Produktdaten in Amazon Flat File umwandeln

Du hast 500 Produkte in einem Shopify-Export. Oder eine Lieferantentabelle mit Spalten auf Deutsch. Oder einen CSV-Dump aus deinem ERP mit internen Feldcodes, die nur dein Lagerteam versteht. Amazon braucht das alles in einer Flat File — einem spezifischen Tabellenformat mit Hunderten exakt benannter Spalten, kontrollierten Vokabularen und Validierungsregeln, die alles ablehnen, was nicht passt. Die Lücke zwischen deinen Daten und dem, was Amazon akzeptiert, kostet schnell zwei bis fünf volle Arbeitstage manueller Umformatierung. Dieser Guide zeigt dir genau, was der Konvertierungsprozess beinhaltet, wo jedes Quellformat scheitert und wie es schneller geht.

Wenn du noch nicht genau weißt, was eine Flat File überhaupt ist, lies zuerst unseren kompletten Guide zu Amazon Flat Files.

Warum kannst du deine vorhandenen Daten nicht einfach bei Amazon hochladen?

Das ist die erste Frage, die sich alle Verkaufenden stellen, wenn sie von einer anderen Plattform auf Amazon expandieren. Du hast bereits strukturierte Produktdaten. Mit Titeln, Beschreibungen, Preisen, Bildern, SKUs. Warum kannst du das nicht einfach hochladen?

Die kurze Antwort: Amazon akzeptiert das Format anderer Plattformen nicht. Die lange Antwort umfasst drei Ebenen der Inkompatibilität.

1. Spaltennamen stimmen nicht überein. Dein Shopify-Export hat eine Spalte namens Title. Amazons Flat File erwartet item_name. Dein ERP nennt es Produktbezeichnung. Das sind keine kosmetischen Unterschiede — Amazons Upload-Parser lehnt jede Spalte ab, die er nicht erkennt. Es gibt kein Fuzzy Matching, kein "nah genug." Jede einzelne Spalte muss Amazons exakten internen Namen verwenden, der oft Marktplatz- und Sprachkennungen enthält wie item_name[marketplace_id=A1PA6795UKMFR9][language_tag=de_DE]#1.value.

2. Werte entsprechen nicht Amazons Regeln. Amazon erzwingt kontrollierte Vokabulare für Dutzende von Feldern. Dein Farbfeld sagt "Dunkelblau." Amazon erwartet "Navy" — oder möglicherweise "DarkBlue" — je nach Kategorie. Dein Größenfeld sagt "XL." Amazon braucht vielleicht "X-Large" oder "XL" oder "Extra Large," und jede Kategorie hat ihre eigene akzeptierte Liste. Deine Maße sind in Zentimetern; Amazon will für manche Marktplätze Zoll. Das sind keine Dinge, die du per Augenmaß prüfen kannst. Jedes Kategorie-Template hat einen Data-Definitions-Tab, der genau vorgibt, welche Werte gültig sind.

3. Die Struktur ist grundlegend anders. Amazons Flat File ist nicht nur eine Produkttabelle. Es ist ein hochstrukturiertes Dokument mit Parent-Child-Beziehungen für Variationen, bedingten Feldern, die nur für bestimmte Produkttypen gelten, und marktplatzspezifischen Anforderungen. Ein Shopify-Export ist eine flache Liste von Varianten. Ein ERP-Export unterscheidet möglicherweise nicht einmal zwischen Einzelprodukten und Bundles. Die strukturelle Transformation ist oft der zeitaufwändigste Teil.

Für einen tieferen Einblick in die Template-Struktur selbst lies unseren Guide zum kompletten Amazon Flat File Workflow.

Wie sieht der manuelle Konvertierungsprozess aus?

Schauen wir uns an, was es tatsächlich braucht, um einen Shopify-Export mit 500 Produkten in eine Amazon Flat File umzuwandeln. Ohne Tools, ohne Automatisierung — nur du, Excel und Amazons Dokumentation.

