Pimcore Studio en Agentic PXM: Niet wat losse AI agents, maar echte nieuwe collega’s binnen je platform

Productdata beheren was tot nu toe vooral mensenwerk. Veel klikken, controleren, velden vullen, vertalingen nalopen, afbeeldingen koppelen, Excel-bestanden opschonen en als je pech hebt, veel discussies over welke data nu eigenlijk de waarheid is. Tijdens Pimcore Inspire werd duidelijk dat Pimcore daar een grote volgende stap in ziet. Niet alleen met een nieuwe interface, maar met een fundamenteel ander idee over hoe software, data en AI samen gaan werken.

De kern van het verhaal: Agentic PXM. Simpeler gezegd: product experience management waarin AI-agents niet ergens los naast je PIM hangen, maar echt mee gaan werken binnen je platform. Met context, rechten, workflows, controle en vooral toegang tot betrouwbare productdata. Dat is precies waar het interessant wordt voor merken, groothandels, fabrikanten en e-commerce organisaties.

Het einde van software zoals we het kennen?

De keynote begon groot, heel groot zelfs. Pimcore stelde dat we aan het begin staan van “the end of software as we know it”. Niet omdat software verdwijnt, maar omdat de manier waarop we software gebruiken verandert. De afgelopen dertig jaar werkten we vooral zelf in software. We klikten, scrolden, vulden formulieren in, maakten filters, exporteerden data en bouwden workflows. Daarna kwam automatisering, analytics, machine learning en AI. Nu komt er een nieuwe fase bij: agentic software.

Software wordt niet langer alleen iets waar je in werkt, software wordt iets dat met je samenwerkt. Je geeft intentie en context en een AI-agent helpt vervolgens met de uitvoering, soms ondersteunend, soms semi-autonoom en in sommige gevallen uiteindelijk volledig autonoom. Voor productdata is dat een enorme ontwikkeling, want productdata is vaak complex, omvangrijk en continu in beweging. Denk aan duizenden attributen, miljoenen records, meerdere talen, afbeeldingen, productrelaties, technische specificaties, ERP-data, marketplace-eisen en kanaalspecifieke content.

Dat is simpelweg te groot geworden om volledig handmatig te blijven beheren.

Het probleem van datafragmentatie

Veel organisaties hebben hun productdata verspreid over allerlei systemen. ERP, CRM, PIM, DAM, Excel, leveranciersbestanden, design files, webshops, marketplaces en soms nog een mapje op iemands desktop. Dat was altijd al lastig, maar met AI wordt het risico groter. Waarom? Als een AI-agent verkeerde, incomplete of tegenstrijdige data gebruikt, krijg je verkeerde output. Pimcore noemde dat in de keynote heel treffend “AI drift” of in gewone taal: als je slechte input geeft, krijg je slechte output. Alleen nu sneller, schaalbaarder en overtuigender gepresenteerd.

Dat maakt data governance belangrijker dan ooit. AI kan veel versnellen, maar AI lost geen rommelige datafundering op. Sterker nog, AI kan rommel juist versneld verspreiden als je niet oppast. Daarom legt Pimcore zoveel nadruk op wat zij de Data Spine noemen.

De Pimcore Data Spine

De Data Spine is Pimcore’s antwoord op gefragmenteerde data. Het idee is niet dat dit één losse feature is, het is meer een architectuurgedachte. Pimcore als centrale, betrouwbare dataruggengraat tussen databronnen, bedrijfslogica, kanalen en AI-agents. Aan de ene kant heb je databronnen zoals ERP, CRM, BI-systemen, leveranciersdata en andere systemen of record. In het midden zit Pimcore met PIM, MDM, DAM, CDP, DXP en eventueel commerce-functionaliteit. Aan de andere kant zitten de outputkanalen: webshops, websites, portals, social, print, marketplaces en straks dus ook AI-agents.

De Data Spine doet drie dingen:

• Hij verzamelt data.
• Hij beheert en bewaakt data.
• Hij levert betrouwbare context aan mensen én agents.

Voor H1-klanten is dit heel herkenbaar. Zeker in B2B e-commerce zien we vaak dat de grootste uitdaging niet de webshop zelf is, maar de datalaag eronder. Productinformatie, technische kenmerken, afbeeldingen, alternatieven, verpakkingen, staffels, classificaties, documenten en vertalingen moeten allemaal kloppen voordat je echt goed kunt automatiseren. Dat geldt dus dubbel wanneer AI-agents mee gaan werken.

