Was dich schlechte Stammdaten kosten: Retouren, Fehler, Stillstand

Warum schlechte Stammdaten mehr kosten als schlechte Prozesse 

Wenn ein Prozess fehlerhaft ist, merkst du es schnell. Ein Schritt fehlt, eine Übergabe klappt nicht, jemand beschwert sich. Du kannst den Fehler lokalisieren, den Ablauf korrigieren und das Problem ist behoben. Datenfehler sind tückischer. Sie bleiben unsichtbar, bis sie sich in einem Symptom zeigen. Allerdings zeigt dieses Symptom auf den ersten Blick nicht auf die Daten, sondern auf den Prozess.

Ein klassisches Beispiel: Eine Kundin gibt eine Bestellung auf, dein Auftrag geht raus, er kommt postwendend zurück und niemand weiß, warum. Dann beginnt die Ursachenforschung. Das Lager hat korrekt gebucht, der Versand alles richtig gemacht, trotzdem ist letztendlich der falsche Artikel bei der Kundin gelandet. Lösungsansätze umfassen beispielsweise neue Checklisten, mehr Kontrollen oder einem zusätzlichen Vier-Augen-Prinzip. Die eigentliche Ursache bleibt dabei unberührt: die Daten dahinter. Denn jede Automatisierungsregel, jede Versandlogik, jede Bestandsbuchung im ERP arbeitet auf Basis der hinterlegten Stammdaten. Automatisierung verstärkt in diesem Fall nicht deine Effizienz, sondern deine Fehler.

Schlechte Stammdaten kosten dich Zeit und Vertrauen 

Sind die Daten falsch, unvollständig oder inkonsistent, produziert das System konsequent falsche Ergebnisse: Für einen Artikel ohne korrekte Gewichtsangabe im ERP berechnet die Versandlogik das falsche Porto. Fehlen die Maßangaben, kann der Shop keine korrekte Größentabelle anzeigen. Bei doppelt vergebenen EAN bucht das Lager auf den falschen Artikel. Keiner dieser Fehler liegt im Prozess. Alle liegen in den Artikelstammdaten. Diese Fehler kosten dich wertvolle Zeit.

Und mehr noch: Vertrauen entsteht im e-Commerce durch zuverlässige Erfahrungen. Für deine Kundschaft sind solche Datenfehler nicht sichtbar, wohl aber die Konsequenzen. Wer einen falschen Artikel erhält, zweimal nachfragt, wo die Bestellung bleibt, eine vermeidbare Retoure aufgeben muss, kauft beim nächsten Mal woanders.

Welche Auswirkungen haben fehlerhafte Stammdaten? 

Schadenstyp 1: Steigende Retourenquote 

Das Retourenaufkommen ist im deutschen e-Commerce strukturell hoch. Laut einer Studie des EHI Retail Institute aus dem Jahr 2025 verzeichnen fast 90 % aller Händler Retourenquoten von bis zu 50 %. Mehr als ein Zehntel der befragten Händler gibt sogar Quoten jenseits der 50 % an. Im Elektronikbereich liegt die Retourenquote durchschnittlich bei 15 bis 20 %. Ein Teil davon ist unvermeidbar. Doch der vermeidbare Teil ist oft auf fehlerhafte oder unvollständige Stammdaten zurückzuführen.

Das sind die häufigsten Gründe für Retouren, die direkt auf die Qualität der Produktdaten zurückzuführen sind:

Wenn Produktbeschreibungen und Attribute nicht vollständig gepflegt sind, können auch Marktplätze wie Amazon oder Kaufland die Artikel nicht korrekt darstellen. Kund:innen bestellen auf Basis unvollständiger Informationen und schicken frustriert zurück, was nicht ihren Erwartungen entspricht.

Jede vermeidbare Retoure kostet. Laut EHI Retail Institute liegen die durchschnittlichen Kosten pro retourniertem Artikel im E-Commerce zwischen 5 und 10 Euro, bei großvolumigen beziehungsweise teuren Artikeln sogar zwischen 10 und 20 Euro.

Schadenstyp 2: Falschauslieferungen 

Eine Falschauslieferung ist teurer als eine Retoure. Du trägst die Kosten für den Rückversand, den erneuten Versand des richtigen Artikels und – wenn die jeweilige Peson nicht mehr wartet – für den Verlust des Auftrags. Dazu kommt der Reputationsschaden, besonders auf Marktplätzen, wo Bewertungen direkt die Sichtbarkeit beeinflussen.

