Lösungsfall
KI-Sichtbarkeit durch Product Attribute Mapping
Wir helfen Unternehmen dabei, die Eigenschaften ihrer Produkte so vollständig und explizit auf Produktdetailseiten abzubilden, dass klar wird, welche Produkte zu konkreten Anforderungen, Nutzungssituationen und Eigenschaftskombinationen passen.
Lösungsfall im Überblick
Product Attribute Mapping
Der Lösungsfall beschreibt strukturiert, wie fehlende Produkteigenschaften auf Produktdetailseiten dazu führen können, dass ein Unternehmen bei konkreten KI-gestützten Produktanfragen nicht als passende Quelle oder Bezugsoption für potenzielle Kunden erkannt wird.
Das wichtigste in Kürze
- Problem
- Produkte besitzen häufig deutlich mehr relevante Eigenschaften, als auf ihren Produktdetailseiten explizit aufgeführt werden.
- Unsere Lösung
- Wir identifizieren relevante Produkteigenschaften, strukturieren sie systematisch und überführen sie in vollständige, eindeutige Produktinformationen.
- Zielzustand
- Für relevante Produktanfragen existieren eindeutige, zugängliche und belastbare Informationen darüber, welche Produkte die gesuchten Eigenschaften erfüllen.
Anbieter & Zielgruppe
- Anbieter
- Leadterion GmbH
- Leistung
- GEO
- Zielgruppe
- E-Commerce, Verarbeitendes Gewerbe, Softwareanbieter
- Zielgruppen-Untergruppe
- Unternehmen aus der Zielgruppe mit größeren Produktsortimenten, erklärungsbedürftigen Produkten oder vielen kaufrelevanten Produkteigenschaften
- Angesprochene Personen innerhalb der Zielgruppen-Unternehmen
- Head of E-Commerce, CMO, SEO Lead, Product Content Manager, Shop Manager
Kontext
- Situation / Kontext
- Nutzer suchen Produkte zunehmend über konkrete Anforderungen und Eigenschaftskombinationen, etwa Material, Größe, Kompatibilität, Einsatzgebiet, Farbe, Belastbarkeit oder technische Merkmale.
- Prozess
- Produktrecherche, Produktauswahl und Kaufentscheidung
- Beispiele
-
– Ein Nutzer sucht nach einem wasserdichten Wanderschuh in der Farbe Weiß in der Größe 46.
– Ein Nutzer sucht nach einem Fahrrad mit bequemem Sattel das auch für Menschen mit einer Körpergröße von 1.95m geeignet ist.
– Ein Nutzer sucht nach einer BPA-Freien Trinkflasche die auch in eine Fahrradhalterung passt.
Problem
- Problemkategorie
- Product Attribute Coverage
- Problem
- Produktdetailseiten führen relevante Eigenschaften eines Produkts nicht vollständig oder nicht explizit genug auf.
- Ursache
- Produktdaten werden häufig aus vorhandenen PIM-, ERP- oder Lieferantendaten übernommen und primär für klassische Shop-Navigation, Filter und SEO optimiert. Kaufrelevante Eigenschaftskombinationen bleiben dadurch teilweise unbeschrieben.
- Auswirkung
- Für konkrete Nutzeranfragen fehlen auf der Produktdetailseite explizite Informationen, die das Produkt mit der gesuchten Eigenschaft oder Eigenschaftskombination verbinden.
- Sekundäre Auswirkung
- Das Unternehmen kann bei spezifischen KI-Anfragen seltener als passende Quelle oder als Anbieter eines geeigneten Produkts berücksichtigt werden, obwohl das Produkt die gesuchte Eigenschaft tatsächlich besitzt.
Ziel
- Gewünschter Zustand
- Relevante kauf- und nutzungsentscheidende Eigenschaften jedes Produkts sind vollständig, eindeutig, strukturiert und direkt auf der Produktdetailseite dokumentiert.
- Job-to-be-done
- Die tatsächliche Eignung eines Produkts für konkrete Anforderungen so explizit machen, dass Nutzer und KI-Systeme sie zuverlässig nachvollziehen können.
Lösung
- Lösungsmechanismus
- Product Attribute Mapping und Product Context Modeling
- Lösung
- Relevante Produkteigenschaften werden systematisch identifiziert, vereinheitlicht, vervollständigt und auf den jeweiligen Produktdetailseiten explizit als sichtbare Produktinformation veröffentlicht.
