OTTO macht mehr als 19 Millionen Produkte über ein ChatGPT-Plugin auffindbar. Das klingt zunächst wie eine weitere Commerce-News über künstliche Intelligenz. Für Unternehmen mit komplexen Produktdaten ist jedoch etwas anderes entscheidend: Der Case zeigt, wie KI zu einem neuen Zugangskanal für ein Sortiment wird – und welche Arbeit dafür unterhalb der sichtbaren Chat-Oberfläche notwendig ist.

Denn eine KI kann nur dann sinnvoll beraten, wenn sie aktuelle Produktinformationen kontrolliert abfragen kann. Sie braucht verständliche Attribute, eindeutige Produktbeziehungen, freigegebene Dokumente und verbindliche Zugriffsregeln. Der technische Zugang allein löst diese Aufgaben nicht.

Genau darin liegt die Bedeutung des OTTO-Cases für PIM-, Commerce- und Portalprojekte: Nicht der Chat ist die eigentliche Innovation, sondern die Verbindung zwischen einer neuen Interaktionsform und einer beherrschten Daten- und Systemarchitektur.

Der OTTO-Case in Kürze

Nach Angaben von OTTO können Nutzerinnen und Nutzer das OTTO-Plugin in ChatGPT aktivieren und sich zu mehr als 19 Millionen Produkten beraten lassen. Die Produktsuche beginnt im Dialog. Für Kauf, Zahlung und zusätzliche Services wechseln Interessierte weiterhin in den OTTO-Onlineshop.

Die technische Grundlage ist ein API-Endpunkt auf Basis des Model Context Protocol, kurz MCP. Er wurde gemeinsam mit dem konzerneigenen Technologie- und Consultinganbieter one.O entwickelt. MCP schafft eine standardisierte Möglichkeit, über die KI-Anwendungen definierte Daten und Funktionen eines angebundenen Systems nutzen können.

Wichtig ist die Abgrenzung: OTTO zeigt aktuell eine neue Form der Produktsuche und Beratung. Der Case ist noch kein vollständig autonomer Einkauf in ChatGPT. Bestellungen, Lagerbestände, Preise oder Änderungen in angebundenen Systemen beschreibt OTTO als mögliche weiterführende Anwendungen.

Was uns der Case konkret zeigt

1. KI wird zu einem zusätzlichen Zugang zum Produktsortiment

Websites, Shops, Apps und Kundenportale bleiben bestehen. Ergänzt wird diese Landschaft um eine dialogbasierte Interaktionsschicht. Nutzer müssen sich nicht mehr zwingend durch Kategorien und Filter bewegen. Sie können einen Bedarf formulieren: „Ich suche ein Gerät für diesen Anwendungsfall, mit diesen Eigenschaften und in diesem Budget.“

Damit verändert sich nicht nur die Oberfläche. Produktdaten müssen so strukturiert sein, dass Systeme einen beschriebenen Bedarf mit Eigenschaften, Varianten, Beziehungen und Einschränkungen verbinden können. Ein Feldwert allein reicht dafür oft nicht aus. Benötigt werden verständliche Bedeutungen, saubere Einheiten, Synonyme, Produktbeziehungen und klare Gültigkeiten.

2. MCP standardisiert den Zugriff – nicht die Produktdaten

Ein MCP-Server kann einer KI definierte Werkzeuge anbieten: etwa Produkte suchen, einen Datensatz abrufen oder ein freigegebenes Dokument bereitstellen. Das vereinfacht die technische Anbindung. Der Standard beantwortet aber nicht die fachlichen Fragen hinter dem Zugriff:

  • Sind die benötigten Produktattribute vollständig und eindeutig?
  • Welche Variante, Sprache und Marktversion ist gemeint?
  • Welche Preise und Verfügbarkeiten gelten für welchen Kunden?
  • Welche Dokumentversion ist aktuell und freigegeben?
  • Welches System ist bei widersprüchlichen Angaben führend?
  • Welche Informationen dürfen öffentlich oder kundenspezifisch ausgegeben werden?

MCP macht Daten für KI-Anwendungen erreichbar. Ob daraus eine richtige, sichere und nützliche Antwort entsteht, entscheidet sich weiterhin im Datenmodell, in der Datenqualität und in den Prozessen der angebundenen Systeme.

