Bis zu ein paar hundert Produkten kann die „Handarbeit“ noch funktionieren, bei der jemand die Produktbeschreibungen des Webshops einzeln schreibt – bei mehreren tausend Artikelnummern ist das jedoch eine unmögliche Mission. Bis wir am Ende des Katalogs ankämen, sind schon neue Produkte eingetroffen, bestimmte Spezifikationen haben sich geändert, womöglich wurden neue Sprachversionen oder Vertriebskanäle nötig – und uns packt die Verzweiflung. Zum Glück gibt es keinen Grund zur Panik.
Für dieses Problem bietet die generative künstliche Intelligenz eine naheliegende Lösung. Eine Produktbeschreibung lässt sich damit heute in wenigen Sekunden erstellen – aber genau deshalb ist sie leicht falsch einzusetzen. Geschwindigkeit allein ist nämlich wenig wert, wenn das System dabei falsche technische Daten erfindet, dieselben nichtssagenden Floskeln auf hunderten Seiten wiederholt oder Behauptungen aufstellt, die der Händler nicht belegen kann.
Wirklich gut funktionierende KI-basierte Contentproduktion beginnt deshalb nicht damit, einen cleveren Prompt in den Chatbot einzutippen. Zuerst müssen die Produktdaten in Ordnung gebracht, die inhaltlichen Regeln definiert und der Prüfprozess aufgebaut werden, den jeder generierte Text durchläuft.
Warum ist die Produktbeschreibung wichtiger geworden – und nicht weniger wichtig?
Auf den ersten Blick könnte man meinen, dass Texte in einem auf Bilder, Videos und Empfehlungssysteme gebauten Webshop eine immer kleinere Rolle spielen. Der Kaufprozess zeigt jedoch etwas anderes.
Nach einer Studie des Baymard Institute, die auf mehreren tausend Usability-Tests und der Analyse führender Webshops basiert, ist die Produktseiten-UX von 51 Prozent der untersuchten Webshops mittelmäßig oder schlechter. Aus ihren Untersuchungen zeigt sich auch, dass lückenhafte oder schwer verständliche Produktinformationen ein echtes Kaufhindernis sein können. Auf der Produktseite interessiert sich der Kunde in der Regel nicht mehr allgemein für eine Kategorie. Er versucht, ein konkretes Produkt zu verstehen. Er will entscheiden, ob das Modell zu ihm passt, ob es mit etwas kompatibel ist, ob die Größe stimmt, wofür es sich verwenden lässt, was im Paket enthalten ist oder worin es sich vom daneben geöffneten anderen Produkt unterscheidet.
Gleichzeitig verändert sich auch die Produktsuche selbst. Nach der Connected-Shopper-Studie von Salesforce aus dem Jahr 2025 nutzen bereits 39 Prozent der Käufer auch künstliche Intelligenz, um Produkte zu entdecken. Innerhalb der Generation Z liegt dieser Anteil über 50 Prozent. Das ist deshalb wichtig, weil die Produktdaten eines Webshops heute nicht mehr nur der Kunde und die klassische Google-Suche verständlich verarbeiten müssen. Aus denselben Informationen können auch die interne Suche des Webshops, ein Marktplatz, ein Produktfeed, eine Empfehlungs-Engine oder ein KI-basiertes Suchsystem arbeiten.
Die Bedeutung der Produktbeschreibung ist deshalb auch heute unbestreitbar. Keine Frage: Wir müssen es gut machen, wenn wir im Online-Raum erfolgreich sein wollen.
Nicht der Prompt macht die KI-Produktbeschreibung gut
Einer der häufigsten Fehler ist, dem Prompt zu viel Bedeutung beizumessen.
„Schreib eine professionelle, überzeugende, SEO-optimierte Produktbeschreibung.“ Für sich genommen sagt das dem Modell fast nichts. Daraus geht nicht hervor, für wen das Produkt gedacht ist, mit welchen Informationen es arbeiten darf, welche Behauptungen es vermeiden soll, wie der Tonfall der Marke klingt – und auch nicht, was es tun soll, wenn eine Angabe fehlt.
Bei einem Webshop ist zudem nicht egal, wie die KI mit Informationslücken umgeht. Bei einem kreativen Text kann es mitunter nützlich sein, wenn das Modell freier formuliert – bei Produktdaten birgt genau das erhebliche Risiken. Angenommen, wir geben zu einem Akkubohrer nur an, dass es ein kompaktes Gerät mit 18-Volt-System ist. Ein Sprachmodell dichtet leicht einen Drehmomentwert, eine Drehzahl oder eine Akkukapazität hinzu, die gut klingt – nur eben mit dem konkreten Typ nichts zu tun hat.
Deshalb ist der erste Schritt immer derselbe: Es braucht Quelldaten in angemessener Qualität. Produktname, Marke, Hersteller-Artikelnummer, EAN- oder GTIN-Code, Größe, Gewicht, Material, Leistung, Kompatibilität, Lieferumfang, Varianten und alle weiteren relevanten Eigenschaften sollten möglichst in strukturierter Form vorliegen. Daraus soll die KI arbeiten.
Technische Daten sind noch keine Produktbeschreibung
Vorab sei betont: Eines der besten Einsatzgebiete der KI ist genau das Übersetzen trockener Produktdaten in die Sprache des Kunden. Ein technisches Datenblatt sagt zum Beispiel: „750 ml Fassungsvermögen.“
Seien wir ehrlich: Den Kunden interessiert eher, was das in der Praxis bedeutet. Etwa, dass eine größere Portion Getränk in die Flasche passt und man sie beim Wandern oder auf längeren Reisen seltener nachfüllen muss. Dasselbe funktioniert bei Elektronikprodukten, Werkzeugen, Kleidung oder sogar Möbeln. Das Modell kann eine Eigenschaft mit ihrer praktischen Bedeutung verknüpfen. Es gibt jedoch eine wichtige Grenze.
