Wer im B2B-Großhandel Millionen von Artikeln online verkaufen will, stößt schnell an eine unsichtbare Barriere: die Produktdaten. In der vierten Folge der vierten Staffel des Commerce Famous Podcast spricht Matt Christensen, Mitgründer und Präsident von Distributor Data Solutions (DDS), über die Ursprünge seines Unternehmens, die besonderen Herausforderungen von Distributoren und darüber, wie künstliche Intelligenz Aufgaben, die früher Jahre dauerten, heute in wenigen Tagen erledigt.

Vom manuellen Copy-Paste zur Softwarelösung

Der Ursprung von DDS liegt in der elektrotechnischen Distribution. Christensens Geschäftspartner betrieb einen Elektrogroßhandel, für den er zehn Jahre lang als IT-Leiter tätig war. Als das Unternehmen eine der ersten E-Commerce-Seiten der Branche aufbaute, wurde das Datenproblem schmerzhaft sichtbar: 350.000 bis 400.000 Produkte sollten verkauft werden, doch es gab nur ERP-Daten – keine Bilder, keine Beschreibungen.

Die erste Lösung war rein manuell: Ein Mitarbeiter kopierte Produktinformationen von Herstellerseiten in Tabellen und lud sie in den Shop. Das Ergebnis war ernüchternd.

Es war extrem manuell, sehr langsam und fehleranfällig – und er brauchte ein Jahr für 11.000 Artikel.

Bei mehr als 300.000 verbleibenden Artikeln war klar: So funktioniert das nicht. Vor über elf Jahren gründeten Christensen und sein Partner deshalb DDS. Heute bedient das Unternehmen praktisch alle Bereiche des Großhandels – Elektro, Sanitär, HVAC, Industriebedarf, Gas- und Schweißtechnik – überall dort, wo große Kataloge und Skalierung ein Problem darstellen. DDS positioniert sich als Bindeglied zwischen Herstellern, Distributoren und zunehmend auch Softwareunternehmen.

Warum Distributoren externe Hilfe brauchen

Der Hauptgrund für das Datenchaos liegt laut Christensen im fehlenden Standard: In den USA und Kanada gibt es kein einheitliches Format, an das sich alle Hersteller halten müssen. Nimmt man Daten von hundert Herstellern, sehen alle hundert unterschiedlich aus. Diese müssen kategorisiert, in Attributen und Werten normalisiert und mit suchfreundlichen Beschreibungen angereichert werden.

Hinzu kommt die Dynamik der Daten: Der Katalog von DDS umfasst inzwischen rund 13 bis 14 Millionen Artikel, von denen sich jedes Jahr etwa 25 Prozent verändern. Über die reine Datenpflege hinaus stellt die Integration eine weitere Hürde dar – Daten müssen in das PIM, den Shop und das ERP eingespielt werden. Christensen fasst die Kernprobleme so zusammen:

  • Fehlende Datenstandards zwischen den Herstellern
  • Enorme Skalierung – von 20.000 bis mehreren Millionen Artikeln
  • Laufende Pflege und Aktualisierung
  • Komplexe Integration in verschiedene Systeme

Selbst bei großen Enterprise-Distributoren stauen sich Millionen unkategorisierter Artikel, die nicht online verkauft werden können – ein enormer Umsatzverlust.

Die frühen Lehren: Fokus statt Feature-Wildwuchs

Zu Beginn hatte das Team zahlreiche Ideen. Die ursprünglichen Präsentationen enthielten sechs oder sieben Produkte – von einer Suchlösung bis zu einem Angebotstool. Fast alles davon war „Vaporware“, wie Christensen offen einräumt. Umgesetzt und wirklich nachgefragt wurde nur eines: die Daten.

Besonders die eigene Erfahrung mit der Suche wurde zur Lektion. Der zweite Kunde nutzte die DDS-API sogar für seine Website-Suche. Doch ohne die nötige Transparenz und Steuerungsmöglichkeiten häuften sich Beschwerden über schlechte Suchergebnisse. Das Team zog die Konsequenz:

Das Suchgeschäft war schlechtes Geschäft. Man muss besonders in jungen Jahren aufpassen, nicht zu viel zu machen – bleib bei deiner Kernkompetenz, sonst wird alles nur mittelmäßig.