- Leistungsbestandteile
- Product Data Audit, Attribute Discovery, Query & Context Mapping, Attribut-Taxonomie, Content-Anreicherung, PDP-Optimierung, strukturierte Auszeichnung und Measurement
- Voraussetzungen
- Produktkatalog, vorhandene Produktdaten, Zugriff auf Produktdetailseiten sowie möglichst zusätzliche Hersteller-, Lieferanten- oder PIM-Daten
Ergebnis & Grounding
- Ergebnis
- Höhere Product Attribute Coverage und eine bessere Informationsgrundlage für konkrete KI-gestützte Produktsuchen, Vergleiche und Empfehlungen.
- Beweis
- Hersteller- und Lieferantendaten, technische Dokumentation, PIM-/ERP-Daten, Produktdatenblätter, Prüfberichte sowie spätere Messdaten zu KI-Sichtbarkeit, Quellen und Produktnennungen.
Konkrete Problembeispiele
Zehn unterschiedliche Arten, wie Product Attribute Coverage scheitern kann.
Die Beispiele unterscheiden sich bewusst nicht nur durch andere Produkte. Jeder Fall steht für eine eigene Problem-Ausprägung: Ein Attribut kann vollständig fehlen, zu unpräzise sein, der falschen Variante zugeordnet werden, ohne Gültigkeitsbedingung veröffentlicht sein, widersprüchlich vorkommen oder als relevante Relation beziehungsweise Capability nicht explizit dokumentiert sein.
Beispiel 1: Online-Shop – relevantes Attribut fehlt vollständig
- Problem-Ausprägung
- Fehlendes Attribut
- Zielgruppe
- Online-Shop
- Zielgruppen-Untergruppe
- Outdoor- und Schuhhändler mit eigenem Online-Shop
- Vertriebsmodell
- Direktverkauf des Händlers an Endkunden
- Produkt
- Wanderschuh „Example Alpine Trek GTX“
- Nutzeranfrage
- „Welcher wasserdichte Wanderschuh ist in Weiß und Größe 46 erhältlich?“
- Relevante Attribute
- Wasserdichtigkeit, Farbe, Schuhgröße
- Tatsächliche Produkteigenschaft
- Wasserdichte Membran vorhanden; Farbe Weiß; Größe 46 verfügbar
- Informationslücke
- Farbe und Größe sind gepflegt, die vorhandene Wasserdichtigkeit wird auf der Produktdetailseite aber nicht als Eigenschaft genannt.
- KI-Folge
- Die Kombination „wasserdicht + weiß + Größe 46“ kann anhand der Shop-Seite nicht vollständig verifiziert werden.
- Potenzieller Business Impact
- Ein tatsächlich passendes Produkt beziehungsweise der Shop kann bei einer qualifizierten Produktsuche unberücksichtigt bleiben.
- Grounding / Datenquelle
- Herstellerdatenblatt, Lieferantendaten oder PIM-Feld zur Membran beziehungsweise Wasserdichtigkeit
- Mapping-Maßnahme
- Attribut „Wasserdichtigkeit“ mit belegtem Wert ergänzen und sichtbar auf der PDP veröffentlichen.
- Zielzustand
- Alle für die Anfrage erforderlichen Eigenschaften sind auf derselben Produktseite explizit überprüfbar.
Beispiel 2: Hersteller – Attribut fehlt beim Informationsoriginator
- Problem-Ausprägung
- Attribut fehlt beim Informationsoriginator im indirekten Vertrieb
- Zielgruppe
- Hersteller
- Zielgruppen-Untergruppe
- Fashion-Marke mit Vertrieb über Online-Händler und Marktplätze
- Vertriebsmodell
- Indirekter Vertrieb über Zwischenhändler
- Produkt
- „Example Long Fit T-Shirt“
- Nutzeranfrage
- „Ich suche ein T-Shirt mit 95 % Baumwolle, Elastan und mindestens 85 cm Länge.“
- Relevante Attribute
- Baumwollanteil, Elastananteil, Produktlänge
- Tatsächliche Produkteigenschaft
- 95 % Baumwolle, 5 % Elastan, Rückenlänge 87 cm
- Informationslücke
- Die Herstellerseite nennt die Materialzusammensetzung, veröffentlicht aber keine konkrete Produktlänge.