Agentic PXM: PIM, DAM, MDM en DXP met AI-agents

Pimcore noemt de nieuwe richting Agentic PXM. PXM staat voor Product Experience Management. Dat gaat verder dan PIM, PIM draait vooral om productinformatie beheren. PXM draait om de complete productervaring per kanaal, per doelgroep, per markt en per context. Agentic PXM betekent dat AI-agents helpen om die productervaring te beheren, verrijken en optimaliseren.

Denk bijvoorbeeld aan agents die:

• Productomschrijvingen controleren op consistentie
• Ontbrekende attributen signaleren
• Teksten vertalen
• Afbeeldingen analyseren en tags voorstellen
• Productvarianten aanmaken
• Metadata aanpassen
• Content genereren voor landingspagina’s of nieuwsberichten
• Prijzen vergelijken met externe bronnen
• Productdata voorbereiden voor webshops of marketplaces
• Rapportages en dashboards ondersteunen

Het mooie aan de visie van Pimcore is dat ze agents niet zien als los AI-laagje bovenop het systeem. Ze willen agents echt in het hart van Pimcore brengen.

Pimcore Agent SDK

Een belangrijk onderdeel van de keynote was de introductie van de Pimcore Agent SDK. Die Agent SDK moet ervoor zorgen dat AI-agents Pimcore op een veilige en gestructureerde manier kunnen gebruiken. Niet door zomaar prompts op een database los te laten, maar via tools, bronnen en resources die agents helpen om de juiste context te gebruiken.

In de keynote werd gesproken over onder andere:

• MCP servers waarmee agents veilig met Pimcore kunnen communiceren
• CLI commands
• Authenticatie en autorisatie
• Permissions
• Documentatie in agent-leesbare vorm
• Voorbeelden en repositories
• Agent skills
• Koppelingen met verschillende AI-modellen
• Ondersteuning voor interne én externe agents

Pimcore wil niet afhankelijk zijn van één AI-leverancier. De Agent SDK moet kunnen werken met partijen als Anthropic, OpenAI, Google AI, open source modellen en private modellen die organisaties zelf hosten. Dat past goed bij enterprise organisaties. Niet iedere organisatie wil gevoelige productdata of commerciële data zomaar naar een extern AI-model sturen. De mogelijkheid om eigen modellen of private omgevingen te gebruiken, wordt daarom steeds belangrijker.

Enterprise safety

Pimcore benadrukte ook een punt dat vaak te weinig aandacht krijgt, veiligheid. Een AI-agent die productdata kan lezen is handig, een AI-agent die productdata kan wijzigen is krachtig, maar een AI-agent die zonder controle data kan verwijderen, overschrijven of verkeerde conclusies kan doorvoeren, is levensgevaarlijk. Daarom spreekt Pimcore over enterprise safety.

Daarbij gaat het onder andere om:

• Rechten en rollen
• Logging
• Sandboxing
• Human-in-the-loop controles
• Voorstellen in plaats van directe wijzigingen
• Verschillende soorten agents voor lezen en schrijven
• Controle voordat data definitief wordt toegepast

In de demo was dat goed zichtbaar. De agent deed niet zomaar aanpassingen in de database, maar hij kwam met voorstellen. De gebruiker kon die voorstellen bekijken, aanpassen, goedkeuren of gedeeltelijk toepassen. Dat is precies de richting waarin AI in enterprise software moet bewegen. Niet blind automatiseren, maar gecontroleerd versnellen.

Pimcore Studio

Naast Agentic PXM draaide de keynote voor een groot deel om Pimcore Studio. Pimcore Studio is de nieuwe moderne interface van Pimcore, maar volgens Pimcore is het nadrukkelijk meer dan alleen een mooiere UI. Ja, de oude admin interface was functioneel, maar visueel niet bepaald van deze tijd. Pimcore grapte zelf dat het soms nog aan Windows 3.11 deed denken, Studio moet dat veranderen.

De nieuwe interface werkt met een flexibel canvas, sidebars, widgets, editors en dashboards. Gebruikers kunnen hun werkruimte aanpassen aan hun rol en taak. Productdatamanagers, marketeers, developers en beheerders hebben immers niet allemaal dezelfde interface nodig. Belangrijk is dat Studio voelt als een evolutie én revolutie tegelijk. Bestaande Pimcore-gebruikers moeten hun weg kunnen blijven vinden, maar krijgen een modernere, snellere en flexibelere werkomgeving.

De Studio Grid als krachtig werkpaard

Een groot deel van de demo ging over de nieuwe grid-functionaliteit in Pimcore Studio en dat is logisch. Voor iedereen die veel met productdata werkt, is een goede grid onmisbaar. Je wilt data kunnen bekijken, filteren, bewerken, exporteren en in bulk aanpassen.

