Chargement de la page…
Ohne EAN können Bild und Name einen Kandidaten vorschlagen, reichen aber nicht aus, um die Identität zu bestätigen. Filtern Sie zunächst nach Marke, Modell oder Herstellerreferenz, sofern vorhanden. Vergleichen Sie anschließend einen normalisierten Titel, die Variantenattribute und mehrere visuelle Merkmale. Jede Abweichung bei Größe, Farbe, Menge, Version oder Aufmachung muss die automatische Annahme blockieren. Das Ergebnis sollte ein erklärbarer Score mit Nachweisen bleiben, der anschließend von einer Person oder einer offiziellen Quelle bestätigt wird. Ein generisches Bild, ein unvollständiger Titel oder eine alte Verpackung erzwingen eine Prüfung, selbst wenn die Gesamtähnlichkeit hoch erscheint.
Warum zwei ansprechende Bilder unterschiedliche Produkte zeigen können
Websites verwenden häufig dasselbe Familienbild für mehrere Größen oder Farben. Eine Marke kann ihre Verpackung ändern, ohne den Inhalt zu ändern, während ein Aktionsgebinde das Foto der Einzeleinheit nutzen kann. Ein Freistellen, eine Komprimierung oder ein Beschnitt verändert zudem den Pixel-für-Pixel-Vergleich. Das Bild ist also ein Signal, keine Kennung.
GS1 veröffentlicht eine eigene Spezifikation für Produktbilder und deren Metadaten. Diese Norm zeigt, wie wichtig eine organisierte, mit dem Artikel verknüpfte Darstellung ist, aber das Vorhandensein eines konformen Bildes allein beweist nicht, dass zwei Angebote identisch sind. Bewahren Sie die Quell-URL, das Beobachtungsdatum, die Rolle des Bildes und, falls der Datenfluss dies liefert, die zugehörige Variantenreferenz auf.
Der Name wirft ein ähnliches Problem auf. „Laufschuh Runner schwarz" kann Größe, Generation und Zielgruppe auslassen. „Shampoo 250 ml" und „Shampoo 2 × 250 ml" teilen fast alle Wörter, aber nicht die vermarktete Menge. Extrahieren Sie vor der Berechnung einer Ähnlichkeit die Attribute, deren Abweichung den Artikel verändert.
Ein Beweisdossier pro Kandidat erstellen
Ein nützliches Dossier trennt Quelldaten von berechneten Signalen.
| Kategorie | Zu bewahrende Daten | Nutzen | Grenze |
|---|---|---|---|
| Herkunft | URL, Lieferant, SKU, Datum | Datenblatt wiederfinden | beweist keine Identität |
| Text | Rohtitel, Marke, MPN, Beschreibung | Modell und Variante extrahieren | kann unvollständig sein |
| Visuell | URL, Hash, Abmessungen, Rolle | Ähnlichkeit erkennen | kann generisch sein |
| Variante | Größe, Farbe, Volumen, Gebinde | Abweichungen prüfen | erfordert normalisierte Einheit |
| Nachweis | Markendatenblatt, Verpackung, autorisiertes Register | bestätigen | unterschiedlich verfügbar |
Bewahren Sie die Rohtitel auf und erstellen Sie dann eine Vergleichsversion: vereinheitlichte Groß-/Kleinschreibung, neutralisierte Zeichensetzung und normalisierte Einheiten, sofern eindeutig angegeben. Entfernen Sie weder Zahlen noch Mengenbegriffe, da sie oft Varianten unterscheiden. Bewahren Sie auch Wörter wie mini, maxi, refill, set, pair oder ihre Entsprechung in der Ausgangssprache auf, sofern ihre kommerzielle Bedeutung relevant ist.
Ein zweistufiges Verfahren
1. Filterung nach starken Einschränkungen
Schließen Sie zunächst unmögliche Paare aus. Eine abweichende Marke, ein widersprüchlicher MPN, eine inkompatible Größe oder ein abweichender Gebindeinhalt stellen eine Blockade dar, sofern kein offizieller Nachweis die Abweichung erklärt. Fehlende Felder sind keine Übereinstimmungen: Sie verringern lediglich den verfügbaren Nachweis.
Erscheint eine GTIN nur auf einer Seite, validieren Sie deren Prüfziffer und suchen Sie eine autorisierte Quelle, die sie mit dem Kandidaten verknüpft. Die Methode zur GTIN-Validierung ohne Fehlalarm bleibt gültig: Mathematische Konsistenz bestätigt nicht das Produkt. Teilen sich mehrere Varianten unzulässig denselben Code, wenden Sie die Prüfung der gefährlichen GTIN-Duplikate an.
2. Einstufung der verbleibenden Kandidaten
Berechnen Sie anschließend getrennte Signale: Titelähnlichkeit, Übereinstimmung von Marke, Modell, Variante, visuellen Merkmalen und Quellkontext. Zeigen Sie nicht nur einen globalen Prozentsatz an. Eine Person muss verstehen können, warum der Kandidat an erster Stelle steht und welche Felder fehlen.
