Single Source of Truth: Welches System hat in deinem Shop recht?

von

Im Shop ist der Esstisch 80 Zentimeter breit, auf dem Marktplatz 90 Zentimeter, und im Google-Feed steht noch der Preis von vor der letzten Preiserhöhung. Jeder dieser Werte wurde von jemandem gepflegt. Und wer ihn gepflegt hat, hält ihn für den richtigen.

Eine Single Source of Truth löst genau dieses Problem. Für jede Art von Daten gibt es eine einzige Stelle, an der sie gepflegt werden, und alle anderen Systeme holen sie von dort. Welches System das ist, entscheidest du selbst. Wichtig ist nur, dass es genau eins ist und alle davon wissen.

Hier liest du, woran du auseinanderlaufende Produktdaten erkennst, was sie dich kosten und welches System welche Daten führen sollte. Mit dem Rechner weiter unten kannst du ausrechnen, wie viel Zeit und Geld die doppelte Pflege in deinem Betrieb verschlingt.

Was bedeutet Single Source of Truth?

Single Source of Truth, kurz SSOT, heißt übersetzt „einzige Quelle der Wahrheit“. Gemeint ist ein Prinzip aus dem Datenmanagement: Ein Unternehmen hat einen zentralen, verlässlichen Datenbestand, mit dem alle arbeiten. Manchmal heißt dasselbe auch Single Point of Truth, kurz SPOT.1

Der Begriff klingt nach Konzern-IT, und die meisten Erklärungen im Netz drehen sich tatsächlich um Reporting und große Datenplattformen. Für einen Onlineshop ist die Idee viel bodenständiger. Wenn du einen Preis, eine Produktbeschreibung oder einen Bestand ändern willst, gibt es genau einen Ort, an dem du das tust. Alle anderen Stellen übernehmen die Änderung von dort.

Eine Quelle pro Datenart

Am übersichtlichsten ist es, wenn möglichst viele Daten an einer Stelle liegen. Dann weiß jede und jeder sofort, wo nachzusehen ist, und es gibt weniger Abgleiche, die schiefgehen können. Wenn deine Systeme das hergeben, ist das der einfachste Weg.

Zwingend ist es aber nicht. Die Regel lautet, dass jede Informationsart genau eine verbindliche Quelle hat und alle Kanäle ihre Inhalte von dort beziehen.2

In der Praxis kann das so aussehen: Preise und Bestände führt deine Warenwirtschaft, Produkttexte und Bilder pflegst du im Shop-Backend. Der Marktplatz und der Google-Feed bekommen beides automatisch. Kopien der Daten gibt es weiterhin, im Shop, im Feed, auf dem Marktplatz. Geändert wird aber nur an der Quelle.

Unterschiedliche Preise je Kanal widersprechen dem Prinzip übrigens nicht. Wenn ein Artikel auf dem Marktplatz bewusst mehr kostet als im Shop, wird der Marktplatzpreis als eigenes Feld in der Quelle gepflegt und nicht direkt auf dem Marktplatz.

Woran merkst du, dass deine Daten auseinanderlaufen?

Das Marktforschungsunternehmen Gartner nennt uneinheitliche Daten über verschiedene Quellen hinweg als die schwierigste Herausforderung bei der Datenqualität. Die Ursache sind laut Gartner Datenbestände, die getrennt voneinander gepflegt werden und sich überschneiden, widersprechen oder Lücken haben.3 Im Shop-Alltag entsteht das meist ganz unspektakulär. Der Hersteller ändert die Maße eines Artikels, der Einkauf trägt das in seine Liste ein, und im Shop steht weiter der alte Wert. Oder die Kollegin, die Preise im Marktplatz nachzieht, ist zwei Wochen krank.

