KI in PIM und DAM: Was kĂĽnstliche Intelligenz im Produktdatenmanagement leisten kann

In der Popkultur kommt künstliche Intelligenz meist nicht sonderlich gut weg. HAL 9000 stellt die Mission über menschliches Leben, Skynet will gleich unsere gesamte Spezies auslöschen und Roboter Marvin aus dem Anhalter ist in etwa so hilfreich wie ein Salzwasserbrunnen in der Wüste.

Ganz so drastisch sieht die Realität zum Glück nicht aus. KI hat keine Hintergedanken, hegt keine mörderischen Absichten und ist auch nicht krankhaft lethargisch. Im Gegenteil: Richtig eingesetzt, ist sie in der Lage, in deinem E-Commerce-Business Prozessketten zu automatisieren und Aufgaben in Minuten zu erledigen, die dein Team sonst Stunden kosten würden.

Besonders deutlich wird dies in den datenintensiven Bereichen deines Unternehmens, also etwa im Produktdatenmanagement und Digital Asset Management (PIM und DAM) – und genau darauf werfen wir in diesem Beitrag einen intensiven Blick:

Wie kann künstliche Intelligenz sinnvoll in PIM und DAM integriert werden? Welche Aufgaben sollte sie dort übernehmen? Und worauf kommt es wirklich an, damit ein Prozess nicht nur automatisch abläuft, sondern auch saubere Ergebnisse liefert?

Aber bevor es in den Deep Dive geht, klären wir die Grundlagen:

Die Basics: Was sind PIM und DAM?

Damit wir wirklich alle über das Gleiche reden, kurz erklärt:

Product Information Management (PIM): Ein PIM-System bündelt und verwaltet sämtliche strukturierten Produktinformationen, von technischen Daten und Maßen über Produktbeschreibungen bis hin zu Preisen und Varianten.

Digital Asset Management (DAM): Ein DAM-System organisiert digitale Medien und Dateien wie Produktbilder, Videos, Grafiken oder Dokumente und stellt sie zentral für verschiedene Vertriebskanäle bereit.

Beide Systeme sorgen also dafür, dass Produktinformationen und die dazugehörigen Medien konsistent und aktuell verfügbar sind. Dass sich ihre Funktionen teilweise überschneiden, ist dabei weder ausgeschlossen noch ein Nachteil – aber dazu später mehr. Wichtiger ist an dieser Stelle zunächst:

Was bedeutet KI im Kontext von PIM und DAM?

Es ist schwer, einen Begriff zu finden, mit dem intensiver Buzzword-Bingo gespielt wurde als mit KI. Gefühlt jede Branche versucht, mit den zwei Buchstaben Geld zu verdienen. Selbst Fressnäpfe für Katzen werden inzwischen mit künstlicher Intelligenz beworben – als ob es jemals unklar gewesen wäre, wann Mauzi Hunger hat.

Lesetipp: Du hast keine Lust mehr auf Agenturen mit der KI-ist-die-Lösung-für-alles-Attitüde? Wir zeigen dir, wann und warum ein Agenturwechsel sich lohnen kann.

Um die Möglichkeiten im Produktdatenmanagement und Digital Asset Management realistisch einschätzen zu können, lohnt sich ein Blick hinter die Kulissen. Grob lassen sich dabei drei Kategorien unterscheiden:

1. Automatisierte Prozesse und feste Logiken

Schon lange bevor ChatGPT mehr war als Buchstabensalat, ließen sich mit festen Regeln und Workflows wiederkehrende Aufgaben erledigen. Automatisierte Abläufe nach dem Wenn-dann-Prinzip funktionieren auch ohne künstliche Intelligenz, denn sie gehören quasi zum Urgestein der IT.

Und für alle, die gerade den Zeigefinger heben wollen: Natürlich lassen sich solche Abläufe durch KI ergänzen oder mithilfe von KI entwickeln. Das macht den Prozess selbst aber noch lange nicht zu einer KI-Anwendung. Manchmal ist eine Automatisierung einfach nur eine Automatisierung.

