Was sind KI-fähige Produktdaten? Was PIM-Systeme wirklich leisten müssen
Die Bitkom-Studie „Softwarewelt 2036“ zeigt: KI verschiebt, wofür Kunden bezahlen. Doch bevor KI echten Nutzen bringt, muss eine Voraussetzung erfüllt sein: geordnete, konsistente Produktdaten. Die Studie nennt ausdrücklich inkonsistente Artikelstammdaten, fragmentierte Systemlandschaften und alte ERP-Silos als Blockaden. Wer seine Daten nicht in Ordnung bringt, kann KI nicht sinnvoll einsetzen, egal wie gut die Modelle werden.
Was sagt die Bitkom-Studie „Softwarewelt 2036“?
Die Bitkom-Studie „Softwarewelt 2036“ (DOI: 10.64022/2026-softwarewelt-2036) basiert auf qualitativen Interviews mit zwölf Führungskräften aus der Softwarebranche, durchgeführt zwischen KW 13 und KW 19 im Jahr 2026. Die zentralen Befunde für den Softwaremarkt:
- Stunden- und Lizenzmodelle geraten unter Druck, weil KI-Systeme Routinearbeit zur Commodity machen.
- Kunden zahlen künftig für Ergebnisse, etwa eine optimierte Supply Chain, eine behobene Schwachstelle oder eine bestandene Compliance-Prüfung. Outcome- und Value-based Pricing gewinnt besonders im B2B an Bedeutung.
- Plattformen ohne Interoperabilität verlieren an Relevanz. Proprietäre Silomodelle und Systeme ohne durchgängige digitale Prozessketten geraten unter Druck.
- KI ebnet Featureunterschiede zwischen Systemen innerhalb von Monaten ein. Software ohne eigene Datenintelligenz wird austauschbarer.
Inzwischen wirbt nahezu jeder PIM- und CMS-Anbieter mit KI-Funktionen. „Wir haben auch KI“ ist damit kein Differenzierungsmerkmal mehr, sondern eine Markterwartung. Die eigentliche Frage ist, welche Voraussetzungen ein System mitbringt, damit KI tatsächlich wirkt.
bitkom: Softwarewelt 2036 Zukunftsbilder und strategische Impulse für Unternehmen und Politik Was macht Produktdaten KI-fähig?
KI-fähige Produktdaten erfüllen vier Eigenschaften: Sie sind vollständig, konsistent, eindeutig identifizierbar und über standardisierte Schnittstellen zugänglich. Die Bitkom-Studie stellt klar, dass entscheidend nicht allein der Besitz von Daten ist, sondern ihre Qualität, Kontextualisierung, Governance und verantwortungsvolle Nutzung.
- Vollständigkeit: Pflichtattribute sind für alle Produkte befüllt, keine Lücken in Kernfeldern.
- Konsistenz: Dieselbe Einheit, dieselbe Schreibweise, dieselbe Klassifikation über alle Produkte hinweg.
- Eindeutige Identifikatoren: Produkte haben stabile, systemübergreifende IDs ohne redundante Datensätze.
- API-Zugänglichkeit: Das PIM-System liefert Daten über strukturierte Schnittstellen, nicht nur als Export-Datei.
Fehlt eine dieser Eigenschaften, degeneriert KI-Output: falsche Produktzuordnungen, inkonsistente Beschreibungen, unvollständige Kataloge. Wie KI-Agenten konkret mit Produktdaten arbeiten und welche Datenstrukturen sie brauchen, zeigt unser Beitrag KI-ready: Was Produktdaten für KI-Agenten leisten müssen.
Warum die Systemarchitektur entscheidet: KI-konfigurierbar statt nur KI-bedienbar
Die meisten PIM-Systeme sind so gebaut, dass KI Inhalte befüllt: KI sitzt obenauf und füllt Felder. Das ist nützlich, aber die Bitkom-Studie macht deutlich, dass es nicht ausreicht. KI ebnet Featureunterschiede zwischen Systemen innerhalb von Monaten ein. Software ohne eigene Datenintelligenz oder lernende Systeme wird austauschbarer.
Der strukturelle Unterschied liegt eine Ebene tiefer: Nicht nur die Inhalte, sondern die Systemkonfiguration selbst muss als Daten vorliegen. Erst dann kann eine KI das System nicht nur bedienen, sondern verändern: Datenmodelle anpassen, neue Attribute anlegen, Workflows konfigurieren. Wenn PIM, CMS, DAM und MAM in einem gemeinsamen Modell liegen statt als getrennte Werkzeuge, entstehen keine Medienbrüche. Das ist der Unterschied zwischen einem KI-bedienbaren und einem KI-konfigurierbaren System.
NovaDB ist ein KI-konfigurierbares PIM-System: Die gesamte Systemkonfiguration liegt als strukturierte Daten vor, nicht nur die Inhalte. Eine KI kann damit Datenmodelle, Attribute und Workflows selbständig anpassen, ohne manuellen Entwicklereingriff. Das unterscheidet KI-konfigurierbare Systeme grundlegend von KI-bedienbaren Systemen, bei denen KI ausschließlich Inhaltsfelder befüllt.
Europäische Datenhaltung als Wettbewerbsvorteil
Als deutscher Anbieter hält NovaDB Daten ausschließlich in Europa. Die Bitkom-Studie sieht darin einen wachsenden Wettbewerbsvorteil: Geopolitische Fragmentierung und der Druck zur digitalen Souveränität sind heute keine abstrakten Konzepte mehr, sondern operative Realität. Wer Compliance und Datensouveränität nativ mitliefert, schlägt den generischen Anbieter.
