Blog Post 28. Oktober 2026 | 3 Min. Lesezeit

Mit KI und MDM die Zukunft des Bauwesens gestalten

Erfahren Sie, wie Ferguson die Produkt-Onboarding-Prozesse mithilfe von KI und MDM optimiert hat, um die Datengenauigkeit zu verbessern und das Kundenerlebnis der Zukunft zu gestalten.

Erfahren Sie, wie wir Bauunternehmen wie Ihres unterstützen

Mit einem Experten sprechen

Wählen Sie ein KI-Tool aus, um diesen Artikel zu erkunden

Mit KI und MDM die Zukunft des Bauwesens gestalten

Master Data Management Blog by Stibo Systems logo
| 3 Min. Lesezeit
Oktober 28 2026
Mit KI und MDM die Zukunft des Bauwesens gestalten
6:51

Im Folgenden finden Sie eine Zusammenfassung eines aufschlussreichen Kamingesprächs mit Brandon Lassiter, Vice President of Enterprise Data and Analytics bei Ferguson, das im Rahmen der Stibo Systems Connect 2024 stattfand.

Ferguson ist einer der größten nordamerikanischen Großhändler für Sanitärbedarf, Rohre, Ventile und Armaturen. Das Unternehmen ist zudem ein bedeutender Distributor von HLK-Anlagen für Heizung und Kühlung, Wasserversorgung (Hydranten und Wasserzähler), Küche und Bad, Beleuchtung, Sicherheitsausrüstung, Haushaltsgeräte und Werkzeuge.

Es bezieht Produkte von 35.000 Lieferanten und verwaltet einen Produktkatalog mit über 6 Millionen Artikeln (Tendenz steigend).

Es überrascht daher nicht, dass ein effizientes Onboarding von entscheidender Bedeutung ist.

Die bisherige Einarbeitungssituation war ineffizient, mit einer langwierigen Einarbeitungszeit, die in dieser schnelllebigen Branche inakzeptabel war. Daher machte sich das Unternehmen daran, diese große Herausforderung anzugehen.

„Wir verkaufen alles, vom 50-Cent-Wachsring, der unter eine Toilette passt, bis hin zu einem Kernkraftventil für eine halbe Million Dollar …“, sagte Brandon Lassiter, Vice President für Enterprise Data and Analytics bei Ferguson. „Es ist wirklich schwierig, ein einziges Datenmodell zu entwickeln, das all diese unterschiedlichen Anforderungen abdeckt.“

Ein mehrgleisiger Ansatz für eine reibungslose Einbindung

Ferguson verließ sich nicht allein auf Technologie, um die Herausforderung der Produkteinführung zu meistern. Das Unternehmen verfolgte einen ganzheitlichen Ansatz und erkannte die Bedeutung von Menschen und Prozessen neben modernsten Tools.

Optimierung von Personal und Prozessen

Zunächst konzentrierte sich Ferguson auf sein Team. Das Unternehmen legte den Schwerpunkt auf die Weiterbildung seines 150-köpfigen Produkt-Onboarding-Teams und identifizierte Bereiche, in denen die Mitarbeiter ihre Fähigkeiten verbessern und effizienter arbeiten konnten.

Zudem nahm das Unternehmen seinen bestehenden Onboarding-Prozess genau unter die Lupe und nutzte Stream Mapping, um unnötige Schritte, die den Prozess verlangsamten, zu identifizieren und zu beseitigen.

Stibo Systems als Grundlage

Mit einem qualifizierten Team und optimierten Prozessen richtete das Team seine Aufmerksamkeit auf die Technologie. Ferguson bewertete seine bestehende Stibo Systems-Plattform sorgfältig und stellte fest, dass sie die ideale Lösung für ein zentralisiertes Produktdatenmanagement war.

Das Unternehmen musste zudem unbedingt sicherstellen, dass die Plattform auf maximale Effizienz konfiguriert war, um seine ehrgeizigen Ziele zu erreichen.

KI für die Automatisierung

Ferguson erkannte die Notwendigkeit, manuelle Engpässe zu beseitigen und den Onboarding-Prozess zu beschleunigen. Die Produktkategorisierung – eine wichtige, aber zeitaufwändige Aufgabe – war ein idealer Kandidat für die Automatisierung.