- KI-Folge
- Die Anforderung „mindestens 85 cm Länge“ kann über die Herstellerquelle nicht bestätigt werden.
- Potenzieller Business Impact
- Das Produkt kann in der KI-gestützten Auswahl seltener berücksichtigt werden; qualifizierte Nachfrage zu angeschlossenen Händlern kann ausbleiben.
- Grounding / Datenquelle
- PIM, Größentabelle, technische Produktzeichnung oder interne Schnittdaten
- Mapping-Maßnahme
- Attribut „Produktlänge/Rückenlänge“ inklusive Größe und Messmethode strukturiert veröffentlichen.
- Zielzustand
- Die Herstellerquelle kann die vollständige Eigenschaftskombination belegen und als Produktquelle für nachgelagerte Händlerkäufe dienen.
Beispiel 3: Online-Shop – Attributwert ist zu unpräzise
- Problem-Ausprägung
- Attribut vorhanden, Wert aber nicht ausreichend präzise
- Zielgruppe
- Online-Shop
- Zielgruppen-Untergruppe
- Fashion- und Outdoor-Shop
- Vertriebsmodell
- Direktverkauf an Endkunden
- Produkt
- Regenjacke „Example Storm Shell“
- Nutzeranfrage
- „Welche Regenjacke hat mindestens 20.000 mm Wassersäule?“
- Relevante Attribute
- Wasserdichtigkeit / Wassersäule
- Tatsächliche Produkteigenschaft
- 20.000 mm Wassersäule
- Informationslücke
- Die Produktseite beschreibt die Jacke nur als „sehr wasserdicht“, nennt aber keinen numerischen Wert.
- KI-Folge
- Ein Grenzwert von mindestens 20.000 mm kann nicht eindeutig gegen die Produktinformation geprüft werden.
- Potenzieller Business Impact
- Das Produkt kann gegenüber Wettbewerbern mit präzisen technischen Werten schlechter vergleichbar sein.
- Grounding / Datenquelle
- Technisches Datenblatt, Herstellerangabe oder Prüfbericht
- Mapping-Maßnahme
- Marketingbegriff um das präzise Attribut „Wassersäule: 20.000 mm“ ergänzen.
- Zielzustand
- Quantitative Anforderungen können direkt mit einem expliziten Produktwert abgeglichen werden.
Beispiel 4: Hersteller – Kompatibilitätsrelation fehlt
- Problem-Ausprägung
- Fehlende Relation zwischen Produkt und kompatiblem System
- Zielgruppe
- Hersteller
- Zielgruppen-Untergruppe
- Hersteller von Elektrowerkzeugen mit Händlernetz
- Vertriebsmodell
- Indirekter Vertrieb über Fachhändler und Online-Händler
- Produkt
- Akkuschrauber „Example Pro Drill 18“
- Nutzeranfrage
- „Welcher kompakte Akkuschrauber funktioniert mit meinem vorhandenen Example-18V-Akku?“
- Relevante Attribute
- Spannung, Akkusystem-Kompatibilität
- Tatsächliche Produkteigenschaft
- 18 V; kompatibel mit Example Battery System X
- Informationslücke
- Die Seite nennt 18 V, stellt aber keine explizite Relation zum konkreten Akkusystem her.
- KI-Folge
- Aus gleicher Spannung allein lässt sich die tatsächliche Systemkompatibilität nicht belastbar ableiten.
- Potenzieller Business Impact
- Ein passendes Produkt kann bei einer Kompatibilitätsfrage nicht eindeutig als Lösung identifiziert werden.
- Grounding / Datenquelle
- System-Kompatibilitätsmatrix, technische Dokumentation, PIM
- Mapping-Maßnahme
- Relation „kompatibel mit Example Battery System X“ explizit als Produktinformation veröffentlichen.
- Zielzustand
- Nicht nur ein Einzelwert, sondern die relevante Beziehung zwischen Produkt und System ist maschinenlesbar und sichtbar dokumentiert.