Schritt 1: Aus der Quelle exportieren (5 Minuten). Du lädst eine CSV aus Shopify herunter. Sie hat etwa 30 Spalten: Handle, Title, Body (HTML), Vendor, Type, Tags, Published, Option1 Name, Option1 Value, Variant SKU, Variant Price, Variant Inventory Qty, Image Src und so weiter.

Schritt 2: Das richtige Amazon-Template herunterladen (15-30 Minuten). In Seller Central einloggen. Zur Kategorie-Template-Bibliothek navigieren. Herausfinden, zu welcher Kategorie deine Produkte gehören. Template herunterladen. Öffnen. Feststellen, dass es 347 Spalten hat. Den Data-Definitions-Tab lesen, um zu verstehen, was jede Spalte erwartet.

Schritt 3: Deine Spalten den Amazon-Spalten zuordnen (1-3 Stunden). Gehe jede deiner 30 Shopify-Spalten durch. Finde die entsprechende Amazon-Spalte. Dokumentiere die Zuordnung. Stelle fest, dass manche Shopify-Felder aufgeteilt werden müssen (dein "Body (HTML)" muss zu separaten Aufzählungspunkten und einer Beschreibung werden). Andere Amazon-Felder haben überhaupt kein Äquivalent in deinem Export (Markenregistrierungsnummer, Konformitätszertifikate, Herkunftsland). Beginne eine Liste der Lücken.

Schritt 4: Jeden Wert umformatieren (4-8 Stunden). Daten aus deinem Export in das Amazon-Template kopieren. HTML aus Beschreibungen entfernen. Titel auf 200 Zeichen kürzen. Freitext-Farbwerte in Amazons kontrolliertes Vokabular übersetzen. Jeden Größenwert in Amazons akzeptierter Liste nachschlagen. Gewichte von Kilogramm in die erwartete Einheit umrechnen. "true/false" durch Amazons erwartetes Format ersetzen. Encoding-Probleme bei Sonderzeichen beheben.

Schritt 5: Variationen verarbeiten (2-4 Stunden). Dein Shopify-Export listet jede Variante als separate Zeile. Amazon braucht Parent-Zeilen (nicht kaufbare Gruppierungseinträge) plus Child-Zeilen. Du musst Parent-Zeilen von Grund auf erstellen, Variation Themes zuweisen, Children über parent_sku-Felder verknüpfen und variationsspezifische Attribute in jeder Child-Zeile ausfüllen. Bei 500 Produkten mit durchschnittlich 3 Varianten sind das 150+ Parent-Zeilen, die manuell erstellt werden müssen.

Schritt 6: Validieren (1-2 Stunden). Jedes Pflichtfeld prüfen. Kontrollierte Vokabularwerte verifizieren. GTINs validieren. Sicherstellen, dass Parent-Child-Beziehungen konsistent sind. Einen kleinen Batch test-uploaden. Die von Amazon gemeldeten Fehler beheben. Erneut testen.

Schritt 7: Korrigieren und erneut hochladen (1-3 Stunden). Fast keine Flat File wird beim ersten Versuch fehlerfrei hochgeladen. Verarbeitungsbericht herunterladen. Fehlercodes abgleichen. Betroffene Zeilen korrigieren. Erneut hochladen. Warten. Nochmal prüfen.

Summe: 10-20+ Stunden für 500 Produkte. Und das für jemanden, der das schon einmal gemacht hat. Bei Neulingen kann es deutlich länger dauern. Für eine detaillierte Aufschlüsselung dessen, was in jedem Schritt schiefgehen kann, lies unseren Artikel über häufige Amazon Flat File Fehler.

Quellenspezifische Herausforderungen

Jedes Quellformat bringt seine eigenen Probleme mit. Hier ist, was dich bei den häufigsten erwartet.

