Unternehmen, die im Online- und Versandhandel tätig sind, kämpfen unter anderem mit der Herausforderung, Artikellieferzeiten, Lagerbestände, Preise sowie Artikelmerkmale aktuell zu halten. Kunden erwarten dahingehend zunehmend verbindliche und aktuelle Informationen und neue Funktionen, die den Online-Einkauf vereinfachen und bequemer gestalten. Wird ein Lieferzeitpunkt überschritten oder wird nach der Kaufentscheidung bekannt, dass ein Artikel nicht lieferbar ist, steigt der Frust beim Kunden, das Vertrauen bröckelt und die Kundenbeziehung ist in Gefahr. 

Für die E-Commerce Anbieter / Lieferanten / Hersteller und Handelsunternehmen ergeben sich nachfolgende Herausforderungen:

• Sehr hohe manuelle Aufwände bei der Übernahme und Aufbereitung von Daten in die eigenen IT-Systeme (z. B. Shop, PIM)
• Hohe Durchlaufzeit bis Artikel online verfügbar sind („time-to-market“)
• Nicht optimale Kundenzufriedenheit und „User Experience“
• Mangelnde Standards in der Wertschöpfungskette (Hersteller, Lieferant, Händler)
• Zukunftsfähigkeit des Geschäftsmodells Online Handel für kleinere Händler im Hinblick auf zunehmend divergierende Geschäftsbeziehungen ausgelöst vom Kundenbedarf des „Long-Tail-Sortimentes“

In dem Projekt AuDaMaC sollen die Probleme der Online-Händler in Bezug auf Datenkonsistenz gelöst werden. Ziel ist es eine automatisierte Lösung zur Übernahme von Datenbeständen z.B. Lieferantendaten in die Datenbestände der Shopsysteme zu gewährleisten. Dabei sollen sowohl Strukturen automatisch erkannt und verbunden werden als auch Datenumrechnungen vorgenommen werden. Online Händler sparen dadurch Zeit und Kosten für manuelle Zuordnung und Datenübertragungen und können die Time-to-Market verbessern. Ebenso wird langfristig die Kundenzufriedenheit durch eine verbesserte Datenqualität und Performance des Shops (z. B. Filtermöglichkeiten) erheblich verbessern.

Das DAI-Labor beschäftigt sich im Rahmen des Projektes mit dem Einsatz von Ontology-Matching Verfahren und genetischen Algorithmen zur Homogenisierung heterogener Datenbestände. Ziel ist die Entwicklung eines automatisierten Mappingverfahrens für unterschiedliche Domänen.

Dieses Projekt wurde kofinanziert durch den Europäischen Fonds für regionale Entwicklung (EFRE).