Beispiel 5: Softwareanbieter – Capability ist nicht explizit dokumentiert
- Problem-Ausprägung
- Produkt-Capability vorhanden, aber nicht als konkrete Eigenschaft dokumentiert
- Zielgruppe
- Softwareanbieter
- Zielgruppen-Untergruppe
- Anbieter von HR-Software mit Integrationen und Enterprise-Funktionen
- Vertriebsmodell
- Direkter B2B-Vertrieb / SaaS
- Produkt
- „Example HR Platform“
- Nutzeranfrage
- „Welche HR-Software unterstützt SAML-SSO, DATEV-Export und Hosting in Deutschland?“
- Relevante Attribute
- SAML-SSO, DATEV-Export, Hosting-Standort
- Tatsächliche Produkteigenschaft
- SAML-SSO vorhanden; DATEV-Export vorhanden; Hosting in Deutschland verfügbar
- Informationslücke
- Die Website spricht allgemein über SSO und DATEV, nennt aber das konkrete Protokoll und den Hosting-Standort nicht eindeutig.
- KI-Folge
- Die Software kann die drei Auswahlkriterien nicht vollständig und explizit erfüllen, obwohl die Capabilities vorhanden sind.
- Potenzieller Business Impact
- Ein qualifizierter B2B-Interessent kann bei einer frühen KI-gestützten Shortlist eher einen expliziter dokumentierten Wettbewerber berücksichtigen.
- Grounding / Datenquelle
- Integrationsdokumentation, Security-Dokumente, Infrastruktur- und Hosting-Dokumentation
- Mapping-Maßnahme
- Capabilities als eindeutige Produktattribute beziehungsweise Capability-Fakten veröffentlichen.
- Zielzustand
- Die Auswahlkriterien sind direkt auf Produkt-, Integrations- oder Security-Seiten belegbar.
Beispiel 6: Online-Shop – Variantenbezug eines Attributs fehlt
- Problem-Ausprägung
- Attribut ist vorhanden, aber nicht der richtigen Produktvariante zugeordnet
- Zielgruppe
- Online-Shop
- Zielgruppen-Untergruppe
- Möbel- und Einrichtungsshop mit Variantenprodukten
- Vertriebsmodell
- Direktverkauf an Endkunden
- Produkt
- Esstisch „Example Oak Table“ in 160 cm und 220 cm
- Nutzeranfrage
- „Welcher ausziehbare Esstisch ist 220 cm lang und trägt mindestens 100 kg?“
- Relevante Attribute
- Variante/Länge, maximale Belastbarkeit, Ausziehfunktion
- Tatsächliche Produkteigenschaft
- 220-cm-Variante; ausziehbar; maximale Belastbarkeit 120 kg
- Informationslücke
- Die Seite nennt 120 kg Belastbarkeit allgemein für das Produkt, macht aber nicht deutlich, für welche Variante der Wert gilt.
- KI-Folge
- Die Belastbarkeit kann der angefragten 220-cm-Variante nicht sicher zugeordnet werden.
- Potenzieller Business Impact
- Die passende Variante kann trotz vorhandener Information nicht eindeutig empfohlen oder verglichen werden.
- Grounding / Datenquelle
- Varianten-PIM, technische Produktdaten, Herstellerdatenblatt
- Mapping-Maßnahme
- Attributwerte variantenspezifisch modellieren und jeder SKU beziehungsweise Variante eindeutig zuordnen.
- Zielzustand
- Jede relevante Variante besitzt ihren eigenen überprüfbaren Satz an Attributwerten.
Beispiel 7: Hersteller – Gültigkeitsbedingung eines Attributs fehlt
- Problem-Ausprägung
- Attributwert ohne Bedingung oder Gültigkeitsbereich
- Zielgruppe
- Hersteller
- Zielgruppen-Untergruppe
- Hersteller technischer Komponenten für B2B-Anwendungen
- Vertriebsmodell
- Direkter und indirekter B2B-Vertrieb
- Produkt
- Industriesensor „Example TempSense X“
- Nutzeranfrage
- „Welcher Temperatursensor ist für dauerhaften Einsatz bei -30 °C geeignet?“
- Relevante Attribute
- Betriebstemperatur, zulässiger Dauerbetrieb, Ausführung
- Tatsächliche Produkteigenschaft
- Ausführung X2 ist für -40 bis +85 °C im Dauerbetrieb spezifiziert
- Informationslücke
- Die Website nennt „bis -40 °C“, erklärt aber nicht, dass dieser Wert nur für die X2-Ausführung und den spezifizierten Dauerbetrieb gilt.