Die häufigsten Ursachen für Falschauslieferungen liegen nicht im Lager, sondern in den ERP-Stammdaten:

• Fehlerhafte oder doppelte EAN/SKU
  ⁠Wenn zwei Artikel dieselbe EAN tragen oder eine EAN falsch hinterlegt ist, greift das Lagersystem beim Scan auf den falschen Datensatz zu. Die Picker:innen nehmen den richtigen Artikel, doch das System bucht den falschen.
• Fehlende Variantenzuordnung
  ⁠Gerade bei Artikeln mit mehreren Varianten (Größe, Farbe, Ausführung) ist die saubere Zuordnung jeder Variante zu einer eigenen SKU entscheidend. Fehlt diese Zuordnung oder ist sie inkonsistent, werden Varianten vermischt. Ein Kunde bestellt Größe M in Blau, bekommt L in Schwarz.
• Doppelte Artikelanlage
  ⁠Wenn derselbe Artikel mehrfach im System angelegt ist (etwa, weil er einmal manuell und einmal per Import erstellt wurde), entstehen parallele Bestandsbuchungen. Beide Datensätze zeigen Bestand, aber nur einer ist physisch vorhanden. Das führt zu Überverkäufen und Falschlieferungen.

Die Kettenreaktion ist dabei das eigentliche Problem: Eine Falschauslieferung erzeugt eine Retoure, die Retoure erzeugt eine Bestandsbuchung auf den falschen Artikel, die falsche Buchung erzeugt den nächsten Fehler. Wer die Ursache nicht in den Stammdaten behebt, laboriert nur an einem Symptom.

Schadenstyp 3: Prozessstopps im ERP 

Das ist der Schadenstyp, der am wenigsten sichtbar ist, intern aber am meisten Aufwand erzeugt. Ein Auftrag steckt im Status fest. Niemand weiß, warum, bis jemand es manuell prüft. Ein fehlendes Pflichtfeld erweist sich als Fehlerquelle, jemand trägt es händisch nach und gibt den Auftrag frei. Das sind in diesem Fall einmalig zehn Minuten Aufwand. Doch multipliziert mit 30 Aufträgen pro Tag, an fünf Tagen pro Woche, ergibt das eine Vollzeitstelle, die ausschließlich Datenfehler korrigiert.

Wie Prozessstopps durch Fehler in den ERP-Stammdaten entstehen:

• Fehlende Pflichtfelder blockieren Automatisierungsregeln
  ⁠Wenn eine Automatisierungsregel im ERP prüft, ob ein Artikel einer bestimmten Steuerklasse zugeordnet ist, und dieses Feld leer ist, stoppt der Prozess. Der Auftrag wartet auf manuelle Freigabe.
• Inkonsistente Einheiten erzeugen Berechnungsfehler
  ⁠Wenn ein Artikel einmal in Stück und einmal in Karton (à 12 Stück) angelegt ist, ohne dass die Umrechnungseinheit hinterlegt ist, rechnet das ERP falsch. Bestellmengen, Lagerbestände und Lieferantenbestellungen stimmen nicht überein.
• Fehlende Lieferantenzuordnung verhindert automatische Nachbestellung
  ⁠Wenn kein Lieferant am Artikel hinterlegt ist, kann das ERP keinen automatischen Bestellvorschlag erzeugen. Der Einkauf muss manuell prüfen, welcher Lieferant für diesen Artikel zuständig ist (und das bei jedem Unterschreiten des Mindestbestands).

Das Ergebnis: Dein Team verbringt Zeit damit, Datenlücken zu schließen, die nie hätten entstehen dürfen. Und je mehr du automatisierst, desto teurer werden diese Lücken, weil jede Automatisierungsregel, die auf fehlerhafte Daten trifft, entweder stoppt oder falsch weiterläuft.

Welche Stammdatenfelder sind die kritischsten Fehlerquellen? 

Nicht jedes Feld ist gleich kritisch. Die folgende Übersicht zeigt die Felder, die in der Praxis am häufigsten Schäden verursachen, priorisiert nach Schadenstyp:

Wie ein sauberes ERP-Datenmodell Kosten durch schlechte Stammdaten verhindert 

Die Datenqualität in deinem e-Commerce-ERP ist kein einmaliges Bereinigungsprojekt. Wer einmal alle Artikel durchgeht, fehlende Felder ergänzt und doppelte Einträge löscht, hat das Problem zwar für heute gelöst, aber keineswegs dauerhaft. Schließlich kommen immer mal wieder neue Artikel hinzu, oder du erweiterst deine Varianten, während Lieferanten ihre EANs ändern können. Ohne eine strukturelle Lösung im ERP beginnt die zeitaufwendige Detektivarbeit in deinen Daten von vorn.