Diese Warnsignale deuten darauf hin, dass es bei dir mehr als eine Wahrheit gibt:

  • Auf die Frage „Was kostet Artikel X gerade?“ bekommst du unterschiedliche Antworten, je nachdem, wen du fragst.
  • Preise oder Texte werden in mehr als einem System von Hand geändert.
  • Einkauf, Marketing und Lager führen jeweils ihre eigene Artikelliste.
  • Es kommt vor, dass Artikel verkauft werden, die gar nicht mehr da sind.
  • Das Google Merchant Center meldet Preisabweichungen zwischen Feed und Shop.
  • Kund:innen schreiben, dass Maße, Farbe oder Lieferumfang nicht stimmen.

Wenn jeder seine eigene Liste führt, hält auch jeder seine eigene Liste für richtig. In der Fachsprache heißt das Schattendatenhaltung: Mitarbeitende arbeiten mit lokalen Daten, die mit dem Rest des Unternehmens nicht abgeglichen sind.1

Dass so wenige Betriebe das Problem angehen, hat aus meiner Sicht einen einfachen Grund. Der Vorteil einer gemeinsamen Quelle, die alle kennen und mit der alle arbeiten, ist im Alltag nicht sichtbar. Der Aufwand ohne sie verteilt sich auf viele kleine Handgriffe und fällt deshalb niemandem auf.

Was kostet dich die doppelte Wahrheit?

Laut Gartner kostet schlechte Datenqualität Unternehmen im Schnitt mindestens 12,9 Millionen US-Dollar pro Jahr. Die Zahl stammt aus einer Erhebung von 2020 und bezieht sich auf große Organisationen.3 Für einen Shop, den eine Bürokraft nebenher betreut, taugt sie nicht als Maßstab. Sie zeigt aber, dass auseinanderlaufende Daten kein Schönheitsfehler sind. Für deinen Betrieb zählt deine eigene Zahl, und die setzt sich aus diesen Posten zusammen:

  • Arbeitszeit: Dieselbe Änderung wird in mehreren Systemen von Hand eingetragen, und wer wissen will, welcher Wert stimmt, muss erst nachfragen oder suchen.
  • Retouren: In einer repräsentativen Bitkom-Befragung haben 41 Prozent der Online-Shopper schon einmal etwas zurückgeschickt, weil das Produkt nicht dem Bild oder der Beschreibung entsprach.4 Das ist der Anteil der Käufer:innen, nicht der Anteil an allen Retouren. Jeder zurückgeschickte Artikel kostet Onlinehändler laut dem Handelsforschungsinstitut EHI im Schnitt fünf bis zehn Euro.5
  • Abgelehnte Produkte bei Google: Google vergleicht den Preis in deinem Produktfeed regelmäßig mit dem Preis auf deiner Produktseite. Weichen beide voneinander ab, kann das Produkt abgelehnt werden und erscheint erst wieder in Anzeigen und Produkteinträgen, wenn das Problem behoben ist. Laut Google kann eine Preisabweichung sogar zu einer Kontosperrung führen.6
  • Überverkäufe: Wird ein Artikel verkauft, der nicht mehr am Lager ist, folgen Storno, Entschuldigungsmail und eine verärgerte Kundin.

Jeder dieser Posten wirkt für sich klein. Ein paar Minuten hier, eine Retoure da. Zusammengerechnet über ein Jahr sieht das anders aus.

Rechner: Was kosten dich abweichende Produktdaten?

Der Rechner fragt die fünf Posten von oben ab. Gelb hinterlegte Felder sind Beispielwerte, die du einfach überschreibst. Fällt ein Posten bei dir nicht an, trägst du 0 ein. Für die Arbeitskosten gibst du den Bruttolohn der Person ein, die die Daten pflegt. Der Rechner schlägt die Lohnnebenkosten des Arbeitgebers auf, im Durchschnitt 2025 rund 21,6 Prozent des Bruttolohns.7

Das Ergebnis zeigt zwei Zeilen getrennt. Die Arbeitszeit ist ziemlich belastbar, weil sie aus deinen eigenen Minuten entsteht. Retouren, Überverkäufe und abgelehnte Produkte sind eine Schätzung. Mit den Beispielwerten kommen gut acht Stunden Arbeitszeit im Monat zusammen, das sind etwas mehr als 20 Minuten an jedem Arbeitstag.

