Bevor ein Shopify-Händler über ein zusätzliches PIM-System nachdenkt, lohnt sich der Blick auf das, was Shopify selbst bereits mitbringt. Mit Metafeld-Definitionen, der offiziellen Produkttaxonomie und Metaobjekten hat Shopify in den letzten Jahren eine strukturierte Datenebene aufgebaut, die viele Anforderungen an ein PIM bereits abdeckt — sofern sie korrekt genutzt wird.
Metafeld-Definitionen als Grundgerüst
Metafelder erlauben es, Produkte um strukturierte Attribute wie Farbe, Material, Gewicht oder Zielgruppe zu erweitern, die über den Standardsatz von Titel, Beschreibung und Preis hinausgehen. Entscheidend ist der Begriff Definition: Erst wenn ein Metafeld als Definition mit festem Typ (Text, Select, Number, Referenz) angelegt ist, wird es im Theme filterbar, in der Suche nutzbar und konsistent über den gesamten Katalog hinweg.
Shopify liefert eine Reihe von Standarddefinitionen mit, etwa für Farbe, Material oder Pflegehinweise. Händler können zusätzlich eigene Definitionen anlegen, etwa für branchenspezifische Spezifikationen wie Spannung, Kapazität oder Zertifizierungen.
Die offizielle Shopify-Taxonomie
Seit der Einführung der Standard-Produktkategorie ordnet Shopify jedes Produkt optional einer Leaf-Kategorie aus einer mehrere Tausend Einträge umfassenden, offiziellen Taxonomie zu. Diese Kategorie ist keine kosmetische Einstellung: Sie entscheidet, welche kategoriespezifischen Metafelder — etwa Farbe oder Material bei Bekleidung — im Theme überhaupt angezeigt werden, und sie speist strukturierte Daten für Google Shopping und andere Kanäle. Ohne gesetzte Kategorie bleiben viele Standardfelder unsichtbar, selbst wenn die zugrunde liegenden Werte im System vorhanden sind.
Die Taxonomie manuell zu durchsuchen ist bei einem großen Katalog unpraktikabel, weil pro Kategorie oft mehrere passende Optionen mit feinen Unterschieden existieren.
Varianten und Color Swatches
Varianten bilden in Shopify Optionen wie Größe oder Farbe ab. Damit eine Farboption als visuelles Swatch statt als Textliste erscheint, muss der Variantenwert mit dem offiziellen Metaobjekt shopify.color-pattern verknüpft sein, und das Produkt braucht zusätzlich eine gesetzte Kategorie. Fehlt eine der beiden Voraussetzungen, zeigt Shopify die Farboption nur als schlichten Text an, was auf der Produktseite und in Kollektionsfiltern deutlich schwächer konvertiert als ein anklickbares Farbfeld.
Ein häufiger Fehler ist, dass Variantenwerte wie "Goldfarben" oder "Dunkelblau" nicht exakt den Bezeichnungen im Metaobjekt entsprechen und die Verknüpfung deshalb ausbleibt, ohne dass eine Fehlermeldung erscheint.
Pflichtfelder und Datenqualitätsprüfungen
Ein sauberes Produktdatenmodell in Shopify basiert auf klaren Mindeststandards je Produkttyp:
- Titel und Beschreibung, die tatsächliche Suchbegriffe statt interner Artikelnummern enthalten.
- Produktkategorie aus der offiziellen Taxonomie, gesetzt statt leer gelassen.
- Kernattribute wie Farbe und Material als Metafeld statt nur im Fließtext erwähnt.
- Variantenoptionen korrekt mit Metaobjekten verknüpft, wo visuelle Darstellung sinnvoll ist.
- SEO-Titel und Meta-Beschreibung individuell gepflegt statt automatisch aus dem Produkttitel übernommen.
Diese Prüfungen manuell über einen Katalog mit mehreren Hundert oder Tausend Produkten durchzuführen, ist der Punkt, an dem die meisten Teams über ein PIM nachdenken — obwohl das eigentliche Problem in der Befüllung der Struktur liegt, die bereits existiert, wie wir im Beitrag Shopify-PIM erklärt beschrieben haben.
Wie pshly.ai diese Felder automatisch befüllt
pshly.ai arbeitet direkt auf dieser bestehenden Shopify-Datenstruktur, statt eine zusätzliche Datenebene einzuführen:
- Metafeld-Anreicherung: Die KI liest Titel, Beschreibung, Varianten und bei dünnen Texten auch das Produktfoto aus und leitet Werte für Farbe, Material, Saison, Stil und weitere Definitionen ab, inklusive eigener Custom-Felder.
- Kategorievorschlag: Basierend auf Titel, Produkttyp und Bild schlägt die KI die passende Leaf-Kategorie aus der offiziellen Taxonomie vor, statt manuell Tausende Optionen durchsuchen zu müssen.
- Swatch-Verknüpfung: pshly prüft automatisch, ob Farbvarianten korrekt mit dem shopify.color-pattern-Metaobjekt verbunden sind, und stellt die Verknüpfung her, wo sie fehlt.
- Direkter Rückschreib über die Admin API: Alle Änderungen werden über die offizielle Shopify Admin API zurückgeschrieben, ohne CSV-Zwischenschritt und ohne zweites System, das synchron gehalten werden muss.
Das Ergebnis ist ein vollständig befülltes Shopify-Produktdatenmodell, das Filter, Suche und Swatches korrekt bedient, ohne dass ein separates PIM zwischengeschaltet werden muss. Die Details zum Vergleich mit klassischen PIM-Ansätzen finden Sie im Beitrag PIM vs. KI-Produktanreicherung im Vergleich.
Ein minimales Metafeld-Set für den Start
Mit dreißig Metafeld-Definitionen zu starten scheitert meist; mit fünf zu starten funktioniert fast immer. Für einen typischen Shopify-Katalog ist dies ein brauchbares Startpaket: Material, Abmessungen, Zielgruppe oder Anwendung, Verpackungseinheit und eine Farbgruppe für Swatches. Diese fünf decken die Filter ab, die Kunden tatsächlich nutzen, und genau die Felder, die Marketing-Feeds benötigen. Bei G&F Verpackungen entfielen auf Kartonformat und Wellenart zusammen die meisten Filterklicks im Shop — zwei Felder, die zuvor nur in einem separaten Datenblatt standen.
Datenqualität messbar halten
Richten Sie eine feste monatliche Prüfung auf vier Kennzahlen ein: Produkte ohne Kategorie, Produkte ohne Meta-Description, Varianten mit abweichender Farbbezeichnung und Handles mit Ziffern oder Lieferantencodes. Notieren Sie diese vier Zahlen monatlich; solange sie sinken, funktioniert Ihr Prozess. Neue Produkte aus einem Lieferantenfeed sind dabei das größte Leck, da sie ohne Metafelder und mit generischem Titel eintreffen. Ein wiederkehrender Bulk-Job nur auf den Neuzugang schließt diese Lücke, ohne den restlichen Katalog erneut zu verarbeiten.
Fazit
Shopify selbst liefert bereits ein leistungsfähiges Produktdatenmodell mit Metafeldern, Taxonomie und Metaobjekten. Der Engpass liegt fast immer im Befüllen, nicht in der Struktur. Mit KI-gestützter Anreicherung über pshly.ai lässt sich dieses Modell in Bulk und ohne manuelle Recherche vollständig ausfüllen, direkt zurückgeschrieben in Ihren bestehenden Shop.