Zuvor wiesen einzelne Mitarbeiter jedem Produkt manuell eine Kategorie zu – ein Prozess, der nicht nur mühsam, sondern auch fehleranfällig war, insbesondere angesichts des umfangreichen und vielfältigen Sortiments des Unternehmens.

„Je schneller wir ein Produkt verkaufsfähig machen können, desto wahrscheinlicher ist es, dass wir es verkaufen“, sagte Lassiter.

Eine überraschende Überprüfung ergab, dass die Genauigkeit der Kategorisierung selbst bei menschlicher Mitwirkung hinter den Erwartungen zurückblieb.

Um dieses Problem zu beheben, nutzte das Team seine vorhandenen Produktdaten, um einen Algorithmus für maschinelles Lernen zu trainieren. Die Ergebnisse waren beeindruckend: Die KI erreichte eine Genauigkeit von 92 % und verbesserte damit sowohl die Geschwindigkeit als auch die Genauigkeit der Produktkategorisierung erheblich.

Datenprofilierung und -abgleich

KI spielte auch über die Kategorisierung hinaus eine Schlüsselrolle. Vor dem Eintritt in den Onboarding-Prozess durchlaufen alle eingehenden Produktdaten eine Datenprofilierung – einen Vorverarbeitungsschritt, bei dem die Daten analysiert und standardisiert werden, um sicherzustellen, dass sie konsistent und kompatibel sind.

Ein weiterer entscheidender Schritt ist der Produktabgleich, bei dem die KI dabei hilft, potenzielle Duplikate im bestehenden Katalog zu identifizieren. Dies verhindert redundante Einträge und gewährleistet die Datenintegrität – eine entscheidende Funktion für ein Unternehmen mit einem stetig wachsenden Katalog, dessen Produkte von zahlreichen Anbietern stammen.

Wichtige Erkenntnisse:

  • Begeistern Sie die Führungskräfte, indem Sie erste Erfolge aufzeigen und den Wert Ihrer Initiativen in klaren, nicht-technischen Begriffen vermitteln.
  • Technologie ist nur ein Teil des Puzzles. Optimieren Sie Ihr Team und Ihre Prozesse auf maximale Effizienz.
  • Maschinelles Lernen kann manuelle Prozesse übertreffen und so zu höherer Datenqualität und schnellerer Einbindungführen .
  • Sie benötigen eine robuste MDM-Plattform wie die Stibo Systems Platform, um komplexe Produktdaten zu verwalten und KI-Initiativen zu ermöglichen.

Über die Einarbeitung hinaus: Auf immersive Erlebnisse hin

Ferguson gibt sich nicht mit einer schnelleren Einarbeitung zufrieden. Das Unternehmen blickt nach vorne und sieht eine Zukunft, in der seine umfangreichen Produktdaten immersive Kundenerlebnisse ermöglichen. Es erkundet Augmented Reality, 3D-Modellierung und Building Information Modeling – Werkzeuge, die Kunden interaktive und informative Produktvisualisierungen bieten können.

Lassiter erklärte: „Stellen Sie sich vor, Sie betreten einen unserer Showrooms. Sie sagen uns, was Ihnen gefällt – die Farben, die Muster, der Stil – und wir können direkt vor Ihren Augen eine komplette Küche entwerfen, und zwar mithilfe einer digitalen Erfahrung.“

Diese Vision geht auch über den Showroom hinaus.

In der Baubranche, in der Produktivität entscheidend ist, sieht Ferguson großes Potenzial darin, seine Kunden durch Daten zu stärken. Stellen Sie sich eine Baucrew vor, die mithilfe von Augmented-Reality-Brillen alle Details der Sprinkleranlage eines Gebäudes visualisieren kann – und das alles dank präziser und leicht zugänglicher Daten, die von Ferguson bereitgestellt werden.

Dieser Fokus auf das Kundenerlebnis ist ein gewaltiger Wandel: weg vom bloßen Beheben von Problemen hin zur aktiven Schaffung neuer Möglichkeiten. Indem das Unternehmen den Onboarding-Prozess reibungsloser gestaltet – und in KI investiert –, setzt es Ressourcen frei, um sich auf diese großartigen, innovativen Initiativen zu konzentrieren.