Der Rechner wird geladen. Falls er nicht erscheint, ist in deinem Browser JavaScript deaktiviert.

Welches System führt welche Daten?

Das System, in dem eine Datenart gepflegt wird, heißt führendes System. Der gültige Datensatz darin wird auch Golden Record genannt. Die Regel dahinter: Für jedes Datenfeld gibt es genau ein führendes System, alle anderen übernehmen den Wert nur und überschreiben ihn nie.8 Als Faustregel nennt der PIM-Anbieter entitys: Was Lager und Buchhaltung brauchen, führt die Warenwirtschaft. Was Kund:innen sehen, führt das System für Produktinformationen.8

Die folgende Aufteilung ist typisch, aber kein Gesetz. Die Shop-Agentur onacy beschreibt eine sehr ähnliche Rollenverteilung zwischen Quell- und Empfängersystemen.9

Datenart Typische Quelle Bekommt die Daten
Artikelnummer und Stammdaten Warenwirtschaft oder ERP Shop, Marktplätze, Feed
Preise Warenwirtschaft oder ERP Shop, Marktplätze, Feed
Bestand und Verfügbarkeit Warenwirtschaft oder ERP Shop, Marktplätze, Feed
Produkttexte und Merkmale PIM, Shop-Backend oder Warenwirtschaft, je nach Betrieb Shop, Marktplätze, Feed, Katalog
Bilder und Datenblätter Bilddatenbank, PIM oder Shop-Backend Shop, Marktplätze, Feed
Kundendaten CRM oder Warenwirtschaft Shop, Newsletter-Tool

ERP steht dabei für Enterprise Resource Planning, also eine Software für die Geschäftsprozesse im ganzen Unternehmen. In kleinen Shops übernimmt die Warenwirtschaft diese Rolle. Wie das im Alltag läuft, zeigt das Beispiel JTL: Beim Abgleich schickt die Warenwirtschaft neue Artikel, Kategorien und Preise an den Shop, der Shop schickt die Bestellungen zurück.10 Bestände gehören direkt von der Warenwirtschaft in den Shop und nicht über Umwege durch weitere Systeme, weil jede Zwischenstation Verzögerung und Fehler mitbringt.8

Warum Preise, Bestand und Lieferzeiten in Shop und Feed identisch sein müssen, wenn irgendwann KI-Agenten für deine Kund:innen einkaufen sollen, habe ich im Artikel zu Agentic Commerce und den Grundlagen, die dein Shop dafür heute schon braucht beschrieben.

Wo kann deine Quelle liegen?

Wie deine Quelle aussieht, hängt von deinem Betrieb ab. Diese Möglichkeiten hast du:

  • Shop-Backend: Passt, wenn du nur einen Verkaufskanal hast und kein Lager mit einem anderen System abgleichen musst.
  • Warenwirtschaft (WaWi) oder ERP: Die naheliegende Quelle für Preise und Bestände, sobald ein zweiter Kanal dazukommt, etwa ein Marktplatz oder ein Ladengeschäft.
  • Einfache Datenbank: Passt, wenn deine Produkte viele Merkmale haben, ein großes System aber übertrieben wäre. Auch dafür gibt es kostenlose Lösungen.
  • PIM-System: PIM steht für Product Information Management, also eine Software, in der Produkttexte, Merkmale, Bilder und Übersetzungen zentral gepflegt und an alle Kanäle verteilt werden. Sie lohnt sich bei mehreren Sprachen, mehreren Kanälen, vielen Merkmalen je Artikel und mehreren Teams, die Produktdaten pflegen. Für Datenmodell, Schnittstellen, Datenbereinigung und Schulung nennt der Integrationsdienstleister Smart Dato bei mittelständischen Unternehmen 30.000 bis 150.000 Euro.11 Es gibt auch kostenlose Einstiege: Die Pimcore Community Edition ist für Unternehmen mit weniger als 5 Millionen Euro Jahresumsatz frei nutzbar,12 AtroPIM ist Open Source.13 Die Lizenz kostet dann nichts, Einrichtung, Hosting und Pflege kosten trotzdem Zeit.
  • Feed- oder Multichannel-Tool: Passt, wenn du vor allem Marktplätze und Shopping-Feeds bedienst. Das Tool sollte die Daten verteilen, aber nicht selbst zu einem zweiten Ort werden, an dem Preise geändert werden.
  • Excel oder Google Sheets: Eine Notlösung, aber für ein sehr kleines Sortiment legitim, solange die Tabelle der einzige Ort ist, an dem geändert wird. Für Bestände taugt sie nicht, weil sie nichts automatisch abgleicht.