3. Das PIM wird nicht ersetzt, sondern wichtiger

Eine KI-Anwendung sollte Produktinformationen nicht frei erfinden und sich auch nicht auf veraltete Textbestände verlassen. Für belastbare Antworten braucht sie eine verlässliche Quelle. Genau hier übernimmt das PIM eine zentrale Rolle: Es strukturiert Informationen, führt Quellen zusammen, verwaltet Freigaben und stellt definierte Daten für unterschiedliche Kanäle bereit.

Mit KI kommt ein weiterer Kanal hinzu. Für das Produktdatenmanagement bedeutet das:

  • Attribute brauchen klare Definitionen und konsistente Werte.
  • Varianten, Zubehör und kompatible Produkte müssen maschinell verknüpft sein.
  • Freigabestatus und Gültigkeit müssen strukturiert vorliegen.
  • Sprachen, Länder und Zielgruppen benötigen eindeutige Zuordnungen.
  • Die Schnittstelle darf nur den fachlich vorgesehenen Ausschnitt veröffentlichen.

Die Antwortqualität eines KI-Assistenten wird damit zu einem sehr direkten Test der vorhandenen Produktdatenqualität.

4. Der sinnvolle Einstieg ist lesend und klar begrenzt

Der OTTO-Case beginnt bei Beratung und Produktsuche, nicht bei autonomen Bestellungen. Das ist auch für andere Unternehmen ein sinnvoller Einstieg. Ein lesender Anwendungsfall liefert einen überprüfbaren Nutzen, ohne sofort Transaktionen oder Stammdaten zu verändern.

Geeignete erste Anwendungen sind beispielsweise:

  • Produkte anhand technischer Anforderungen finden und vergleichen,
  • passendes Zubehör oder kompatible Komponenten ermitteln,
  • freigegebene Datenblätter, Zertifikate und Anleitungen bereitstellen,
  • Produktinformationen nach Sprache oder Zielmarkt ausgeben und
  • Service und Vertrieb bei wiederkehrenden Produktfragen unterstützen.

Erst wenn Datenqualität, Antwortverhalten und Rechteprüfung funktionieren, sollte der Umfang erweitert werden. Veränderungen von Daten, Reservierungen oder Bestellungen benötigen zusätzliche Kontrollen, Bestätigungen und nachvollziehbare Transaktionsgrenzen.

Was der Case für B2B-Portale bedeutet

Im B2B-Umfeld reicht ein allgemeiner Produktkatalog selten aus. Kunden können unterschiedliche Sortimente, Preise, Verträge, Dokumente und Serviceinformationen sehen. Ein KI-Assistent darf diese Regeln nicht umgehen.

Authentifizierung und Autorisierung müssen deshalb vor dem Datenzugriff greifen – nicht erst bei der Formulierung der Antwort. Das betrifft insbesondere kundenspezifische Konditionen, eingeschränkte Produktprogramme, unveröffentlichte Produkte, technische Dokumente sowie Bestell-, Liefer- und Rechnungsdaten.

Ein MCP-Endpunkt ist damit keine Abkürzung um ein Kundenportal herum. Er ist ein zusätzlicher Zugang zur vorhandenen Identitäts-, Rechte-, Daten- und Prozesslogik. Die KI darf eine Berechtigung nicht interpretieren. Das angebundene System muss verbindlich entscheiden, welche Information ausgegeben werden darf.

Welche Rolle Pimcore 2026.3 dabei spielen kann

Mit Pimcore Platform 2026.3 ist die MCP-Unterstützung für Datahub Simple REST nicht mehr als experimentell gekennzeichnet. Datahub Simple REST ermöglicht einen konfigurierbaren, lesenden Zugriff auf Datenobjekte und Assets. Der freigegebene Datenumfang lässt sich über die jeweilige Datahub-Konfiguration begrenzen.

Zusätzlich schafft Pimcore mit OAuth 2.0 eine Grundlage für die Authentifizierung externer Anwendungen und KI-Agenten. Damit können Zugriffe an bestehende Identitäten und Berechtigungsstrukturen angebunden werden, statt neben der Plattform eine unabhängige Rechtewelt aufzubauen.