Die frühe Entscheidung, API-first zu bauen, erwies sich hingegen als goldrichtig: Kunden mussten die gigantischen Datenmengen – inzwischen im Bereich tausender Terabyte – nicht selbst speichern.

Preismodell und Buying Groups: das Spielfeld ausgleichen

Distributoren arbeiten mit hohen Volumina, aber hauchdünnen Margen. DDS setzt daher auf ein subskriptionsbasiertes Modell, das sich an der Größe des Kunden orientiert – als Näherung für Anzahl der Artikel, Hersteller und Integrationen. Besonders kleinere und mittlere Distributoren, von denen tausende noch gar nicht online sind, fehlt oft das Geld, das Wissen und vertrauenswürdige Partner.

Eine zentrale Rolle spielen dabei Buying Groups und Verbände. Sie übernehmen die Vorauswahl geprüfter Lösungen, verhandeln Rabatte mit Softwareanbietern und kennen ihre Mitglieder genau. So erhalten auch kleinere Player Zugang zu Angeboten, die sie allein nicht finanzieren könnten. Christensen betont jedoch, dass die Daten allein nicht ausreichen: Es brauche das Zusammenspiel aus Daten, Plattform und Agentur- beziehungsweise Integrationspartner, um Distributoren nicht nur online zu bringen, sondern nachhaltig wachsen zu lassen – statt E-Commerce als bloßen Kostenfaktor zu behandeln.

KI: von Kreatoren zu Freigebenden

Beim Thema KI verfolgt DDS einen pragmatischen Ansatz. Statt Marketing-Versprechen zählt der konkrete Nutzen entlang des Workflows. Den Anfang machte die automatische Kategorisierung: Distributoren laden ihre Taxonomie hoch, DDS kategorisiert alle unklassifizierten Artikel, und die Kunden bestätigen oder verwerfen die Vorschläge in der Plattform Acadia. Das Feedback fließt zurück ins Modell.

Die Approval-Raten liegen laut Christensen bei über 99 Prozent, weshalb Kunden zunehmend im Bulk freigeben. Aufgaben, die früher drei bis zwölf Monate dauerten, sind so drastisch verkürzt. In einem Fall wurde für 1,2 Millionen Produkte eine komplett neue Taxonomie erstellt – der Kunde nahm keine einzige Änderung vor.

Weitere KI-gestützte Schritte folgten: Normalisierung von Namen und Beschreibungen, Attributen und Werten sowie Suchbegriffen. Die jüngste Innovation adressiert ein Kernproblem: fehlende Herstellerdaten. In manchen Branchen bis zu 30 Prozent der Artikel. Mit der neuen KI-Produkterstellung können Kunden vollständige Artikel allein aus Herstellername, Katalognummer und Kurzbeschreibung generieren und ihren Katalog binnen Tagen vervollständigen.

Das Ergebnis beschreibt Podcast-Gastgeber treffend: Es werde viel „Blue-Collar-Arbeit von White-Collar-Menschen“ eliminiert. Aus Kreatoren würden Freigebende – bis zu 90 Prozent schneller.

Wert nachweisen: Geld verdienen oder Geld sparen

Am Ende, so Christensen, müsse sich der Nutzen von DDS klar rechnen. Kurzfristig ist der Wert offensichtlich: Distributoren ohne Onlinepräsenz erhalten binnen Monaten verkaufsfertige Produkte. Der langfristige Wert wird über konkrete Treiber belegt – geringere Retouren durch akkurate Daten, weniger manueller Pflegeaufwand und höhere Kundenbindung durch bessere Auffindbarkeit. Neue Produktsegmente wiederum bedeuten direkte Umsatzsteigerung.

Nicht zuletzt geht es um Risiko: Wer die Daten nicht liefert, verliert Kunden an Wettbewerber wie Grainger oder Amazon. In einem Markt, der auf Effizienz und die stetige Optimierung der Lieferkette angewiesen ist, passt der Ansatz von DDS – mehr mit weniger zu erreichen – exakt zum Bedarf der Branche.