> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wisepim.com/llms.txt
> Use this file to discover all available pages before exploring further.
# AI-Attributextraktion
> Extrahiere strukturierte Attribute (Material, Abmessungen, Farbe, Kompatibilität) aus unstrukturiertem Produkttext mit AI, damit jedes Produkt vollständige, filterbare Spezifikationen hat.
Attribute sind die strukturierten Spezifikationen, die Filter, Vergleichstabellen, Feeds und Facettensuche antreiben: Material, Abmessungen, Farbe, Gewicht, Kompatibilität und mehr. Das Problem: Sie stecken meist im Beschreibungstext oder fehlen ganz. Attribut-Anreicherung nutzt AI, um den vorhandenen Content jedes Produkts zu lesen und diese Spezifikationen in saubere, strukturierte Attributfelder zu extrahieren.
**Was das ermöglicht:** Mache deinen Katalog filterbar und feed-fertig. Strukturierte Attribute treiben die Facettensuche im Shop, Marketplace-Anforderungen und die Vergleichsdaten, die Shopper bei der Kaufentscheidung nutzen, und werden automatisch aus Text extrahiert, den du bereits hast.
Attribut-Anreicherung kostet **1 Credit pro Produkt**. Extrahierte Werte werden in die Attributfelder deines Produkts geschrieben, zugeordnet zu den Attributen, die für die Familie dieses Produkts definiert sind.
## Wann du es nutzen solltest
* **Spezifikationen stecken im Beschreibungstext**, aber nicht in strukturierten Feldern, sodass Shopper nicht danach filtern können.
* **Ein Marketplace oder Feed erfordert bestimmte Attribute** (Google Shopping braucht GTIN, Farbe, Größe, Material; Amazon hat kategoriespezifische Pflichtfelder).
* **Filter liefern unvollständige Ergebnisse**, weil vielen Produkten das gefilterte Attribut fehlt.
* **Als Teil von [Auto-Fill](/de/ai/auto-fill)**, das fehlende Attribute mit deinem Standard-Attributprompt extrahiert.
## So führst du es aus
Hake Produkte einzeln an, oder filtere (zum Beispiel nach einem fehlenden Schlüsselattribut) und wähle alle passenden Ergebnisse aus.
Klicke in der Toolbar auf **Mit AI anreichern**.
Wähle **Attribute** als Anreicherungsart.
Wähle einen Attributprompt aus deiner [Prompt-Bibliothek](/de/essentials/prompt-library). Der Prompt steuert, nach welchen Attributen gesucht wird und wie Werte formatiert werden sollen.
Klicke auf **Anreicherung starten** und verfolge sie im [Process Tracker](/de/other-features/process-tracker).
## Wie die Extraktion funktioniert
Die AI liest Titel, Beschreibung und alle vorhandenen Daten jedes Produkts und extrahiert dann Werte für die Attribute, die auf der **Familie** dieses Produkts definiert sind. Sie füllt nur Attribute, die in deiner Struktur vorhanden sind, und erfindet keine neuen Attributarten. Werte werden normalisiert, um deinen Konventionen zu entsprechen, wenn der Prompt das verlangt (zum Beispiel „Rot" statt „rot", oder Einheiten wie „cm").
Attributextraktion ist nur so gut wie der Ausgangstext. Wenn Beschreibungen dünn sind, führe zuerst [Web-Recherche](/de/ai/web-research) aus, um Spezifikationen aus externen Quellen zu holen, und extrahiere dann Attribute aus den angereicherten Daten.
## Was gute Ergebnisse ausmacht
* **Konsistente Wertformatierung.** „Edelstahl" überall, nicht ein Mix aus „edelstahl", „E/S" und „inox". Bitte den Prompt zu normalisieren.
* **Einheiten enthalten und konsistent.** Abmessungen und Gewichte tragen ihre Einheit, im selben System im gesamten Katalog.
* **Keine erfundenen Werte.** Ein leeres Feld ist besser als eine Schätzung. Sag dem Prompt, ein Attribut leer zu lassen, wenn der Wert nicht im Ausgangstext vorhanden ist.
* **Hohe Abdeckung bei filterbaren Attributen.** Die Attribute, nach denen Shopper filtern (Größe, Farbe, Material), sollten bei fast jedem Produkt befüllt sein.
## Was tun, wenn etwas nicht passt
Geringe Abdeckung bedeutet meist, dass der Ausgangstext die Spezifikationen nicht enthält. Führe zuerst [Web-Recherche](/de/ai/web-research) aus, um Spezifikationen aus externen Quellen zu holen, dann extrahiere erneut. **Ergebnis:** Attribute befüllt, auch wo deine eigenen Daten dünn waren.
Füge Normalisierungsregeln zum Prompt hinzu („Farbnamen großschreiben; alle Abmessungen in cm angeben"). Führe ihn erneut aus. **Ergebnis:** saubere, einheitliche Werte, die in Filtern und Feeds korrekt gruppiert werden.
Bestätige, dass das Attribut in der Produktfamilie vorhanden ist, dann reichere an. Wenn der Wert aus dem Content wirklich nicht bestimmbar ist, könnte Web-Recherche oder ein Lieferanten-Import nötig sein. **Ergebnis:** feed-fertige Produkte, die die Marketplace-Validierung bestehen.
Prüfe extrahierte Attribute im Tab [Datenqualität](/de/analytics/data-quality), der die Attributabdeckung bewertet und verdächtige Werte markiert. **Ergebnis:** Vertrauen, dass extrahierte Spezifikationen korrekt sind, bevor sie live gehen.
## Verwandte Themen
Hole Spezifikationen aus externen Quellen, wenn deine eigenen Daten dünn sind.
Verfolge Attributabdeckung und erkenne verdächtige Werte.
Überblick über alle 14 Anreicherungsarten.
Erstelle und organisiere deine Attributprompts.