Wie lassen sich Mehr-SKU-Drucksachen mit AI fehlerfrei organisieren? Ein kompletter Workflow von der Feldplanung bis zur Druckfreigabeliste

Wer schon einmal Einkauf für eine E-Commerce- oder Retail-Marke gemacht hat, kennt dieses Gefühl: Sobald bei derselben Art von Drucksache die Zahl der SKUs steigt, wachsen die Probleme nicht linear, sondern sprunghaft

Eine Kosmetikmarke kann zum Beispiel zwanzig Produktvarianten von Etiketten gleichzeitig in Druck geben. Auf jedem Etikett unterscheiden sich Produktname, Füllmenge, Inhaltsstoffe, Warnhinweise, Barcode und Haltbarkeitsangabe, während Layout, Farbwelt und Logo-Größe gemeinsam genutzt werden. Die Arbeit der Designer ist dabei nicht das eigentliche Problem. Schwierig wird es, weil die Daten oft schon ungeordnet sind, bevor das Layout überhaupt beginnt

Aus dem Vertrieb kommt meist eine Word-Tabelle, ein E-Mail-Anhang oder eine Excel-Datei aus der Produktdatenbank. Darin sind Feldnamen uneinheitlich, manche Felder leer, andere mit internen Codes gefüllt, die für Designer nicht verständlich sind. Das Problem liegt also nicht in der gestalterischen Komplexität, sondern darin, dass die Datenbasis nicht sauber vorbereitet wurde

Aus meiner langjährigen Projekterfahrung treten bei Mehr-SKU-Drucksachen drei Fehler besonders häufig auf: Ein variables Feld wird bei einer SKU nicht aktualisiert, eine Barcode-Nummer wird falsch eingegeben, oder alte und neue Versionen landen in derselben Datei. Der wirksamste Einsatzpunkt für AI liegt genau in dieser frühen Phase der Datenaufbereitung, nicht erst am Ende bei Layout und Ausgabe

Zuerst muss geklärt werden, welche Felder diese Druckserie überhaupt enthält. Danach werden sie klassifiziert und von AI gegengeprüft. Etiketten, Hangtags und Anleitungskarten haben unterschiedliche Layouts, doch ihre Datenstruktur lässt sich in der Regel auf fünf Gruppen zurückführen:

・Artikelnummernfeld: SKU-Code oder Materialnummer. Das ist der Primärschlüssel der gesamten Datei. Jede Zeile entspricht einer Druckversion; doppelte Einträge müssen sofort markiert werden

・Textfeld: Produktname, Inhaltsstoffe, Gebrauchsanweisung, Warnhinweise und regulatorische Angaben. Die Länge ist variabel und überschreitet am häufigsten den verfügbaren Platz im Layout

・Codierungsfeld: Barcode, etwa EAN-13 oder QR-Code-Link, sowie Chargennummernformate. Diese Angaben müssen Zeichen für Zeichen geprüft werden; beim bloßen Überfliegen werden Fehler fast zwangsläufig übersehen

・Spezifikationsfeld: Format, Papier, Veredelung oder Weiterverarbeitung. Meist ist dies für die gesamte Serie gleich, einzelne Ausnahmen müssen jedoch gesondert markiert werden

・Versionsfeld: Versionsnummer, Änderungsdatum und Freigabestatus. Dieses Feld wird am leichtesten übersehen, ist aber im Streitfall bei der Korrekturabstimmung die letzte verbindliche Referenz

Bevor die Daten an AI übergeben werden, sollten diese fünf Feldtypen klar definiert sein. Der AI muss mitgeteilt werden: Das Artikelnummernfeld ist der Primärschlüssel, Duplikate sind zu markieren; Textfelder mit mehr als 18 Zeichen sind zu warnen. Diese zehn Minuten Vorbereitung sparen oft mehrere Rückfragerunden mit der Druckerei

Wenn das Beratungsteam der MINDS Knowledge Academy Kunden beim Aufbau einer Spezifikationsdatenbank für Drucksachen unterstützt, beginnt der Prozess immer mit dieser Feldklassifizierung. Denn wenn es keine gemeinsame Definition der Felder gibt, bleibt auch eine sauber von AI sortierte Tabelle beim manuellen Abgleich an derselben Stelle hängen

Das ist die zentrale Designentscheidung im gesamten Workflow. Erst wenn diese Trennung sauber ist, ergibt die spätere Prüfung überhaupt Sinn