- KI-Folge
- Der Wert kann ohne Bedingung entweder zu breit oder der falschen Ausführung zugeordnet werden.
- Potenzieller Business Impact
- Das Produkt kann bei technischen Auswahlprozessen fälschlich ausgeschlossen oder unzutreffend eingeordnet werden.
- Grounding / Datenquelle
- Technisches Datenblatt, Prüfbericht, Produktentwicklung
- Mapping-Maßnahme
- Wert mit Variante, Betriebsart und Gültigkeitsbereich als zusammengehörige Information publizieren.
- Zielzustand
- Attributwerte enthalten den Kontext, unter dem sie tatsächlich gelten.
Beispiel 8: Online-Shop – widersprüchliche Attributwerte
- Problem-Ausprägung
- Widersprüchliche Produktinformationen zwischen Quellen
- Zielgruppe
- Online-Shop
- Zielgruppen-Untergruppe
- Elektronik-Shop mit Hersteller- und eigenen Produktdaten
- Vertriebsmodell
- Direktverkauf an Endkunden
- Produkt
- Powerbank „Example Power 20K“
- Nutzeranfrage
- „Welche Powerbank mit mindestens 20.000 mAh wiegt unter 350 g?“
- Relevante Attribute
- Kapazität, Gewicht
- Tatsächliche Produkteigenschaft
- 20.000 mAh; aktuelles Modellgewicht 338 g
- Informationslücke
- Die technische Tabelle nennt 338 g, während ein älterer Beschreibungstext noch 372 g angibt.
- KI-Folge
- Die Quelle enthält zwei widersprüchliche Werte und liefert keine eindeutige Grundlage für die Gewichtsanforderung.
- Potenzieller Business Impact
- Das Produkt kann bei einer Grenzwert-Anfrage trotz Eignung ausgeschlossen oder als unsicher bewertet werden.
- Grounding / Datenquelle
- Aktuelles Herstellerdatenblatt, PIM-Versionierung, Produktrevision
- Mapping-Maßnahme
- Konflikt auflösen, veraltete Werte entfernen und eine führende Quelle für das Attribut definieren.
- Zielzustand
- Für jedes relevante Attribut existiert ein konsistenter, aktueller und eindeutig belegter Wert.
Beispiel 9: Hersteller – uneinheitliche Terminologie verhindert eindeutige Zuordnung
- Problem-Ausprägung
- Attribut vorhanden, aber semantisch uneinheitlich oder nicht normalisiert
- Zielgruppe
- Hersteller
- Zielgruppen-Untergruppe
- Hersteller von Bodenbelägen und Baustoffen
- Vertriebsmodell
- Vertrieb über Fachhandel und Projektgeschäft
- Produkt
- Bodenbelag „Example Floor Pro“
- Nutzeranfrage
- „Welcher Bodenbelag ist für Fußbodenheizung geeignet und hat Nutzungsklasse 33?“
- Relevante Attribute
- Fußbodenheizungs-Eignung, Nutzungsklasse
- Tatsächliche Produkteigenschaft
- Für Warmwasser-Fußbodenheizung geeignet; Nutzungsklasse 33
- Informationslücke
- Die Website verwendet Marketingformulierungen wie „ideal für beheizte Wohnräume“ und nennt die Klassifizierung an anderer Stelle als „NK 33“, ohne beide Begriffe eindeutig zu normalisieren.
- KI-Folge
- Die fachliche Gleichwertigkeit zwischen Nutzerbegriff und Website-Terminologie ist weniger explizit als bei standardisiert bezeichneten Attributen.
- Potenzieller Business Impact
- Ein geeignetes Produkt kann bei standardbasierten oder fachsprachlichen Anfragen schlechter auffindbar und vergleichbar sein.
- Grounding / Datenquelle
- Produktnorm, technisches Datenblatt, Zertifizierung
- Mapping-Maßnahme
- Standardbezeichnung, Synonyme und normierte Werte gemeinsam auf der Produktseite dokumentieren.
- Zielzustand
- Marketingbegriff, Fachbegriff und standardisierter Attributwert sind eindeutig miteinander verbunden.
