Produktdatenqualität: Was schlechte Produktdaten bei Google, auf Marktplätzen und in der KI-Suche kosten

Ein Produkt hat eine ungültige GTIN. Google zeigt es nur noch eingeschränkt. Amazon blendet das Angebot aus. Und ChatGPT empfiehlt es nicht, weil es in Googles Shopping-Ergebnissen fehlt. Ein einziger Datenfehler kostet Sie damit Umsatz in drei Kanälen gleichzeitig.

Die meisten Artikel zur Produktdatenqualität kommen von PIM-Herstellern. Sie erklären Definitionen und enden beim eigenen Tool. Dieser Leitfaden ist herstellerneutral. Er richtet sich an Geschäftsführer und E-Commerce-Verantwortliche von Onlineshops und D2C-Marken im DACH-Raum. Sie erfahren, was schlechte Produktdaten konkret kosten, wie sich Fehler in jedem Kanal auswirken und wie Sie in 30 Tagen die größten Lücken schließen.

Die Kurzantwort

Was ist Produktdatenqualität? Produktdatenqualität beschreibt, wie vollständig, richtig, einheitlich und aktuell die Daten zu Ihren Produkten sind. Gemeint sind alle Kanäle: Shop, Google, Marktplätze und KI-Assistenten.

Was kosten schlechte Produktdaten? Sie kosten an drei Stellen. Erstens Retouren: Laut KPMG und EHI nennen 60,4 Prozent der Online-Käufer in Deutschland eine ungenaue Beschreibung oder abweichende Bilder als Grund für Rücksendungen (Dezember 2025). Zweitens Sichtbarkeit: Fehlerhafte Artikel werden bei Google eingeschränkt und auf Marktplätzen ausgeblendet. Drittens interne Arbeitszeit für Korrekturen.

Was zählt für die KI-Suche? Vor allem ein sauberer Google-Shopping-Feed und sichtbarer, vollständiger Text auf der Produktseite. Strukturierte Daten und llms.txt helfen dagegen kaum, in KI-Antworten genannt zu werden.

Was ist Produktdatenqualität?

Produktdaten sind alle Informationen, die ein Produkt beschreiben. Dazu gehören Stammdaten wie GTIN, Marke, Preis und Gewicht. Dazu gehören auch Merkmale wie Material, Größe und Farbe, außerdem Texte, Bilder, Pflichtangaben und Varianten.

Gute Produktdaten erfüllen sechs Anforderungen. Die ersten vier finden Sie in fast jedem Ratgeber. Die letzten beiden sind durch die KI-Suche wichtig geworden.

Eine Studie der Hochschule Aalen zeigt, wie Händler das gewichten: 94 Prozent halten Korrektheit für wichtig, 88 Prozent Vollständigkeit, 81 Prozent Aktualität. Nur 30 Prozent hatten aber vollständig festgelegt, wie Produktdaten gepflegt werden. Die Studie ist von 2017. Neuere Zahlen dazu gibt es für den DACH-Raum nicht.

Was schlechte Produktdaten kosten: die Zahlen

Im Netz kursieren viele Zahlen zu schlechten Produktdaten. Viele davon haben keine nachvollziehbare Quelle. Die folgende Tabelle zeigt nur Zahlen, die sich bis zur Studie zurückverfolgen lassen.

Die wichtigste Zahl für den deutschen Markt ist die erste. Sie stammt aus einer unabhängigen Befragung und betrifft direkt Ihre Kosten. Ungenaue Beschreibungen und abweichende Bilder liegen auf Platz vier der Retourengründe. Davor liegen nur Qualitätsmängel, falsche Größe und Beschädigung. Auch die falsche Größe ist oft ein Datenproblem: Die Größentabelle fehlt oder passt nicht zum Produkt.

Diese Zahlen kursieren, sind aber nicht belegt

Einige Zahlen tauchen in vielen Artikeln auf. Verwenden Sie sie nicht für Ihren Business Case:

• „Schlechte Daten kosten Unternehmen 12,9 Millionen Dollar pro Jahr“ (Gartner): Die Zahl betrifft Unternehmensdaten allgemein, nicht Produktdaten. Sie beruht auf Selbstauskünften von 2020. Im Umlauf sind auch 9,7 und 14,2 Millionen.
• „GTINs bringen bis zu 40 Prozent mehr Klicks“ (Google): Die Aussage stammt aus der Zeit um 2016. Auf den aktuellen Hilfeseiten von Google steht sie nicht mehr.
• „88 Prozent brechen ab“, „Conversion plus 40 Prozent“: Solche Werte stehen in deutschen Ratgebern oft ohne jede Quelle.
• „Enhanced Content steigert die Conversion um bis zu 90 Prozent“: Werbeaussagen von Anbietern ohne veröffentlichtes Testdesign.