De nieuwe Studio Grid ondersteunt onder andere:

• Inline editing
• Complexe datatypes
• Relaties
• Advanced columns
• Rransformaties
• Zoekfunctionaliteit
• Filters op attributen
• Filters over relaties heen
• Batch editing
• Exports
• Asynchrone verwerking via de execution engine

Vooral de ondersteuning van relaties is belangrijk, omdat productdata zelden uit platten tabellen bestaat. Producten zijn gekoppeld aan fabrikanten, categorieën, assets, series, varianten, events, documenten en nog veel meer. Dat moet je in een enterprise PIM fatsoenlijk kunnen beheren.

PQL: Pimcore Query Language

Een interessant onderdeel was de introductie van PQL, de Pimcore Query Language. Daarmee kunnen power users complexe filters maken zonder door een uitgebreide query builder te hoeven klikken. PQL is niet alleen bedoeld voor mensen, het is ook interessant voor agents. Een AI-agent moet namelijk data kunnen vinden. Niet door willekeurig te zoeken en tokens te verbranden, maar door gestructureerde queries te maken die Pimcore begrijpt.

PQL is daarmee een brug tussen gebruikers, data en AI-agents. Het is geen SQL, daardoor voorkom je problemen zoals SQL-injection en kun je queries veiliger aanbieden binnen een enterprise context.

Documenten, dashboards en configuratie

Pimcore Studio is niet alleen bedoeld voor data objects en assets, ook documenten zijn nu beschikbaar in Studio. Daarmee blijft Pimcore sterk als DXP-platform. Denk aan websites, portals, landingspagina’s, area bricks, personalisatie, drag-and-drop en realtime previews. Ook dashboards zijn opnieuw opgebouwd. Gebruikers kunnen meerdere dashboards maken met widgets zoals grafieken, tabellen, cijfers, takenlijsten en kwaliteitsrapportages. Daarmee kunnen teams bijvoorbeeld datakwaliteit monitoren, openstaande taken bekijken of rapportages direct koppelen aan productdata.

Daarnaast zijn veel configuratieschermen vernieuwd. Denk aan thumbnails, class definitions, Data Hub, GraphQL, REST-configuraties en de data importer. Kort gezegd: Studio is niet alleen een nieuw likje verf. Het is de nieuwe basis waarop Pimcore verder bouwt.

De Studio SDK

Voor partners en developers is misschien wel het belangrijkste onderdeel de Pimcore Studio SDK.

De Studio SDK bestaat uit meerdere onderdelen:

• De bestaande Pimcore core PHP API
• De Studio backend API
• Een design system
• Herbruikbare UI-componenten
• De Studio UI SDK
• Documentatie
• Storybook
• OpenAPI-documentatie
• Voorbeelden en extensiepunten

Het doel: partners en developers moeten veel sneller maatwerk kunnen bouwen bovenop Pimcore.

In de keynote werd zelfs gesproken over een enorme efficiëntieslag ten opzichte van de oude manier van uitbreiden. Zeker in combinatie met coding agents kan dit de manier waarop Pimcore-projecten worden ontwikkeld behoorlijk veranderen. Voor H1 is dat interessant, omdat veel Pimcore-trajecten juist draaien om maatwerk dat goed beheersbaar moet blijven. Denk aan branchegerichte datamodellen, workflows, imports, exports, dashboards, koppelingen en gebruikersinterfaces voor specifieke rollen. Als dat sneller én consistenter kan, is dat goed nieuws voor klanten.

Praten met Pimcore via de Agent Chat

Een van de meest tastbare onderdelen van de keynote was de demo van de Pimcore Agent Chat. Daarin werd getoond hoe een gebruiker via chat met Pimcore kan werken.

Bijvoorbeeld: “Vind events in Vienna.” De agent gebruikt dan tools, haalt context op, zoekt in Pimcore en toont resultaten direct in de chat. Vanuit de chat kun je objecten openen en verder werken in Studio. Daarna werd getoond hoe een agent een beschrijving kan controleren op inconsistenties. De agent komt met aanbevelingen en kan voorstellen doen om data aan te passen. Ook werd getoond hoe een agent een variant van een event kan aanmaken. Bijvoorbeeld: maak van een event in Wenen een variant in Salzburg. De agent maakt dan een nieuw data object aan en vult velden, relaties, beelden, video’s en geopunten.

Niet perfect blind toegepast, maar via een voorstel dat de gebruiker kan controleren. Dat is precies hoe AI in een PIM-omgeving nuttig wordt.

