Was ist Attribut-Mapping? Der Schritt, der Lieferantendaten nutzbar macht

Attribut-Mapping ist einer dieser Begriffe, die technisch klingen und etwas sehr Gewöhnliches beschreiben: zu übersetzen, wie ein Lieferant Dinge nennt, in das, wie du sie nennst. Es ist der unglamouröseste Schritt im Produktdatenmanagement — und wahrscheinlich der, der über Qualität mehr entscheidet als jeder andere.

Das Problem, das es löst

Drei Lieferanten schicken dieselbe Information über Farbe. Einer nutzt eine Spalte „Farbe", einer „colour", einer „Color-Code". Darin stehen „rot", „Rot" und „RED". Ohne Mapping hast du drei Felder und ein halbes Dutzend Werte für eine Eigenschaft — und einen Shop-Filter, der deinen Kunden drei Varianten von Rot anbietet.

Zwei Ebenen — und die, die übersprungen wird

1. Feld-Mapping

Welche eingehende Spalte welchem deiner Attribute entspricht. „Farbe" → dein Farb-Attribut. Diesen Teil machen alle.

2. Wert-Mapping

Welche eingehenden Werte welchen deiner kanonischen Werte entsprechen. „rot", „Rot", „RED" → rot. Dieser Teil wird oft übersprungen — und deshalb sehen Daten nach einem sorgfältigen Import trotzdem falsch aus. Nur die Spalte zuzuordnen gibt dir ein ordentliches Feld voller unordentlicher Werte.

Einheiten gehören ebenfalls hierher: „50 cm", „0,5 m" und „500mm" sind dieselbe Länge in drei Schreibweisen. Jeder Filter und jeder Vergleich auf nicht normalisierten Einheiten ist still falsch.

Warum ein gespeichertes Mapping zählt

Man kann Spalten für einen Import von Hand umbenennen. Das Problem ist die nächste Lieferung — derselbe Lieferant, dieselben Eigenheiten, dieselbe manuelle Arbeit. Ein Mapping, das je Lieferant gespeichert ist, greift automatisch, sobald diese Quelle wieder liefert. Das ist der Unterschied zwischen einmal aufräumen und sauber bleiben.

Wie gutes Mapping in der Praxis aussieht

• Zuerst ein kanonisches Modell. Festlegen, welche Attribute ein Produkt je Gruppe haben muss, bevor irgendetwas darauf gemappt wird.
• Mapping je Lieferant, jedes Mal wiederverwendet. Neue Lieferung, gleiche Regeln.
• Nicht gemappte Felder behalten, nicht verwerfen. Daten, die du heute nicht einordnen kannst, sind später nützlicher Kontext — auch für die KI-Anreicherung.
• Ein Prüfschritt. Vorgeschlagene Zuordnungen werden geprüft, bevor sie auf den Katalog wirken.

Wo Automatisierung hilft

Wiederkehrende Strukturen müssen nur einmal gemappt werden. Für neue oder unbekannte Felder kann KI die wahrscheinliche Zuordnung vorschlagen, die ein Mensch bestätigt. In Productbay ist genau das Teil des Importwegs: Lieferantendaten kommen an, Feld- und Wert-Mapping werden angewendet, Lücken angereichert — und alles Generierte durchläuft eine Review-Queue, bevor es deine Kanäle erreicht.

Häufige Fragen