Feste Layoutbereiche sind Elemente, die für die gesamte Druckserie gleich bleiben: Markenlogo, Format, Stanzkontur, Sicherheitsabstände und Farbfelder. Diese werden in der Vorlagendatei gesperrt. Designer müssen sie nicht für jede SKU neu setzen, und AI sollte sie ebenfalls nicht verändern

Variable Felder sind Informationen, die sich je SKU unterscheiden: Produktname, Füllmenge, Barcode-Nummer, Warnhinweistext und Format der Haltbarkeitsangabe. Sie entsprechen jeweils einer Zeile in der Datentabelle. Die Aufgabe der AI besteht darin, Zeile für Zeile zu prüfen, ob alle variablen Felder gefüllt sind und ob sie die im Layout zulässige Zeichenanzahl überschreiten

In der Praxis werden dafür zwei zusätzliche Hilfsspalten in der Datentabelle angelegt:

・Spalte für Layoutgrenzen: Sie hält fest, wie viele Zeichen ein Feld im Layout maximal aufnehmen kann, zum Beispiel höchstens 16 Zeichen im Produktnamenfeld oder 80 Zeichen im Warnhinweisfeld

・Spalte für Zeichenzählung: Die AI trägt automatisch die tatsächliche Zeichenanzahl des aktuellen Inhalts ein und markiert überlange Zeilen rot

Eine überlange Zeile wird nicht automatisch gekürzt. Manchmal kann das Layout angepasst werden, manchmal muss der Produktname selbst sinnvoll abgekürzt werden. AI gibt die Warnung aus, der Mensch trifft die letzte Entscheidung. Genau diese Arbeitsteilung nutzt die Stärken beider Seiten am besten

Dieser Schritt wird vor der Datenausgabe besonders leicht ausgelassen und ist zugleich eine der häufigsten Quellen für unschöne Druckfehler

Im chinesischen Satz gibt es eine Besonderheit: Bei gleicher Zeichenzahl kann ein anderer Zeilenumbruch die Lesbarkeit stark verändern. Wird ein Warnhinweis wie „Dieses Produkt enthält Gluten, für Allergiker nicht geeignet“ in zwei Zeilen gesetzt und der Umbruch steht an einer ungünstigen Stelle, wirkt das visuell falsch. Auch bei Anleitungskarten sehen automatische Umbrüche merkwürdig aus, wenn Zahl und Einheit getrennt werden, zum Beispiel „10“ und „ml“ auf zwei verschiedenen Zeilen. Solche Fälle sind im fertigen Layout schwer einzeln mit dem Auge zu finden

Für eine AI-gestützte Vorprüfung der Zeilenumbrüche werden der Textinhalt jedes variablen Felds, Schriftart, Schriftgröße und die Breite des Layoutbereichs, umgerechnet in eine ungefähre Zeichenobergrenze, an die AI übergeben. Sie markiert dann Stellen, an denen unnatürliche Umbrüche wahrscheinlich sind. Das ist keine exakte Satzsimulation, aber Designer wissen bereits vor Beginn des Layouts, welche SKUs besondere Aufmerksamkeit brauchen. Das ist deutlich effizienter, als nach dem fertigen Satz zurückzukorrigieren

Fehlende Glyphen sind ein anderes Risiko. Manche seltenen Zeichen oder Sonderzeichen sind in den von der Druckerei verwendeten Fonts eventuell nicht enthalten. Bei der Ausgabe erscheinen dann Kästchen oder die Zeichen verschwinden ganz. AI kann die gesamte Datenserie scannen und Zeichen außerhalb des unterstützten Zeichensatzes markieren. In der Praxis passiert das besonders häufig bei chemischen Bezeichnungen in Inhaltsstofflisten oder bei Anleitungskarten mit mehreren Sprachen. In solchen Fällen sollte die Font-Unterstützung frühzeitig mit der Druckerei geklärt werden

Dass die Daten sortiert sind, bedeutet noch nicht, dass sie direkt in Druck gehen können. Vor der Übergabe an die Druckerei müssen zwei Dokumente vorbereitet sein

Die Versionsliste sollte enthalten:

・alle SKU-Artikelnummern und Produktnamen dieser Druckserie

・Versionsnummer und letztes Freigabedatum jedes Artikels

・eine Zusammenfassung der Unterschiede zur vorherigen Version, getrennt markiert nach komplett neuer Druckdatei, unveränderter Übernahme und teilweiser Änderung

Die Versionsliste ist zugleich ein Schutzdokument für den Auftraggeber. Wenn ein Problem auftritt, zeigt diese Liste klar, wer zu welchem Zeitpunkt welche Version freigegeben hat. Das ist deutlich belastbarer, als nachträglich E-Mail-Verläufe zu durchsuchen

