          Handel und Industrie · Produktdaten        

Produktkatalog-Chatbot auf Ihrem PIM, nicht auf PDF-Katalogen

Kurz gesagt

Ein Produktkatalog-Chatbot beantwortet Fragen zu Artikeln, Varianten und Verfügbarkeit direkt aus Ihrem PIM statt aus abgelegten PDF-Katalogen. Gedacht für technischen Handel, Großhandel und Hersteller mit vielen Varianten, deren Innendienst täglich dieselben Produktfragen beantwortet. In einem Benchmark über 23.088 Fragen an Finanzdokumente mit Text und Tabellen fand selbst die beste kombinierte Suche bei 31 Prozent der Fragen die richtige Stelle nicht unter den ersten fünf Treffern (arXiv 2604.01733, Preprint, April 2026). Produktdaten sind Tabellen, deshalb entscheidet die Quelle über die Antwort.

ISO 27001 zertifiziert

Microsoft Solutions Partner

EU-Cloud oder eigener Betrieb

Jetzt Kontakt aufnehmen
Alle Chatbot-Lösungen

Warum der Chatbot auf PDF-Katalogen teuer wird

Produktdaten sind Tabellen, und genau daran scheitert die Vektorsuche. In einem Benchmark über 23.088 Fragen an Finanzdokumente mit Text und Tabellen blieben 31 Prozent der Fragen auch mit kombinierter Suche ohne Treffer unter den ersten fünf. In der Fehleranalyse von 100 dieser Fälle lag die Ursache 73 Mal in einer Tabelle, deren Struktur beim Umwandeln in Text verlorenging (arXiv 2604.01733, Preprint, April 2026).

Die Antwort stimmt, der Preis nicht mehr

Ein PDF ist ein Stand, kein System. Sobald sich Preis, Verfügbarkeit oder eine Freigabe ändert, antwortet der Bot aus dem alten Katalog weiter. Im Vertrieb fällt das erst auf, wenn der Kunde die Zahl zitiert.

Varianten verschwinden in der Tabelle

Eine Artikelreihe mit 40 Ausführungen steht im Katalog als eine Tabelle. Beim Zerlegen in Textabschnitte verliert sie ihren Zusammenhang, und die Frage nach der Ausführung mit einem bestimmten Anschluss trifft die falsche Zeile oder gar keine.

Rechnen kann eine Textsuche nicht

Fragen wie alle Artikel unter 200 Millimeter Baulänge mit Zulassung nach ATEX sind Filter, keine Ähnlichkeitssuche. Ein System, das nur nach semantischer Nähe sucht, liefert darauf plausibel klingende, aber unvollständige Listen.

Warum die Quelle über die Trefferquote entscheidet

Dieselbe Frage an dieselben Dokumente liefert je nach Aufbau der Suche eine Trefferquote von 0,59 oder von 0,82. Die folgenden Werte stammen aus einem unabhängigen Retrieval-Benchmark, nicht aus Pexon-Projekten. Er misst Finanzdokumente, weil dort Text und Tabellen im selben Dokument stehen und die Antwort exakt sein muss. Produktkataloge haben dieselbe Struktur, die Fehlerursache ist dieselbe.

31 % der Fragen ohne Treffer

blieben im Benchmark auch mit der besten kombinierten Suche unbeantwortet, weil die richtige Stelle nicht unter den ersten fünf Treffern auftauchte. Die Autoren haben 100 dieser Fehltreffer untersucht: in 73 Fällen lag die Antwort in einer Tabelle, deren Spaltenüberschrift und Wert im umgewandelten Text nicht mehr beieinanderstehen. Genau so liegen Attribute in einem Produktkatalog vor. (From BM25 to Corrective RAG, arXiv 2604.01733, Preprint April 2026, 23.088 Fragen, Fehleranalyse n=100)

0,59 Trefferquote der reinen Vektorsuche

erreichte die dichte Vektorsuche mit text-embedding-3-large im selben Benchmark unter den ersten fünf Treffern. Anders gesagt: gut vier von zehn richtigen Dokumenten wurden nicht gefunden. Für eine Preisauskunft ist das zu wenig. (arXiv 2604.01733, Recall@5 dense = 0,587)

0,82 mit kombinierter Suche und Nachsortierung

erreicht dieselbe Aufgabe, wenn Stichwort- und Vektorsuche zusammenarbeiten und die Treffer nachsortiert werden. Das ist ein Unterschied von 23 Prozentpunkten, allein durch den Aufbau der Suche, vor jeder Modellauswahl. (arXiv 2604.01733, Recall@5 hybrid und Rerank = 0,816)