Ein Datenkern, drei Regale

Ihre Produktdaten landen heute in drei „Regalen“: bei Google, auf Marktplätzen und in KI-Assistenten. Alle drei lesen im Kern dieselben Felder: GTIN, Marke, Titel, Varianten, Preis, Bestand, Versand, Rückgabe und Merkmale. Ein Fehler in diesen Feldern wirkt deshalb fast immer in mehreren Kanälen gleichzeitig.

Google: Ablehnung, „eingeschränkte Leistung“, Kontosperre

Google prüft jeden Artikel im Merchant Center. Fehlt eine Pflichtangabe, wird der Artikel abgelehnt. Fehlen Angaben wie Marke oder GTIN, zeigt Google das Produkt oft weiter, aber mit „eingeschränkter Leistung“. Das bedeutet weniger Impressionen und Klicks. Weichen Preis oder Verfügbarkeit im Feed von der Produktseite ab, lehnt Google Artikel vorsorglich ab. Bei Verstößen auf Kontoebene folgt meist nach 28 Tagen Warnfrist die Sperre des Kontos.

Zwei Termine sind jetzt wichtig:

• Seit dem 18. August 2026 ist die alte Content API ausgelaufen. Shop-Plugins und Feed-Tools, die nicht auf die neue Merchant API umgestellt haben, verlieren ihre Verbindung. Mehr dazu im Leitfaden zum Google Merchant Center Feed.
• Ab dem 31. Januar 2027 müssen alle Produktbilder mindestens 500 × 500 Pixel groß sein. Das Merchant Center warnt schon jetzt bei zu kleinen Bildern. Hochskalierte Bilder will Google nicht.

Marktplätze: Die GTIN ist der Schlüssel

Auf fast allen Marktplätzen ordnet die GTIN (in Europa meist die EAN) Ihr Angebot dem richtigen Produkt im Katalog zu. Ist sie ungültig, nicht bei GS1 registriert oder doppelt vergeben, wird das Angebot abgelehnt oder ausgeblendet.

• Amazon prüft GTINs gegen die Datenbank von GS1. Ungültige Nummern können zur Unterdrückung des Angebots führen. Auch fehlende Pflichtmerkmale, ein nicht konformes Hauptbild oder zu lange Titel führen dazu. Amazon führt immer wieder neue Pflichtfelder ein. Bestehende Angebote können dann nachträglich ausgeblendet werden.
• Kaufland zeigt Produkte mit fehlenden Pflichtmerkmalen nicht an. Welche Merkmale Pflicht sind, hängt von der Kategorie ab. Kaufland schreibt selbst, dass bessere Produktseiten Retouren und Reklamationen senken können.
• OTTO Market verlangt Pflichtmerkmale je Kategorie und die GPSR-Herstellerangaben für jeden einzelnen Artikel.
• Zalando braucht für jeden Artikel eine gültige 13-stellige EAN und ordnet Größen dem eigenen Größensystem zu.
• Galaxus ignoriert Datensätze ohne GTIN. Ohne bestimmte Pflichtmerkmale je Produkttyp geht ein Produkt nicht online.

KI-Suche: Ihr Google-Feed ist Ihr ChatGPT-Feed

Für die KI-Suche gibt es eine wichtige Erkenntnis aus dem Jahr 2026. Peec AI hat mit der Agentur Precis über eine Million Shopping-Anfragen in ChatGPT untersucht. Das Ergebnis: Alle Produkte, die ChatGPT Shopping zeigte, fanden sich auch unter den Top 40 der organischen Google-Shopping-Ergebnisse. Bing erklärte nur 11 Prozent. ChatGPT sortiert die Produkte neu. Die Auswahl kommt aber faktisch aus Google.

