Strukturierte PIM-Daten fließen von einem Katalog in Google Merchant Center und Marktplatz-Feeds

Google Merchant Center Produktdaten: PIM-Leitfaden für Händler

Google Merchant Center behandelt Produktdaten mittlerweile als Eingabeschicht für Shopping, kostenlose Einträge, Performance Max und KI-gestützte Produkterlebnisse. Der Feed ist damit mehr als nur ein Datei-Upload. Für Multichannel-Händler wird er zur öffentlichen Version des Katalogs: Jeder Titel, jedes Bild, jede GTIN, jeder Bestandsstatus, jede Kategorie, Variante und Produktbeziehung muss präzise genug sein, damit Google das Produkt zuordnen, filtern und erklären kann.

An diesem Punkt wachsen viele E-Commerce-Teams über Tabellenkalkulations-Korrekturen hinaus. Ein Shopify- oder WooCommerce-Katalog mag für den Webshop ausreichen, während Google, Amazon, OTTO, Zalando und Kaufland jeweils eine andere Version derselben Produktdaten verlangen. Der Händler jongliert dann mit einer Regel in Merchant Center, einer CSV für bol.com, einer manuellen Amazon-Vorlage und einer Agentur-Tabelle für Kampagnen. Das funktioniert, bis sich der Katalog ändert.

Merchant Center Mindestanforderung
7Kernfelder
Google nennt Titel, Beschreibung, Link, Bild, Preis, Verfügbarkeit und ID als operative Grundlage für die Produktauslieferung.

Das bessere Betriebsmodell nutzt ein PIM als zentrale Steuerungsebene für Produktdaten. ChannelDocks PIM-Feeds und PIM-Funktionsumfang basieren auf dieser Idee: Produktdaten einmal anreichern, pro Kanal zuordnen, Bereitschaft validieren und dann sauberere Daten über dieselbe operative Plattform verteilen, die bereits Marktplätze, Bestände und Bestellungen verwaltet.

Warum Google Merchant Center jetzt ein PIM-Problem ist

Googles eigene Produktdatenspezifikation ist eindeutig: Merchant Center nutzt übermittelte Produktdaten, um Produkte mit den richtigen Suchanfragen zu verknüpfen und Anzeigen in KI-gestützten Formaten zu optimieren. Die Konsequenz ist klar: Fehlen strukturierte Fakten im Feed, muss Google diese aus Titeln, Landingpages und Bildern ableiten. Enthält der Feed widersprüchliche Angaben, kann das Produkt seine Berechtigung verlieren oder bei falschen Suchintentionen erscheinen.

Der alte Feed-Workflow behandelte Merchant Center als Werbesetup: Feed erstellen, Diagnosen beheben, weitermachen. 2026 ist das zu kurz gedacht. IDs, Titel, Beschreibungen, Bildlinks, Preise und Verfügbarkeiten benötigen alle verwaltete Quelldaten – keine Last-Minute-Korrekturen.

150
Titel-Zeichen
Google Merchant Center Maximum für title oder structured_title
5.000
Beschreibungs-Zeichen
ausreichend Platz für Material, Anwendung, Passform und Kompatibilität
500×500
Bild-Minimum
angekündigt als universeller Produktbild-Standard ab 31. Januar 2027

Keine dieser Kontrollen gehört ausschließlich in Google Ads. Sie gehören vorgelagert dorthin, wo Merchandising-, Operations- und Marktplatz-Teams sich über den Produktdatensatz einigen. Das PIM sollte bestimmen, was das Produkt ist. Merchant Center sollte die Google-bereite Projektion dieses Produkts erhalten.

Die Lücke in den meisten Ranking-Ratgebern

Die meisten Google Shopping Feed-Leitfäden listen Attribute und Optimierungstipps auf: GTINs hinzufügen, Titel verbessern, bessere Bilder einreichen, Custom Labels verwenden. Diese Ratschläge sind nützlich, aber sie übersehen die operative Ebene. Händler scheitern nicht, weil sie nie von color, size oder item_group_id gehört haben. Sie scheitern, weil diese Werte inkonsistent über Produktvarianten, Metafelder, ERP-Exporte, Lieferantentabellen und Marktplatz-Überschreibungen hinweg gespeichert sind.

Forum-Threads von Shopify-Händlern zeigen das Muster deutlich: Die Farbe oder Altersgruppe scheint im Shop-Admin zu existieren, aber Merchant Center meldet trotzdem einen fehlenden Wert, weil das Feld nicht dem exakten Google-Attribut zugeordnet wurde. Amazon-Verkäufer erleben eine andere Version desselben Problems, wenn sich Browse-Nodes oder Pflichtattribute ändern. bol.com fügt sein eigenes Datenmodell mit obligatorischen Anreicherungsebenen, bedingten Attributen und vordefinierten LOV-Werten hinzu, die abgelehnt werden, wenn der Wert nicht zulässig ist. OTTO kennzeichnet Attribute mit Relevanz wie rechtlich, Filter, Suche und Navigation, wobei rechtliche Felder für den Upload verpflichtend sind.