Smart Dato rät in vielen Fällen selbst von einem PIM ab. Bei einem einzigen Kanal, stabilem Sortiment und einer verantwortlichen Person sei eine gute Schnittstelle zwischen Warenwirtschaft und Shop meist die schnellere und günstigere Lösung. Das Unternehmen verdient an Integrationen und nicht an PIM-Lizenzen und legt das offen.11

Oft ist die Antwort eine Kombination, zum Beispiel Preise und Bestand aus der Warenwirtschaft, Texte und Bilder aus dem Shop-Backend. Ab wann eine Tabelle nicht mehr reicht und was dich jede Bestellung ohne Warenwirtschaft an Zeit kostet, kannst du mit dem Rechner im Artikel warum Excel als Warenwirtschaft nur eine Notlösung ist nachrechnen.

Wie führst du eine Single Source of Truth ein?

Eine Single Source of Truth ist in erster Linie eine Entscheidung und erst danach Technik. Diese Schritte haben sich bewährt:

  1. Alle Fundorte sammeln: Schreib auf, wo heute überall Artikeldaten liegen. Dazu zählen auch die inoffiziellen Orte, also Tabellen auf persönlichen Laufwerken, Listen in E-Mail-Anhängen und Notizen im Lager.9
  2. Pro Datenart die Quelle festlegen: Eine einfache Tabelle reicht. Die Datenarten stehen in den Zeilen, die Systeme in den Spalten, und in jede Zelle kommt „Quelle“, „Empfänger“ oder „nicht relevant“.9 Am Ende hat jede Zeile genau eine Quelle.
  3. Empfänger sperren: In den Empfängersystemen wird das Feld schreibgeschützt oder beim nächsten Abgleich überschrieben.8 Dann entsteht keine zweite Wahrheit mehr, nur weil jemand „nur schnell“ einen Preis im Shop angepasst hat.
  4. Abgleich automatisieren: Jeder Wert, den ein Mensch von einem System ins andere kopiert, ist eine Fehlerquelle. Wie oft abgeglichen wird, legst du pro Datenart fest. Bestände brauchen fast Echtzeit, Preise je nach Änderungshäufigkeit täglich bis stündlich, Texte reichen bei Änderung.8
  5. Klein anfangen: Starte mit einer Produktkategorie und zwei Kanälen. Wenn das funktioniert, ziehst du den Rest nach.9

Am einfachsten ist das, wenn du es von Anfang an festlegst, also beim Shop-Start oder beim Relaunch, bevor Schnittstellen gebaut werden. Später ist jede Datenart schon an drei Orten gewachsen, und dann beginnt das Aufräumen.