Daraus folgt: Wer bei Google Shopping fehlt oder schwach dasteht, fehlt meist auch in ChatGPT. Ein sauberer Merchant-Center-Feed ist damit der wichtigste Hebel für die KI-Suche. Wie Sie ChatGPT Shopping zusätzlich direkt beliefern, steht im Artikel zu ChatGPT Shopping für Onlinehändler.

Die Studie zeigt noch zwei Dinge:

• Produkte, die bei bewerteten Merkmalen unter drei Sternen liegen, tauchen praktisch nicht auf.
• ChatGPT ergänzt Anfragen um Wörter wie „beste“, „Test“, „2026“ oder „vs“. Fehlen die gesuchten Begriffe in Feed und Produktseite, sinkt die Chance, gefunden zu werden.

Das Regal in der KI-Suche ist außerdem viel kleiner. Laut einer Auswertung des Anbieters Productrise zeigt Google AI Mode nur bei 23 Prozent der Shopping-Anfragen überhaupt Produkte. Wenn, dann im Schnitt 4,3 statt 22,5 Angebote wie in der klassischen Suche. Wer nicht unter den wenigen genannten Produkten ist, wird nicht gesehen.

Was für die KI-Suche wirklich zählt und was überschätzt wird

Viele Agenturen versprechen schnelle Erfolge in der KI-Suche durch strukturierte Daten oder eine llms.txt-Datei. Die Datenlage sagt etwas anderes.

Google schreibt in seinem Leitfaden zur KI-Optimierung vom Juli 2026 klar: Strukturierte Daten sind für KI-Funktionen nicht erforderlich, und es gibt kein spezielles Schema dafür. Google empfiehlt aber Merchant-Center-Feeds, damit Produkte in KI-Antworten erscheinen. Ahrefs hat 2026 knapp 1.900 Seiten mit neu hinzugefügten strukturierten Daten mit 4.000 Vergleichsseiten verglichen. Das Ergebnis: Die KI-Zitate stiegen nicht messbar.

Strukturierte Daten bleiben trotzdem sinnvoll. Sie sorgen für Sterne, Preise und Lieferinfos in den normalen Suchergebnissen. Sie sind nur kein Wundermittel für die KI-Suche.

Zur Einordnung: Laut ECC Köln nutzen 31 Prozent der Deutschen schon KI-Chatbots für die Produktsuche. Kaufen lassen wollen sie die KI aber kaum: Nur 9 Prozent würden einen Kauf mit Bezahlung abgeben. Der Checkout direkt in Google AI Mode und Gemini läuft bisher nur in den USA. Für DACH-Händler geht es 2026 also um Sichtbarkeit in der Recherche, nicht um Verkäufe im Chat.

Produktdaten als Rechtspflicht: 2026 und 2027

Produktdatenqualität ist längst nicht mehr nur eine Frage von Umsatz. Mehrere Gesetze schreiben vor, welche Angaben auf der Produktseite stehen müssen. Fehlen sie, drohen Abmahnungen, und Marktplätze sperren Angebote.

Zwei Punkte werden oft verwechselt. Die geplante Green-Claims-Richtlinie der EU liegt auf Eis. Das Verbot pauschaler Umweltaussagen gilt aber seit dem 27. September 2026 trotzdem. Es stammt aus einer anderen Richtlinie (EmpCo) und betrifft auch Texte in Feeds und auf Marktplätzen.

Was kosten Ihre Produktdaten? Der Rechner

Der Rechner schätzt drei Kostenblöcke pro Jahr:

1. Retouren durch Datenfehler: Umsatz geteilt durch Warenkorb ergibt die Bestellungen. Davon nehmen wir die Retourenquote und den Anteil der Retouren wegen Beschreibung oder Bild. Das Ergebnis mal den Kosten pro Retoure ergibt die Retourenkosten.
2. Entgangener Umsatz in Feed-Kanälen: Umsatz über Google, Marktplätze und KI-Suche mal dem Anteil abgelehnter oder eingeschränkter Artikel.
3. Interne Arbeitszeit: Stunden pro Woche für Korrekturen mal 46 Arbeitswochen mal Stundensatz.

Die Startwerte sind Beispiele für einen Shop mit 5 Millionen Euro Umsatz. Setzen Sie Ihre eigenen Werte ein. Den Anteil der Retouren wegen Beschreibung oder Bild finden Sie in Ihrem Retourengrund-Report. Den Anteil fehlerhafter Artikel zeigen die Diagnose im Merchant Center und die Fehlerberichte der Marktplätze.