Der Channel-Ready-Test

Die praktische PIM-Frage lautet nicht mehr „können wir einen Feed exportieren?" Sie lautet: „können wir beweisen, dass jeder Kanal die richtige Version jedes Attributs im erwarteten Format erhalten hat, bevor das Listing oder die Anzeige live geht?"

Ein PIM-Playbook muss die unordentliche Frage hinter der Checkliste beantworten: Wo lebt jede Information, wer ist dafür verantwortlich, welche Kanäle benötigen sie, und wie wissen wir, dass der exportierte Wert noch gültig ist, nachdem der Kanal sein Schema geändert hat?

Das Merchant Center-Datenmodell schichtweise aufbauen

Der stabilste Aufbau beginnt mit einem neutralen Produktmodell. Diese Schicht enthält Fakten, die kanalübergreifend unverändert bleiben sollten: interne SKU, Marke, GTIN, Herstellerteilenummer, Eltern-Kind-Beziehung, Abmessungen, Gewicht, Materialien, Pflegehinweise, Garantie, Compliance-Dokumente und zentrale Assets. Das sind keine Kampagnenideen, sondern Produktfakten.

Die zweite Schicht ist die Kanalprojektion. Google, Amazon, bol.com, Zalando und OTTO benötigen jeweils unterschiedliche Attributformate, gültige Werte und Bildregeln. Eine einzige "Beschreibung"-Spalte kann das nicht sicher abdecken.

Die dritte Schicht ist die Ausnahmeebene. Jeder Feed-Export sollte beantworten: Welche Produkte sind vollständig für Google, welche für Amazon, welche sind für bol.com blockiert, weil ein LOV-Wert ungültig ist, und welche sind nicht berechtigt, weil Bild, Bestand oder Preis nicht mit der Zielseite übereinstimmen? Ohne diese Schicht entdecken Teams defekte Produkte erst, nachdem der Traffic einbricht oder Listings abgelehnt werden.

  1. 1
    Die Produktidentitätsschicht fixieren
    SKU, GTIN, Marke, MPN und item_group_id stabil halten, bevor kanalspezifische Inhalte generiert werden. ID-Änderungen setzen das Lernen zurück und erzeugen doppelte operative Datensätze.
  2. 2
    Quellattribute von Kanalattributen trennen
    Neutrale Produktfakten im PIM speichern, dann kanalspezifisch in Google-, Amazon-, bol.com-, Zalando- und OTTO-Ausgabefelder mappen.
  3. 3
    Variantenregeln vor kreativen Texten definieren
    Bei Bekleidung und variantenreichen Katalogen Farb-, Größen-, Material-, Muster-, Geschlechts- und age_group-Regeln festlegen, bevor Titelvorlagen erstellt werden.
  4. 4
    Preis, Verfügbarkeit und Zielseiten-Übereinstimmung validieren
    Auch ein perfekter Feed scheitert, wenn Seite, Schema und übermittelte Daten bei Preis oder Lagerstatus nicht übereinstimmen.
  5. 5
    Über überwachte Feeds veröffentlichen
    Geplante Exporte, API-Pushes oder Feed-Monitoring nutzen, damit abgelehnte Werte, veraltete Bilder und fehlende Attribute eine Ausnahme-Warteschlange erzeugen statt stillen Traffic-Verlust.
Was Sie zuerst für Google Merchant Center zuordnen sollten

Beginnen Sie mit der Identität. Google, Marktplätze und interne Abläufe sind alle auf stabile IDs angewiesen. Die Produkt-id sollte sich nicht ändern, wenn ein Titel überarbeitet wird. GTINs sollten echt sein oder mit der richtigen Fallback-Logik fehlen; gefälschte Kennungen verursachen schlimmere Probleme als fehlende. Haupt- und Variantendatensätze benötigen eine einheitliche item_group_id, damit Farb-, Größen- und Materialoptionen als eine Familie und nicht als unabhängige Produkte interpretiert werden.

Ordnen Sie dann die sichtbaren Suchfelder zu: Titel, strukturierter Titel, Beschreibung, strukturierte Beschreibung, Bildlinks, zusätzliche Bilder und Produktkategorie. Händler, die generative Texte verwenden, sollten nachverfolgen, woher diese Texte stammen, anstatt sie blind mit manuell erstellten Katalogtexten zu vermischen.