0,64 zu 0,59 für die einfache Stichwortsuche

lautet das Ergebnis, wenn man die klassische Stichwortsuche nach BM25 gegen die dichte Vektorsuche stellt. Die Autoren nennen das ausdrücklich eine Widerlegung der Annahme, semantische Suche sei generell überlegen. Wer Produktdaten allein per Vektorsuche indexiert, bleibt unter einem Verfahren aus den 1990er-Jahren. (arXiv 2604.01733, Recall@5: BM25 0,644, dense 0,587)

Ab wann sich ein Chatbot auf dem PIM lohnt

Als Faustregel aus unseren Projekten, nicht als Marktdaten: Ein Chatbot auf dem PIM trägt sich meist erst, wenn Ihr Sortiment 5.000 Artikel übersteigt, je Artikel mehr als 10 gepflegte Attribute vorliegen und täglich mehr als 30 Produktanfragen im Innendienst landen. Die Artikelzahl ist dabei nur die Eintrittsschwelle. Ob sich der Aufbau rechnet, hängt an der Attributtiefe: ein großes Sortiment mit drei gepflegten Feldern je Artikel trägt keinen Chatbot.

5.000

Artikel im Sortiment

Attribute je Artikel

Produktanfragen pro Tag

Vier Situationen aus dem Produktvertrieb

Use Case 01

Der Innendienst sucht die passende Ausführung

Eine Mitarbeiterin im Vertriebsinnendienst bekommt eine Anfrage nach einem Bauteil mit bestimmten Maßen und Zulassung. Statt in drei Katalogen zu blättern, stellt sie die Frage im Klartext, und das System filtert die Attribute im PIM.

1 Antwort mit Artikelnummer, Attributen und Quelle, statt Suche über mehrere Kataloge

Use Case 02

Ein Kunde fragt nach Ersatz für ein abgekündigtes Teil

Im PIM stehen Nachfolgebeziehungen und Kompatibilitäten als gepflegte Felder. Der Chatbot liest sie aus, statt sie aus Fließtext zu erraten, und nennt die Nachfolgeartikel mit dem Grund der Ablösung.

Nachfolgeartikel aus einem gepflegten Feld, samt Grund der Ablösung

Use Case 03

Der Außendienst braucht die Antwort beim Kunden

Auf dem Telefon, ohne Katalog, mit Kundenpreisen. Weil der Chatbot am PIM und an der Preisfindung hängt, sieht jede Person genau die Konditionen, die für ihren Kunden freigegeben sind.

1 Auskunft mit kundenindividuellem Preis, ohne Rückruf ins Haus

Use Case 04

Der Shop soll dieselbe Antwort geben

Dieselbe Wissensquelle beantwortet Fragen im Kundenportal. Weil beide Kanäle auf dasselbe PIM zugreifen, entstehen keine zwei Wahrheiten zwischen Innendienst und Selbstbedienung.

2 Kanäle aus 1 Datenquelle, ohne getrennte Pflege

Integration in Ihre Umgebung

Der Chatbot bekommt keine eigene Datenhaltung. Er liest aus den Systemen, die Sie ohnehin pflegen, und schreibt nichts zurück.

Datenquellen

PIM · Akeneo, Contentserv, Pimcore, Stibo Systems oder eine eigene Lösung. Angebunden wird über die vorhandene Schnittstelle oder einen Export, den Sie ohnehin erzeugen.

ERP und Preisfindung · SAP, Microsoft Dynamics oder Infor für Verfügbarkeit, Kundenpreise und Konditionen. Diese Werte gehören nicht in den Index, sie werden zur Laufzeit abgefragt.

Dokumente als Ergänzung · Datenblätter, Montageanleitungen und Zertifikate bleiben als Dokumentensuche daneben stehen. Beschreibender Text gehört dorthin, Attribute gehören ins PIM.

Betrieb und Zugriff

Berechtigungen · Konditionen und Sonderpreise sind nicht für alle sichtbar. Die Rechte aus Ihrem Quellsystem gelten auch für die Antwort, nicht erst in der Oberfläche.

Betriebsort · EU-Cloud über Azure, AWS oder Google Cloud, oder Betrieb in Ihrer eigenen Umgebung, wenn Preisdaten das Haus nicht verlassen dürfen.

Kanäle · Microsoft Teams für den Innendienst, ein Widget im Kundenportal, oder beides. Die Logik liegt einmal, die Oberfläche ist austauschbar.

Wie der Produktkatalog-Chatbot funktioniert

1

Attribute sichten

Wir sehen uns an, welche Felder im PIM gepflegt sind und welche nur theoretisch existieren. An diesem Schritt hängt das Ergebnis. Die Modellwahl kommt danach.

2

Fragen sammeln

Aus echten Anfragen an den Innendienst entsteht ein Testsatz von etwa 50 Fragen mit bekannter richtiger Antwort. Ohne diesen Satz lässt sich später nichts messen.