Der Rechner ist bewusst vorsichtig. Er rechnet mit Stückzahlen, nicht mit Umsatz, und lässt drei Posten weg: Kaufabbrüche wegen fehlender Informationen, den Wertverlust retournierter Ware und Abmahnkosten. Die echten Kosten liegen also eher höher.

Mehr zur Berechnung der Retourenkosten finden Sie im Artikel Retourenquote berechnen.

Woher schlechte Produktdaten im Mittelstand kommen

In Projekten mit Händlern zwischen einer und 50 Millionen Euro Umsatz sehe ich immer wieder dieselben Ursachen:

• Das ERP ist die Quelle. ERP-Systeme sind für Einkauf, Lager und Buchhaltung gebaut. Felder für Kaufmerkmale, Texte und Bilder fehlen oft. Was im ERP nicht steht, fehlt dann in jedem Kanal.
• Lieferantendaten werden ungeprüft übernommen. Sie kommen als Excel, PDF oder BMEcat, jeder Lieferant in einem anderen Format.
• Excel ist das heimliche PIM. Mehrere Versionen kursieren, niemand prüft die Werte.
• Niemand ist verantwortlich. Der Einkauf pflegt Stammdaten, das E-Commerce-Team Texte, das Marketing Bilder. Für die Qualität insgesamt fühlt sich niemand zuständig. Laut einer Studie der Deutschen Gesellschaft für Informations- und Datenqualität hat fast jedes dritte Unternehmen keinen Verantwortlichen für Datenqualität.
• Varianten sind falsch angelegt. Größe und Farbe sind als eigene Produkte angelegt, oder eine EAN fehlt je Variante.
• Fehlerberichte landen bei niemandem. Der Connector zum Marktplatz meldet Fehler, aber niemand liest sie.
• Neue Pflichtfelder kommen schneller als neue Prozesse. GPSR, Energielabel und ab 2027 die Bildgröße bei Google.

Produktdatenqualität messen: Score und Kennzahlen

Was Sie nicht messen, verbessert sich nicht. Ein einfacher Score von 0 bis 100 reicht für den Anfang. Bewerten Sie Ihre 50 bis 100 umsatzstärksten Produkte nach den sechs Dimensionen.

Dazu kommen fünf Kennzahlen, die Sie wöchentlich ansehen sollten:

1. Vollständigkeit je Kanal: Anteil der Produkte, bei denen alle Pflichtmerkmale des Kanals gefüllt sind.
2. Fehlerquote im Feed: Anteil abgelehnter oder eingeschränkter Artikel im Merchant Center.
3. Unterdrückte Angebote je Marktplatz: zum Beispiel aus dem Amazon-Bereich für Angebotsqualität oder dem Kaufland-Bericht „Ungültige Artikel“.
4. Zeit bis zum Listing: Tage vom Wareneingang bis zum vollständigen Angebot in allen Kanälen.
5. Retourenquote „entspricht nicht der Beschreibung“: am besten je Kategorie.

Produktdaten optimieren: der 30-Tage-Plan

Sie müssen nicht alle Produkte auf einmal verbessern. Beginnen Sie dort, wo der Umsatz liegt. Bei den meisten Händlern machen 10 bis 20 Prozent der Produkte den Großteil des Umsatzes.

Woche 1: Bestandsaufnahme

• Top 100 Produkte nach Umsatz der letzten zwölf Monate auswählen
• Diagnose im Merchant Center exportieren
• Fehlerberichte der Marktplätze exportieren
• Retourengründe je Produkt auswerten

Woche 2: Pflicht vor Kür

• ungültige oder fehlende GTINs korrigieren
• abgelehnte Artikel bei Google und unterdrückte Angebote auf Marktplätzen beheben
• GPSR-Angaben, Grundpreise und Pflichtangaben prüfen
• Produkttexte nach pauschalen Umweltaussagen durchsuchen

Woche 3: Einheitlich und vollständig

• Preis und Bestand zwischen Shop, Feed und Marktplätzen abgleichen
• fehlende Pflichtmerkmale je Kategorie ergänzen
• Bilder unter 500 × 500 Pixel ersetzen
• Größentabellen und Maße bei Produkten mit hoher Retourenquote verbessern

Woche 4: Fit für die KI-Suche und dauerhaft sauber

• Produkt-Highlights und technische Details im Merchant Center pflegen
• die zehn häufigsten Kundenfragen je Top-Produkt als Fragen und Antworten hinterlegen
• Verantwortliche je Datengruppe festlegen
• Prüfschritt vor jeder Veröffentlichung einführen
• die fünf Kennzahlen wöchentlich berichten

ERP, Feed-Tool oder PIM: Was brauchen Sie?