Für Unternehmen in regulierten Branchen und im öffentlichen Sektor sind DSGVO-Konformität und Nachvollziehbarkeit keine Komfortziele, sondern Voraussetzungen für den produktiven Einsatz. Europäische Rechenzentren, klare Vertragsbedingungen und keine Abhängigkeit von US-amerikanischen Hyperscalern bieten einen Transparenzvorteil, den globale Plattformen strukturell nicht liefern können. Souveräne europäische Cloud-Infrastrukturen wie STACKIT bieten dabei eine belastbare Hosting-Option für genau diese Anforderungen, auf der NovaDB auf Wunsch betrieben werden kann.
Technische Dokumentation: Compliance als messbares Ergebnis
Neben dem PIM-Einsatz eröffnet KI auch in der technischen Dokumentation neue Möglichkeiten. Besonders in der komplexen, XML-basierten Dokumentation lassen sich KI-gestützte Prüfungen auf Vollständigkeit, Normkonformität und terminologische Konsistenz über große Dokumentbestände realisieren.
Was früher manuelle Redaktionsarbeit erforderte, wird damit messbar und automatisierbar. Die Bitkom-Studie nennt die bestandene Compliance-Prüfung explizit als Beispiel für das, wofür Kunden künftig bezahlen: nicht für eingesetzte Technologie, sondern für messbaren Nutzen. Noxum Publishing Studio ist ein Beispiel für eine Lösung, die genau das liefert: nachweisbare Normkonformität statt Aufwandschätzungen.
Erste Schritte: Wo anfangen?
Bevor ein KI-Projekt startet, lohnt sich ein ehrlicher Blick auf die eigene Datenbasis. Drei Fragen helfen dabei: Welche Produktattribute sind vollständig befüllt, welche haben systematische Lücken? Wie konsistent sind Einheiten, Klassifikationen und Schreibweisen über Produktgruppen hinweg? Und über welche Schnittstellen liefert das PIM-System heute Daten an andere Systeme?
Wer diese Fragen beantworten kann, weiß, wo der eigentliche Aufwand liegt. Wer sie nicht beantworten kann, weiß, wo er anfangen muss. Eine praktische Orientierung dazu bietet unser Beitrag KI-ready: Was Produktdaten für KI-Agenten leisten müssen.
Fazit: Wirkung statt Stunden
KI verändert, wofür Unternehmen bezahlen. Aber nicht, wofür sie zuerst investieren müssen. Die Bitkom-Studie ist eindeutig: Skalierungsfähige KI-Nutzung setzt voraus, dass Daten systematisch geordnet, qualitativ gesichert und für KI nutzbar gemacht werden. Wer diesen Schritt überspringt, kann KI nicht sinnvoll einsetzen, egal wie gut die Modelle werden.
NovaDB schafft diese Voraussetzung: als PIM, das Produktdaten KI-fähig macht, und als System, das selbst KI-konfigurierbar ist. Dazu kommt europäische Datenhaltung als strukturelle Anforderung und tiefes Marktverständnis, das kategorieübergreifende Anforderungen in einem System abbildet, statt getrennte Werkzeuge zu verbinden.
Das ist kein Feature, das in zwei Releases nachgebaut wird. Es ist eine architektonische Entscheidung, die heute zählt.
KI-fähige Produktdaten sind vollständig befüllt, konsistent strukturiert, mit eindeutigen Identifikatoren versehen und über standardisierte API-Schnittstellen abrufbar. Fehlt eine dieser Eigenschaften, kann ein KI-System keine zuverlässigen Ausgaben erzeugen. Inkonsistente Artikelstammdaten, fragmentierte Systemlandschaften und ERP-Silos blockieren jeden sinnvollen KI-Einsatz, unabhängig davon, welches KI-Werkzeug eingesetzt wird.
KI, die nur auf einem PIM-System aufsitzt, kann Inhalte befüllen, aber nicht die Datenstruktur selbst verbessern. Wenn das zugrundeliegende Datenmodell inkonsistent oder unvollständig ist, übernimmt und verstärkt die KI diese Probleme. Eine wirklich KI-fähige Systemarchitektur muss die Konfiguration des Systems selbst zugänglich machen, also Datenmodelle, Attribute und Workflows, nicht nur die Inhalte.
Ein KI-konfigurierbares PIM-System hält nicht nur Produktinhalte als Daten vor, sondern auch seine eigene Systemkonfiguration: Datenmodelle, Attribute, Workflows. Eine KI kann diese Konfiguration lesen und verändern, ohne dass ein Entwickler manuell eingreifen muss. Bei NovaDB ist das kein Add-on, sondern Bestandteil der Systemarchitektur. Das unterscheidet sich grundlegend von Systemen, bei denen KI nur Felder befüllt.
Für KI-Projekte mit sensiblen Produktdaten ist die geografische Lage der Datenhaltung rechtlich und vertraglich relevant. Insbesondere in regulierten Branchen und im öffentlichen Sektor sind DSGVO-Konformität und Nachvollziehbarkeit keine Komfortziele, sondern Voraussetzungen für den produktiven Einsatz. Ein europäischer Anbieter mit Rechenzentren in der EU erfüllt diese Anforderungen strukturell, ohne dass zusätzliche Vertragsklauseln oder Datentransfer-Genehmigungen benötigt werden.