Shopify-Exporte

Shopifys CSV-Export ist eines der besser strukturierten Quellformate, erfordert aber trotzdem erhebliche Transformation für Amazon.

Feldnamen stimmen nicht überein: Shopify verwendet Title, Body (HTML), Vendor, Tags. Amazon nutzt item_name, product_description, brand_name und hat kein direktes Äquivalent für Tags. Jede Spalte muss manuell zugeordnet werden.

HTML in Beschreibungen: Shopify speichert Produktbeschreibungen als HTML. Amazons product_description-Feld akzeptiert in den meisten Kategorien kein HTML. Du musst Tags entfernen, Listen in Fließtext umwandeln und den Inhalt umstrukturieren.

Variantenstruktur passt nicht: Shopify listet jede Variante als Zeile mit Option1 Name, Option1 Value usw. Amazon verwendet eine völlig andere Parent-Child-Struktur mit dedizierten Variation-Theme-Feldern. Die strukturelle Transformation ist nicht trivial — Spalten umbenennen reicht nicht.

Fehlende Amazon-spezifische Attribute: Shopify erfasst keine Herstellerartikelnummern, kein Herkunftsland, keine Konformitätszertifikate und Dutzende anderer Amazon-Pflichtfelder. Diese Lücken müssen aus anderen Quellen gefüllt oder manuell eingetragen werden.

Bilderverwaltung: Shopify exportiert Bild-URLs. Amazon akzeptiert Bild-URLs in Flat Files, aber sie müssen öffentlich zugängliche HTTPS-URLs sein, die bestimmte Auflösungsanforderungen erfüllen (mindestens 1000x1000 Pixel, weißer Hintergrund für Hauptbilder). Shopify-CDN-URLs funktionieren in der Regel, aber jede einzelne muss verifiziert werden.

WooCommerce-Exporte

WooCommerces CSV-Exportformat unterscheidet sich in mehreren Punkten von Shopify und verursacht zusätzlichen Konvertierungsaufwand.

Variable Produktstruktur: WooCommerce handhabt Variationen anders als Shopify. Variable Produkte und ihre Variationen werden als verknüpfte Zeilen mit parent- und variation-Typen exportiert. Konzeptionell ist das näher an Amazons Parent-Child-Modell, aber die Feldnamen und der Verknüpfungsmechanismus sind trotzdem komplett anders.

Benutzerdefinierte Attribute: WooCommerce speichert Produktattribute in einem Pipe-getrennten Format innerhalb einzelner Spalten (z. B. Color: Blue | Size: Large). Diese müssen geparst, aufgeteilt und den separaten Attributspalten von Amazon zugeordnet werden.

Plugin-abhängige Exporte: Verschiedene WooCommerce-Export-Plugins erzeugen unterschiedliche CSV-Formate. Ob du WooCommerce Product Export oder ein Drittanbieter-Plugin nutzt — die Spaltennamen und Struktur können variieren. Es gibt kein einheitliches "WooCommerce-Format."

WordPress-spezifischer Content: Beschreibungsfelder enthalten oft WordPress-Shortcodes, Gutenberg-Block-Markup oder Syntax von Custom-Field-Plugins, die bereinigt werden müssen, bevor Amazon den Content akzeptiert.

ERP-Systeme

ERP-Exporte sind oft die anspruchsvollste Quelle, weil sie für interne Abläufe konzipiert sind, nicht für Marktplatz-Listings.

Interne Codes statt lesbarer Bezeichnungen: Dein ERP verwendet vielleicht MAT-4721-BLU-XL als Produktkennung. Amazon braucht einen ordentlich formatierten Titel, eine Marke und Attributwerte. Die Übersetzung von internen Codes in verbrauchertaugliche Inhalte ist selten automatisiert.

