Greenfield-PIM: Warum Sie Produktdaten von Anfang an agentisch statt klassisch-manuell aufsetzen sollten

Wenn Sie heute, ganz ohne Altsystem, ganz ohne eine einzige historisch gewachsene Kategorie, noch einmal bei null anfangen könnten – würden Sie wirklich wieder ein PIM bauen, das Ihr Team die nächsten fünf Jahre von Hand pflegen muss?

Die meisten Unternehmen, die neu mit dem Aufbau eines Produktinformationsmanagements beginnen, beantworten diese Frage nicht bewusst. Sie beantworten sie durch Unterlassung: Sie kaufen ein klassisches PIM, übernehmen die Standardvorlagen des Anbieters, richten Attribute so ein, "wie man das eben macht" – und bauen damit, Attribut für Attribut, nach und nach genau die Komplexität nach, vor der Brownfield-Unternehmen seit Jahren fliehen wollen.

Das ist die eigentliche Pointe des Greenfield-Falls: Er ist eine der seltenen Situationen im gesamten Product-Data-Lifecycle, in der ein Unternehmen keine Migrationsschulden, keine gewachsenen Attribut-Mappings und keine historisch verhandelten Ausnahmeregeln erbt. Kein Altsystem diktiert das Datenmodell. Keine zehn Jahre Sonderlocken einzelner Kategorieverantwortlicher liegen im Weg. Es gibt schlicht noch nichts, das repariert werden müsste.

Und genau das lässt sich gut nutzen – gerade auch, wenn Sie bisher gar kein PIM hatten und Ihren Katalog noch in Excel-Tabellen pflegen.

Die wichtigste Frage bei einem echten Neustart lautet nicht "welches PIM", sondern: wie viel manuelle Pflegearbeit möchten wir uns für die nächsten Jahre einkaufen?

Der Mythos vom leeren Blatt

"Greenfield" klingt nach Freiheit. In der Praxis bedeutet es meistens: keine Daten, aber trotzdem ein Zeitplan. Ein neues Team, das zum ersten Mal ein Sortiment strukturieren muss, hat weder die Altlasten noch die Erfahrung eines gewachsenen Unternehmens – und greift deshalb naheliegenderweise zu dem, was ein klassisches Rollout-Handbuch empfiehlt: Kategorienbaum entwerfen, Attribute pro Kategorie definieren, Pflichtfelder festlegen, Redakteure einweisen, Text für Text von Hand befüllen.

Das ist eine verständliche Entscheidung, aber sie kopiert ein Betriebsmodell, das für gewachsene Bestände mit Legacy-Zwängen entwickelt wurde, in eine Situation, die genau diese Zwänge nicht hat. Man könnte es den Tag-Null-Vorteil nennen: den einmaligen Zustand, in dem ein Unternehmen entscheiden kann, welche Arbeit in Zukunft überhaupt manuell anfällt – bevor irgendjemand angefangen hat, sie manuell zu erledigen. Sobald die ersten tausend Produkte von Hand angelegt sind, ist dieser Vorteil verbraucht, ob das PIM danach modern ist oder nicht.

Ein Wort an alle, die nicht ganz bei null starten

An dieser Stelle eine ehrliche Einordnung, die diesen Artikel auch für die Mehrheit der Leserschaft nicht weniger nützlich macht: Die meisten Unternehmen, die über ein PIM nachdenken, tun das nicht auf der grünen Wiese. Sie tun es, weil zwölf Jahre Sortimentswachstum in Excel-Tabellen, ERP-Freitextfeldern und mehreren Shop-Exporten kollabiert sind. Das ist der Normalfall, nicht die Ausnahme – und er verdient sein eigenes Vorgehen.

Aber wenn Sie zu den Unternehmen gehören, die tatsächlich neu anfangen – eine neu gegründete Marke, ein Marktplatz-Erstauftritt, ein Spin-off ohne geerbtes ERP, eine komplette Sortimentsneuaufstellung nach einer Übernahme, oder auch einfach ein kleineres Team, das seinen überschaubaren Katalog bisher gut in Excel im Griff hatte und nun den nächsten Schritt geht –, dann lohnt es sich, genau zu verstehen, was dieser Startpunkt wert ist. Er kommt selten zweimal.

Die Versuchung, das klassische Rollout-Handbuch zu kopieren

Die größte Versuchung bei einem Greenfield-Start ist nicht technischer, sondern konzeptioneller Natur: Ein Team richtet ein neues PIM so ein, als hätte es bereits fünfzehn Jahre Altlasten, mit denen es sich arrangieren müsste. Es plant Redaktionsteams für die Attributpflege ein, weil "das PIM-Projekte eben so machen". Es baut Freigabeworkflows für Datenqualitätsprobleme, die in einem leeren System noch gar nicht existieren können. Es reserviert Personentage für Recherche, Übersetzung und Kategorisierung – Aufgaben, die Agenten übernehmen können, wenn man sie von Anfang an so plant.

Damit wird aus einem leeren Blatt in wenigen Monaten ein neues, nur eben jüngeres Original der gleichen Struktur, die Brownfield-Unternehmen so viel Aufwand kostet: manuell gepflegte Attribute, Mapping-Tabellen, die eine einzelne Person im Kopf hat, und ein Datenmodell, das nur so lange stabil bleibt, wie niemand einen neuen Kanal hinzufügt. Der Unterschied zu einem gewachsenen Bestand ist am Ende oft nur das Alter der Altlasten, nicht ihre Existenz – und genau das lässt sich mit ein paar bewussten Entscheidungen am Anfang vermeiden.

