Produktdaten für Hundebedarf: Futter, Zubehör und Größen
Zwei Datenwelten in einem Regal: kennzeichnungspflichtiges Futter mit analytischen Bestandteilen und Zubehör mit Größen- und Farbvarianten – wo GDSN hilft und wo es aufhört.
- ✓Hundebedarf teilt sich in zwei Datenlogiken: kennzeichnungspflichtiges Futter (analytische Bestandteile, Fütterungsempfehlung) und größengetriebenes Zubehör (Geschirre, Halsbänder, Betten) – zwei Welten in einem Katalog.
- ✓GDSN liefert saubere Stammdaten für die großen Futter-Marken – aber nicht das Regionalfutter, die Snacks, Ergänzungsmittel oder den Größen-Longtail des Zubehörs.
- ✓Zubehör-Größen sind zwischen Lieferanten uneinheitlich (Brustumfang in cm vs. XS–XL), daher kommt das meiste weiterhin als Excel und PDF von Hand.
- ✓Productbay hält Futter-Attribute und Größenvarianten in einem System und setzt KI-Anreicherung genau dort ein, wo GDSN aufhört: im Größen-Longtail.
Geh ein Regal im Zoofachhandel entlang und du überquerst zwei völlig unterschiedliche Produktwelten. Im einen Fach: ein 12-kg-Sack Hundefutter mit aufgedruckter Tabelle der analytischen Bestandteile, einer Zusammensetzungsliste und einer Fütterungsempfehlung nach Hundegewicht. Im nächsten: ein Geschirr, das es in fünf Größen und drei Farben gibt, ein Bett in drei Größen, ein Halsband in einem Längenlauf. Gleiche Kategorie, gleicher Lieferantenkatalog – zwei völlig unterschiedliche Arten, wie sich Produktdaten verhalten.
Produktdaten für Hundebedarf teilen sich in zwei Logiken: kennzeichnungspflichtiges Futter und größengetriebenes Zubehör. Futter ist ein flacher, attributreicher Datensatz, Zubehör eine Variantenmatrix. Ein Setup, das für das eine gebaut ist, lässt die andere Hälfte immer unterversorgt. Das ist ein Teilbereich der breiteren Tierbedarf-Herausforderung, und die gemischte Datenwelt hier ist genau das, was es schwer macht.
Was macht Produktdaten für Hundebedarf so schwierig?
Das Grundproblem, das jeder Multi-Lieferanten-Händler kennt – keine zwei Lieferanten liefern gleich – wird hier verstärkt, weil du zwei Datenlogiken gleichzeitig jonglierst:
- Futter: attributreich und reguliert. Analytische Bestandteile (Protein, Fett, Rohfaser, Rohasche), Zusammensetzung, Fütterungsempfehlung, GTIN, Gebindegröße, MHD-Handhabung – ein tiefer flacher Datensatz, der stimmen muss, weil er kennzeichnungsrelevant ist.
- Zubehör: variantenlastig. Ein einzelnes Geschirr explodiert in eine Matrix aus Größen und Farben, ein Bett in Größen, ein Halsband in einen Längenlauf. Das Größenraster liegt getrennt von Bild und Beschreibung.
- Uneinheitliche Größen: die eine Marke größt Geschirre nach Brustumfang in cm, die nächste nutzt XS–XL, eine dritte hat ihre eigene rassebasierte Tabelle. Es gibt keinen gemeinsamen Größenstandard, gegen den man mappen könnte.
- Gemischte Körbe pro Lieferant: ein einzelner Distributor schickt dir Futter und Halsbänder und Ergänzungsmittel in einer Excel – flache Datensätze und Variantenmatrizen verschränkt, mit Spalten, die nur für die Hälfte der Zeilen gelten.
Von Hand skaliert das nicht. Die Lösung ist wie überall: konsolidieren, normalisieren, anreichern und ausspielen – nur musst du es hier für beide Datenwelten gleichzeitig tun.
