Feed-Qualität steigern: Datenfehler im Produktfeed beheben

Warum Feed-Qualität über deinen E-Commerce-Erfolg entscheidet

Ein Produktfeed ist weit mehr als eine simple Datenbank-Auslieferung an Google Shopping, Amazon oder Meta. Er ist das digitale Schaufenster deines Shops auf jedem einzelnen Kanal – und er entscheidet darüber, ob deine Produkte überhaupt gefunden werden. Laut einer Analyse von DataFeedWatch weisen über 60% aller Produktfeeds signifikante Qualitätsmängel auf, die zu Ablehnungen, schlechten Rankings oder stark reduzierter Reichweite führen.

In Zeiten, in denen generative KI-Systeme wie ChatGPT und Google AI Overviews zunehmend Produktempfehlungen aussprechen, wird die Datenqualität deines Feeds zum kritischen Erfolgsfaktor. Schlechte Daten bedeuten nicht nur verlorene Klicks – sie bedeuten verlorene Umsätze in einer Größenordnung, die viele Händler massiv unterschätzen.

In diesem umfassenden Guide zeigen wir dir, wie du typische Datenfehler in deinem Produktfeed systematisch identifizierst, behebst und eine nachhaltige Feed-Qualität etablierst, die sowohl klassische Marketplaces als auch KI-Systeme überzeugt.

Die häufigsten Datenfehler in Produktfeeds

Bevor wir in die Lösungsansätze einsteigen, lass uns die typischen Fehlerquellen betrachten. In unserer Praxis bei Prodly sehen wir immer wieder die gleichen Muster.

1. Fehlende oder unvollständige Pflichtattribute

Jeder Kanal hat seine eigenen Pflichtfelder. Google Shopping verlangt beispielsweise gtin, brand, mpn, availability, condition und viele weitere. Fehlen diese Attribute, werden Produkte komplett abgelehnt oder mit stark eingeschränkter Reichweite ausgespielt.

• GTIN-Fehler: Ungültige Prüfziffern, falsche Länge oder fehlende Werte bei Markenprodukten
• Brand-Inkonsistenzen: Eigenmarken ohne korrekte Zuordnung oder wechselnde Schreibweisen
• Fehlende MPN: Herstellerartikelnummer nicht gepflegt, obwohl vorhanden
• Availability-Lücken: Verfügbarkeitsstatus nicht synchron mit Warenwirtschaft

2. Titel- und Beschreibungsprobleme

Der Produkttitel ist das wichtigste Ranking-Signal in jedem Feed. Trotzdem sehen wir regelmäßig Titel, die nach dem Schema "Artikel 4711 - Blau" aufgebaut sind. Solche Titel liefern weder Google noch ChatGPT die nötigen Informationen für eine sinnvolle Einordnung.

Häufige Titelfehler:

• Zu kurze Titel unter 30 Zeichen ohne aussagekräftige Keywords
• Keyword-Stuffing mit mehr als 5 aneinandergereihten Suchbegriffen
• HTML-Tags oder Sonderzeichen, die in Feeds nicht erlaubt sind
• Großbuchstaben-Spam ("SUPER ANGEBOT!!!")
• Fehlende Produktmerkmale wie Größe, Farbe, Material

3. Bildqualitäts-Mängel

Produktbilder sind der zweitwichtigste Faktor nach dem Titel. Google Shopping verlangt mindestens 100x100 Pixel, empfiehlt aber 800x800 Pixel und mehr. Amazon erwartet 1.000x1.000 Pixel mit weißem Hintergrund für die Hauptansicht. Wer hier schlampt, verliert nicht nur Rankings, sondern auch Conversion.

4. Kategorisierungsfehler

Die Google Product Category oder die Amazon Browse Node bestimmen, in welchem Kontext dein Produkt erscheint. Eine falsche Zuordnung führt dazu, dass dein Rucksack womöglich in der Kategorie "Schultaschen für Erstklässler" landet, obwohl du einen professionellen Wanderrucksack verkaufst.

5. Preis- und Verfügbarkeits-Diskrepanzen

Weichen die Feed-Daten von den tatsächlichen Shop-Daten ab, führt das nicht nur zu abgelehnten Produkten, sondern auch zu Abmahnungen nach der Preisangabenverordnung. Automatische Synchronisation ist hier Pflicht, keine Kür.

Systematische Feed-Audits: So findest du jeden Fehler

Ein strukturierter Feed-Audit sollte mindestens monatlich stattfinden. Bei großen Sortimenten mit über 10.000 SKUs empfehlen wir wöchentliche automatisierte Prüfungen.