Aus dem Fassungsvermögen von 750 Millilitern folgt, dass relativ viel Flüssigkeit in die Flasche passt. Daraus folgt aber nicht, dass das Getränk 12 Stunden lang kalt bleibt. Für solche Aussagen braucht es eigene Daten. Genau deshalb lautet eine der wichtigsten Anweisungen an ein Webshop-KI-System nicht, kreativ zu sein – sondern es in bestimmten Situationen gerade nicht zu sein. Lässt sich eine Behauptung nicht aus den bereitgestellten Produktdaten ableiten, soll sie lieber wegbleiben.
Die KI muss wissen, für wen sie schreibt
Dasselbe Produkt lässt sich auf mehrere Arten präsentieren. In der Beschreibung eines Multimeters für Privatanwender sollte man wahrscheinlich zuerst erklären, für welche grundlegenden Messaufgaben es sich eignet. In einem Fach-Webshop für Elektriker können dagegen Messbereich, Genauigkeitsklasse oder CAT-Einstufung viel früher in den Vordergrund rücken. Die KI weiß von allein nicht, welcher Ansatz der richtige ist. Deshalb muss in jedem gut aufgebauten Prozess zur Produktbeschreibungs-Generierung die Zielgruppe vorkommen. Du musst dabei nicht an eine mehrseitige Buyer Persona denken. Oft reichen ein paar Sätze.
Auch die Markenstimme sollte man in Regeln zerlegen
Anweisungen vom Typ „sei professionell“ oder „formuliere natürlich“ sind zu vage. Ein deutlich brauchbareres Ergebnis bekommen wir, wenn wir sagen, was natürlicher Ton bei uns bedeutet. Ein Webshop kann zum Beispiel vorschreiben, dass die Produktbeschreibung sachlich und verständlich sein soll, keine Ausrufezeichen verwendet, übertriebene Werbeadjektive meidet und nichts als „revolutionär“, „unschlagbar“ oder „perfekt“ bezeichnet.
Verbote verbessern den Text überraschend stark. Besonders dann, wenn es um mehrere tausend Produkte geht. Ein Mensch bemerkt nämlich schnell, wenn auf drei nebeneinanderliegenden Seiten dieselbe Floskel „die perfekte Wahl für alle“ steht. Ein automatisiertes System produziert davon dagegen anstandslos zehntausend Varianten.
Es lohnt sich, nicht nur einen einzigen Text zu generieren
Liegt bereits eine geprüfte Produktdatenbank vor, wäre es Verschwendung, daraus nur eine lange Beschreibung zu erzeugen. Aus derselben Datenquelle lassen sich der Produktname, die Kurzzusammenfassung, die ausführliche Beschreibung, die technische Spezifikation, Meta-Title und Meta-Description, in bestimmten Fällen die Produkt-FAQ sowie die Feed-Inhalte für die verschiedenen Vertriebskanäle erstellen. Hier ist allerdings eine wichtige Unterscheidung nötig...
Die Beschreibung, die auf der Produktseite des Webshops funktioniert, ist nicht unbedingt als Google-Merchant-Center-Feed geeignet. Ein Marktplatz braucht womöglich wieder andere Felder und Formate.
Was denkt Google darüber?
Rund um KI-Inhalte hielt sich lange die vereinfachende Vorstellung, Google bestrafe maschinell erstellte Texte. Nach der aktuellen Google-Dokumentation ist nicht die Art der Erstellung an sich entscheidend. Die Suchmaschine möchte Inhalte anzeigen, die nützlich und verlässlich sind und in erster Linie für Menschen erstellt wurden.
Das Problem ist massenhafter Content mit geringem Wert – besonders dann, wenn sein Hauptzweck die Manipulation des Rankings ist. Google behandelt das unter dem Begriff „scaled content abuse“, also Missbrauch durch massenhafte Inhalte.
Das ist ein sehr wichtiger Unterschied. Es ist nicht das Problem, wenn ein Webshop für die Erstellung von 5000 Produktbeschreibungen künstliche Intelligenz nutzt. Problematisch kann dagegen sein, wenn 5000 nahezu identische Seiten entstehen, die kaum nützliche Informationen enthalten und in denen im Grunde nur ein paar Keywords und Produktnamen ausgetauscht werden. Gutes SEO beginnt also auch hier bei der Qualität der Produktdaten und dem Informationsbedarf des Kunden.
„SEO-optimierter Text“ bedeutet nicht Keyword-Wiederholung
Besonders deutlich zeigt sich die Schwäche der KI, wenn sie schlicht die Anweisung bekommt, eine SEO-optimierte Produktbeschreibung zu erstellen.
Dann entsteht leicht so etwas:
„Dieser Akkubohrer ist die ideale Wahl für alle, die einen zuverlässigen Akkubohrer suchen. Der Akkubohrer bietet eine praktische Lösung…“
Sprachlich fehlerfrei, aber auf einer guten Produktseite völlig überflüssig. Ein deutlich besseres Ergebnis entsteht, wenn das Modell den echten Suchkontext des Produkts bekommt. Wofür wird es verwendet? Welches Problem löst es? Mit welchen anderen Produkten wird es typischerweise verglichen? Anhand welcher Eigenschaften entscheiden die Kunden? Aus diesen Informationen tauchen die relevanten Begriffe auf natürliche Weise auf.
Auch Googles Leitfaden zu KI-basierten Suchfunktionen empfiehlt keine gesonderte „AI-SEO“-Technik. Das Grundprinzip bleibt: nützlicher, einzigartiger, gut strukturierter Content.