Ein sauberes ERP-Datenmodell verhindert Fehler auf drei Ebenen:

1. Pflichtfelder und Validierungsregeln 

In Xentral ERP kannst du für die Artikelverwaltung Pflichtfelder definieren, die beim Anlegen eines neuen Artikels ausgefüllt sein müssen, bevor der Datensatz gespeichert werden kann. EAN, Steuerklasse, Einheit – kein Artikel geht ohne diese Felder ins System. Das verhindert Lücken an der Quelle, damit sie sich nicht erst bemerkbar machen, wenn der Schaden eingetreten ist.

2. Variantenkonfiguration mit eigener SKU je Variante 

Jede Variante eines Artikels – jede Größe, jede Farbe, jede Ausführung – erhält eine eigene SKU und ist eindeutig im System identifizierbar. Xentral bildet Variantenartikel so ab, dass Lager, Versand und Marktplatzanbindung immer auf den richtigen Datensatz zugreifen. Keine Vermischung, keine Doppelbuchungen.

3. Einheitliche Datenstruktur für alle Kanäle 

Wenn du über mehrere Kanäle verkaufst (den eigenen Shop, Amazon, Kaufland, Großhandel), müssen alle Kanäle auf dieselbe Datenbasis zugreifen. Xentral Connect synchronisiert Artikeldaten zentral: Eine Änderung im ERP wird auf alle angebundenen Kanäle übertragen. So ist nie ein manuelles Nachpflegen in jedem System nötig.

Saubere Stammdaten als Voraussetzung für KI 

Die Automatisierung in Xentrals KI-nativem ERP kann dir eine enorme Zeit- und Kostenersparnis verschaffen. Dabei darfst du aber nicht übersehen: KI-Agenten arbeiten nur so gut wie die Daten, auf denen sie aufsetzen. Ein Agent, der eingehende Bestellmails liest und automatisch Aufträge anlegt, braucht eine eindeutige SKU-Zuordnung. Ein Agent, der Retouren verarbeitet und den Bestand korrigiert, braucht eine saubere Variantenzuordnung. Ein Agent, der Eingangsrechnungen prüft und freigibt, braucht eine korrekte Lieferantenzuordnung am Artikel.

Fehlen diese Felder oder sind sie inkonsistent, kann der Agent keinen sinnvollen Vorschlag vorbereiten und gibt die Aufgabe zurück an dein Team. Das ist eine Sicherheitsfunktion, die für dich aber zunächst noch einmal manuellen Aufwand bedeutet, den du durch KI ja eigentlich einsparen willst. Du siehst, es ist essenziell, dass die Datengrundlage stimmt.

In Xentral sind KI-Agenten im Agent Hub darauf ausgelegt, operative Aufgaben zu übernehmen und menschliche Entscheidungen vorzubereiten: Retourenverarbeitung, Lieferauskunft, Rechnungsverarbeitung, Zahlungsabgleich. Aber sie können das nur dann zuverlässig tun, wenn die Stammdaten dahinter stimmen. Wer seine Daten nicht bereinigt, kann KI nicht sinnvoll einsetzen. Du siehst, das ist kein technisches Argument, sondern ein grundlegend geschäftliches.

ERP-Stammdaten bereinigen: Wo anfangen? 

Wenn du mit dem Bereinigen deiner Stammdaten im ERP anfangen willst, empfehlen wir diese Reihenfolge:

Schritt 1: EAN-Duplikate prüfen 

Exportiere alle Artikel mit EAN aus deiner Artikelverwaltung (in Xentral über die Artikelübersicht als CSV-Export). Öffne die Datei in Excel oder Google Sheets und nutze die Funktion „Duplikate markieren" (bedingte Formatierung → doppelte Werte). Jede EAN, die mehr als einmal im ERP auftaucht, ist ein potenzieller Kandidat für eine Falschauslieferung. Besondere Aufmerksamkeit verdienen Artikel, die aus verschiedenen Quellen importiert wurden, etwa aus einem alten Shop-System oder per Lieferantendatei. Dort entstehen Duplikate am häufigsten, weil dieselbe EAN unter zwei verschiedenen internen Artikelnummern angelegt wurde. Das Ergebnis: Das Lager bucht auf Artikel A, der Versand greift auf Artikel B zu.