Schritt 1: Merchant Center Diagnostik nutzen

Das Google Merchant Center liefert bereits out of the box umfangreiche Diagnosedaten. Priorisiere nach diesem Schema:

• Kritische Fehler: Produkte werden komplett abgelehnt – sofort beheben
• Warnungen: Produkte laufen, aber mit eingeschränkter Sichtbarkeit – binnen 7 Tagen beheben
• Benachrichtigungen: Optimierungspotenzial – in der nächsten Sprint-Iteration adressieren

Schritt 2: Pflichtattribute gegen Kanal-Spezifikationen prüfen

Erstelle eine Matrix aller Kanäle (Google, Meta, Amazon, Idealo, Check24 etc.) und deren Pflichtfelder. Tools wie Channable, DataFeedWatch oder Productsup bieten hierfür vorgefertigte Templates. Achte besonders auf:

• Kanalspezifische Zeichenlimits (Amazon Titel: max. 200 Zeichen, meist deutlich kürzer empfohlen)
• Erlaubte Werte bei Enumerations wie condition oder gender
• Formatierungsregeln für Preise (Dezimaltrennzeichen, Währungssymbole)
• Sprachcodes und Zielländer-Zuordnungen

Schritt 3: Daten-Sampling und Stichproben

Automatisierte Tools erkennen strukturelle Fehler, aber nicht jede inhaltliche Schwäche. Ziehe wöchentlich zufällige Stichproben von 20-50 Produkten und prüfe manuell:

• Lesen sich die Titel natürlich und informativ?
• Entsprechen die Beschreibungen der Zielgruppenerwartung?
• Passen die Bilder zum Produkt?
• Sind die Kategorien sinnvoll gewählt?

Automatisierte Datenbereinigung mit Regeln und KI

Manuelle Pflege skaliert nicht. Sobald dein Sortiment über ein paar hundert SKUs hinauswächst, brauchst du regelbasierte und KI-gestützte Automatisierung.

Regelbasierte Transformationen

Mit Tools wie Google Sheets-Formeln, Channable-Regeln oder eigenen Python-Skripten kannst du typische Fehler systematisch beheben:

• Title Enrichment: Automatisch Marke, Produkttyp und wichtigste Attribute in den Titel einfügen
• Synonym-Mapping: "T-Shirt" vs. "T Shirt" vs. "Shirt" konsistent normalisieren
• Kategorie-Mapping: Eigene Kategorien automatisch auf Google-Taxonomie übersetzen
• Pflicht-Defaults: Fehlende Werte durch sinnvolle Defaults ersetzen

KI-gestützte Content-Optimierung

Hier kommt moderne KI ins Spiel. Mit LLM-basierten Pipelines lassen sich Produkttexte massiv verbessern:

• Generierung fehlender Produktbeschreibungen aus strukturierten Attributen
• Umschreibung zu dünner Beschreibungen mit Fokus auf Nutzenargumentation
• Extraktion versteckter Attribute aus Freitext-Beschreibungen
• Konsistenz-Prüfung zwischen Titel, Beschreibung und Attributen

Wichtig: Jede KI-generierte Anpassung sollte durch Guardrails abgesichert sein. Preise, Maße, Zertifizierungen und rechtlich relevante Angaben dürfen niemals halluziniert werden.

Feed-Qualität messen: Die wichtigsten KPIs

Was nicht gemessen wird, wird nicht verbessert. Etabliere ein KPI-Set, das die Gesundheit deines Feeds auf einen Blick sichtbar macht.

Struktur-KPIs

• Completion Rate: Anteil der SKUs mit allen Pflicht- und empfohlenen Attributen (Ziel: >95%)
• Error Rate: Anteil abgelehnter Produkte im Merchant Center (Ziel: <2%)
• Warning Rate: Anteil Produkte mit Warnungen (Ziel: <10%)
• Attribute Coverage: Durchschnittliche Anzahl gepflegter Attribute pro SKU

Performance-KPIs

• Impression Share: Wie oft werden deine Produkte im Verhältnis zum Möglichen gezeigt?
• CTR by Attribute Completeness: Wie wirkt sich die Attributtiefe auf die Click-Through-Rate aus?
• Conversion by Title Length: Gibt es eine optimale Titellänge für deine Kategorie?
• Feed-to-Sale-Latency: Wie schnell propagieren Änderungen bis zum Bestelleingang?

Multi-Channel-Konsistenz sicherstellen

Eine der größten Herausforderungen im Feed-Management: Die gleichen Produktdaten müssen für unterschiedliche Kanäle unterschiedlich aufbereitet werden. Was bei Google funktioniert, wird bei Amazon abgelehnt. Was Meta liebt, interessiert Idealo nicht.

Der Master-Feed-Ansatz

Pflege alle Produktdaten in einem zentralen Master-Feed mit maximaler Attributtiefe. Von dort aus generierst du kanalspezifische Sub-Feeds mit den jeweiligen Transformationen. Vorteile:

• Einmalige Datenpflege statt Redundanz
• Konsistenz über alle Kanäle
• Schnelle Skalierung auf neue Kanäle
• Zentrales Audit und Monitoring

Kanal-spezifische Regeln

Beispiele für typische Transformationen pro Kanal:

• Google Shopping: Titel mit Marke + Produkttyp + Hauptmerkmal + Modellnummer
• Amazon: Titel nach Amazon Style Guide der jeweiligen Kategorie
• Meta Shops: Emotionalere, lifestyle-orientierte Beschreibungen
• Idealo/Check24: Besonders präzise technische Spezifikationen

Feed-Qualität und KI-Sichtbarkeit

Ein oft übersehener Aspekt: Generative KI-Systeme wie ChatGPT, Perplexity oder Google AI Overviews beziehen ihre Produktempfehlungen zunehmend aus strukturierten Daten – also auch aus Feeds und Schema.org-Markup. Je besser deine Feed-Qualität, desto höher die Wahrscheinlichkeit, dass KI-Systeme deine Produkte empfehlen.