Beispiel 10: Online-Shop – relevante Information ist nur in schwer zugänglicher Form vorhanden
- Problem-Ausprägung
- Attribut existiert, ist aber nicht als direkt zugängliche Produktinformation veröffentlicht
- Zielgruppe
- Online-Shop
- Zielgruppen-Untergruppe
- Sport- und Fitness-Shop mit technischen Produkten
- Vertriebsmodell
- Direktverkauf an Endkunden
- Produkt
- Laufband „Example Run Pro 500“
- Nutzeranfrage
- „Welches Laufband ist für Personen bis 150 kg geeignet und zusammengeklappt höchstens 80 cm tief?“
- Relevante Attribute
- Maximales Nutzergewicht, Klappmaß/Tiefe
- Tatsächliche Produkteigenschaft
- Maximales Nutzergewicht 150 kg; Klapptiefe 76 cm
- Informationslücke
- Das Nutzergewicht steht auf der PDP; das Klappmaß ist nur in einer Maßzeichnung innerhalb einer PDF-Anleitung beziehungsweise Grafik enthalten und nicht als Textattribut auf der Produktseite.
- KI-Folge
- Die konkrete Tiefenanforderung ist auf der primären Produktseite nicht als eindeutiger textlicher Wert verfügbar.
- Potenzieller Business Impact
- Ein für kleine Räume geeignetes Produkt kann bei einer sehr konkreten Kaufanfrage schlechter berücksichtigt werden.
- Grounding / Datenquelle
- Bedienungsanleitung, technische Zeichnung, Herstellerdatenblatt
- Mapping-Maßnahme
- Klappmaße aus Dokumentation extrahieren und als sichtbare, strukturierte PDP-Attribute veröffentlichen.
- Zielzustand
- Kaufrelevante technische Werte sind nicht nur in Anhängen oder Bildern, sondern direkt auf der Produktseite verfügbar.
Häufig gestellte Fragen
Fragen zur KI-Sichtbarkeit durch Product Attribute Coverage.
Was ist Product Attribute Coverage?
Bemisst wie viele Informationen zu Eigenschaften eines Produktes auf der Website des Anbieters abgedeckt sind. Eine hohe Abdeckung, also eine hohe Product Attribute Coverage sorgt für eine höhere Wahrscheinlichkeit in bestimmten Kontexten von LLMs genannt zu werden.
Was ist Product Attribute Mapping?
Beschreibt der Vorgang bei dem die relevanten Attribute eines Produktes als Eigenschaft auf einer Website dargestellt werden damit LLMs und Suchmaschinen verstehen über welche Eigenschaften ein Produkt verfügt.
Warum sind vollständige Produkteigenschaften für AI Search relevant?
Konkrete Produktanfragen enthalten häufig mehrere Anforderungen gleichzeitig. Wenn eine relevante Eigenschaft nicht explizit auf der Produktdetailseite dokumentiert ist, fehlt den KI-Systemen eine eindeutige Informationsgrundlage, um das Produkt mit dieser Anforderung zu verbinden.
Welche Produkteigenschaften sollten ergänzt werden?
Entscheidend sind Eigenschaften, die für Auswahl, Nutzung oder Eignung eines Produkts relevant sind. Dazu gehören je nach Sortiment technische Merkmale, Material, Maße, Kompatibilität, Zielgruppe, Einsatzgebiet, Pflege, Belastbarkeit, Zertifizierungen oder funktionale Eigenschaften.
Müssen alle denkbaren Eigenschaften auf jeder Produktseite stehen?
Nein. Relevant sind belastbare Eigenschaften mit echtem Informationswert. Die Attribut-Taxonomie sollte je Produktkategorie definieren, welche Merkmale für Kaufentscheidung, Produktsuche und konkrete Nutzungskontexte wichtig sind.
Reicht strukturiertes Produkt-Markup allein aus?
Nein. Maschinenlesbare Produktdaten können sichtbare Produktinformationen ergänzen. Die zentralen Eigenschaften sollten jedoch auch auf der Produktdetailseite klar, verständlich und belegbar vorhanden sein.
Kontaktieren Sie uns.
Wie vollständig bilden Ihre Produktdetailseiten die Eigenschaften Ihrer Produkte ab?
Wir analysieren, welche kaufrelevanten Produkteigenschaften Ihre Produktdetailseiten bereits eindeutig abbilden und an welchen Stellen Informationslücken für AI Search bestehen.
Jetzt kontaktieren