2. Large Language Models (LLMs) und generative KI

Jetzt wird es ernst: Generative KI kann Inhalte erzeugen, Informationen aus Daten extrahieren, verändern, verknüpfen oder vergleichen. Dabei sind einzelne Funktionen nicht unbedingt neu. Schon lange vor dem KI-Boom gab es etwa Programme, die Bilder freistellen konnten. Innovativ sind vor allem der Funktionsumfang und die Möglichkeit, den Systemen Anweisungen in natürlicher Sprache zu geben: „Mach aus den Orangen im Korb grüne Äpfel.“

Allerdings arbeiten diese Systeme normalerweise nicht autonom. Ein Sprachmodell wartet auf eine Eingabe und verarbeitet die Informationen, die ihm zur Verfügung gestellt werden. Es stößt nicht selbstständig neue Prozesse an und entscheidet auch nicht eigenständig über die nächsten Arbeitsschritte. Zwar lassen sich LLMs in automatisierte Workflows einbinden oder zeitgesteuert aufrufen, die Steuerung übernimmt dann aber eine übergeordnete Anwendung.

3. KI-Agenten

Ein KI-Agent geht noch einen Schritt weiter: Er nutzt meist ein LLM als Basis, kann aber eigenständig Aufgaben planen, Informationen recherchieren, Werkzeuge einsetzen und mehrere Arbeitsschritte miteinander verknüpfen. Dabei bewertet er Zwischenergebnisse und entscheidet auf Basis seiner Vorgaben, wie er weiter vorgeht. Er reagiert also nicht nur auf eine einzelne Eingabe, sondern kann ein definiertes Ziel über mehrere Schritte hinweg verfolgen.

Aber so beeindruckend das klingt: KI-Agenten sind längst nicht so autonom, wie es die Tech-Bros gerne darstellen. Was wie eigenständiges Denken aussieht, bewegt sich ausschließlich innerhalb des Rahmens, den Menschen ihnen vorgeben, und ist nur ein Zusammenspiel aus Algorithmen und Modellen.

Wichtig: Unsere Einteilung ist natürlich keine wissenschaftlich korrekte, trennscharfe Klassifizierung. Die Übergänge sind fließend: Auch ein LLM wie ChatGPT kann ein Werkzeug benutzen, während ein Agent bei seiner Arbeit womöglich auf eine einfache Wenn-dann-Anweisung zurückgreift.

Entscheidend ist deshalb weniger, wie eine Lösung heißt, sondern welchen Nutzen sie bringt. Und genau darauf werfen wir nun einen Blick:

KI in PIM und DAM: Was bringt sie in der Praxis?

Statt dir jetzt theoretische Möglichkeiten und halbgare KI-Versprechen vorzusetzen, schauen wir uns lieber an, was Unternehmen heute schon konkret umsetzen können. Drei Praxisbeispiele zeigen dir, wie KI die Arbeit mit Produktdaten und digitalen Assets erleichtert, welche Aufgaben sie übernehmen kann und welchen Nutzen das im Unternehmensalltag bringt.

#1: Produktbilder automatisch aufbereiten und benennen

Ausgangslage: Skins, ein Kosmetikunternehmen aus den Niederlanden, ließ seine Produktfotos früher in Indien bearbeiten. Die Bilder wurden dorthin geschickt, vor Ort aufbereitet und anschließend zurückübertragen. Damit aber nicht genug: Zurück in Europa musste jedes einzelne Foto von Hand umbenannt werden. Bei einer großen Menge an Produktbildern also ein erheblicher Zeit- und Kostenfaktor – und eine ziemlich undankbare Aufgabe.

KI im Einsatz: Heute werden die Bilder direkt im DAM verarbeitet. Eine KI-gestĂĽtzte Funktion passt die Bildformate an, zentriert sie und stellt die Produkte frei. Letzteres funktioniert auch bei anspruchsvollen Motiven wie hellen FlĂĽssigkeiten in transparenten Kosmetikflakons sehr gut. AuĂźerdem erkennt das System, was auf den Fotos dargestellt ist, und vergibt auf dieser Grundlage automatisch passende Dateinamen.

