KI-Agenten bauen automatisch Produkt‑Wissensgraphen für E‑Commerce

Der rasante Ausbau von Online‑Marktplätzen erzeugt enorme Mengen an unstrukturierten Produktdaten, die die Suche, Empfehlungssysteme und Datenanalysen stark belasten. Wissensgraphen (KGs) bieten dafür ein klar strukturiertes, interpretierbares Format, doch deren Aufbau bleibt bislang ein aufwändiger, manueller Prozess.

In einer neuen Studie präsentiert ein Forschungsteam ein vollständig automatisiertes, KI‑Agenten‑gestütztes Framework, das Produkt‑Wissensgraphen direkt aus unstrukturierten Beschreibungen erstellt. Das System nutzt Large Language Models (LLMs) und arbeitet in drei klar definierten Phasen: Erst wird ein Ontologie‑Schema generiert und erweitert, anschließend verfeinert ein Agent die Ontologie, und schließlich füllt ein dritter Agent den Graphen mit relevanten Daten.

Durch die Agentenarchitektur wird die semantische Kohärenz sichergestellt, die Skalierbarkeit erhöht und die Qualität der Ergebnisse gesteigert – und das alles ohne vordefinierte Schemata oder handgefertigte Extraktionsregeln.

Die Leistungsfähigkeit des Ansatzes wurde an einem realen Datensatz von Klimaanlagen‑Produktbeschreibungen getestet. Dabei erzielte das Framework mehr als 97 % der erwarteten Eigenschaftsbedeckung und zeigte nur minimale Redundanz. Diese Ergebnisse unterstreichen die Effektivität und die praktische Anwendbarkeit der Methode.

Die Arbeit demonstriert, wie LLMs die automatisierte Extraktion strukturierter Wissensdaten im Einzelhandel revolutionieren können und ebnet einen skalierbaren Weg für intelligente Produktdatenintegration und -nutzung.