielt nachfragen. Produktinformationen können recherchiert und mit KI annotiert werden. Auf Basis der angereicherten Daten lässt sich SEO- und Commerce-Content erzeugen.

Anschließend können die Produktdaten mithilfe von KI auf unterschiedliche Marktplatz- und Shopstrukturen gemappt und über Integrationen ausgespielt werden.

Der Wert liegt dabei nicht allein in der Automatisierung einzelner Arbeitsschritte. Entscheidend ist die Verbindung dieser Schritte zu einem durchgängigen Prozess:

vom Rohdatensatz des Lieferanten bis zum verkaufsfähigen Produkt auf dem jeweiligen Commerce-Kanal.

Damit wird Produktdatenmanagement unmittelbar mit den KPIs verbunden, die für zukünftiges Wachstum relevant werden: Time to Market, Product Distribution Rate, Product Data Quality, Cost per Activated SKU und letztlich Commerce Velocity.

Das Ziel ist nicht einfach, ein besser gepflegtes PIM zu haben.

Das Ziel ist, schneller aus vorhandenen Produktdaten neue Commerce-Möglichkeiten zu machen.

Vom Performance Dashboard zum Commerce Readiness Dashboard

Vielleicht verändert sich damit auch das E-Commerce-Dashboard der Zukunft.

Die klassischen Kennzahlen bleiben bestehen: Revenue, Conversion Rate, ROAS, CAC, Average Order Value und Customer Lifetime Value. Sie werden weiterhin zeigen, wie effizient das bestehende Geschäft funktioniert.

Daneben werden jedoch Kennzahlen wichtiger, die die Zukunftsfähigkeit des Geschäfts abbilden:

Wie hoch ist die Product Data Quality?

Wie groß ist der Anteil des Sortiments, der tatsächlich kanalbereit ist?

Wie schnell werden neue Produkte aktiviert?

Was kostet die Aktivierung einer zusätzlichen SKU?

Wie schnell kann ein neuer Marketplace erschlossen werden?

Und wie sichtbar sind Produkte in einer zunehmend AI-geprägten Product Discovery?

Das ist letztlich eine Verschiebung von einem Performance Dashboard zu einem Commerce Readiness Dashboard.

Die Frage lautet dann nicht mehr nur:

„Wie viel verkaufen wir?“

Sondern auch:

„Wie schnell können wir die nächste Umsatzchance erschließen?“

Die Zukunft gehört nicht unbedingt dem größten Sortiment

Ein Unternehmen mit einer Million Produkten hat einen beeindruckenden Katalog. Aber Größe allein ist noch kein Wettbewerbsvorteil.

Entscheidend ist, wie schnell dieses Sortiment dort verfügbar gemacht werden kann, wo Kunden suchen und kaufen.

Ein Händler mit 100.000 Produkten, der innerhalb weniger Tage einen neuen Marktplatz erschließen kann, kann agiler sein als ein Unternehmen mit einer Million SKUs, das dafür sechs Monate benötigt.

Damit wird Sortiment zu einem dynamischen Asset. Es ist nicht allein entscheidend, wie viele Produkte ein Unternehmen besitzt, sondern wie schnell es diese Produkte in neue Vertriebsmöglichkeiten übersetzen kann.

Sortiment ist erst dann ein echtes Commerce-Asset, wenn es distribuierbar ist.

Und Distribution beginnt bei den Produktdaten.

Die Frage ist nicht mehr nur, wo der Puck war

Wayne Gretzkys berühmtes Bild vom Puck bringt die Veränderung auf den Punkt.

Die meisten E-Commerce-Dashboards zeigen uns sehr präzise, wo der Puck war. Sie zeigen Umsatz, Conversion, ROAS und CAC.

Die wichtigere Frage für die Zukunft könnte aber lauten:

Wie schnell können wir dorthin kommen, wo der Puck als Nächstes sein wird?

Vielleicht liegt er auf einem neuen Marketplace. Vielleicht in einem neuen Land. Vielleicht in einer neuen Produktkategorie. Vielleicht in einer AI-generierten Produktempfehlung.

Niemand kann mit Sicherheit vorhersagen, welcher Commerce-Kanal in fünf Jahren dominant sein wird. Unternehmen können aber ihre Infrastruktur so aufbauen, dass sie schnell reagieren können, wenn sich der Markt bewegt.

Deshalb könnte Time to Opportunity am Ende eine der interessantesten Kennzahlen des zukünftigen E-Commerce sein: die Zeit, die zwischen dem Erkennen einer neuen Commerce-Chance und ihrer tatsächlichen Aktivierung vergeht.

Ein neuer Lieferant, ein neues Sortiment, ein neuer Marketplace oder ein neues AI-Commerce-Modell ist zunächst nur eine Möglichkeit.

Erst wenn Produktdaten schnell genug importiert, angereichert, strukturiert, gemappt und ausgespielt werden können, wird daraus eine reale Umsatzchance.

Vielleicht liegt genau darin die eigentliche KPI-Revolution im E-Commerce:

Die KPIs der Vergangenheit messen, wie gut wir heute verkaufen. Die KPIs der Zukunft messen, wie schnell wir morgen neue Möglichkeiten erschließen können.

Und dafür braucht es kein PIM, das nur weiß, was gestern passiert ist.

Es braucht ein System, das dabei hilft, den nächsten Puck zu erreichen.