Was es bringt: Die Geschäftsreise der Bilder nach Indien entfällt. Das spart natürlich Kosten und Zeit – und verkürzt so etwa auch die Time-to-Market. Vor allem aber werden im Team keine Streichhölzer mehr gezogen, um auszulosen, wer denn diesmal den Bananenkrummbieger-Job bekommt und unzählige Bilder von Hand umbenennen darf. Das Team kann sich wieder auf Aufgaben konzentrieren, die Skins wirklich weiterbringen.

#2: Produkttitel fĂĽr Amazon automatisch erstellen

Ausgangslage: AL-KO ist ein international tätiger Hersteller von Gartengeräten, der seine Waren auch über Amazon vertreibt. Dabei hat sich auf dem Marktplatz eine Unsitte etabliert – je mehr Produktinformationen im Titel stehen, desto besser: „AL-KO Elektro-Rasenmäher Classic 3.82 SE, 1.400 W, Schnittbreite 38 cm, für Rasenflächen bis 500 m², 7-fache Schnitthöhenverstellung, 45-l-Grasfangbox“.

Diese WortungetĂĽme wurden bislang in Handarbeit zusammengesetzt. Ein Job, der nicht nur ein Fall fĂĽr Human Rights Watch ist, sondern bei dem auch sehr schnell Fehler passieren.

KI im Einsatz: Heute haben die Amazon-Produkttitel ihr eigenes Feld im PIM. Es wird ausschließlich für den Marktplatz genutzt; andere Vertriebskanäle bleiben davon unberührt. Die KI greift auf die vorhandenen Produktinformationen zu und setzt sie nach einer vorgegebenen Struktur zu einem vollständigen Titel zusammen. Wattzahl, Flächenleistung und weitere relevante Eigenschaften landen so automatisch an der richtigen Stelle.

Was es bringt: Weniger Copy-and-paste, weniger Flüchtigkeitsfehler und vor allem weniger verschwendete Zeit für eine Aufgabe, die niemand freiwillig erledigt. Statt Produkttitel von Hand zusammenzubasteln, kann sich das Team auf das Kerngeschäft konzentrieren. Ganz ähnlich wie bei Skins geht es also nicht darum, Menschen zu ersetzen, sondern ihnen lästige Routinearbeit abzunehmen.

#3: Ersatzteile in Explosionszeichnungen automatisch erkennen

Ausgangslage: Noch einmal AL-KO. Wenn ein Kunde ein Ersatzteil für seinen Rasenmäher sucht, wird es kompliziert. „Der schwarze Plastiknöppel mit der scharfen Kante“ hilft weder der Shopsuche noch dem Customer Support. Was jetzt hilft, sind Explosionszeichnungen, denn sie zeigen die einzelnen Bauteile und ihre Position im Gerät.

Die Identifikation wird dadurch also einfach – allerdings kommt dann der Rattenschwanz: Für jedes einzelne Bauteil muss die passende Teilenummer recherchiert, im PIM hinterlegt und mit dem entsprechenden Ersatzteil im Shop verknüpft werden. Bei Dutzenden Einzelteilen pro Zeichnung eine ziemlich aufwendige Fleißarbeit.

KI im Einsatz: Derzeit arbeiten wir gemeinsam mit AL-KO an einer Lösung, die genau hier ansetzt: Eine KI analysiert die Explosionszeichnungen, erkennt die einzelnen Bauteile und ordnet ihnen die passenden Teilenummern zu. Anschließend verknüpft sie die Bauteile mit den entsprechenden Produktdatensätzen im PIM und den Ersatzteilartikeln im Shop. So entsteht Schritt für Schritt eine digital nutzbare Ersatzteilübersicht.

Was es bringt: AL-KO kann die aufwendige Zuordnung der Bauteile automatisieren und muss die Explosionszeichnungen nicht mehr mühsam von Hand für den Onlineshop aufbereiten. Gleichzeitig entsteht eine deutlich bessere Datenbasis für den Ersatzteilvertrieb. Kunden könnten künftig einfach ihr Rasenmähermodell auswählen und sich direkt die passenden Ersatzteile anzeigen lassen. Das erleichtert die Suche, reduziert Fehlbestellungen und entlastet auch den Kundenservice.