Master Data Management Blog by Stibo Systems logo

Jamie Watters ist Senior Account Manager bei Stibo Systems und engagiert sich dafür, Kunden zum Erfolg zu verhelfen, indem er sie auf ihren Reisen im Bereich Master Data Management (MDM) begleitet.

Verbinden mit:

Discover blogs by topic

  • See more
  • Benutzererfahrung
  • Betriebliche Effizienz
  • Business Partner Data Cloud
  • Compliance- und Risikomanagement
  • Customer Experience Data Cloud
  • Data Governance
  • Datenintegration
  • Datenkonformität
  • Datenqualität
  • Digital Asset Management
  • Digital Shelf Analytics
  • ERP-Erfolg
  • Einzelhandel
  • Erweiterte Inhalte
  • Fertigung
  • Finanzdienstleistungen
  • KI
  • Konsumgüter
  • Kunden- und Parteidaten
  • Kundenerlebnis und Kundenloyalität
  • Lieferantendaten
  • Location Data Cloud
  • MDM-Strategie
  • Multidomain-Daten
  • Nachhaltigkeit
  • Plattform
  • Product Experience Data Cloud
  • Produkt-Onboarding
  • Produktdaten und PIM
  • Supplier Data Cloud
  • Versicherung
  • Übersetzung und Lokalisierung
Oktober 28, 2026

Mit KI und MDM die Zukunft des Bauwesens gestalten

Oktober 26, 2026

Generation Z: Auf der Suche nach Abwechslung jenseits von Amazon

Oktober 26, 2026

Verbraucher nutzen KI-gestützte Tools, um intelligenter einzukaufen: Warum das Vertrauen in Daten aus dem Einzelhandel wichtiger denn je ist

Oktober 22, 2026

So bereiten Sie Produktinhalte für die KI-Suche und den agentischen Handel vor

Oktober 21, 2026

Sind Ihre Daten die Ursache für fehlerhafte KI-Ergebnisse?

Oktober 20, 2026

Wie KI-Agenten die Produkteinführung beschleunigen können

Oktober 20, 2026

Pioniere, Cowboys und Siedler: Unsere Tage bei Connect in Austin

Oktober 15, 2026

Wohin sich der PIM-Markt entwickelt: Zuverlässige Produktinformationen für Content, KI und mehr

Oktober 13, 2026

Der umfassende Leitfaden zu PIM-Funktionen: Die Funktionen, die Sie für erfolgreiche Datenstrategien benötigen

Oktober 11, 2026

Vertrauen Sie der Maschine: So wird KI-Automatisierung im Stammdatenmanagement zuverlässig

Oktober 8, 2026

Produkt-Attributionsstrategien, die Suchende zu Käufern machen

September 24, 2026

Warum Geschäftsbeziehungen das Stammdatenmanagement erschweren

September 18, 2026

Machen Sie Ihre SAP S/4HANA-Migration zu einer KI-fähigen Datenbasis

September 18, 2026

Warum der Datenstandard, auf dem Ihre Berichte basieren, Ihre KI-Agenten im Stich lassen wird

September 9, 2026

Mit Stammdatenmanagement Datenplattformen in geschäftlichen Mehrwert umwandeln

September 9, 2026

5 Fehler in den Stammdaten, die zuverlässige KI-Modelle zu unzuverlässigen Agenten machen

September 8, 2026

4 Gründe, warum Banken und Versicherer KI ohne ein zuverlässiges 360-Grad-Kundenbild nicht in großem Maßstab einsetzen können

September 7, 2026

Wenn wir Snowflake und Databricks haben, warum brauchen wir dann noch Stammdatenmanagement?

September 7, 2026

Warum fragmentierte Kundendaten mittlerweile ein großes Compliance-Risiko für Finanzdienstleister darstellen

August 17, 2026

Käufer sind besser informiert als je zuvor – aber treffen sie auch bessere Entscheidungen?