Batch refining: veel data tegelijk verbeteren

Een ander sterk voorbeeld was batch refining. Stel je hebt een lijst met producten of objecten die vertaald moeten worden. Je selecteert meerdere items in een grid en vraagt de agent om vertalingen toe te voegen. De agent genereert voorstellen voor meerdere records tegelijk.

De gebruiker kan vervolgens:

• Alle voorstellen bekijken
• Een deel goedkeuren
• Een deel terugsturen naar de agent
• Extra instructies geven, bijvoorbeeld “voeg ook Franse vertalingen toe”
• Daarna de wijzigingen toepassen

Dit soort functionaliteit kan veel werk besparen bij internationale e-commerce, zeker bij grote productcatalogi.

Pimcore-data in externe AI-tools

Tot slot werd getoond dat Pimcore niet alleen interne agents wil ondersteunen. Via MCP-servers kan Pimcore ook gekoppeld worden aan externe AI-tools, zoals Claude of Microsoft Copilot-achtige omgevingen. In de demo werd Pimcore-data via Claude opgehaald. De agent kon bijvoorbeeld zoeken naar rode sportwagens en daar vervolgens verdere analyses op doen, inclusief visualisatie op een kaart.

Belangrijk daarbij is dat de data niet werd verzonnen. De data kwam echt uit Pimcore, dat is een belangrijk punt voor de toekomst van commerce en AI. Als AI-assistenten en agents steeds vaker informatie ophalen, wil je dat ze werken met de juiste brondata. Niet met verouderde pagina’s, halve exports of interpretaties van zoekmachines.

Wat betekent dit voor e-commerce organisaties?

Voor e-commerce organisaties is de boodschap helder, productdata wordt nog belangrijker dan het al was. AI gaat alleen goed werken als je datafundament klopt.

Dat betekent:

• Één betrouwbare bron voor productdata
• Duidelijke datamodellen
• Goede relaties tussen producten, assets en documenten
• Heldere rechten en workflows
• Controle op datakwaliteit
• Goede integraties met ERP, webshop, marketplaces en marketingtools
• Governance rondom AI-gebruik

Zeker voor B2B-organisaties met complexe assortimenten is dit essentieel. Denk aan technische producten, onderdelen, verpakkingen, klantspecifieke data, alternatieven, documenten, certificeringen en meerdere verkoopkanalen. Daar kun je met losse AI-tools best een paar leuke experimenten doen, maar structureel versnellen lukt pas als de onderliggende data klopt.

Onze kijk vanuit H1

Bij H1 zien we dit als een logische en belangrijke ontwikkeling. Veel organisaties willen “iets met AI”, maar lopen uiteindelijk vast op hun data. Productinformatie is versnipperd, attributen zijn inconsistent, afbeeldingen zijn niet goed gekoppeld, ERP is niet geschikt als contentbron en Excel speelt nog steeds een hoofdrol. Dan kun je AI toevoegen, maar dan automatiseer je vooral chaos.

De kracht van Pimcore zit juist in het centraal beheren van complexe data, assets, relaties en workflows. Als daar nu een agentic laag bovenop komt, ontstaat er iets interessants: AI die niet zomaar content genereert, maar werkt binnen de context van je eigen productdata-operatie.

Voor H1-klanten kan dat concreet betekenen:

• Sneller productdata verrijken
• Minder handmatig vertaalwerk
• Betere datakwaliteit
• Snellere time-to-market
• Efficiëntere PIM- en DAM-processen
• Betere voorbereiding op AI-search en agentic commerce
• Meer grip op data governance
• Teams kunnen zich meer richten op controle, strategie en optimalisatie, in plaats van eindeloos velden vullen.

Productdata krijgt een AI-collega

De keynote van Pimcore Inspire laat goed zien waar PIM, DAM, MDM en PXM naartoe bewegen. Niet naar minder software, maar naar software die actiever meewerkt. Pimcore Studio maakt de werkomgeving moderner en flexibeler. De Studio SDK maakt maatwerk en uitbreidingen sneller. De Agent SDK maakt het mogelijk om AI-agents veilig, gecontroleerd en contextbewust met Pimcore te laten werken.

Daarmee ontstaat een nieuw speelveld. Productdata wordt niet langer alleen beheerd door mensen, maar begint terug te werken. Dit werkt alleen als de basis klopt, want Agentic PXM begint niet bij AI. Het begint bij betrouwbare, goed gestructureerde en goed bestuurde data. Daar ligt voor veel organisaties de grootste uitdaging én de grootste kans.

FAQ