Unser PIM: Pimcore

Alle drei Beispiele stammen aus Projekten, die wir mit Pimcore umgesetzt haben – und das ist kein Zufall: Die Plattform vereint PIM und DAM unter einem Dach. Der Vorteil daran: Produktinformationen und digitale Medien lassen sich zentral verwalten und miteinander verbinden. Du musst also nicht für jede Aufgabe ein eigenes System bemühen.

Aber auch beim Thema KI hat Pimcore einiges zu bieten – entweder als internes Feature oder angebunden über APIs. So unterstützt die Plattform dich beispielsweise dabei, Produktdaten anzureichern, Texte zu erstellen und zu übersetzen oder Bilder und Datensätze automatisch zu erkennen und zuzuordnen.

Mit dem Pimcore Agent Bundle baut das Unternehmen die Fähigkeit seiner KI gerade außerdem weiter aus. Künftig soll sie nicht nur einzelne Aufgaben erledigen, sondern mehrere Arbeitsschritte miteinander verknüpfen und eigenständig ausführen können. Das Ganze befindet sich allerdings noch in der Entwicklung.

Lesetipp: Wie du Pimcore erfolgreich in deinem Unternehmen einführen kannst, erklären wir dir in unserem Beitrag zum Thema.

Was braucht KI, um in PIM und DAM gute Ergebnisse zu liefern?

Klingt insgesamt alles ziemlich gut, oder? Aber leider ist KI kein Zauberstab, mit dem du einmal Wusch-Wusch machst, und plötzlich läuft der Laden. Damit die Technik zuverlässig funktioniert, müssen ein paar wichtige Voraussetzungen erfüllt sein:

1. Saubere Daten und klare Strukturen

Eine KI kann nur mit den Informationen arbeiten, die ihr zur Verfügung stehen. Sind Produktdaten unvollständig, veraltet oder widersprüchlich oder sind Informationen unstrukturiert abgelegt, produziert auch das intelligenteste System nur Datenmüll. Ohne Fundament kein Haus.

Deshalb solltest du zunächst deine Datenbasis auf Vordermann bringen. Dazu gehören einheitliche Bezeichnungen, sinnvoll definierte Attribute und klare Vorgaben dazu, welche Informationen in welche Felder gehören. Je strukturierter deine Produktdaten vorliegen, desto zuverlässiger lassen sie sich automatisiert verarbeiten, anreichern und über verschiedene Kanäle ausspielen.

2. Eine verbindliche Source of Truth

Stell dir vor, im ERP steht eine andere Wattzahl als in der aktuellen Lieferantendatei. Oder eine Excel-Tabelle enthält bereits eine neuere Produktbeschreibung als das PIM. Welche Angabe soll die KI jetzt verwenden? Im besten Fall meldet sich der Algorithmus und weist auf den Widerspruch hin. Im schlimmsten Fall rät er einfach.

Genau deshalb braucht jede Information ihre verbindliche Source of Truth, also eine festgelegte, maßgebliche Datenquelle. Das kann beispielsweise das PIM für Produktbeschreibungen und technische Attribute sein, während Preise und Lagerbestände aus dem ERP kommen. Entscheidend ist, dass die Zuständigkeiten eindeutig geregelt sind.

Lesetipp: Wie ERP, PIM und weitere Systeme zusammenspielen sollten, zeigt dir auch unser Beitrag Shopware x Business Central.

3. Kontrolle und Fehlerbehandlung

Auch wenn deine Produktdaten vollständig sind und die KI auf die richtigen Datenquellen zugreift, ist die Arbeit noch nicht getan. Sie kann Informationen immer noch falsch interpretieren, Zusammenhänge missverstehen oder schlicht Fehler produzieren.