3

Suche aufbauen

Attributfilter für harte Kriterien, Stichwortsuche für Bezeichnungen und Typenschlüssel, Vektorsuche nur für beschreibenden Text. Danach eine Nachsortierung über alle Treffer.

4

Antworten belegen

Jede Antwort nennt Artikelnummer und Datenstand. Wo die Datenlage nicht reicht, sagt das System das und gibt an den Innendienst ab, statt zu raten.

5

Gegen den Testsatz messen

Trefferquote und Fehlerarten werden gegen die 50 Fragen gemessen, vor und nach jeder Änderung. Erst wenn die Zahl stimmt, geht der Bot an Nutzer.

6

Lücken zurückspielen

Fragen ohne Treffer sind ein Befund über Ihre Datenqualität. Sie gehen als Liste an die Produktdatenpflege, damit das PIM besser wird und nicht nur der Bot.

Erfahren Sie mehr über warum Standard-RAG an Tabellen in technischen Dokumenten scheitert

Warum Pexon statt Eigenbau oder Shop-Modul

Selbst bauen

-Der Einstieg über eine Dokumentensuche ist in zwei Wochen fertig und bleibt bei Tabellen stehen.

-Die Testfragen fehlen, also wird nach Gefühl bewertet statt gemessen.

-Berechtigungen und Kundenpreise kommen erst auf, wenn der Bot schon läuft.

Fertiges Shop-Modul

-Deckt den Standardfall im Shop ab, selten die Attributtiefe im technischen Handel.

-Die Anbindung an Preisfindung und Konditionen endet oft am Listenpreis.

-Der Innendienst arbeitet weiter mit einem anderen Werkzeug als der Kunde.

Mit Pexon

✓Pexon Consulting baut die Suche entlang Ihrer Attribute. Welche Felder wirklich gepflegt sind, prüfen wir vorher.

✓Am Ende steht eine Zahl: die gemessene Trefferquote gegen Ihre eigenen 50 Fragen.

✓Trägt Ihre Datenlage den Anwendungsfall nicht, erfahren Sie das in Woche 1.

Woher wir das kennen

Pexon Consulting ist nach ISO 27001 zertifiziert und als Microsoft Solutions Partner, AWS Advanced Tier Partner und Google Cloud Partner gelistet. Aus Projekten mit einem Verpackungshersteller und einem Generatoren-Hersteller kennen wir den Fall, dass Produktwissen zwar vorhanden ist, aber in Formaten liegt, aus denen sich keine verlässliche Auskunft ziehen lässt. Eine belastbare Vorher-Nachher-Zahl zu diesem Anwendungsfall nennen wir hier bewusst nicht, solange sie nicht freigegeben ist. Im Gespräch zeigen wir Ihnen den Testsatz-Ansatz an einem echten Beispiel.

In vier Phasen zur produktiven Lösung

Woche 1

Datenlage prüfen

Ein Export aus Ihrem PIM, ein Termin mit der Produktdatenpflege. Wir bewerten Vollständigkeit und Struktur der Attribute und benennen, was fehlt.

Woche 2 bis 3

Testsatz und Suche

Die 50 Fragen aus echten Anfragen entstehen, die Suche wird gegen sie aufgebaut und gemessen. Am Ende steht die erste belastbare Trefferquote.

Woche 4 bis 6

Anbindung und Rechte

Live-Abfrage von Verfügbarkeit und Preisen, Übernahme der Berechtigungen, Anbindung des ersten Kanals. Jetzt wird aus der Suche ein Arbeitswerkzeug.

Woche 7 bis 8

Begleiteter Betrieb

Eine Nutzergruppe arbeitet damit, jede Frage ohne Treffer wird ausgewertet. Danach entscheiden Sie über weitere Kanäle und Sortimente.

Pilot zum Festpreis

Ein Festpreis bis zur ersten produktiv genutzten Gruppe, mit gemessener Trefferquote als Abnahmekriterium. Der laufende Betrieb ist optional und getrennt beauftragbar.

Ihre Investition

ab 9.500 EUR

Festpreis · 6 bis 8 Wochen

Enthält:

Umfang · Ein PIM-System, ein Kanal, ein abgegrenzter Sortimentsausschnitt, ein Testsatz mit 50 Fragen. Weitere Kanäle und Sortimente kalkulieren wir nach dem Piloten anteilig.

Was Sie beisteuern · Etwa drei Tage verteilt über die Projektlaufzeit: einen Export aus dem PIM, eine Person aus der Produktdatenpflege, eine aus dem Innendienst für die Testfragen, plus die Freigabe der Lesezugriffe.

Laufender Betrieb · Optional ab 1.900 EUR im Monat: Pflege der Attribut-Zuordnungen, Modellwechsel, Auswertung der Fragen ohne Treffer. Monatlich kündbar. Abnahme des Piloten gilt, wenn der Testsatz die gemeinsam gesetzte Trefferquote erreicht und jede Antwort Artikelnummer und Datenstand nennt.

