Produktinformationen abgleichen und strukturierte Datensätze zur Prüfung vorbereiten.
Ø 2,9 Min
Pflegezeit pro Artikel Ausgangswert: Ø 18 Min
Redaktionelle Illustration, keine Aufnahme aus dem Kundenprojekt.
Wirkung im Projekt
Was sich konkret verändert hat.
Vorher / Nachher
Messgröße
Vorher
Nachher
Veränderung
Pflegezeit pro Artikel
Ø 18 Min
Ø 2,9 Min
-84 %
Feldvollständigkeit der Pflichtattribute
71 %
96 %
+25 pp
Dubletten im Artikelstamm
Ø 6,3 %
Ø 0,9 %
-5,4 pp
Werte aus dem anonymisierten Pilotbetrieb, gerundet. Durchschnitte über die genannte Stichprobe, keine Bestfälle.
So wurde gemessen
Pflegezeit
Stoppuhr-Vergleich identischer Artikelklassen, manuell gegen agentengestützt.
Stichprobe
n = 120 Artikel
Zeitraum
5 Wochen
Feldvollständigkeit
Auswertung der Pflichtfeld-Befüllung im PIM vor und nach Harmonisierung.
Stichprobe
n = 12.500 Artikel
Zeitraum
4 Monate
Dubletten
Abgleich auf Mehrfachanlagen über Sachmerkmale durch zwei Datenpfleger.
Stichprobe
Stichprobe n = 2.000
Zeitraum
über den Pilotzeitraum
Der Ausgangspunkt
Was das Team lösen wollte.
Ein Komponentenhersteller harmonisiert inkonsistente Artikeldaten über ERP und PIM hinweg. Die eluna Automation Platform gleicht Attribute ab, vervollständigt technische Spezifikationen aus Datenblättern und markiert Konflikte. Freigegeben werden sie vom Data-Management-Team.
Einblick 01
Ein Blick auf das Ergebnis
Statt einer pauschalen Prozentzahl zeigen wir Ausgangswert und Ergebnis nebeneinander.
Anonymisiertes Beispiel: Aus inkonsistenten Artikeldaten wird ein harmonisierter, belegter Datensatz.
Einblick 02
Inkonsistente Stammdaten als verstecktes Risiko
Beim Kunden waren Artikeldaten über ERP und PIM verteilt und uneinheitlich gepflegt: unterschiedliche Schreibweisen, fehlende technische Attribute, Dubletten. Die manuelle Pflege band das Team, ohne den Bestand je vollständig zu erfassen.
Die Folgen reichten von fehlerhaften Bestellungen über schlechte Auffindbarkeit im Shop bis zu Rückfragen im Vertrieb, weil technische Spezifikationen fehlten oder widersprüchlich waren.
Einblick 03
Vom Sachmerkmal zum harmonisierten Datensatz
Bevor die eluna Automation Platform eingerichtet wurde, haben wir die Zielstruktur der Stammdaten gemeinsam geschärft.
Zielschema-Definition
Wir legten die Pflichtattribute und zulässigen Werte je Warengruppe fest, als verbindliche Zielstruktur.
Quellen-Mapping
Lieferanten-Datenblätter und Altdaten wurden den Zielfeldern zugeordnet, inklusive Einheiten und Formaten.
Governance-Setup
Konflikte übergibt der Agent zur Prüfung; die Freigabe trifft das Data-Management-Team.
Einblick 04
Multimodal, nachvollziehbar und integriert
Multimodale Extraktion
Werte aus Datenblättern lesen
Der Agent extrahiert technische Attribute aus PDF-Datenblättern, Tabellen und Grafiken und ordnet sie dem Zielschema zu.
Abgleich über Systeme
ERP und PIM zusammenführen
Er gleicht Datensätze über ERP und PIM ab, erkennt Dubletten über Sachmerkmale und vereinheitlicht Schreibweisen.
Quellennachweis
Jeder Wert ist belegt
Zu jedem vervollständigten Feld nennt der Agent die Quelle, sodass die Prüfung schnell nachvollziehbar bleibt.
AI Automation Score
Messbare Vollständigkeit
Ein Dashboard zeigt, welcher Anteil der Pflichtfelder automatisch belegt ist und wo eine Fachperson eingreift.
Einblick 05
Was der Agent (noch) nicht macht
Stimme aus dem Projekt
„Wir pflegen keine Felder mehr von Hand aus PDF-Datenblättern. Der Agent schlägt den Wert mit Quelle vor, wir prüfen Konflikte, der Rest läuft.“
