Peak-Saison: Dein Werbebudget skaliert Deine Datenfehler mit

Anfang November hat Microsoft Advertising auf der Veranstaltung Digital Bash On Tour x Smarketer Group in Köln gezeigt, wie Händler die bevorstehende Weihnachtssaison 2026 angehen sollen. Erforderlich sind dafür Daten zu Verbrauchertrends, zum Kaufverhalten und ein Aktivierungsplan, der Woche für Woche festlegt, wann Awareness aufgebaut, die Kaufentscheidung angeschoben und konvertiert wird. Produktkataloge bilden längst nicht mehr nur die Grundlage klassischer Shopping-Anzeigen. Über feedbasierte Audience-Kampagnen und Performance Max lassen sich Produktdaten auch für Display- und Native-Anzeigen nutzen. Eine Voraussetzung steht allerdings in keinem Mediaplan: Produktdaten, die den Peak aushalten.

Budgets für die Peak-Saison werden auf die Woche genau verteilt. Für die Produktdaten, die dieses Budget ausspielt, gibt es selten einen vergleichbaren Plan. Ich halte das für den teuersten blinden Fleck im Performance Marketing: Wer im Peak Reichweite einkauft, kauft Sichtbarkeit für jeden Fehler in seinem Feed gleich mit. Denn fehlerhafte Produktdaten können im Peak zwei unterschiedliche Probleme erzeugen: Entweder werden Anzeigen mit falschen Informationen ausgespielt und verursachen unnötige Werbekosten - oder Plattformen lehnen die betroffenen Produkte ab und wertvolle Verkaufschancen gehen verloren.

‍

Im Peak zahlst Du für jeden Datenfehler mehrfach

Zwischen Black Friday am 27. November 2026 und Weihnachten sind Produktdaten bei einigen Händlern auch so instabil wie im ganzen Jahr nicht. Preise ändern sich teils mehrmals am Tag, und wer eine Preisermäßigung bewirbt, muss den niedrigsten Preis der letzten 30 Tage angeben. Viele Aktionsartikel sind nach wenigen Stunden ausverkauft, manche Bundles und Varianten entstehen kurzfristig, um Lagerbestände zu leeren. Ausgerechnet für diese Wochen sehen die Aktivierungspläne das höchste Budget vor. Was dann passiert, kennt jeder, der schon einmal einen Peak begleitet hat:

• Die Anzeige zeigt den Preis von gestern, aber heute gilt ein aktueller Rabatt.
• Die beworbene Variante ist ausverkauft, aber sie wird als verfügbar gekennzeichnet.
• Der Titel enthält eine interne Artikelbezeichnung, mit der kein Mensch etwas anfangen kann.

Diesen Klick auf die Anzeige hast Du bezahlt, aber Kundinnen und Kunden treffen auf ein Versprechen, das Dein Shop nicht einlöst. Doch die Plattformen schauen dabei nicht tatenlos zu. Google gleicht Preis und Verfügbarkeit im Feed mit der Zielseite ab und lehnt Produkte bei Abweichungen ab (Google: Anforderungen an Landingpages). Im ungünstigsten Fall verschwindet Dein Bestseller mitten in der Cyber Week aus der Ausspielung. Wertvolle Sichtbarkeit und potenzieller Umsatz gehen verloren, obwohl das geplante Werbebudget weiterhin zur Verfügung steht - und Dein Budget auf die verbleibenden Artikel ausweicht. Microsoft baut seine Shopping-Kampagnen ebenfalls auf einem Produktkatalog im Merchant Center auf (Microsoft Advertising: Shopping-Kampagnen), und mit Display- und Native-Flächen erreicht derselbe Katalog noch mehr Menschen. Reichweite verstärkt, was im Feed steht. Mehr Flächen bedeuten mehr Menschen, die Deine Datenfehler sehen, und mehr bezahlte Kontakte, die ins Leere laufen.

Ein Führungsproblem: Wenn der Feed niemandem gehört

Das Marketing optimiert Gebote und Kampagnen, das E-Commerce-Team betreut den Shop, die IT verantwortet die Schnittstellen und das Produktmanagement die Stammdaten. Jede dieser Rollen macht ihren Job, doch der Feed liegt dazwischen, während oft niemand für das Ergebnis über alle Systemgrenzen hinweg zuständig ist.

Im Peak wird daraus ein teures Ritual: Das Merchant Center meldet abgelehnte Artikel, der Alarm landet im Marketing, die Ursache steckt in einer Kategoriezuordnung im PIM oder in einem Preisabgleich aus dem ERP. Wer das beheben könnte, arbeitet gerade ein Ticket in einer anderen Abteilung ab und reagiert erstmal nicht darauf. Noch ein höheres Gebot auf die Anzeigenplatzierung löst davon nichts.

Ich halte es deshalb für falsch, Produktdaten als Marketingthema zu behandeln. Wer das tut, delegiert eine Führungsfrage an das Team, das die Folgen als Erstes sieht und die Ursachen am wenigsten beeinflussen kann. Bevor das erste Peak-Budget freigegeben wird, gehören drei Antworten auf den Tisch der Geschäftsführung zur gemeinsamen Diskussion: Wer verantwortet die fachliche Richtigkeit der Produktdaten? Wer verantwortet den Datenfluss bis in den Kanal? Wer reagiert, wenn am Black Friday um 10 Uhr ein falscher Preis ausgespielt wird?

Weder PIM noch AI nehmen Dir diese Entscheidung ab

Ein PIM-System ist ein starkes Werkzeug, um Produktinformationen zu strukturieren und an viele Kanäle zu verteilen. Wer welche Daten freigibt, wie aktuell Preise und Bestände sein müssen und welches System für welches Attribut führend ist, beantwortet es nicht. Das sind Architektur- und Organisationsentscheidungen, und sie gehören vor die Softwareauswahl.