Als nächstes ordnen Sie die bedingten und vertikalen Attribute zu. Bekleidungsprodukte benötigen Farbe, Größe, Geschlecht und age_group in Märkten, wo Google diese vorschreibt. Möbel und Elektronik können Material, Abmessungen, Energiezertifizierungen oder Dokumentenlinks erfordern. Für Produkte mit Zubehör, Alternativen oder erforderlichen Teilen kann related_product interne Merchandising-Beziehungen in strukturierte Suchsignale umwandeln.

Feed-basierter Workflow
  • Regeln werden in jedem Kanal-Tool separat verwaltet
  • Teams korrigieren abgelehnte Artikel erst nach deren Auftreten
  • Google, Amazon und OTTO entwickeln sich zeitlich auseinander
  • Varianten- und KI-Shopping-Attribute werden reaktiv hinzugefügt
Funktioniert bei kleinen Katalogen, versagt aber wenn jeder Kanal ein anderes Schema hat.
PIM-gesteuerter WorkflowEmpfohlen
  • Ein zentraler Produktdatensatz versorgt alle Vertriebskanäle
  • Vollständigkeitsprüfungen laufen vor der Veröffentlichung
  • Marktplatz-spezifische Zuordnungen sind versioniert
  • KI-bereite Felder werden als Katalogdaten behandelt, nicht als Kampagnen-Content
Optimal für Multi-Channel-Händler mit wiederkehrenden Produkteinführungen, Varianten und lokalisierten Feeds.
Preis-, Verfügbarkeits- und Landingpage-Konsistenz

Produktdatenteams konzentrieren sich oft auf Titel und Beschreibungen, weil diese Felder nach SEO aussehen. Aber Ablehnungen im Merchant Center entstehen häufig durch operative Unstimmigkeiten: Der Feed meldet "auf Lager", während die Seite "nicht verfügbar" anzeigt, der übermittelte Preis entspricht nicht dem sichtbaren Preis, oder strukturierte Daten auf der Seite widersprechen dem Feed. Googles Dokumentation zu Preisabweichungen nennt genau diese Fälle, einschließlich dynamischer Preise, Variantenvorauswahl, mehrfacher Preise und verzögertem Seitenaufbau.

Das bedeutet: Ein PIM kann nicht isoliert arbeiten. Es muss neben Bestandsverwaltung, Preisgestaltung und Kanalintegration stehen. ChannelDocks Integrationsebene hilft dabei, weil Produktfeeds, Marktplatz-Verbindungen und operative Daten nicht als getrennte Projekte behandelt werden. Ein Produkt, das nicht verkaufbar ist, sollte nicht als verfügbar dargestellt werden, nur weil die Feed-Datei vor dem Import der letzten Bestellung generiert wurde.

Die praktische Kontrolle ist ein "Verfügbarkeitsvertrag": Jeder Kanal erhält den Bestandsstatus, der zur Live-Landingpage und zum Marktplatz-Angebot passt. Wenn ein Produkt vorübergehend nicht verfügbar ist, sollte es korrekt als "nicht auf Lager" oder "Nachbestellung" markiert werden, anstatt gelöscht zu werden. Wenn eine Variante einen anderen Preis hat, sollte ihre URL diese Variante vorauswählen, damit Google denselben Preis sieht wie der Käufer.

Produktdaten für KI-Shopping optimieren

KI-Shopping-Assistenten verändern den Wert von Produktdaten grundlegend, da Käufer längere und spezifischere Fragen stellen. Statt nach "schwarzer Rucksack" zu suchen, fragen sie beispielsweise: "einen schwarzen wasserdichten Laptop-Rucksack für ein 16-Zoll MacBook mit Kofferband." Ein generischer Titel und eine zweizeilige Beschreibung sind schwache Signale für solche Anfragen, selbst wenn das Produkt technisch passt.

Googles neuere konversationelle Attribute weisen in dieselbe Richtung. Felder wie question_and_answer, related_product und popularity_rank liefern KI-gesteuerten Erlebnissen strukturierte Antworten über ein Produkt. Auch Amazon erklärt, dass vollständige Attribute Rufus, seinem KI-Shopping-Assistenten, helfen. Die Lehre daraus: Das PIM muss reichhaltig genug sein, damit neue KI-orientierte Felder aus verwalteten Fakten befüllt werden können.

Für einen Katalog mit Varianten, Bundles und Zubehör sollte das PIM mehr wissen als nur "das ist ein Schuh." Es sollte Anwendungsfall, Passform, Material, Kompatibilität, Pflegehinweise, Zubehör-Beziehungen, Ersatzteile, Bundle-Logik und Kundenfragen kennen. Diese Fakten können dann Google, Amazon, bol.com und die eigenen Produktseiten mit kanalspezifischer Formatierung versorgen.

