DPP-proof productdata: hoe je PIM dat regelt (en waar AI helpt)

Een groothandel met vijfduizend SKU's krijgt straks te maken met een DPP-verplichting. Materiaalsamenstelling, reparatie-instructies, herkomst van grondstoffen: allemaal data die ergens gestructureerd moet staan, per product. Wie dat handmatig aanpakt, is jaren bezig. Wie het via een PIM-systeem regelt dat daarvoor gebouwd is, hoeft dat niet.

Je PIM is het vertrekpunt

Een DPP is geen los document dat je apart aanmaakt. Het is een weergave van data die uit één bron komt. Werk je met verspreide Excel-bestanden, een ouder ERP en kennis die vooral bij één collega zit, dan wordt elke DPP-update een handmatige klus. Verander je een materiaalsamenstelling, dan moet je dat overal apart bijwerken.

In een PIM-systeem gebeurt dat één keer. Wijzig je een attribuut, dan verschijnt de update automatisch op elk kanaal waar het DPP wordt getoond.

Wat de meeste bedrijven nog niet gestructureerd hebben

Technische specificaties staan meestal al netjes in een PIM. De data die een DPP vraagt, ontbreekt vaak nog volledig of zit verstopt in een pdf van een leverancier:

• Materiaalsamenstelling en herkomst van grondstoffen
• Productie- en assemblage-informatie
• CO2-impact en recycleerbaarheid
• Reparatie- en onderhoudsinstructies
• End-of-life-informatie

Vijfduizend producten keer vijf ontbrekende velden is vijfentwintigduizend datapunten die iemand moet opzoeken, invullen en controleren. Dat is het punt waar de meeste voorbereidingstrajecten vastlopen: niet op de techniek, maar op het volume.

Waar AI het werk overneemt

Dit is waar Fonda's PIM-module zich onderscheidt. In plaats van elk veld manueel in te vullen, gebruiken we AI om bestaande productinformatie te lezen en om te zetten naar de gestructureerde velden die een DPP vraagt.

Concreet: heb je een technische fiche of leveranciersdocument met materiaalinformatie, dan haalt de AI die gegevens eruit en zet ze in het juiste attribuut. Ontbreekt een reparatie-instructie maar staat de kerninformatie wel in een productomschrijving, dan stelt de AI een eerste versie voor die je team controleert en aanpast. Dat verandert het werk van "vijfentwintigduizend velden zelf invullen" naar "vijfentwintigduizend velden nakijken". Een derde van de tijd, soms minder, afhankelijk van hoeveel brondata al ergens aanwezig is.

Belangrijk: de AI vult aan op basis van wat je al hebt, ze verzint geen duurzaamheidsclaims. Voor gevoelige velden zoals CO2-cijfers blijft een menselijke check verplicht, en dat is ook precies zo ingericht.

De koppeling naar GS1 Digital Link

Zodra je datamodel staat, moet elk product herleidbaar zijn tot een scanbare, unieke identifier. Dat loopt via GS1 Digital Link: je bestaande GTIN wordt omgezet naar een gestructureerde weburl die zowel mensen als scanners kunnen uitlezen via een QR-code.

In de praktijk betekent dit dat elk product een GTIN krijgt gekoppeld aan het PIM-record, dat je systeem daar automatisch een Digital Link-url voor genereert, en dat die url doorverwijst naar een DPP-weergave die live uit je PIM leest. Geen statische pagina die je apart moet bijhouden.

Fonda is GS1 Solution Partner. We zetten deze koppeling zelf op, van GTIN-toewijzing tot de resolver die bepaalt waar een gescande code naartoe leidt.

Begin nu, niet in 2027

Batterijen zijn de eerste categorie met een harde deadline. Textiel en elektronica volgen kort daarna. Wie nu al zijn productdata structureert, hoeft straks alleen nog de laatste velden aan te vullen in plaats van van nul te beginnen.

Wil je weten hoeveel van je productdata al DPP-klaar is? We doen een gratis data-scan van je huidige PIM of Excel-bestanden en tonen concreet wat ontbreekt.