Eigene Feldnamen: Jedes ERP hat sein eigenes Schema. SAP, Oracle, Microsoft Dynamics, Odoo — jedes nutzt andere Begriffe. MATNR, Material Description, ArtikelBeschreibung, Bezeichnung. Nichts davon lässt sich direkt auf Amazons Spaltennamen abbilden, ohne eine manuelle Zuordnung durchzuführen.

Einheiten passen nicht: ERPs speichern Maße oft in Einheiten, die nicht Amazons Erwartungen entsprechen. Gewichte in Gramm, wenn Amazon Pfund will. Abmessungen in Millimetern, wenn Amazon Zoll erwartet. Währung in EUR, wenn der Marktplatz USD voraussetzt. Jeder Wert muss umgerechnet werden.

Sprachunterschiede: Wenn dein ERP auf Deutsch läuft, du aber auf Amazon US verkaufen willst, muss jedes Textfeld übersetzt werden. Produkttitel, Beschreibungen, Aufzählungspunkte, Materialangaben — alles.

Fehlender verbrauchertauglicher Content: ERPs speichern operative Daten — Lagerbestände, Kosten, Lieferantencodes. Sie enthalten typischerweise keine SEO-optimierten Titel, keine Marketing-Aufzählungspunkte und keine ansprechenden Produktbeschreibungen. Dieser Content muss von Grund auf geschrieben werden.

Lieferantentabellen

Lieferantendaten sind fast immer das unstrukturierteste Quellformat. Es gibt keinen Standard, und die Qualität schwankt enorm.

Inkonsistente Formatierung: Ein Lieferant schickt Excel-Dateien mit verbundenen Zellen. Ein anderer schickt CSVs mit Semikolon als Trennzeichen. Ein dritter schickt PDFs. Selbst innerhalb eines einzelnen Lieferantenkatalogs kann sich die Formatierung zwischen Produktlinien ändern.

Fehlende Pflichtfelder: Lieferanten liefern selten alle Daten, die Amazon verlangt. EAN-/UPC-Codes fehlen möglicherweise. Maße sind unvollständig. Konformitätszertifikate sind so gut wie nie enthalten. Am Ende recherchierst und füllst du Dutzende Felder pro Produkt manuell.

Fehlerhafte oder veraltete Daten: Lieferantenkataloge enthalten häufig Fehler — falsche Gewichte, veraltete Beschreibungen, inkorrekte Modellnummern. Diese Daten blind nach Amazon zu importieren führt zu unterdrückten Listings und Richtlinienverstößen.

Mehrere Sprachen in einer Datei: Internationale Lieferanten mischen manchmal Sprachen innerhalb einer einzigen Tabelle. Spaltenüberschriften auf Englisch, Werte auf Deutsch, Produktnamen auf Französisch. Amazon braucht alles in einer konsistenten Sprache pro Marktplatz.

Typische Fehler bei der manuellen Datenkonvertierung

Über quellenspezifische Probleme hinaus tauchen bestimmte Fehler immer wieder auf — unabhängig davon, woher deine Daten stammen.

Feldnamen-Verwechslungen. Amazon hat Felder wie item_name, product_description, generic_keyword und recommended_browse_nodes. item_name mit product_description zu verwechseln — oder schlimmer, veraltete Felder zuzuordnen — verursacht stille Fehler, die erst als abgelehnte Listings sichtbar werden.

Wertformat-Fehler. Amazon erwartet spezifische Formate: TRUE/FALSE (nicht Ja/Nein), bestimmte Datumsformate, numerische Werte ohne Währungssymbole, Maße mit separaten Wert- und Einheitenspalten. Jeder dieser Fehler löst Validierungsfehler aus, die mühsam zu debuggen sind.

Zeichenkodierungsprobleme. Der Export aus einem System und Import in ein anderes beschädigt oft Sonderzeichen. Umlaute (ä, ö, ü), akzentuierte Zeichen, Markensymbole — jedes Nicht-ASCII-Zeichen ist gefährdet. Das Speichern in der falschen Kodierung verwandelt sorgfältig geschriebene Beschreibungen in unlesbaren Zeichensalat.

