Mike Walder und Diego Fontana von avolut zeigten am Beispiel des Schweizer Modehändlers Chicorée, wie Produktbeschreibungen und Stammdaten effizient generiert werden können, und gewährten Einblicke in aktuelle Praxisprojekte.
Vom manuellen Aufwand zur automatisierten Generierung
Noch vor wenigen Jahren wurden Produkttexte im Retail oft manuell erstellt oder mithilfe starrer Textbausteine generiert. Dieser Prozess war aufwendig, insbesondere bei mehreren Sprachen und schnell wechselnden Sortimenten.
Mit dem Aufkommen von generativer AI hat sich diese Ausgangslage grundlegend verändert. Moderne Large Language Models (LLMs) ermöglichen es, Produkttexte automatisiert und kontextbezogen zu erstellen – ohne aufwendiges Training oder komplexe Regelwerke.
Praxisbeispiel Chicorée
Chicorée bringt im Zwei-Wochen-Rhythmus rund 100 neue Produkte in die Filialen. Die Herausforderung: Für jedes Produkt müssen schnell aussagekräftige Beschreibungen und strukturierte Stammdaten bereitgestellt werden.
Gemeinsam mit Chicorée entwickelte avolut eine Lösung, die auf Basis vorhandener Produktdaten – wie Kategorie, Preis, Farben oder Grössen – automatisch Produkttexte generiert. Diese werden direkt in mehreren Sprachen erstellt und können ohne manuelle Nachbearbeitung eingesetzt werden.
Von Texten zu strukturierten Produktdaten
Neben der automatisierten Generierung von Produkttexten gewährte avolut im Rahmen der Präsentation auch einen Einblick in geplante Weiterentwicklungen im Bereich der Produktdaten. Künftig sollen mithilfe von Generative AI nicht nur Texte erstellt, sondern auch strukturierte Produktattribute automatisiert ausgelesen werden – etwa zu Stil, Schnitt, Material oder Verwendungszweck.
Möchten Sie Ihre Stammdaten mit Gen AI verbessern?
Gerne sprechen wir mit Ihnen über unsere Erfahrungen und Ihre Herausforderungen.
Diego Fontana
Data Scientist
