Ausgangslage
Der Mandant ist ein deutscher Online-Händler im Bereich Wohn-/Lifestyle-Produkte, gegründet 2009, mit eigenem Webshop und parallelem Vertrieb über Amazon, eBay, Otto und Kaufland. 38.000 aktive SKUs, rund 6.000 neue SKUs pro Jahr, vier Produkt-Manager im Listings-Team. Pro neuem Produkt durchschnittlich 47 Minuten Bearbeitungs-Zeit für: Lieferanten-Daten in PIM einlesen, Beschreibung schreiben, SEO-Keywords recherchieren, vier marktplatz-spezifische Listings erstellen, Bilder zuordnen.
Strategischer Treiber: Wettbewerbsdruck durch chinesische Direktanbieter (Temu, Shein) und durch professionalisierte deutsche Wettbewerber, die Time-to-Market unter 5 Tage erreichten. Eigene Quote lag bei 18 Tagen — Saison-Themen verpassten regelmäßig den günstigsten Vermarktungs-Zeitraum.
Ziele & KPIs
- Bearbeitungs-Zeit pro Produkt ≤ 12 Minuten.
- Time-to-Market neuer Produkt-Container ≤ 5 Tage.
- Listing-Qualitäts-Score Amazon (interner Marktplatz-KPI) ≥ 4,4 / 5.
- Anzahl neuer SKUs pro Jahr ≥ 9.000 (vorher 6.000).
Die Lösung
Komponente 1: Lieferanten-Daten-Anreicherung
Pipeline für Excel/CSV/BMEcat/JSON. Strukturierte Felder werden in das interne PIM-Schema gemappt (Akeneo-basiertes PIM). Fehlende Eigenschaften werden über LLM-Recherche aus Hersteller-Webseiten ergänzt — mit Quellen-Logging und automatischer Markierung als „abgeleitete Eigenschaft“.
Komponente 2: SEO-Beschreibungs-Generierung
Standard-Beschreibung pro Produkt, 150–250 Wörter, mit SEO-Keyword-Recherche aus internen Suchanfragen + DataForSEO-API für externe Suchvolumina. Halluzinations-Schutz über zweite LLM-Instanz (GPT-4o-mini Reviewer), die jede Aussage gegen die Quell-Faktenliste validiert.
Komponente 3: Marktplatz-Mapping
Marktplatz-spezifische Anpassung der Listings: Amazon (Title-Länge, Bullet-Points, Backend-Keywords), eBay (Item-Specifics, Kategorien), Otto (Pflicht-Attribute, Logistics-Codes), Kaufland (XML-Feed-Format). Vier parallele Output-Streams aus dem gleichen PIM-Datensatz.
Vorgehen & Zeitplan
Vom Kick-off bis zum Live-Betrieb
- 1Woche 1–3
Discovery + PIM-Audit
Use-Case, PIM-Schema-Audit, Lieferanten-Format-Inventar.
- →PIM-Schema-Mapping
- →Pilot-Scope
- 2Woche 4–9
Pilot Anreicherung + Beschreibung
Pilot auf 600 SKUs, Schatten-Modus parallel zu klassischer Bearbeitung.
- →Anreicherung v1
- →Beschreibungs-Generator v1
- →Eval-Bericht
- 3Woche 10–16
Marktplatz-Mapping + Roll-out
Vier Marktplatz-Konnektoren, Live-Schaltung mit 4 Produkt-Managern.
- →Vollständiges System
- →Schulung
- →Hyper-Care 6 Wochen
Ergebnisse nach 11 Monaten Live-Betrieb
Gemessen über 11 Monate Live-Betrieb
„Wir haben uns lange vor dem Projekt darüber gestritten, ob KI-Beschreibungen die Marken-DNA verwässern. Heute lese ich ungelogen mehr KI-generierte Texte am Tag als selbst geschriebene — und merke den Unterschied nicht mehr. Der Schlüssel war, dass wir die KI sehr eng auf unseren Stil-Guide trainiert haben.“
— E-Commerce-Leiterin, April 2026
Wirtschaftlichkeit
Total Cost of Ownership Jahr 1: ca. 215 k €. Realisierter Effekt: (1) Personal-Effizienz +87 % bei den 4 Produkt-Managern, ohne Stellen-Reduktion in zusätzliches SKU-Volumen umgewandelt (+3.400 SKUs/Jahr). (2) Bessere Saison-Reaktion brachte rund 320 k € zusätzlichen Umsatz, davon 78 k € zusätzliche Brutto-Marge. (3) Reduzierte Listing-Fehler-Quote (Amazon-Suspendierungen −62 %) brachte rund 95 k € Cost-of-Failure-Vermeidung. Net Benefit Jahr 1: ca. 480 k €.
Lessons Learned
- Halluzinations-Schutz mit zweiter LLM-Instanz ist Pflicht — nicht optional.
- Marken-Filter mit DPMA-Daten erspart spätere Abmahnungen.
- Marktplatz-Spezifika als eigene Komponente trennen — Amazon-Regeln ändern sich öfter als der Rest.
- Stil-Guide als Trainings-Anker — ohne diesen verwässert die Marken-DNA tatsächlich.
Mehr: Erstgespräch buchen.