Produktdaten für Sportswear: zwischen Mode und Funktion

Eine Laufjacke ist zwei Produkte in einem. Auf der Fashion-Seite ist sie eine Variantenmatrix: fünf Größen, drei Farben, vielleicht ein Herren- und ein Damenschnitt. Auf der Funktionsseite ist sie ein Datenblatt: Membrantyp, Wassersäule, Gewicht, Atmungsaktivität, Packmaß. Beides zählt für den Verkauf – und beides muss sauber in deinem Shop landen. Diese Doppelnatur macht Sportswear zu einem eigenen Produktdaten-Problem.

Produktdaten für Sportswear sind Mode-Daten plus Funktions-Daten im selben Artikel. Sie liegen direkt unter dem Modehandel, tragen aber eine technische Ebene, die reine Bekleidung nie in Einklang bringen muss – dieselbe Ebene, die du in ausrüstungslastigeren Bereichen wie dem Teamsport findest. Bekommst du eine Ebene richtig und die andere bleibt chaotisch, leidet die halbe Sortimentspflege.

Was macht Produktdaten für Sportswear so schwierig?

Das Problem: Du trägst auf jedem einzelnen Artikel zwei Attributlogiken, und die verhalten sich völlig unterschiedlich:

• Die Fashion-Ebene: variantenlastig. Größe, Farbe und Schnitt explodieren einen Artikel in eine Matrix, mit farbgebundenen Bildern und einem Größenraster, das über den ganzen Lauf konsistent bleiben muss.
• Die Funktions-Ebene: attributreich. Membran, Wassersäule (mm), Gewicht, Isolationswert, Feuchtigkeitsmanagement, Nahtkonstruktion – die Specs, die den Preis rechtfertigen, stecken in einem technischen Block, oft im PDF.
• Uneinheitliche Benennung: der eine Lieferant schreibt „wasserdicht 10.000 mm“, der nächste „Wassersäule 10k“, der dritte erwähnt es nur in einem Absatz Marketingtext. Gleiches Attribut, ein Dutzend Formen.
• Gemischte Lieferanten: eine Premiummarke schickt einen strukturierten Feed, eine Eigenmarke oder Zubehörlinie kommt als Excel mit Funktions-Specs im Freitext. Beides bringst du in eine Struktur.

Von Hand skaliert das nicht. Die Lösung ist wie überall: konsolidieren, normalisieren, anreichern und ausspielen – nur läuft es bei Sportswear über die Fashion-Varianten und die Funktionsmerkmale gleichzeitig.

Wie sieht der Ist-Zustand aus – saubere Feeds für manche, PDF für den Rest?

Die meisten Sportswear-Händler bekommen von den großen Marken schon eine Teilantwort. Ein strukturierter Feed mit Membran-, Material- und Pflegedaten deckt den Marken-Kern halbwegs ab. Das Problem: Die Abdeckung ist ungleich und die Benennung passt nie zusammen:

• Premiummarken liefern Funktionsmerkmale – aber jede in eigenen Spaltennamen, Einheiten und Wertformaten.
• Mittelklasse- und Eigenmarken liefern das Variantenraster, vergraben die Funktions-Specs aber im Freitext oder PDF-Datenblatt.
• Zubehör- und Saisonlinien kommen oft als nackte Excel, Funktionsdaten fehlen ganz.

Die eigentliche Arbeit ist also Normalisierung: dasselbe Attribut – Wassersäule, Gewicht, Membran – aus einem Dutzend Lieferantenvarianten auf ein sauberes Feld abbilden, bevor es live gehen kann. Der Feed hat den leichten Teil gelöst; die Uneinheitlichkeit ist der schmerzhafte.

Welche Attribute zählen – und wo hören Lieferantendaten auf?

Anders als in manchen Branchen hat Sportswear keine durchgesetzte Klassifikation, die die Funktionsebene trägt. Fashion-Warengruppen-Standards decken die Variantenseite, die technischen Attribute liegen bei dir. Ehrlich eingeordnet:

Kurz: Feeds geben dir ein Varianten-Gerüst und etwas Funktionsdaten, aber nie einen einheitlichen, kanalfertigen Attributsatz. Beide Ebenen in eine Struktur zu vereinen – und die Lücken zu füllen – ist genau die Arbeit, die manuell bleibt.

Wie hilft Productbay bei Sportswear-Daten?

Der rote Faden ist ein Drei-Schritte-Job, für die Fashion-Ebene und die Funktions-Ebene auf einmal – und genau dafür ist Productbay gebaut:

• Konsolidieren: jede Quelle einmal anbinden – Lieferanten-Feed, CSV, Excel, PDF-Datenblatt, FTP, API – und über SKU oder EAN/GTIN abgleichen, sodass Bestehendes aktualisiert und Neues angelegt wird. Größenmatrizen und Datenblätter landen in einem Katalog.
• Anreichern: KI bildet uneinheitliche Funktionsmerkmale auf eine saubere Struktur ab, liest Specs aus PDF-Datenblättern aus, schreibt nutzenorientierte Beschreibungen, ordnet Kategorien zu und übersetzt per DeepL – immer mit Review-Queue vor der Veröffentlichung.
• Ausspielen: Zwei-Wege-Sync mit Shopify und Shopware, ERP-Anbindungen (Xentral, weclapp) und Feed-Exporte für Amazon, OTTO und Kaufland – jeweils mit kanalspezifischen Transformationen.

Das Ergebnis ist eine konsistente Attributstruktur, in der Variantenmatrix und Funktions-Specs endlich koexistieren – kein Fashion-Tool für die halbe und eine Tabelle für die andere Sortimentshälfte. Fürs breitere Sortimentsbild siehe den Modehandel; Productbay ist für Fachhändler mit Multi-Lieferanten-, Multi-Kanal-Katalogen gebaut – vom mittelständischen Shop bis zum großen Filialisten.

Häufige Fragen