Variationsstruktur-Fehler. Parent-Zeilen mit fehlenden Pflichtfeldern. Child-Zeilen, die nicht mit ihrem Parent verknüpft sind. Inkonsistente Variation Themes innerhalb einer Familie. Größenwerte, die nicht mit Amazons akzeptierter Liste übereinstimmen. Diese Strukturfehler sind besonders schmerzhaft, weil sie oft ganze Produktfamilien betreffen, nicht nur einzelne Zeilen.

Bestehende Listings überschreiben. Wenn du bereits Produkte auf Amazon hast und eine Flat File mit denselben SKUs hochlädst, überschreibt Amazon die vorhandenen Daten. Ein leeres Feld in der Flat File kann Daten aus deinem Live-Listing löschen. Das ist besonders gefährlich bei der Migration — du könntest monatelang optimierten Content zunichtemachen.

Wie KI den Konvertierungsprozess verändert

Der oben beschriebene manuelle Prozess hat ein grundlegendes Problem: Er ist repetitiv, fehleranfällig und skaliert linear mit der Produktanzahl. Ob du 50 oder 5.000 Produkte hast — jemand muss jede Spalte zuordnen, jeden Wert umformatieren und jede Zeile validieren.

Genau diese Art von Arbeit eignet sich hervorragend für KI. Mustererkennung über Feldnamen hinweg. Wertetransformation basierend auf Regeln. Validierung gegen strukturierte Anforderungen. Der Kern des Konvertierungsproblems ist nicht kreativ — er ist mechanisch. Aber es ist mechanische Arbeit, die Kontextverständnis erfordert, weshalb einfache Suchen-und-Ersetzen-Skripte nicht ausreichen.

Automatisches Feld-Mapping. Statt deine Spalten manuell Amazons Feldern zuzuordnen, analysiert die KI deine Spaltenüberschriften und Beispieldaten, um Zuordnungen vorzuschlagen. Title wird zu item_name. Body (HTML) wird zu product_description und bullet_point. Variant Price wird zu standard_price. Du prüfst die Vorschläge und bestätigst — was Stunden dauerte, geht in Minuten.

Intelligente Wertetransformation. KI kann erkennen, dass "Dunkelblau" in Amazons kontrolliertem Vokabular zu "Navy" werden sollte, dass "50cm x 30cm x 20cm" in drei separate Maßfelder mit Einheitenumrechnung aufgeteilt werden muss und dass HTML-Tags entfernt werden müssen, während die Inhaltsstruktur erhalten bleibt.

Echtzeit-Validierung. Statt bei Amazon hochzuladen und auf einen Verarbeitungsbericht zu warten, findet die Validierung während der Arbeit statt. Jede Zelle wird gegen Amazons Regeln geprüft. Fehler werden mit klaren Erklärungen hervorgehoben — nicht mit den kryptischen Fehlercodes, die Seller Central zurückgibt.

Strukturtransformation. KI kann erkennen, welche Produkte Variationen voneinander sind, Familiengruppierungen vorschlagen und Parent-Zeilen mit den korrekten Variation Themes generieren — und so den schmerzhaftesten Teil der Konvertierung in einen geführten Prozess verwandeln.

Das ist der Ansatz, auf dem wir Flat Magic aufgebaut haben. Du lädst deine Daten in jedem beliebigen Format hoch — Shopify-Export, WooCommerce-CSV, ERP-Dump, Lieferantentabelle oder sogar eine Produkt-URL. Die KI übernimmt Mapping, Umformatierung, Validierung und Strukturtransformation. Du überprüfst die Ergebnisse in einer visuellen Oberfläche, nimmst Anpassungen vor und exportierst eine validierte Flat File, die Seller Central beim ersten Versuch akzeptiert.

