PIM und KI – The Perfect Match im Matchmaking

Ok Google, spiele Musik! Alexa, wird es heute regnen? Hey Siri, schalte das Licht in der Küche aus! Sprachassistenten sind eine großartige Erfindung, oder? Dass hinter diesen Anwendungen intelligente Systeme stecken, die unsere Anfragen auswerten, ist im privaten Alltag meist erstmal zweitrangig. Hauptsache, es funktioniert.

Davon abgesehen, gehören die smarten Geräte mittlerweile ebenso zum Standard wie Digitalisierung an sich. KI schockt keinen mehr, weder privat noch geschäftlich. Wer mithalten will, setzt auf digital, setzt auf neue Technologien, setzt auf KI. Schön und gut, aber weder Standardisierung auf der einen noch Motivation zur Innovation auf der anderen Seite reichen aus, um getreu dem Motto: »Hauptsache KI« auch erfolgreich zu sein. Auch eine bahnbrechende Technologie braucht eine fundierte Grundlage, sprich gut gepflegte, robuste Daten. Das wird in jedem der vielen Einsatzbereiche künstlicher Intelligenz deutlich, besonders aber im Bereich des Produktinformationsmanagements.

PIM und KI: Map‘n Match

Da wäre, unter anderem, das leidige Thema Produktklassifizierung. Denn der Idealfall, in welchem sowohl Kunde als auch Lieferant dieselben Attribute verwenden, ist eher die Ausnahme. Unternehmen nutzen meist unterschiedliche oder gar keine Klassifizierung für ihre Produkte.

Ungünstig für den Händler, der Produkte von einem neuen Lieferanten mit möglichst geringem Aufwand schnell in den eigenen Onlineshop oder auf den Marktplatz bringen will. Äußerst ungünstig auch für das Content-Team, das die einzelnen Lieferanten-Attribute manuell den systemeigenen Attributen zuordnen muss – teure, fehleranfällige Arbeit, die man sich in Zeiten immer niedrigerer Margen, gerne sparen möchte.

KI kann hier helfen und aus zeit- und kostenaufwändiger Sortierung schnelles und effizientes Mapping machen. Mit Hilfe von Machine Learning kann ein intelligentes System die Attribute in einen Kontext zueinander setzen und so das Matching für die Firma übernehmen. Durch diese Automatisierung können neben dem Beseitigen eventueller menschlicher Fehler auch KPIs wie Time-to-Market, die Kundenzufriedenheit oder auch der Umsatz gesteigert werden.

Ok, her mit dieser KI. Und los geht’s. Nicht ganz. Denn, um überhaupt eine KI für sich arbeiten lassen zu können, benötigt man eine Produkt- oder auch Stammdatenverwaltung. Nur wenn die zugrunde liegenden Daten vielfältig und vertrauenswürdig sind, kann ein KI-Projekt auch erfolgreich sein.

PIM first, KI second

Also eins nach dem anderen. Erst das PIM oder MDM, dann die KI. Mit einem PIM oder MDM als Single Source of Truth haben Unternehmen die Möglichkeit, Daten von unterschiedlichen Quellen zentral zu sammeln, Daten anzureichern und zu verifizieren. Das bildet nicht nur die Grundlage für Kontextualisierung und das Erreichen einer Data Governance, sondern ist nötiger Nährboden und damit Entscheidungsfaktor für den Erfolg oder Misserfolg eines intelligenten Projekts.

Hat eine KI also die richtige Basis, sprich strukturierte und rationalisierte Daten, kann man nicht nur Abläufe automatisieren und damit Prozesse optimieren, sondern sich entscheidende Wettbewerbsvorteile sichern, wie folgendes Beispiel zeigt.

Bei Onlineshops, die vorwiegend Kleidung vertreiben, spielen die Attributinformationen der Farbe eine entscheidende Rolle. Da man als Shopbetreiber meistens Kleidung von unterschiedlichen Lieferanten bezieht, besteht eine Aufgabe darin, die verschiedenen Farbangaben der Lieferanten zu matchen. Bei 10.000 Produkten mit jeweils mindestens einem Bild macht das 10.000 Bilder, die von einem Mitarbeiter auf die Farbangabe untersucht werden müssen. Viel schneller ginge das natürlich, wenn man ein System zwischenschalte würde, dass die Farbidentifizierung automatisiert leistet.

PIM und KI – Perfect Match in der Praxis

Genau das macht Contentserv, Technologieführer im Bereich Product Information Management und Digital Asset Management. Dafür greift der PIM- und PXP-Anbieter auf die Google Vision API zurück.

Contentserv gibt Fotos an die Google API weiter und diese erkennt im hochgeladenen Bild Informationen wie Farben, aber auch enthaltene Objekte (z.B. Autos) oder Standorte und Gebäude (z.B. Eifelturm, New York). Danach gibt Google Vision die Informationen an Contentserv zurück. Die Software hinterlegt diese in Attribute wie Keywords oder eben Farbe.

Ganz nebenbei bringen Effekte wie das Auslesen von Texten in Bildern zusätzlichen, automatisiert erzeugten Content. Außerdem setzt das System von Contentserv je nach Ausgabekanal (egal ob Print oder Plattformen wie Facebook) automatisch passende Zuschneidehinweise – sogenannte Crop Hints. Mit der Automatisierung des Matchmakings spart man sich nicht nur viel Zeit, sondern auch eine Menge Geld.

PIM und KI – Mit dem passenden System zum Perfect Match

Und was sagt uns das alles im Hinblick auf das Match PIM/DAM und KI? Wer zukunftsfähiges Matchmaking für Produkte und eine langfristige Optimierung für interne Abläufe und Prozesse betreiben will, braucht das gesamte Paket.

Mit PIM und MDM-Lösungen als Single Source of Truth haben KI-basierte Ansätze erst das Potential aus einem Perfect Match auch Perfect Business zu machen.

Welche PIM- und MDM-Lösungen es gibt und wie ihr das System findet, das zu eurem Unternehmen passt, erfahrt ihr im runderneuerten Whitepaper »PIM- und MDM-Software auswählen«. Dort gehen wir detailliert auf die Spezifika beider Systeme ein, erklären, welche Vorteile sie haben und langfristig die positive Entwicklung eures Unternehmens unterstützen.