Deshalb solltest du vorab festlegen, wie viel Eigenständigkeit du einer KI-Anwendung zugestehst und an welchen Stellen eine Kontrolle notwendig ist. Welche Ergebnisse darf sie direkt ins PIM übernehmen? Was muss ein Mitarbeiter erst prüfen und freigeben? Wer kümmert sich um Fehler, und wie lassen sich falsche Zuordnungen oder Inhalte korrigieren?

Dabei geht es nicht nur um sicherheitsrelevante Informationen oder rechtlich verbindliche Aussagen. Bei allem, was deine Marke nach außen repräsentiert, sollte ein Mensch das letzte Wort haben. Denke zum Beispiel an Produkttexte, die nicht deinem Wording entsprechen, oder an Fotos, die unglücklich zugeschnitten werden. Eine KI arbeitet mit Daten, sie versteht keine Emotionen.

So findest du deinen ersten KI-Use-Case

Wenn es dich jetzt in den Fingern juckt, KI in deinem PIM oder DAM einmal selbst auszuprobieren, stellt sich eine große Frage: Wie fängst du an? Wir empfehlen:

  • Suche nach echten Zeitfressern: Welche Aufgaben kosten dein Team regelmäßig Zeit, sind aber wenig anspruchsvoll? Bilder umbenennen, Attribute ergänzen oder Produktinformationen fĂĽr verschiedene Kanäle aufbereiten sind gute Kandidaten.
  • Fange mit einem ĂĽberschaubaren Use Case an: Nimm dir zunächst eine einzelne Aufgabe vor, statt gleich einen kompletten Workflow umzukrempeln. So kannst du Aufwand und Nutzen besser einschätzen.
  • PrĂĽfe, ob die Datenbasis stimmt: Sind die benötigten Informationen vollständig und sauber strukturiert? Wenn nicht, solltest du dort zuerst ansetzen.
  • Lass die KI nicht gleich von der Leine: Teste die Ergebnisse zunächst mit menschlicher Kontrolle. Erst wenn die Qualität stimmt, kannst du weitere Arbeitsschritte automatisieren.
  • Miss den tatsächlichen Nutzen: Wie viel Zeit sparst du? Sinkt die Fehlerquote? Wird die Arbeit fĂĽr dein Team einfacher? Nur wenn sich das im Alltag bemerkbar macht, lohnt sich der Einsatz.
  • Denke in kleinen Schritten weiter: Wenn ein Anwendungsfall funktioniert, kannst du ihn ausbauen oder den nächsten angehen. So entsteht nach und nach eine sinnvolle KI-Strategie.

Oder in kurz: Beginne mit den Quick Wins, die Zeit fressen, aber kein Gehirnschmalz brauchen. 

Und wenn du mehr aus KI in PIM und DAM herausholen willst …

Die ersten kleinen Automatisierungen mithilfe von KI lassen sich also oft mit überschaubarem Aufwand umsetzen. Aber falls du größere Prozessketten automatisieren, KI sinnvoll in deine Systemlandschaft integrieren oder ganz neue Möglichkeiten im Produktdatenmanagement erschließen möchtest, gibt es auch noch uns.

Wir unterstützen dich bei der Einführung deines PIM- und DAM-Systems, schauen gemeinsam mit dir, wo KI in deinem Unternehmen tatsächlich einen Mehrwert schafft und wie sich passende Lösungen in deine bestehenden Prozesse integrieren lassen. Wie das Ergebnis in der Praxis aussehen kann, zeigen dir unsere Referenzen. Wenn du wissen möchtest, wobei wir dich darüber hinaus unterstützen können, wirf einen Blick auf unsere Leistungen.

Und vielleicht noch als kleine popkulturelle Anekdote zum Ausklang: Hast du gewusst, dass HAL aus der Space Odyssey angeblich eine Anspielung auf IBM war? Du musst nur jeweils einen Buchstaben weitergehen. Wir haben das auch mal für PIM ausprobiert, aber OHL klingt irgendwie nicht so richtig nach Super-KI …

 

FAQ: Häufige Fragen zu KI in PIM und DAM

Welche Aufgaben kann KI in einem PIM-System erledigen?