Ein Bewertungsschema kann intern entwickelt werden, aber keine universelle Gewichtung ist garantiert. Ein Team könnte beispielsweise als Design-Hypothese festlegen, dass ein exakter MPN aussagekräftiger ist als eine ähnliche Farbe und dass jede widersprüchliche Gebindemenge den Kandidaten ausschließt. Diese Regeln müssen an einem beschrifteten Datensatz getestet, versioniert und anhand von Fehlern überarbeitet werden. Sie dürfen weder als GS1-Norm noch als bereits aktive Funktion dargestellt werden.
Bilder vergleichen, ohne ihren Kontext zu vergessen
Ein robuster Ansatz kombiniert mehrere Beobachtungen. Ein Wahrnehmungs-Hash kann dasselbe zugeschnittene oder neu komprimierte Bild wiederfinden. Deskriptoren können Form oder Verpackung annähern. Texterkennung kann ein aufgedrucktes Modell erfassen. Jedes dieser Signale kann sich auch irren: Ein identischer Hintergrund kann das Bild dominieren, eine Inszenierung kann die Variante verdecken, und winziger Text kann falsch gelesen werden.
Wenden Sie folgende Vorsichtsregeln an:
1. Nur Bilder herunterladen, deren Nutzung erlaubt ist, und die Herkunft bewahren. 2. Platzhalter, reine Logos und zu kleine, uninformative Bilder ablehnen. 3. Möglichst das Hauptbild und eine Nebenansicht vergleichen, ohne die Bedingungen der Quelle zu überschreiten. 4. Identische, über mehrere Varianten wiederverwendete Bilder erkennen und ihre Unterscheidungskraft verringern. 5. Ein Gebinde niemals aus der Anzahl sichtbarer Objekte ableiten, wenn Text oder Daten dies nicht bestätigen. 6. Beide Bilder bei der Prüfung nebeneinander darstellen.
Ein Bild kann nützlich sein, um einen Kandidaten-Alarm zu erzeugen. Es darf einen strukturierenden Textkonflikt nicht überdecken.
Qualität mit einem Referenzdatensatz messen
Erstellen Sie vor einem großflächigen Abgleich einen Satz bestätigter Beispiele und absichtlich ähnlicher, aber unterschiedlicher Paare. Beziehen Sie Verpackungsänderungen, ähnliche Größen, ähnliche Farben, Einheit gegen Gebinde und generische Bilder ein. Trennen Sie diesen Datensatz von der Stichprobe, die zur Regeleinstellung verwendet wird.
Messen Sie mindestens falsche Zuordnungen und verpasste Zuordnungen. In einem Einkaufskontext kann ein falsch positives Ergebnis teurer sein als ein zur Prüfung belassener Kandidat. Der Schwellenwert sollte dieses Risiko widerspiegeln. Er kann auch je nach Nachweislage variieren: Ein Paar mit exakt gleichem MPN und gleichen Attributen hat nicht dasselbe Dossier wie ein Paar, das sich allein auf zwei ähnliche Titel stützt.
Erfassen Sie die menschliche Entscheidung, den Nachweis und das spätere Ergebnis. Eine begründete Ablehnung verbessert die Regel; ein Klick ohne Begründung erlaubt kein Verständnis des Fehlers. Sobald die Identität bestätigt ist, können die Angebote in den Vergleich von Lieferanten für dasselbe Produkt eingehen.
Checkliste zur menschlichen Validierung
- Die Marke stimmt überein oder die Abweichung ist offiziell erklärt.
- Modell oder MPN widersprechen sich nicht.
- Größe, Farbe, Volumen und Aufmachung wurden verglichen.
- Die Gebindeanzahl ist textlich oder strukturell nachgewiesen.
- Die Bilder sind weder generisch noch Platzhalter.
- URLs und Herkunftsdaten sind aufbewahrt.
- Fehlende Attribute zählen nicht als Übereinstimmung.
- Jedes Signal und jede Blockade sind sichtbar.
- Der Schwellenwert stammt aus einem getesteten, versionierten Datensatz.
- Ein offizieller Nachweis liegt sensiblen Bestätigungen bei.
Was ArbitragePro+ automatisieren kann / was der Verkäufer prüfen muss
Die vorgeschlagene Spezifikation score-rapprochement-image-nom könnte Kandidaten extrahieren, Titel und Bilder vergleichen, Variantenblockaden anwenden und eine erklärbare Prüfwarteschlange vorbereiten. Sie sollte eine Ähnlichkeit niemals allein in eine gesicherte Identität umwandeln.
Der Verkäufer muss Marke, Referenz, Variante, Gebinde, Bildnutzungsrechte und den offiziellen Nachweis prüfen, bevor er Angebote verknüpft oder eine Kaufentscheidung trifft.
Produktkandidaten prüfen
Die ArbitragePro+-Suche öffnen, um verfügbare Zuordnungen und Produktinformationen zu prüfen.
Offizielle Quellen
- GS1, „Product Image Specification Standard", https://www.gs1.org/standards/gs1-product-image-specification-standard/40 — abgerufen am 17.08.2026.
- GS1, „Global Trade Item Number (GTIN)", https://www.gs1.org/standards/id-keys/gtin — abgerufen am 17.08.2026.
- GS1 Support, „GS1 barcode commonly used for trade item identification", https://support.gs1.org/support/solutions/articles/43000734137-what-is-the-gs1-barcode-commonly-used-for-trade-item-identification- — abgerufen am 17.08.2026.