Jahrelang galt beim PIM die einfache Regel: kaufen, nicht bauen. 2026 ist die Rechnung weniger eindeutig – aus zwei Gründen, die sich gegenseitig verstärken: Die Lizenz- und Zusatzkosten der SaaS-Systeme steigen, und KI-gestützte Entwicklung senkt die Kosten der Alternative. Zeit für eine ehrliche Neubetrachtung.
Die vier Signale, wann Custom die richtige Wahl ist
- Non-Standard-Datenmodelle: Bundles, konfigurierbare Varianten und komplexe Beziehungen, die Standard-Attributmodelle nur mit Verrenkungen abbilden.
- Tiefe ERP/OMS-Integration: gemeinsame Geschäftslogik statt bloßem Datensync – Rahmenverträge, Staffelpreise, Verfügbarkeiten im Produktkontext.
- Lieferantenspezifische Validierung: unterschiedliche Upload-Formate, Genehmigungswege und Feldregeln je Supplier.
- AI-Readiness als Anforderung: strukturierte, nachverfolgbare Daten für Automatisierung, semantische Suche und Shopping-Agenten – von Anfang an im Datenmodell statt nachgerüstet.
Trifft keines dieser Signale zu, ist ein Standard-System meist der bessere Weg – dann entscheidet sich die Frage zwischen SaaS und Open Source, nicht zwischen Buy und Build.
Die versteckten Kosten der Kaufentscheidung
Der Listenpreis eines SaaS-PIM ist der kleinste Teil der Wahrheit. In der Praxis summieren sich: Connector-Gebühren von mehreren tausend Euro pro Integration, die „Konfigurations-Decke" (konfigurierbar heißt nicht unbegrenzt – Custom-Logik landet dann doch wieder in Excel), Regressionstests bei jedem Plattform-Upgrade und die Wechselkosten des Lock-ins, die jede spätere Verhandlung schwächen. Eine Branchen-TCO-Rechnung über drei Jahre sieht den Mid-Market (20.000 SKUs) mit rund 344.000 € SaaS gegen 370.000 € Custom fast gleichauf, im Enterprise-Segment (100.000+ SKUs) kippt sie zugunsten Custom. Wichtig zur Einordnung: Diese Zahlen stammen von Evinent, einem Custom-Entwicklungsanbieter – als Argumentationsmuster wertvoll, als neutrale Marktzahl mit Vorsicht zu zitieren. Der Mechanismus dahinter ist aber unabhängig von der Quelle plausibel: Lizenzkosten skalieren mit SKUs und Nutzern, Entwicklungskosten nicht.
Was „selbst bauen" 2026 bedeutet
Das Schreckbild vom jahrelangen Eigenbau-Monolithen ist veraltet. Die Referenzarchitektur eines modernen Custom-PIM ist bewusst schlank: PostgreSQL mit einem typisierten Attributmodell als Kern, LLM-Pipelines für Extraktion, Anreicherung und Validierung, ein Syndication-Layer für Shop, Marktplätze und Feeds – API-first und composable, sodass Suche, DAM oder Kanäle austauschbar bleiben. Mit KI-gestützter Entwicklung nennt die Branche 14–16 Wochen bis zum MVP-Go-Live; unsere Projektklassen für Webanwendungen (20.000–60.000 €) geben den realistischen Kostenrahmen für den Einstieg vor.
Das Entscheidungsraster
SaaS, wenn der Katalog Standard ist, Time-to-Market zählt und Produktdaten nicht wettbewerbsdifferenzierend sind. Open Source plus KI-Schicht, wenn Kostenkontrolle und Datenhoheit zählen, das Datenmodell aber Standard bleibt. Custom, wenn die Kataloglogik Wettbewerbsvorteil ist – oder wenn ein leichtgewichtiges PIM reicht und jede Enterprise-Lizenz Overkill wäre. Diese Dreiteilung ist keine Verkaufsrhetorik, sondern unser Beratungsraster: Wir verdienen an keinem der drei Wege mehr als am anderen.
Die ausführliche Gegenüberstellung der drei Wege und unsere Preisrahmen: PIM-Agentur – KI-gestütztes Produktdatenmanagement.
