Datenanreicherung (Data Enrichment)
Datenanreicherung – englisch Data Enrichment – bezeichnet das Ergänzen fehlender oder zusätzlicher Attribute zu bestehenden Datensätzen, um deren Vollständigkeit, Aussagekraft und Verkaufswirkung zu erhöhen.
Datenanreicherung folgt in der Produktdaten-Pflege auf die Normalisierung und liefert die vollständigen, attributreichen Daten, die ein PIM für Filter, Vergleichbarkeit und kanalgerechte Ausspielung benötigt.
In einfachen Worten
Datenanreicherung füllt die Lücken in bestehenden Datensätzen. Ein Artikel kommt oft mit den Pflichtangaben ins Haus – Bezeichnung, Preis, Maße – aber ohne die Attribute, die ihn im Shop auffindbar und vergleichbar machen: Materialeigenschaften, Anwendungsbereiche, Kennwerte, Zubehör-Beziehungen. Anreicherung ergänzt genau diese fehlenden Werte, sei es aus Lieferanten-Quellen, aus Normdaten-Katalogen oder durch redaktionelle Arbeit. Sinnvoll ist sie erst nach der Normalisierung des Bestands, weil sich vorher nicht zuverlässig sagen lässt, welche Attribute überhaupt fehlen. Die angereicherten Daten werden anschließend im PIM gepflegt und bilden die Grundlage für eine belastbare Produkttaxonomie.
Wozu brauche ich das?
Anreicherung lohnt überall dort, wo Vollständigkeit über Auffindbarkeit und Kaufentscheidung mitbestimmt. Je mehr Attribute ein Produkt sauber trägt, desto besser lässt es sich filtern, vergleichen und an die im PIM angebundenen Kanäle ausspielen. Besonders bei erklärungsbedürftigen Sortimenten ist der Unterschied zwischen einem dürren und einem reich beschriebenen Datensatz unmittelbar im Verkauf spürbar.
Beispiel aus der Praxis
Eine typische Ausgangslage: Ein Händler für Elektrowerkzeuge übernimmt Artikeldaten mit nur den Grundangaben. Filter nach Leistung, Akku-Spannung oder Gewicht sind nicht möglich, weil diese Attribute fehlen. Mit einer Anreicherung werden die technischen Werte aus Lieferanten-Datenblättern und Norm-Katalogen ergänzt und – nach vorheriger Normalisierung – als strukturierte Attribute hinterlegt. Der Shop kann anschließend nach genau diesen Werten filtern, und die Produkte erscheinen in mehr passenden Suchergebnissen.
Wirtschaftlicher Nutzen
Vollständige Daten verkaufen besser: Sie machen Produkte auffindbar, vergleichbar und beantworten Kauffragen, bevor sie gestellt werden. Der Nutzen zeigt sich in besseren Filtern, höherer Sichtbarkeit und einer stärkeren Konvertierung. Auch die Verknüpfung mit Medien aus einem DAM gehört zur Anreicherung. Gleichzeitig sind angereicherte Daten Voraussetzung für anspruchsvolle Kanäle und Marktplätze, die vollständige Attribut-Sätze verlangen.
Typische Fehler
- Daten angereichert, bevor sie normalisiert sind – ohne einheitliche Basis lässt sich nicht bestimmen, welche Attribute tatsächlich fehlen.
- Attribute als Freitext statt strukturiert ergänzt – Freitext-Anreicherung verbessert die Filterbarkeit nicht.
- Keine Quelle für die ergänzten Werte dokumentiert – bei späteren Korrekturen ist unklar, woher eine Angabe stammt.
- Anreicherung als einmaliges Projekt behandelt – neue Artikel kommen weiter unvollständig ins System.
- Mehr Attribute ergänzt, als ein Kanal verarbeiten kann – nicht jede zusätzliche Angabe schafft Mehrwert.
Worauf achten?
- Erst normalisieren, dann anreichern – die Reihenfolge entscheidet über die Qualität.
- Attribute strukturiert ergänzen, damit sie filter- und übergebbar sind.
- Die Herkunft ergänzter Werte dokumentieren, um spätere Pflege zu ermöglichen.
- Die Anreicherung an der Produkttaxonomie ausrichten, nicht beliebig Attribute hinzufügen.
- Einen laufenden Prozess statt eines Einmal-Projekts aufsetzen, damit neue Artikel angereichert ankommen.
Häufig gestellte Fragen
Was ist Datenanreicherung?
Datenanreicherung (Data Enrichment) ist das Ergänzen fehlender oder zusätzlicher Attribute zu bestehenden Datensätzen. Ziel ist, Produkte vollständiger, auffindbarer und vergleichbarer zu machen.
Worin unterscheiden sich Normalisierung und Anreicherung?
Normalisierung vereinheitlicht vorhandene Daten auf ein konsistentes Schema. Anreicherung ergänzt fehlende Werte. In der Regel wird zuerst normalisiert und dann angereichert.
Woher kommen die ergänzten Daten?
Aus mehreren Quellen: Lieferanten-Datenblättern, Normdaten- und Klassifikations-Katalogen oder redaktioneller Arbeit. Wichtig ist, die Herkunft zu dokumentieren, damit Werte später nachvollziehbar bleiben.
Wann lohnt sich Datenanreicherung?
Besonders bei erklärungsbedürftigen oder großen Sortimenten, in denen Filter und Vergleichbarkeit über die Kaufentscheidung mitbestimmen. Auch anspruchsvolle Marktplätze verlangen vollständige Attribut-Sätze.