Ein 30-Tage-PIM-Optimierungssprint

Ein Merchant Center Optimierungssprint lässt sich schnell starten. Erste Woche: Analyse der umsatzstärksten 20 Prozent Ihrer SKUs. Zweite Woche: Mapping-Regeln für Googles Pflichtfelder und wirkungsvolle Attribute erstellen. Dritte Woche: Dieselbe Logik auf Amazon, OTTO und einen Expansion-Marktplatz anwenden. Vierte Woche: Ausnahme-Reports einrichten, bevor Feeds veröffentlicht werden.

Das Ziel ist nicht die Perfektion aller Produkte am ersten Tag. Das Ziel ist, zu verhindern, dass Ihre wertvollsten SKUs durch vermeidbare Datenlücken ausgebremst werden. Ein Händler mit 10.000 SKUs braucht nicht 10.000 manuelle Korrekturen. Er braucht ein System, das wiederkehrende Korrekturen in wiederverwendbare Regeln verwandelt.

Sobald dieses System steht, wird jeder neue Marktplatz-Launch schneller. Eine neue Google-Anforderung wird zu einem Mapping-Update, nicht zu einer Tabellenkalkulations-Panik. Ein neues OTTO-Attribut wird zu einer Vollständigkeitsregel. Ein neues KI-Shopping-Feld wird zu einem weiteren kontrollierten Output aus demselben Produktdatensatz.

Was das für Multichannel-Händler bedeutet
  • Google Merchant Center als Produktdaten-Abnehmer betrachten, nicht nur als Werbeziel.
  • Das PIM als einzige Quelle der Wahrheit für Fakten führen; Kanal-Regeln als Mappings und Transformationen behandeln.
  • Ausnahmebehandlung priorisieren: Fehlende Farben, ungültige Listenwerte, veraltete Preise und Varianten-URL-Probleme sollten sichtbar sein, bevor Werbebudget verloren geht.
  • Feed-Qualitätsarbeit nutzen, um KI-Suchoberflächen sowie Shopping-Anzeigen und Marktplatz-Listings zu unterstützen.
Häufig gestellte Fragen
Welche Produktdaten sollte ein PIM an Google Merchant Center übertragen?
Mindestens stabile ID, Titel, Beschreibung, Produkt-URL, Bild-URL, Preis und Verfügbarkeit, plus Kennzeichnungen wie GTIN, Marke oder MPN falls zutreffend. Für bessere Performance sollten Sie Kategorie, product_type, item_group_id, Varianten-Attribute, Produktdetails, Highlights und verwandte Produkte zuordnen.
Sollten Google-Feed-Titel identisch mit den Webshop-Produkttiteln sein?
Sie sollten dasselbe Produkt beschreiben, müssen aber nicht identisch sein. Viele Händler verwenden kundenfreundliche Titel im Webshop und nutzen PIM-Regeln, um kanalspezifische Google-Titel zu generieren, die Marke, Produkttyp und wichtige Varianten-Attribute enthalten.
Warum zeigen Shopify-Produkte fehlende Farbe, Größe, Geschlecht oder age_group im Merchant Center?
Meist existiert der Wert irgendwo in Shopify, aber die Feed-App ordnet ihn nicht dem exakten Google-Attribut zu. Ein PIM-gesteuertes Setup löst dies, indem es interne Varianten-Felder vor dem Export den erwarteten Google-Feldern für color, size, gender und age_group zuordnet.
Wie helfen PIM-Daten KI-Shopping-Assistenten?
KI-Shopping-Systeme benötigen strukturierte Fakten, nicht nur Fließtext. Attribute wie product_detail, product_highlight, question_and_answer, related_product und variant_option geben Google und Marktplatz-Assistenten klarere Antworten zu Kompatibilität, Unterschieden und Anwendungsfällen.
Ist das nur für Google Shopping-Anzeigen relevant?
Nein. Dasselbe Governance-Modell verbessert kostenlose Einträge, Performance Max, Googles KI-gestützte Formate und Marktplatz-Feeds für Amazon, bol.com, Zalando, OTTO und Kaufland. Saubere Produktdaten wirken sich kanalübergreifend positiv aus.
Fazit

Produktdaten im Google Merchant Center sind heute Teil SEO, Teil operative Abläufe und Teil KI-Bereitschaft. Teams, die diese als reine Kampagnen-Infrastruktur behandeln, werden dieselben Fehler in verschiedenen Tools immer wieder beheben müssen. Teams, die das Problem als PIM-Governance angehen, veröffentlichen sauberere Feeds, erholen sich schneller von Kanal-Änderungen und liefern Google, Amazon, OTTO und anderen Marktplätzen die strukturierten Produktdaten, die sie benötigen.

Für Multichannel-Händler ist die Erfolgsstrategie eindeutig: einen vertrauenswürdigen Produktdatensatz führen, diesen intelligent pro Kanal zuordnen, vor der Veröffentlichung validieren und Produktdaten mit echten Bestands- und Bestellabläufen verknüpfen. So wird aus der PIM-Datenbank ein Wachstumssystem.