Prüf deine Quelle regelmäßig

„Einmal eingerichtet, also läuft es“ ist bei Produktdaten ein teurer Denkfehler. Eine Schnittstelle, die bei einem fehlerhaften Datensatz still abbricht, ist laut Smart Dato ein typisches Muster gescheiterter Projekte. Fehlerprotokoll und Alarmierung gehören deshalb von Anfang an dazu.11 Wie verbreitet das blinde Vertrauen ist, zeigt eine Gartner-Umfrage: 59 Prozent der Organisationen messen ihre Datenqualität überhaupt nicht.3

Für deinen Produktfeed liefert Google eine kostenlose Absicherung. Das Merchant Center schickt eine E-Mail, wenn die Zahl der aktiven Produkte deutlich zurückgeht. Prüf in den E-Mail-Einstellungen, ob diese Benachrichtigung bei dir ankommt.14 Die automatischen Artikelaktualisierungen, mit denen Google Preis und Verfügbarkeit anhand deiner Produktseite korrigiert, sind laut Google nur ein Sicherheitsnetz für vereinzelte Fehler. Ändern sich Preise öfter als einmal am Tag, können sie versagen.15

Einen festen Prüfrhythmus aus einer belastbaren Quelle habe ich nicht gefunden. Ich würde ihn danach richten, wie oft sich deine Daten ändern. Wer jede Woche Preise anpasst oder Aktionen fährt, prüft jede Woche ein oder zwei Artikel pro Kategorie über alle Kanäle hinweg, einschließlich der Frage, wie sie bei Google erscheinen. Ändert sich wochenlang nichts, kannst du die Abstände verlängern. Wie lang, musst du für deinen Shop selbst abschätzen.

Einer muss den Hut aufhaben

Gartner nennt fehlende Zuständigkeit als einen der Hauptgründe für schlechte Datenqualität. Führungskräfte halten Datenqualität zwar für wichtig, sehen sie aber nicht als ihre Aufgabe.3 Für eine Single Source of Truth heißt das: Die Geschäftsführung legt fest, wer bei den Produktdaten den Hut aufhat, und gibt dieser Person die Befugnis und die Zeit dafür. Das kann die Person sein, die den Shop täglich betreut, oder ein Product Owner, also jemand, der für ein System die fachlichen Entscheidungen trifft. In kleinen Betrieben ist das oft dieselbe Person.

Ohne diese Regel gibt es immer wieder Reibereien zwischen den Abteilungen, die mit den Daten arbeiten. Der Einkauf hält seine Preise für maßgeblich, das Marketing seine Texte und das Lager seine Bestände. Und wenn es knirscht, entscheidet am Ende niemand.

Manchmal entstehen getrennte Listen sogar auf Anweisung von oben. Das Lager soll die Einkaufspreise nicht sehen, das Marketing braucht die Lagerplätze nicht, also bekommt jede Abteilung ihre eigene Tabelle. Damit wird ein Rechte-Problem als Datenproblem gelöst, und am Ende kennt niemand mehr den aktuellen Preis. Dafür gibt es Rollen und Berechtigungen: Das Lager arbeitet mit denselben Artikeldaten wie alle anderen, nur die Spalte mit den Einkaufspreisen bleibt für das Lager unsichtbar.

Diese Entscheidung liegt im Interesse des E-Commerce-Managements, denn dort landen die Folgen der doppelten Wahrheit. Sie muss von Anfang an klar sein, sonst wird es schnell chaotisch.

Häufige Fragen

Ist Single Source of Truth dasselbe wie Master Data Management?

Nein. Master Data Management, kurz MDM, bezeichnet Software und Prozesse, mit denen Stammdaten über mehrere Systeme hinweg gepflegt und abgeglichen werden. Single Source of Truth ist das Prinzip dahinter, also dass es für jede Datenart eine verbindliche Quelle gibt. MDM ist ein möglicher Weg dorthin, aber nicht der einzige. Mit klaren Zuständigkeiten und Abläufen funktioniert eine Single Source of Truth auch ohne eigenes MDM-System.9

Brauchst du für eine Single Source of Truth ein neues System?