Nicht jeder Händler braucht ein PIM-System. Die Entscheidung hängt von Sortiment, Kanälen und Sprachen ab.

Wichtiger als das Werkzeug ist die Regel, welches System welche Daten führt. Preise und Bestände kommen meist aus dem ERP. Texte, Merkmale und Bilder gehören in Shop oder PIM. Wann sich ein PIM rechnet, steht ausführlich im Artikel PIM für Shopify. Eine kurze Definition finden Sie im Glossar unter PIM.

Checkliste: Wie gut sind Ihre Produktdaten?

FAQ

Fazit: Produktdaten sind Umsatz, nicht Stammdatenpflege

Schlechte Produktdaten kosten Sie heute an drei Stellen gleichzeitig: bei Google, auf Marktplätzen und in der KI-Suche. Alle drei Kanäle lesen im Kern dieselben Daten. Ein Fehler wirkt deshalb fast immer mehrfach.

Die gute Nachricht: Die größten Hebel sind bekannt. Gültige GTINs, vollständige Pflichtmerkmale, gleiche Angaben in allen Kanälen und ein sauberer Google-Feed. Für die KI-Suche kommen sichtbare Texte und beantwortete Kundenfragen dazu. Beginnen Sie mit Ihren umsatzstärksten Produkten. Legen Sie fest, wer für welche Daten verantwortlich ist. Dann zeigen sich die Ergebnisse oft schon nach wenigen Wochen in weniger Retouren und mehr Sichtbarkeit.

Quellenverzeichnis

1. KPMG mit EHI: Retouren als Chance, Pressemitteilung (11.12.2025)
2. Logistik Heute: 2026 wird mit 560 Millionen Retouren Höchststand erzielt (30.09.2026)
3. Retail News: EHI-Studie Retourenmanagement 2026
4. IFH Köln / ECC Club: Die nächste Stufe des E-Commerce (10/2025, PDF)
5. Syndigo: State of Product Experience 2025
6. Salsify: Consumer Research Report 2025
7. SDZeCOM und Hochschule Aalen: ProDa-Studie 2017 (PDF)
8. CIO.de: Bessere Datenqualität ist oft ein Lippenbekenntnis (DGIQ-Studie)
9. Google Merchant Center: Richtlinien und Durchsetzung
10. Google Merchant Center: Eindeutige Produktkennzeichnungen
11. Google Merchant Center: Update der Produktdatenspezifikation 2026
12. Google: Content API for Shopping Sunset
13. Google Search Central: Optimizing your website for generative AI features
14. Google: Shopping-Updates von Google Marketing Live 2026
15. Productsup: Six conversational attributes in Merchant Center
16. Precis: How ChatGPT shops (Studie mit Peec AI, 06/2026)
17. PPC Land: AI Mode cuts Google Shopping listings by 95 % (Productrise)
18. Ahrefs: Does schema help AI citations?
19. OpenAI: Agentic Commerce, Key Concepts
20. Shopify: Agentic Commerce Momentum (24.03.2026)
21. Kaufland Global Marketplace: Seller University, Produktdaten
22. Zalando Partner: Products Onboarding
23. Händlerbund: GPSR bei OTTO beachten
24. IHK: Missbrauch von GS1-Nummernsystemen (PDF)
25. EUR-Lex: Verordnung (EU) 2023/988 (GPSR)
26. Gleiss Lutz: Umsetzung der EmpCo-Richtlinie in deutsches Recht
27. IHK München: Green Claims
28. WBS Legal: BGH zu Grundpreisen
29. IT-Recht Kanzlei: Textilkennzeichnungsverordnung
30. Gesetze im Internet: BFSG § 11
31. EU-Kommission: Digitaler Produktpass