Konkrete Maßnahmen zur Verbesserung der KI-Sichtbarkeit über Feeds:

• Produktbeschreibungen im Frage-Antwort-Stil anreichern (z.B. "Für wen eignet sich dieses Produkt? Wann sollte ich es verwenden?")
• Konkrete Anwendungsfälle und Problemlösungen in Freitextfeldern nennen
• Vergleichende Aussagen mit klaren Differenzierungsmerkmalen einbauen
• Zertifizierungen, Gütesiegel und Testurteile explizit auszeichnen
• Materialeigenschaften, Herkunft und Nachhaltigkeitsaspekte strukturiert pflegen

Typische Stolperfallen und wie du sie vermeidest

Stolperfalle 1: Einmaliger Feed-Launch ohne Monitoring

Viele Händler richten den Feed einmal ein und vergessen ihn dann. Produktdaten ändern sich jedoch ständig: Preise, Verfügbarkeiten, neue SKUs, auslaufende Produkte. Ohne kontinuierliches Monitoring verrottet jeder Feed binnen weniger Monate.

Stolperfalle 2: Copy-Paste-Beschreibungen vom Hersteller

Herstellertexte sind zwar bequem, aber SEO-technisch schädlich. Duplicate Content führt zu schlechteren Rankings und niedrigerer Sichtbarkeit. Investiere in einzigartige, mehrwertige Texte.

Stolperfalle 3: Zu viele Varianten im Feed

Jede Farbe, jede Größe als eigenes SKU im Feed? Das bläht den Feed auf und verwässert die Rankings. Nutze Varianten-Attribute wie item_group_id, um Produktfamilien sauber zu gruppieren.

Stolperfalle 4: Vernachlässigung der Mobile-Experience

Über 70% der Shopping-Klicks kommen mittlerweile von Mobilgeräten. Titel und Bilder müssen auch auf kleinen Displays überzeugen. Die ersten 30-40 Zeichen im Titel sind auf Mobile oft alles, was ein Nutzer sieht.

Dein 90-Tage-Aktionsplan für saubere Feeds

Hier ein konkreter Fahrplan, mit dem du die Feed-Qualität systematisch auf ein professionelles Niveau hebst:

Tag 1-30: Audit und Quick Wins

• Vollständiges Audit aller aktiven Feeds über alle Kanäle
• Kritische Fehler (Ablehnungen) sofort beheben
• Top-20%-Produkte nach Umsatz priorisiert optimieren
• KPI-Dashboard aufsetzen

Tag 31-60: Automatisierung etablieren

• Master-Feed-Architektur implementieren
• Kanal-spezifische Transformationsregeln definieren
• Automatische Syncs mit Warenwirtschaft einrichten
• Erste KI-gestützte Content-Pipelines produktiv schalten

Tag 61-90: Skalierung und Optimierung

• A/B-Tests für Titel-Varianten aufsetzen
• Mittleres Sortiment (21-80% nach Umsatz) optimieren
• Multi-Channel-Expansion planen und umsetzen
• KI-Sichtbarkeits-Optimierung beginnen

Fazit: Feed-Qualität ist kein Projekt, sondern ein Prozess

Saubere Produktfeeds sind das Fundament erfolgreicher E-Commerce-Operationen. Sie sind die Voraussetzung für Sichtbarkeit in klassischen Shopping-Kanälen und werden mit dem Siegeszug generativer KI noch wichtiger. Wer jetzt in Feed-Qualität investiert, baut sich einen Wettbewerbsvorteil auf, den Konkurrenten nur mit erheblichem Aufwand einholen können.

Starte nicht mit dem Ziel der Perfektion, sondern mit dem Ziel kontinuierlicher Verbesserung. Etabliere Audits, setze Automatisierung ein und messe konsequent die KPIs, die für deinen Shop relevant sind. In sechs Monaten wirst du nicht wiedererkennen, wie gut dein Feed läuft – und deine Conversion-Zahlen werden es dir danken.

Du willst deine Produktfeeds auf das nächste Level heben und gleichzeitig deine KI-Sichtbarkeit strategisch ausbauen? Prodly unterstützt dich mit automatisierter Feed-Optimierung, KI-gestützter Content-Generierung und umfassendem AI-Visibility-Tracking. Jetzt kostenlos beraten lassen und die Weichen für nachhaltiges E-Commerce-Wachstum stellen.