Schritt 2: Pflichtfelder auf Vollständigkeit prüfen 

Filtere in der Artikelübersicht gezielt nach leeren Feldern: Steuerklasse, Basiseinheit und Gewicht sind die drei Felder, die häufig fehlen und am direktesten Automatisierungsregeln blockieren. Fehlt die Steuerklasse, kann keine korrekte Rechnung erzeugt werden, sodass der Auftrag im Status hängenbleibt. Fehlt das Gewicht, kann kein Versandlabel automatisch berechnet werden. In Xentral kannst du über die Artikelübersicht nach befüllten und leeren Feldern filtern und so eine Arbeitsliste für die Bereinigung exportieren. Priorisiere dabei Artikel mit hohem Bestellvolumen zuerst, denn die verursachen bei fehlenden Pflichtfeldern den größten Schaden.

Schritt 3: Variantenzuordnung validieren 

Exportiere alle Variantenartikel und prüfe für jede Variante drei Dinge: Erstens: Hat jede Variante eine eigene, eindeutige SKU? Zweitens: Ist jede Variante einem konkreten Lagerplatz zugeordnet oder läuft alles auf den Hauptartikel? Drittens: Ist die Marktplatzzuordnung korrekt, d. h. wird auf Amazon die richtige ASIN der richtigen Variante zugeordnet? Ein typischer Fehler: Größe M und Größe L haben dieselbe SKU, weil beim Import nur der Hauptartikel übertragen wurde. Das Lager bucht korrekt auf den Hauptartikel, der Versand greift auf die falsche Variante zu. Auf Marktplätzen führt das direkt zu negativen Bewertungen und erhöhter Retourenquote.

Schritt 4: Lieferantenzuordnung ergänzen 

Filtere alle Artikel ohne hinterlegten Lieferanten. Das sind die Artikel, für die dein ERP keinen automatischen Bestellvorschlag erzeugen kann, selbst wenn der Mindestbestand unterschritten ist. Ergänze für jeden dieser Artikel mindestens: Lieferant, Lieferantenartikelnummer und Lieferzeitraum in Werktagen. Wenn du mehrere Lieferanten für denselben Artikel hast, lege einen Hauptlieferanten fest und hinterlege Alternativlieferanten als Ausweichlösung. Das ist die Voraussetzung dafür, dass ein Xentral KI-Agent Bestellvorschläge automatisch vorbereiten oder direkt auslösen kann, ohne dass jemand manuell nachschaut, wer diesen Artikel eigentlich liefert.

Schritt 5: Pflichtfelder im ERP konfigurieren 

Gehe in die Artikelkonfiguration und definiere, welche Felder beim Anlegen eines neuen Artikels zwingend befüllt sein müssen, bevor der Artikel gespeichert werden kann. In Xentral lässt sich das über die Feldkonfiguration in der Artikelverwaltung steuern. Empfehlenswert als Pflichtfelder: EAN, Steuerklasse, Basiseinheit, Gewicht, Lieferant und Lagerplatz. Wer diese Felder zukünftig nicht befüllt, kann den Artikel nicht speichern; das verhindert, dass neue Artikel mit genau den Lücken in den Bestand wandern, die du gerade bereinigt hast. Dieser Schritt ist der einzige, der aus einer einmaligen Bereinigung einen dauerhaften Standard macht.

Fazit: Wenn du deine Stammdaten kennst, kannst du auch deinen Prozessen vertrauen 

Schlechte Produktdaten sind bei Fehlern im e-Commerce selten das Erste, woran man denkt. Aber wenn Retouren steigen oder Aufträge feststecken, sind sie häufig die eigentliche Ursache. Und im Gegensatz zu Prozessfehlern lassen sie sich strukturell lösen. Was du brauchst, ist ein ERP-Datenmodell, das Qualität von Anfang an sicherstellt.

Die Stammdatenpflege in deinem ERP ist die Grundlage für Automatisierung. Saubere Stammdaten ermöglichen es KI-Agenten, echte operative Arbeit zu übernehmen und Entscheidungen vorzubereiten, ohne dass jemand manuell eingreifen muss.