Jahrgang, Region, Rebsorte und Sensorik verkaufen die Flasche – und werden von Lieferanten am schlechtesten geliefert. Wo die Kennungen helfen, wo sie aufhören und wie KI-Anreicherung die beschreibende Last trägt.
Eine Flasche Wein wird nie über ihre EAN verkauft. Sie wird über eine Geschichte verkauft: eine Rebsorte, einen Hang, ein Jahr mit gerade genug Regen, eine Nase nach dunkler Kirsche und einen Abgang, der bleibt. Dasselbe gilt für einen Single-Cask-Whisky oder einen Small-Batch-Gin. Und doch trägt die Daten, die beim Händler ankommen, fast nichts davon. Du bekommst die handgeführte Excel eines Erzeugers, die PDF-Preisliste eines Importeurs, einen Distributor-Feed mit kaum mehr als Name, EAN und Preis. Die beschreibende Ebene – der Teil, der wirklich konvertiert – fehlt.
Produktdaten für Wein und Spirituosen sind beschreibende Daten: Sensorik, Jahrgang, Region und Rebsorte verkaufen die Flasche – und genau die liefern Lieferanten am schlechtesten. Diese Unterkategorie liegt unter der breiteren Lebensmittel- & Food-Herausforderung – aber wo verpackte Lebensmittel sich auf GTIN, Nährwerttabellen und GDSN stützen, stützen sich Wein und Spirituosen auf Sensorik- und Herkunftsattribute, die kein Standard verlässlich transportiert.
Das Grundproblem der Multi-Lieferanten-Welt – keine zwei Quellen liefern gleich – ist hier schärfer, weil die wertvollen Attribute qualitativ sind:
Das von Hand zu machen – eine PDF-Preisliste abtippen, jede Verkostungsnotiz selbst schreiben – skaliert nicht über ein paar hundert SKUs hinaus. Der Weg heraus ist der übliche: konsolidieren, normalisieren, anreichern und ausspielen – wobei der Anreicherungsschritt in dieser Kategorie die meiste Arbeit trägt.
Es lohnt sich, ehrlich einzuordnen, was die verfügbaren Kennungen und Standards für eine Flasche tatsächlich tragen:
| Datenebene | Was der Standard liefert | Wo es aufhört |
|---|---|---|
| Identifikation | GTIN/EAN identifiziert Flasche und Jahrgang eindeutig | trägt keine Attribute – nur den Schlüssel |
| Basis-Stammdaten / Logistik | GDSN kann Verpackung, Einheiten, Alkoholgehalt, Allergene transportieren | nicht für Sensorik, Terroir oder Fass gebaut |
| Herkunft | Appellations-Bezeichnungen (DOCG, AOC) existieren als Text | selten als saubere, strukturierte Felder geliefert |
| Sensorik / Content | — | kein Standard trägt Nase, Gaumen, Abgang oder Speiseempfehlung |
| Jahrgangsnuance | Jahr steckt in der EAN oder einem Namensfeld | kein strukturierter Jahrgangscharakter oder Scoring |
Die Kennungen lösen also die Sanitärarbeit – du kannst eine Flasche zuordnen und eine Palette bewegen. Was kein Standard löst, ist die Sensorik- und Herkunftsgeschichte, und genau diese Geschichte ist das, worüber ein Wein- oder Spirituosen-Shop konkurriert. Excel und PDF vom Erzeuger, von Hand abgetippt und umgeschrieben, ist der Normalzustand. Das ist die Lücke.
Die Antwort ist derselbe Drei-Schritte-Job, den jeder Multi-Lieferanten-Händler braucht – aber stark aufs Anreichern gewichtet, denn dort schmerzt diese Kategorie:
Der Punkt ist Struktur plus Content: Jahrgänge, Flaschengrößen und Fass-Editionen werden zu konsistenten Attributgruppen, nach denen du filtern und facettieren kannst, und der beschreibende Content, den kein Lieferant geliefert hat, wird einmal geschrieben, geprüft und überallhin ausgespielt. Productbay ist für Fachhändler mit Multi-Lieferanten-, Multi-Kanal-Katalogen gebaut – genau die Form eines ernsthaften Wein- und Spirituosen-Sortiments.
Erzeuger-Excel, PDF-Preislisten, nackte EAN-Feeds – Wein- und Spirituosen-Daten kommen zersplittert und unstrukturiert. Sieh in 30 Minuten, wie Productbay daraus Jahrgang, Region und Sensorik-Attribute mit KI-Beschreibungen macht.
Jetzt starten