Jetzt Kontakt aufnehmen

30 Minuten, unverbindlich

Häufige Fragen

Warum nicht einfach die PDF-Kataloge indexieren?

Weil Produktdaten Tabellen sind und Einbettungsmodelle daran scheitern. In einem Benchmark über 23.088 Fragen blieben 31 Prozent auch mit kombinierter Suche ohne Treffer unter den ersten fünf; in der Fehleranalyse von 100 dieser Fälle lag die Ursache 73 Mal in einer falsch aufgelösten Tabelle. Dazu kommt der Datenstand: ein PDF altert, das PIM nicht. Für beschreibenden Text bleibt die Dokumentensuche sinnvoll, für Attribute nicht.

Unsere Produktdaten sind unvollständig. Lohnt sich das trotzdem?

Das klären wir in Woche 1, bevor Sie Geld für den Aufbau ausgeben. Sind zentrale Attribute nur bei einem Teil der Artikel gepflegt, sagen wir das und schlagen einen kleineren Sortimentsausschnitt vor. Der Nebeneffekt ist nützlich: die Liste der Fragen ohne Treffer zeigt genau, welche Felder Ihre Pflege zuerst braucht.

Was kostet ein Produktkatalog-Chatbot?

Ab 9.500 Euro als Festpreis für den Piloten: ein PIM-System, ein Kanal, ein abgegrenzter Sortimentsausschnitt, sechs bis acht Wochen. Das ist der fokussierte Einstieg über eine strukturierte Quelle. Sollen zusätzlich Dokumentenablage und Datenblätter als Quellen dazukommen und neben dem Innendienst auch der Kundenservice bedient werden, ist der interne Produktagent der passende Zuschnitt, er liegt ab 23.500 Euro. Der laufende Betrieb kostet optional ab 1.900 Euro im Monat und ist monatlich kündbar. Weitere Kanäle oder Sortimente kalkulieren wir nach dem Piloten anteilig, der Endpreis steht vor Beauftragung fest.

Was passiert, wenn der Chatbot etwas Falsches sagt?

Jede Antwort nennt Artikelnummer und Datenstand, damit sie prüfbar ist. Unterhalb einer gemeinsam festgelegten Sicherheitsschwelle antwortet das System nicht, sondern gibt an den Innendienst ab. Preise und Verfügbarkeit werden zur Laufzeit aus dem führenden System geholt und nicht aus einem Index, damit sie nicht veralten können.

Wo passt dieser Ansatz nicht?

An drei Stellen. Liegt Ihr Produktwissen überwiegend als Fließtext in Datenblättern und nicht als Attribut im PIM, ist die Dokumentensuche das passendere Werkzeug, oder der breiter geschnittene interne Produktagent, der PIM, Dokumentenablage und Datenblätter zusammenführt. Unter etwa 5.000 Artikeln lohnt der Aufbau selten. Und wenn niemand die Produktdaten pflegt, verschiebt der Chatbot das Problem nur nach vorn, statt es zu lösen.

Wie messen wir, ob er gut genug ist?

Über den Testsatz aus etwa 50 echten Anfragen mit bekannter richtiger Antwort. Er wird vor dem Aufbau erstellt und nach jeder Änderung erneut gerechnet. Zum Vergleich: in einem unabhängigen Benchmark (arXiv 2604.01733) fand reine Vektorsuche 0,59 der richtigen Dokumente unter den ersten fünf Treffern, kombinierte Suche mit Nachsortierung 0,82. Ihre Zielmarke legen wir gemeinsam fest.

Erst die Datenlage, dann der Chatbot

Ob sich der Aufbau lohnt, hängt an Ihrem PIM. Ein Gespräch von 30 Minuten reicht, um einzuschätzen, ob Ihre Attribute tragen oder ob zuerst die Datenpflege dran ist.

Jetzt Kontakt aufnehmen

Nachricht senden

Schreiben Sie uns, was bei Ihnen ansteht. Wir melden uns innerhalb von 24 Stunden.

Antwort innerhalb von 24 Stunden

Unverbindliches Erstgespräch

Persönlicher Ansprechpartner

Phillip Pham

CEO @ Pexon Consulting

Aktualisiert am 11. August 2026

Sie suchen einen Partner für Ihr Projekt?

Wir analysieren Ihren individuellen Bedarf, geben erste Empfehlungen zu Umsetzungsstrategien und bieten Ihnen transparente Einblicke in unsere Methoden, Technologien und Referenzen.

Vertrieb kontaktieren

400+Projekte seit 2020

100+Kunden im DACH-Raum

ISO27001 zertifiziert

3Hyperscaler Partner