Welcher Standard greift – und wo hört er auf?
Auf der Futterseite gibt es einen echten Standard: GDSN (Global Data Synchronisation Network), der Pool, über den die großen Tierfutter-Marken Stammdaten mit GTIN-Schlüsseln, Gebindegrößen, analytischen Bestandteilen und Fütterungsempfehlungen veröffentlichen. GDSN ist für den Marken-Futter-Kern echt nützlich. Aber man muss ehrlich einordnen, was er erreicht und was nicht:
| Datenebene | Was GDSN / Marken liefern | Wo es aufhört |
|---|---|---|
| Marken-Futter-Stammdaten | GDSN-Datensätze der großen Marken (GTIN, Gebinde, Bestandteile) | nichts für Regional-/Eigenmarken-Futter außerhalb des Pools |
| Snacks & Ergänzungsmittel | teilweise, markenabhängig | Snacks kleiner Marken kommen als Excel/PDF |
| Zubehör (Geschirr, Halsband, Bett) | in der Praxis kein GDSN-Anwendungsfall | Größen-/Farbvarianten komplett manuell |
| Größen-Normalisierung | kein gemeinsamer Zubehör-Größenstandard | cm-Umfang vs. XS–XL vs. Rassetabelle – du mappst es |
| Verkaufscontent | nicht die Aufgabe eines Datenpools | Beschreibungen, SEO-Text, Nutzentexte fehlen |
Kurz: GDSN deckt den Futter-Kern der großen Marken gut ab. Was es dir nicht gibt, ist das Regional- und Eigenmarken-Futter, die Zubehör-Größenmatrizen, ein Weg, uneinheitliche Größen zu normalisieren, oder irgendein Verkaufscontent. Das ist die Lücke – und bei Hundebedarf ist die Lücke der Großteil der SKU-Zahl.
Wie hilft Productbay bei Hundebedarf?
Der rote Faden ist ein Drei-Schritte-Job, für beide Datenwelten auf einmal – und genau dafür ist Productbay gebaut:
- Konsolidieren: jede Quelle einmal anbinden – GDSN-Export, Lieferanten-CSV, Excel, Feed-URL, FTP, API – und über SKU oder GTIN/EAN abgleichen, sodass Bestehendes aktualisiert und Neues angelegt wird. Futter-Datensätze und Zubehör-Größenmatrizen landen in einem Katalog.
- Anreichern: KI schreibt Beschreibungen, ordnet Kategorien zu, normalisiert uneinheitliche Größenlabels in ein Schema, füllt fehlende Attribute aus freigeschalteten Quellen, übersetzt per DeepL und kann Bestandteile und Specs aus PDF-Datenblättern auslesen – immer mit Review-Queue vor der Veröffentlichung. Hier bekommt der Zubehör- und Ergänzungsmittel-Longtail endlich nutzbaren Content.
- Ausspielen: Zwei-Wege-Sync mit Shopify und Shopware, ERP-Anbindungen (Xentral, weclapp) und Feed-Exporte für Amazon, OTTO und Kaufland – jeweils mit kanalspezifischen Transformationen, und kennzeichnungsrelevante Futter-Felder bleiben intakt.
Entscheidend: Productbay setzt dort an, wo GDSN endet. Wenn die großen Futter-Marken schon saubere Datensätze über GDSN liefern – super, Productbay ergänzt sie und übernimmt das Regionalfutter, die Ergänzungsmittel, die Zubehör-Größenmatrizen und den Verkaufscontent, den kein Datenpool liefert. Den weiteren Blick über alle Tierarten gibt der Tierbedarf-Überblick. Productbay ist für Fachhändler mit Multi-Lieferanten-, Multi-Kanal-Katalogen gebaut – vom mittelständischen Shop bis zum großen Filialisten – und der ganze Produktdaten-Prozess liegt an einem Ort.