Erste Entscheidung: Das Datenmodell aus der Zielverwendung ableiten

Ein klassisches Rollout beginnt mit dem Kategorienbaum. Ein agentischer Greenfield-Start beginnt mit der Frage, wofür ein Attribut später gebraucht wird – für die Anzeige im Shop, für ein Pflichtfeld auf einem Marktplatz, für eine EU-Verpackungsangabe, für die KI-Suche eines Kunden. Das klingt nach einer Kleinigkeit, entscheidet aber darüber, ob das Attribut später von einem Agenten automatisch befüllt und validiert werden kann oder ob es auf Dauer eine manuelle Ausnahme bleibt.

Was hier bewusst übersprungen wird: das stundenlange Abstimmen von Attributnamen zwischen Abteilungen, das in gewachsenen Unternehmen unvermeidlich ist, weil Vertrieb, Einkauf und Marketing seit Jahren unterschiedliche Begriffe für dasselbe Feld verwenden. Ohne historische Beteiligte gibt es diesen Konflikt schlicht nicht – ein Datenmodell lässt sich einmal richtig anlegen, statt es zehnmal zu verhandeln.

Zweite Entscheidung: Recherche und Anreicherung von Anfang an den Agenten geben

Klassische Rollouts planen Redaktionsstellen ein, weil zum Zeitpunkt der Planung oft noch nichts anderes zur Verfügung stand. Ein Greenfield-Start hat diese Rechtfertigung nicht mehr – es gibt keinen bestehenden Redaktionsprozess, den man ablösen müsste, also muss man auch keinen nachbauen. Stattdessen übernimmt von der ersten Woche an ein Research Agent die Grundrecherche zu Herstellerdaten, ein Enrichment Agent die Erstbefüllung von Titeln, Beschreibungen und technischen Daten, ein Classification Agent die Zuordnung zu Kategorien.

Das bedeutet nicht, dass niemand mehr hinschaut. Es bedeutet, dass Menschen vor allem dort prüfen und korrigieren, wo ein Agent selbst unsicher ist – etwa bei niedriger Konfidenz, widersprüchlichen Herstellerangaben oder fehlenden Informationen –, statt jede Zeile im gesamten Katalog von Grund auf von Hand zu erzeugen. Ein Unterschied, der sich bei den ersten hundert Produkten kaum bemerkbar macht und bei den ersten zehntausend über das gesamte Wachstumstempo des Unternehmens entscheidet.

Dritte Entscheidung: Kanal-Mapping als Startpunkt, nicht als Nachtrag

In einem klassischen Vorgehen kommt das Marktplatz-Mapping zuletzt: erst das PIM aufbauen, dann irgendwann die ersten Marktplätze anbinden – meist Monate später, mit eigenem Projekt, eigenem Budget, eigener Ausnahmeliste. Ein Unternehmen, das ohnehin noch keinen einzigen Kanal bedient, kann sich diese Reihenfolge sparen: Kanalanforderungen werden von Anfang an Teil des Datenmodells, nicht ein Übersetzungsproblem, das später gelöst werden muss.

Konkret heißt das, kanalspezifische Pflichtfelder direkt bei der Definition eines Attributs mitzudenken – ein Attribut wird also nicht erst "für den Shop" angelegt und später mühsam auf Marktplatzformate übersetzt, sondern von Beginn an so modelliert, dass ein Mapping Agent es ohne manuelle Nacharbeit an jeden weiteren Marktplatz oder jedes weitere Shopsystem ausspielen kann.

AINAVIO als Ausgangspunkt, nicht als Migrationsziel

Genau für diesen Moment ist ein agentischer Workspace wie ainavio gedacht – nicht in erster Linie als Ablösung eines gewachsenen PIM, sondern als der Ort, an dem ein Produktdatenprozess von Anfang an so aufgesetzt wird, dass er möglichst nie manuell werden muss. Ein Research Agent recherchiert Hersteller- und Produktinformationen, sobald die ersten Rohdaten importiert sind. Ein Enrichment Agent ergänzt fehlende Attribute, erstellt Titel, Beschreibungen und technische Daten. Ein Mapping Agent überträgt das Datenmodell automatisch auf jeden weiteren Shop oder Marktplatz, den das Unternehmen später erschließt – ohne dass jemand von Hand ein zweites Attributschema pflegen muss.

Damit niemand vor einem leeren Datenmodell allein dasteht, unterstützt das Customer-Success-Team von ainavio beim Aufbau der ersten Kategorien und Attribute mit. Ein Integrationsprojekt dauert dabei in aller Regel zwei bis vier Wochen, nicht Monate. Am Ende steht ein arbeitsfähiges PIM, das von Beginn an korrekte Attributwerte an Marktplätze und Shopsysteme ausspielt.

Das Ergebnis ist kein PIM, das nach einigen Jahren wieder "aufgeräumt" werden müsste. Es ist ein Datensatz, der von der ersten Zeile an als Golden Record angelegt ist: vollständig, kanalfähig und ohne die Sonderregeln, die anderswo aus Zeitdruck entstehen. Für ein Unternehmen, das bei null anfängt, ist das kein Nice-to-have – es ist der eigentliche Sinn des Neuanfangs.

Zurück zur Ausgangsfrage

Würden Sie wirklich wieder ein PIM bauen, das Ihr Team die nächsten fünf Jahre von Hand pflegen muss? Die meisten Unternehmen bekommen diese Frage nie bewusst gestellt – sie erben die Antwort von einem System, das lange vor ihnen gewachsen ist. Ein Greenfield-Start ist der seltene Moment, in dem die Frage tatsächlich offen ist.

Genau deshalb lohnt es sich, diese Frage bewusst zu beantworten, statt sie durch Unterlassung zu klären und einfach das Nächstliegende zu tun. Ein leeres Blatt verlangt keine besondere Vorsicht. Es verlangt eine bewusste Entscheidung – bevor jemand anfängt, es von Hand zu beschreiben.