Wer digitale Initiativen scheitern sehen will, muss nicht lange suchen. Datenprojekte, die vielversprechend starten und irgendwo in der Umsetzung versanden – nicht weil die Technologie fehlt, sondern weil die Daten schlicht nicht miteinander sprechen.

Georges-Simon Ulrich, Direktor des Bundesamtes für Statistik, hat das in einem Interview mit der Netzwoche kürzlich auf den Punkt gebracht: Viele Datenvorhaben scheitern nicht an der Infrastruktur, sondern an fehlenden Standards und unzureichender Governance. Interoperabilität, so Ulrich, müsse von Anfang an mitgedacht werden – nicht als nachträgliches Feature, sondern als Grundbedingung.

Das klingt abstrakt, ist aber in der Praxis erschreckend konkret.

Das Problem: Jeder spricht seine eigene Sprache

Nehmen wir die Baubranche oder den Elektrogroßhandel. Ein Hersteller nennt ein Produkt „Leitungsschutzschalter 16A Typ B", der Händler führt dasselbe Produkt als „LS-Schalter B16", der Installateur sucht nach „MCB 16A". Alle meinen das Gleiche – kein System findet eine Übereinstimmung. Aber das Namingproblem ist noch die einfachste Variante. Viel schwerer wiegt, was dahinter steckt: Welche Merkmale beschreiben ein Produkt überhaupt – und in welcher Form? Hersteller A gibt den Nennstrom in Ampere an, Hersteller B schreibt „16 A", Hersteller C hinterlegt „0,016 kA". Einer listet zehn technische Attribute, der nächste dreißig – und keiner wählt dieselben. Auslösecharakteristik, Kurzschlussschaltvermögen, Polzahl, Bemessungsspannung: Was für den einen Pflichtfeld ist, fehlt beim anderen ganz. Das Ergebnis ist kein bloßes Namenschaos, sondern strukturelle Inkohärenz auf Merkmalsebene. Und die ist um ein Vielfaches schwerer zu lösen. Das ist keine Randnotiz. Das ist Alltag in der gesamten Industrie. Solange jeder Marktteilnehmer seine eigene Produktlogik pflegt – eigene Bezeichnungen, eigene Merkmalsselektion, eigene Einheitenkonventionen – bleibt Digitalisierung Stückwerk. Kein KI-Modell der Welt kann auf dieser Grundlage verlässlich arbeiten. No Data = No AI.

Die Lösung: Standards, die existieren – und genutzt werden müssen

Das Gute ist: Die Arbeit muss nicht von vorne beginnen. Es gibt etablierte Datenstandards, die genau dieses Problem lösen.

ETIM (Electro-Technical Information Model) ist der internationale Standard für die Klassifizierung technischer Produkte – mit klar definierten Produktklassen, eindeutigen Merkmalen und standardisierten Wertebereichen. Ursprünglich aus der Elektrotechnik, heute etabliert in HVAC, Sanitär und angrenzenden Gewerken.

ECLASS geht einen Schritt weiter: branchenübergreifend, normbasiert, mit einer hierarchischen Klassifikation, die Produkte und Dienstleistungen im gesamten B2B-Handel beschreibbar macht.

Beide Standards sind nicht neu. Aber ihre Durchdringung in der Praxis ist nach wie vor lückenhaft – weil viele Systeme auf proprietären Strukturen aufgebaut sind und eine Migration scheuen.

Was das mit collatio zu tun hat

Bei collatio haben wir uns bewusst entschieden, auf diesem Fundament zu bauen – nicht neben ihm.

ETIM und ECLASS sind die strukturelle Grundlage unseres Systems. Wenn wir Produktdaten verarbeiten, klassifizieren und anreichern, dann nicht nach einer selbst erfundenen Logik, sondern entlang dieser Standards. Das hat einen einfachen Grund: Nur wer dieselbe Sprache spricht, kann wirklich interoperabel sein.

Das bedeutet konkret: Lieferanten, Händler und Einkäufer, die mit collatio arbeiten, sprechen automatisch dieselbe Produktsprache – unabhängig davon, wie ihre internen Systeme aufgebaut sind. ERP, PIM, Webshop, Ausschreibungstool – die Daten finden ihren Weg, weil das Fundament stimmt.

Das ist keine technische Spielerei. Es ist die Voraussetzung dafür, dass KI in der Lieferkette überhaupt funktionieren kann. Modelle brauchen saubere, konsistente, strukturierte Eingaben. Wer das nicht gewährleistet, bekommt auch aus dem besten Modell keinen verlässlichen Output.

Standards sind keine Einschränkung – sie sind Hebel

Manchmal höre ich das Argument, Standards würden Flexibilität einschränken. Das Gegenteil ist richtig.

Ein gemeinsames Klassifizierungssystem ist das, was Flexibilität erst ermöglicht: Neue Lieferanten lassen sich integrieren, ohne monatelange Datenmapping-Projekte. Neue Märkte erschließen sich, ohne jedes Mal von vorne anzufangen. KI-Anwendungen skalieren, weil die Datengrundlage stabil ist.

Ulrich hat recht: Interoperabilität muss von Anfang an mitgedacht werden. Wir haben das getan. Und wir sind davon überzeugt, dass es der einzige Weg ist, aus Datenprojekten echte Infrastruktur zu bauen – die hält.

Quelle: https://www.netzwoche.ch/news/2026-04-07/so-will-das-bfs-das-schweizer-datenoekosystem-zum-laufen-bringen