Für die Musterübersicht wird pro SKU ein Thumbnail eingefügt und mit Artikelnummer sowie Produktname abgeglichen. Kritische variable Felder wie Barcode und Warnhinweis werden mit Rahmen hervorgehoben. Diese Übersicht muss nicht aufwendig gestaltet sein. Es reicht, wenn auf einer A4-Seite sechs bis acht SKU-Thumbnails Platz finden. Ziel ist ein visueller Anker für die manuelle Stichprobe und ein systematischer Abgleich nach dem Proof der Druckerei

Wenn Kunden bei Mehr-SKU-Aufträgen diese beiden Dokumente an MINDS Druck übergeben, verbessert sich die Effizienz der Korrekturabstimmung deutlich, und die Zahl der Korrekturschleifen sinkt spürbar

Zum Rhythmus der manuellen Prüfung: Es ist nicht empfehlenswert, nur SKUs mit Änderungen zu prüfen. Wird etwa das Layout einer Produktvariante geändert, können benachbarte Varianten im Layout ebenfalls verrutschen, ohne dass es sofort auffällt. Sinnvoller ist eine gestaffelte Prüfung: Barcode-Felder werden über die gesamte Serie einzeln abgeglichen, Textfelder stichprobenartig zu etwa einem Drittel geprüft, und bei größeren Layoutänderungen wird die gesamte Serie erneut gescannt

・Die Fehlerursache bei Mehr-SKU-Drucksachen liegt fast immer auf der Datenseite. Der sinnvollste Einsatzpunkt für AI ist die Feldklassifizierung und zeilenweise Prüfung, nicht die späte Phase der gestalterischen Ausgabe

・Feste Layoutbereiche und variable Felder müssen zuerst getrennt werden. Erst dann kann AI sinnvolle Zeichenzählungen und Überlängenwarnungen liefern, und erst dann wird die manuelle Korrektur effizient

・Zeilenumbrüche und fehlende Glyphen sind zwei getrennte Prüfaufgaben. Beide müssen vor dem Layoutstart erledigt werden; werden sie erst mitten im Satz entdeckt, steigen die Kosten deutlich

・Versionsliste und Musterübersicht gehören zur Grundausstattung vor der Druckübergabe. Fehlen diese beiden Dokumente, wird jede Korrekturabstimmung schnell uneindeutig

・Barcode-Felder müssen immer einzeln abgeglichen werden und dürfen nicht nur visuell überflogen werden. Textfelder werden stichprobenartig geprüft; bei größeren Layoutänderungen wird die gesamte Serie erneut kontrolliert

Die Mühe mit Mehr-SKU-Drucksachen ist im Kern ein Daten-Governance-Problem, nur eben im Kontext des Druckeinkaufs. Der praktischste Nutzen von AI besteht hier darin, jene Prüfschritte, von denen alle wissen, dass sie nötig sind, die aber aus Zeitgründen gern ausgelassen werden, in einen belegbaren Prozess zu verwandeln. So kann sich der Mensch auf die Entscheidungen konzentrieren, die wirklich Urteilskraft brauchen

Für den Einkauf auf Markenseite lohnt es sich, diesen Aufbereitungsprozess als SOP aufzubauen. Dann beginnt jede Produkteinführung oder saisonale Überarbeitung am selben Ausgangspunkt, statt jedes Mal neu improvisiert zu werden. Für Druckereien gilt: Je sauberer Kunden ihre Daten vorbereiten, desto schneller entstehen druckreife Daten, desto weniger Korrekturschleifen braucht es und desto stabiler wird die Zusammenarbeit langfristig

Wer gerade eine Serie von Mehr-SKU-Etiketten oder Hangtags vorbereiten muss, kann zunächst die vorhandene Produkttabelle einmal nach Feldern klassifizieren. Dabei wird geprüft, welche Felder fest sind, welche variabel, und ob Materialnummern fehlen oder doppelt vorkommen. Für diesen Diagnoseschritt ist kein Spezialwerkzeug nötig; eine AI, die Excel lesen kann, reicht aus. Danach ist der Überblick über die gesamte Druckserie meist deutlich besser als erwartet

Für weiterführende Prozessberatung oder Unterstützung beim Aufbau einer Mehr-SKU-Spezifikationsdatenbank können Sie sich gern an das Beratungsteam der MINDS Knowledge Academy wenden. Wir bringen langjährige Praxiserfahrung aus der Betreuung von Markenkunden mit