Mit AI verhält es sich ähnlich, nur mit höherem Risiko. AI kann Produktdaten klassifizieren, Lücken finden und Texte für verschiedene Kanäle vorbereiten. Bei großen Sortimenten spart das enorm viel Handarbeit. Gleichzeitig füllt AI Lücken plausibel, und im Feed ist plausibel gefährlich: Ein erfundenes Material, eine geratene Kompatibilität oder ein halluziniertes Maß steht in der Anzeige genauso überzeugend wie ein geprüftes. Wer AI in die Datenanreicherung holt, braucht Regeln, nachvollziehbare Quellen und eine menschliche Freigabe überall dort, wo Fehler wirtschaftlich oder rechtlich zählen.

Hinzu kommt mittlerweile AI als eigener Kanal. In Deutschland haben laut McKinsey ConsumerWise bereits 66 Prozent der Konsumenten grundsätzlich AI genutzt. Insbesondere beim Online-Shopping ist AI ebenfalls angekommen: In unserer Studie "AI im E-Commerce" haben 57,2 Prozent der 1.001 Befragten schon Chatbots oder AI-Assistenten in Online-Shops genutzt.

Mit externen AI-Assistenten entsteht für Händler und Marken ein zusätzlicher Touchpoint, an dem sie die Darstellung ihrer Produkte nicht mehr vollständig selbst kontrollieren. Umso wichtiger wird eine Produktdatenbasis, die über alle angeschlossenen Kanäle hinweg verlässlich ist, denn jeder Kanal hat eigene technische Anforderungen und Aktualisierungsmechanismen.

Für Unternehmen sieht der AI-Einsatz noch anders aus. Die Expertenbefragung zeigt eine auffällige Diskrepanz: Während zehn der 17 Befragten ihre Shop-Systeme technisch für weitgehend AI-fähig halten, bewerten nur zwei ihre Produktdaten als vollständig strukturiert und direkt AI-fähig. Das deutet darauf hin, dass nicht allein die technische Anbindung, sondern auch die Qualität der bereitgestellten Informationen zur Herausforderung wird. Die Kunden sind bei der AI-Nutzung weiter als die AI-Readiness der Shopbetreiber mit ihren Produktdaten.

‍Im B2B kommt übrigens noch eine weitere Ebene hinzu: Kundenindividuelle Preise, geschlossene Kataloge und Freigaben pro Kunde lassen sich nicht eins zu eins in einen öffentlichen Feed übertragen. Trotzdem stellt sich die Verantwortungsfrage dort in derselben Schärfe.

Plane Deine Daten so genau wie Dein Budget

Ein Aktivierungsplan für Ad-Kampagnen arbeitet in Wochen. Ich empfehle, sich viel früher auf einen Datenplan zu fokussieren und diesen mindestens auf denselben Takt zu legen. Vier Fragen reichen für jede Woche bis Weihnachten:

• Sortiment: Welche Deiner wichtigsten Artikel sind im Kanal live und freigegeben, welche fehlen oder wurden abgelehnt?
• Tempo: Wie lange braucht eine Preisänderung aus dem führenden System bis in den Feed und auf die Produktseite?
• Konsistenz: Wo weichen Anzeige, Feed und Zielseite voneinander ab?
• Zuständigkeit: Wer behebt eine Abweichung, bis wann, und wer prüft, ob die Korrektur im Kanal angekommen ist?

Wenn die Antwort auf die zweite Frage heute noch „irgendwann über Nacht“ lautet, wird Black Friday zum Lasttest für Deine Datenarchitektur. Im schlimmsten Fall bezahlst Du diesen Test mit Mediabudget und entgangenem Umsatz.

Starte dafür nicht mit dem gesamten Sortiment, sondern wähle Artikel, die im Peak das meiste Budget bekommen. Wenn Du ihre Daten einmal vom Ursprung bis zur Anzeige durcharbeitest (oder durcharbeiten lässt), erkennst Du schnell, was sich bis zum Peak nicht beheben lässt. Diese Artikel nimmst Du aus der Ausspielung, statt für ihre Fehler mit Deinem Werbebudget zu bezahlen.

Starte Deine Werbeaktion nur mit strukturierten Produktdaten

Wenn Unternehmen neue digitale Verkaufs- und Beratungskanäle erschließen, ohne eine verlässliche Datenarchitektur und klare Verantwortlichkeiten geschaffen zu haben, werden dieselben strukturellen Probleme über immer mehr Kanäle verteilt. Doch selbst ein sauberer Plan für die Peak-Saison zum Jahresende beinhaltet eine unbequeme Erkenntnis: Je besser Kampagnen werden, desto gnadenloser legen sie offen, was im Grundgerüst nicht stimmt. Automatisierte Gebote, zusätzliche Flächen und AI-gestützte Ausspielung lenken Aufmerksamkeit sehr effizient auf Dein Angebot, auch dann, wenn es an entscheidenden Stellen nicht zusammenpasst.

Dein Aktivierungsplan endet an Weihnachten, aber Deine Datenprobleme enden dort nicht. Wer jetzt den Peak nutzt, um genau diese Datenprobleme sichtbar zu machen und die Verantwortung zu klären, lernt nicht nur daraus, sondern startet besser ins nächste Jahr als die Konkurrenz, die im Dezember nur ihre Gebote erhöht hat.

Bei kernpunkt arbeiten wir mit Dir an diesen Schnittstellen zwischen AI, Produktdaten, Commerce und Systemarchitektur, damit Deine digitale Plattform neue Kanäle zuverlässig bedienen kann und auch auf den nächsten Peak vorbereitet ist.