Meistens nicht. Der erste Schritt ist die Entscheidung, welches deiner vorhandenen Systeme welche Daten führt. Häufig liegt das eigentliche Problem in einem unvollständigen oder fehleranfälligen Abgleich zwischen Warenwirtschaft und Shop. Dann hilft eine bessere Schnittstelle mehr als ein weiteres System.11

Fazit

Für eine Single Source of Truth musst du kein teures System kaufen. Es muss für jede Art von Produktdaten feststehen, wo sie gepflegt wird, alle müssen diesen Ort kennen, und niemand ändert anderswo nebenher. Welches System das ist, hängt von deinem Betrieb ab, aber es muss genau eins sein.

Als nächsten Schritt setzt du dich mit den Leuten zusammen, die mit euren Produktdaten arbeiten, und schreibt gemeinsam auf, wo Preise, Bestände, Texte und Bilder heute überall gepflegt werden. Trag dann die Minuten für doppelte Pflege und Abstimmung in den Rechner ein. Mit dem Ergebnis hast du eine Grundlage für das Gespräch mit der Geschäftsführung darüber, wer künftig den Hut aufhat.

Wie viele Wahrheiten gibt es in deinem Shop? Erzähl es mir gern auf LinkedIn.

Quellen

  1. BigData-Insider, Stefan Luber, „Was ist Single Source of Truth?“, 2025: bigdata-insider.de, Was ist Single Source of Truth? ↩
  2. Quanos Solutions GmbH, „Single Source of Truth in der Technischen Dokumentation“, o. J.: quanos.com/knowhow/single-source-of-truth ↩
  3. Gartner, „Data Quality: Best Practices for Accurate Insights“, o. J. (Kostenzahl aus einer Erhebung von 2020): gartner.com, Data Quality ↩
  4. Bitkom e. V., „Online-Shopping: Jeder zehnte Kauf geht zurück“, 2024: bitkom.org, Online-Shopping: Jeder zehnte Kauf geht zurück ↩
  5. Börse Online (dpa-AFX), „Studie: Retouren kosten Onlinehändler im Schnitt fünf bis zehn Euro“, 2023, auf Basis einer Befragung des EHI Retail Institute: boerse-online.de, Retourenkosten ↩
  6. Google, „Problemlösung: Nicht übereinstimmender Produktpreis“, Google Merchant Center-Hilfe, o. J.: support.google.com, Nicht übereinstimmender Produktpreis ↩
  7. Sozialpolitik aktuell, „Nettolöhne, Bruttolöhne und Arbeitskosten 2000 bis 2025“, Stand Mai 2026, auf Basis der Volkswirtschaftlichen Gesamtrechnungen des Statistischen Bundesamts: sozialpolitik-aktuell.de, Abbildung II.10 (PDF) ↩
  8. entitys GmbH, Simon Manz, „PIM ERP Integration: Welches System führt welche Daten?“, 2026: entitys.io, PIM ERP Integration ↩
  9. onacy GmbH, Philipp Foreman, „Single Source of Truth für Produktdaten: Warum so viele Unternehmen daran scheitern“, 2026: onacy.de, Single Source of Truth für Produktdaten ↩
  10. JTL-Software GmbH, „Einfachen Onlineshop-Abgleich in JTL-Wawi durchführen“, JTL-Guide, 2026: guide.jtl-software.com, Onlineshop-Abgleich ↩
  11. Smart Dato, Otto Kreidl, „PIM-System: Wann es sich lohnt, und wann nicht“, 2026: blog.smart-dato.com, PIM-System ↩
  12. Pimcore GmbH, „Breaking Free: Pimcore Says Goodbye to GPL and Enters a New Era with POCL“, o. J.: pimcore.com, Pimcore Open Core License ↩
  13. AtroCore, „AtroPIM“, Repository auf GitHub, o. J.: github.com/atrocore/atropim ↩
  14. Google, „Benachrichtigungen zu Produktdaten“, Google Merchant Center-Hilfe, o. J.: support.google.com, Benachrichtigungen zu Produktdaten ↩
  15. Google, „Allow Merchant Center to update product information automatically“, Google Merchant Center-Hilfe, o. J.: support.google.com, Automatische Artikelaktualisierungen ↩