August 17, 2026

Warum KI in Unternehmen bei der Skalierung ins Stocken gerät – und warum Daten das Hindernis sind, das Führungskräfte überwinden müssen

August 4, 2026

Wie man eine Daten-Governance aufbaut, die in KI-Workflows zwischen Agenten Bestand hat

August 3, 2026

Warum Stammdatenmanagement für zuverlässige KI-Agenten von entscheidender Bedeutung ist

Juli 31, 2026

Sind Ihre Daten bereit für KI-Agenten? 5 Tests, um das herauszufinden

Juli 31, 2026

Die neuen Wettbewerbsregeln im Agentic Commerce

Juli 30, 2026

Warum die meisten KI-Initiativen scheitern, noch bevor das Modell überhaupt zum Einsatz kommt

Juli 29, 2026

Warum Vertrauen der eigentliche Engpass im agentenbasierten Handel ist

Juli 28, 2026

Die 5 Datenstandards, die über Erfolg oder Misserfolg Ihrer KI-Agenten entscheiden

Juli 14, 2026

Wie man MDM-Anbieter in einem von Übernahmen geprägten Markt bewertet

Juli 10, 2026

Warum Agentic AI einen digitalen Zwilling des Unternehmens erfordert

Juni 22, 2026

KI-Systeme wollen saubere Daten – aber sie BRAUCHEN die Governed-Daten

Juni 19, 2026

Bosch und Stibo Systems schließen Partnerschaft zur Transformation von Unternehmensdaten

Juni 15, 2026

Vertrauen in Agentic Enterprise-Systeme: Wie zu schaffen

Juni 10, 2026

Ein umfassendes Glossar zum Thema Stammdatenmanagement

Mai 21, 2026

4 Kosten bei der Lieferanten-Onboarding-Phase, die täglich Ihre Gewinnspanne schmälern – und wie Agentic AI Abhilfe schafft

Mai 20, 2026

Die 7 Arten von Kundendaten, ohne die Ihre KI-Agenten nicht auskommen

Mai 6, 2026

7 Anzeichen dafür, dass Ihre Marke im Agentic Commerce an Boden verliert

April 30, 2026

Mit „Semantic Master Data“ hört Ihre KI auf zu raten und beginnt zu verstehen, was Sie wollen

April 29, 2026

KI und Stammdaten: Ein starkes Duo für den Unternehmenserfolg

April 21, 2026

5 Probleme mit Produktdaten, die Ihre Marke in der KI-Suche unsichtbar machen

April 17, 2026

Was ist eine Datendomäne? Bedeutung und Beispiele

April 17, 2026

Ein Leitfaden zur Lieferanten-Compliance

April 17, 2026

Ein moderner Leitfaden zur Überwachung der Datenqualität: Best Practices

April 17, 2026

So setzen Sie Data Governance um

April 17, 2026

Rollen und Verantwortlichkeiten im Stammdatenmanagement

April 16, 2026

6 Merkmale einer effektiven Stammdatenmanagement-Lösung

April 16, 2026

Was ist „Manufacturing-as-a-Service“ (MaaS)?

April 16, 2026

Entdecken Sie den Wert Ihrer Daten: KPIs und Kennzahlen für das Stammdatenmanagement

April 9, 2026

Ein kurzer Leitfaden zu „Golden Customer Records“ und deren Erstellung mithilfe von Stammdatenmanagement

April 7, 2026

8 bewährte Verfahren für die Verwaltung von Kundenstammdaten

April 7, 2026

Was ist Supply-Chain-Analytik und warum ist sie wichtig?

April 7, 2026

Was ist Datenqualität und warum ist sie wichtig?

April 7, 2026

Was ist Supplier Lifecycle Management?

April 7, 2026

5 Trends und Chancen in der Konsumgüterbranche für 2026

April 7, 2026

Omnichannel vs. Multichannel: Was ist der Unterschied?

April 7, 2026

Was ist Stammdaten-Governance – und warum brauchen Sie sie?

April 3, 2026

Was ist der Unterschied zwischen CPG und FMCG?

März 16, 2026

5 häufige Gründe, warum Hersteller bei der digitalen Transformation scheitern

März 11, 2026

Die gängigsten ISO-Normen in der Fertigungsindustrie

März 11, 2026

BICs Blaupause zur Bewältigung komplexer globaler Produktdatenherausforderungen

März 11, 2026

Was ist Master Data Management? Eine vollständige und prägnante Antwort

März 11, 2026

4 gängige Arten der Implementierung von Stammdatenmanagement

März 10, 2026

Model Context Protocol (MCP): Die fehlende Schicht für KI-Systeme, die mit Unternehmensdaten interagieren

Legen wir los

Bereit zu sehen, wie Trusted Intelligence Ihre Daten in fundierte Entscheidungen verwandelt? Sprechen wir darüber.

2