Pimcore liefert damit keinen fertigen KI-Verkaufsberater. Die Plattform stellt jedoch wichtige technische Bausteine bereit, um ausgewählte Produktinformationen, Assets und Dokumente kontrolliert für KI-Anwendungen zugänglich zu machen.

Ein möglicher B2B-Testfall: Dokumente sicher finden

Das von polargold entwickelte Datenblattportal für Mankiewicz verwaltet große Bestände technischer Datenblätter und stellt freigegebene Dokumente im Self-Service bereit. Als gedankliches Testszenario lässt sich daran zeigen, wie eine lesende MCP-Anbindung aussehen könnte:

  1. Ein angemeldeter Nutzer fragt nach einem Produkt, einer Sprache oder einem Dokumenttyp.
  2. Die KI übersetzt die Frage in strukturierte Suchparameter.
  3. Der MCP-Endpunkt fragt ausschließlich den freigegebenen Datenbestand ab.
  4. Das System prüft Produktzuordnung, Sprache, Version, Freigabe und Zugriffsrecht.
  5. Der Nutzer erhält einen nachvollziehbaren Verweis auf das aktuelle Dokument.

Dieses Beispiel ist keine Aussage über eine bestehende oder geplante MCP-Integration im Kundenprojekt. Es verdeutlicht, wie sich ein bereits klar geregelter Informationsprozess kontrolliert um eine dialogbasierte Zugriffsmöglichkeit ergänzen ließe.

Was Unternehmen jetzt prüfen sollten

Die erste Frage lautet nicht: „Wie binden wir ChatGPT an?“ Zielführender ist: „Für welche wiederkehrende Produktfrage können wir bereits heute eine verlässliche, freigegebene Antwort aus unseren Systemen liefern?“

Ein sinnvoller Pilot umfasst sechs Schritte:

  1. Einen konkreten lesenden Use Case und seine Zielgruppe auswählen.
  2. Produkte, Attribute, Dokumente und Nutzergruppen klar abgrenzen.
  3. Datenqualität, Quellen und Freigaben im PIM prüfen.
  4. Nur die tatsächlich benötigten Daten und Werkzeuge über MCP bereitstellen.
  5. Authentifizierung, Berechtigungen und Protokollierung verbindlich umsetzen.
  6. Antwortqualität mit realistischen Fragen testen und erst danach erweitern.

So wird MCP nicht zum Selbstzweck. Ein begrenzter Pilot zeigt, ob Daten und Prozesse bereits belastbar genug für einen KI-Zugang sind – und an welchen Stellen zunächst das Datenmodell, die Pflege oder die Rechtearchitektur verbessert werden müssen.

Was polargold daraus für Kunden ableitet

Der OTTO-Case ist kein Bauplan, der sich unverändert auf jedes Unternehmen übertragen lässt. Er liefert aber einen klaren Beleg: KI entwickelt sich zu einem neuen Zugang zu Sortimenten und produktbezogenen Services. Wer diesen Kanal nutzen möchte, muss die Verbindung zu seinen Daten und Prozessen kontrollieren können.

polargold verbindet PIM, Portale und vorhandene Unternehmenssysteme zu belastbaren Informationsprozessen. Wir unterstützen Unternehmen dabei, geeignete Anwendungsfälle auszuwählen, Produktdaten für dialogbasierte Abfragen zu strukturieren, Pimcore Datahub und bestehende Schnittstellen anzubinden sowie Rollen, Freigaben und kundenspezifische Berechtigungen in einen sicheren Pilotbetrieb zu überführen.

Der entscheidende Schritt beginnt daher nicht beim Chatbot. Er beginnt bei der Frage, welche Produktinformationen für wen, in welcher Version und aus welcher verbindlichen Quelle bereitgestellt werden dürfen.

Produktdaten mit AI anreichern: Von der Extraktion bis zur Freigabe · Datenblattportal für Mankiewicz · Pimcore PIM, DAM, CMS und DXP

Quellen und Einordnung

Stand: 26. Oktober 2026. Der beschriebene Mankiewicz-Anwendungsfall ist ein technisches Testszenario und keine Aussage über eine bestehende oder geplante MCP-Integration im Kundenprojekt.