Im PIM kann eine KI zum Beispiel Produktdaten automatisch ergänzen, strukturieren und für unterschiedliche Vertriebskanäle aufbereiten. Auch das Erstellen von Produktbeschreibungen, die Zuordnung von Attributen oder die Unterstützung bei der Ersatzteilsuche sind mögliche Anwendungsfälle. Welche Funktionen sinnvoll sind, hängt von deiner Datenbasis und den Anforderungen deiner Prozesse ab.

Welche Funktionen kann KI im DAM-System ĂĽbernehmen?

In einem DAM kann KI beispielsweise Bilder automatisch verschlagworten, Motive erkennen, Hintergründe freistellen oder Bildformate anpassen. Auch die automatische Benennung und Sortierung von Dateien ist möglich. Dadurch lassen sich große Mengen digitaler Assets schneller verarbeiten und für verschiedene Kanäle bereitstellen.

Welche Voraussetzungen mĂĽssen fĂĽr den Einsatz von KI in PIM und DAM erfĂĽllt sein?

Die wichtigste Voraussetzung ist eine verlässliche Datenbasis. Produktinformationen sollten vollständig, aktuell und sauber strukturiert sein. Außerdem muss klar geregelt sein, welche Datenquelle für welche Informationen maßgeblich ist. Nur wenn die KI auf konsistente Daten zugreifen kann, sind auch brauchbare Ergebnisse zu erwarten.

Wie zuverlässig sind KI-generierte Produktdaten und Inhalte?

KI-generierte Inhalte sind nicht automatisch korrekt oder brauchbar. Sprachmodelle können Eigenschaften erfinden, Produktinformationen falsch interpretieren oder Texte liefern, die zwar grammatikalisch stimmen, aber inhaltlich danebenliegen. Auch bei der Bildverarbeitung können Details verloren gehen oder Motive falsch zugeordnet werden. Wie zuverlässig die Ergebnisse sind, hängt deshalb nicht nur von der Technologie und der Datenqualität ab, sondern auch davon, wie gut der jeweilige Prozess kontrolliert wird.

Wie starte ich mit KI im Produktdatenmanagement?

Am besten mit einem überschaubaren Anwendungsfall, der dein Team viel Zeit kostet. Dazu gehören beispielsweise das Umbenennen von Bildern, das Ergänzen von Produktattributen oder das Erstellen von kanalbezogenen Produkttexten. Teste zunächst, ob die Ergebnisse zuverlässig sind und tatsächlich Arbeit sparen. Auf dieser Grundlage kannst du weitere Prozesse schrittweise automatisieren.

‍

Ähnliche Beiträge

alles ansehen
E-commerce
5.11.2026

Vom Datenhaufen zum Datenhafen: So gelingt die Pimcore-EinfĂĽhrung

Bring Ordnung ins Datenchaos: Wir zeigen dir, wie du mit Pimcore Produktdaten strukturierst, Prozesse automatisierst & das PIM-Projekt erfolgreich umsetzt.
News
2.11.2026

Marten Lehmann wird neuer CEO der Strix Group

Ab November 2026 ĂĽbernimmt Marten Lehmann die Position des CEO der Strix Group von Marc-Paul Brandt. Marc-Paul bleibt dem Unternehmen als Gesellschafter und Berater eng verbunden.
E-commerce
27.10.2026

Shopware B2B‑Portal: Wann sich ein Händlerportal wirklich lohnt

Wann lohnt sich ein B2B-Händlerportal? Finde passende Funktionen, plane die Umsetzung mit Shopware und bring deine Kunden in den Self-Service.
E-commerce
20.10.2026

Shopware-Agentur wechseln: Warum sich ein Wechsel lohnen kann und was mit deinem Shop passiert

Shopware-Agentur wechseln: Was passiert mit deinem Shop und wie läuft die Übernahme ab? Wir verschaffen dir einen Überblick.
E-commerce
13.10.2026

B2B Self-Service mit Shopware: So wird aus deinem GroĂźhandels-Shop ein digitales Kundenportal

B2B-Self-Service mit Shopware: Von B2B Components bis zur Systemarchitektur und der Umsetzung in die Praxis. Erfahre, worauf es dabei ankommt.