Die gesamte Konvertierung — von Rohdaten bis zur exportfertigen Datei — dauert typischerweise 10 bis 20 Minuten, unabhängig von der Produktanzahl. Das ist eine Reduktion um 95% im Vergleich zum manuellen Prozess.

Häufige Fragen

Kann ich Daten aus mehreren Quellen in eine einzige Amazon Flat File zusammenführen?

Ja. In der Praxis kombinieren die meisten Verkaufenden Daten aus mehreren Quellen — Produktbeschreibungen von ihrer Website, Spezifikationen aus Lieferantentabellen, Bilder aus einem DAM-System, Konformitätsdaten aus Zertifizierungsdokumenten. Der Konvertierungsprozess muss all das in einer kohärenten Flat File zusammenführen. Tools wie Flat Magic unterstützen das Hochladen von Zusatzquellen, die automatisch mit den Primärdaten zusammengeführt werden, inklusive Konfliktlösung bei sich überschneidenden Feldern.

Was ist, wenn in meinen Quelldaten Amazon-Pflichtfelder fehlen?

Das ist extrem häufig. Shopify-Exporte enthalten keine Herstellerartikelnummern. Lieferantentabellen haben selten Konformitätszertifikate. ERP-Dumps fehlt Marketing-Content. Du hast drei Optionen: die fehlenden Daten manuell ergänzen, sie aus einer Zusatzquelle ziehen (Produkt-URLs, Spezifikationsblätter, Konformitätsdokumente) oder — bei Feldern wie Marke, Material oder Herkunftsland — KI nutzen, um die Informationen aus deinen vorhandenen Beschreibungen und Bildern zu extrahieren. Pflichtfelder, die leer bleiben, werden bei der Validierung markiert, damit du genau weißt, was noch Aufmerksamkeit braucht.

Muss ich meine Daten erst in ein bestimmtes Zwischenformat konvertieren?

Nein. Der ganze Sinn moderner Konvertierungstools ist es, Daten in jedem vorhandenen Format zu akzeptieren. Excel-Tabellen (.xlsx, .xls), CSV-Dateien mit jedem Trennzeichen, WooCommerce-Exporte, Shopify-Exporte, ERP-Dumps — alles funktioniert als Input. Du solltest deine Daten nicht umformatieren müssen, bevor das Umformatierungstool sie überhaupt anfasst.

Wie gehe ich mit Produkten um, die sowohl auf Shopify als auch auf Amazon existieren?

Vorsichtig. Wenn du bereits aktive Listings auf Amazon hast, überschreibt eine Flat File mit denselben SKUs die bestehenden Daten. Jedes leere Feld in deiner Flat File könnte Daten aus deinem Live-Listing löschen. Der sicherste Ansatz: Exportiere zuerst deine aktuellen Amazon-Listings, nutze sie als Basis und führe deine Shopify-Daten darauf zusammen. So reicherst du bestehende Listings an, statt versehentlich optimierten Content zu vernichten.

Fazit

Produktdaten aus Shopify, WooCommerce, ERP-Systemen oder Lieferantentabellen in eine Amazon Flat File umzuwandeln ist eine der zeitaufwändigsten Aufgaben für Verkaufende, die auf Amazon expandieren. Der manuelle Prozess ist gut verstanden, aber brutal repetitiv — und skaliert schlecht mit wachsendem Katalog.

Die gute Nachricht: Das ist ein gelöstes Problem. KI-gestützte Tools können das Mapping, die Umformatierung, Validierung und Strukturtransformation übernehmen, die früher Tage manueller Arbeit verschlungen haben. Die Datenkonvertierung, die 10-20 Stunden dauerte, braucht jetzt 10-20 Minuten.

Wenn du auf Produktdaten sitzt, die zu einer Amazon Flat File werden müssen, probiere Flat Magic kostenlos aus und konvertiere deine erste Datei in Minuten statt Tagen.