KI Produktbeschreibungen sind für viele Shops der erste sinnvolle Berührungspunkt mit künstlicher Intelligenz – weil sich der Nutzen sofort rechnen lässt. Wer hunderte Artikel im Katalog hat, kennt das Problem: Für jeden neuen Artikel eine ordentliche, verkaufsstarke und SEO-taugliche Beschreibung zu schreiben, kostet Zeit, die kaum jemand hat. Also bleiben Felder leer, werden Herstellertexte kopiert oder es steht überall dasselbe. Nach etlichen Projekten mit WooCommerce-Shops im DACH-Raum zeige ich hier, wie sich das mit KI sauber automatisieren lässt – und wo die ehrlichen Grenzen liegen.
Wichtig vorweg: KI ersetzt hier keinen guten Texter für die zehn wichtigsten Produkte einer Marke. Sie löst ein Mengenproblem. Genau darin liegt ihr Wert – und die Kunst besteht darin, Geschwindigkeit und Qualität nicht gegeneinander auszuspielen.
Warum sich KI bei Produktbeschreibungen wirklich lohnt
Der eigentliche Engpass ist selten die Textqualität an sich, sondern die Masse. Ein Sortiment mit 300, 800 oder 2.000 SKUs lässt sich manuell nicht sinnvoll pflegen – erst recht nicht, wenn Varianten, saisonale Artikel und laufende Neuzugänge dazukommen. Hier spielt KI ihre Stärke aus: Sie erzeugt aus strukturierten Daten (Titel, Attribute, Kategorie, Material, Maße) in Sekunden einen brauchbaren Entwurf.
Konkret adressiert eine automatisierte Lösung drei typische Baustellen:
- Leere oder dünne Beschreibungen. Artikel ohne Text ranken schlecht und konvertieren schlecht. KI füllt die Lücken flächendeckend.
- Duplikate durch Herstellertexte. Kopierte Lieferantentexte stehen wortgleich auf dutzenden Shops. Eine eigene, umformulierte Beschreibung hebt Sie ab.
- Uneinheitlicher Ton. Wenn zehn Personen über Jahre Texte geschrieben haben, klingt jeder anders. Ein KI-Prompt mit klaren Vorgaben vereinheitlicht die Tonalität.
Qualität gegen Geschwindigkeit – der ehrliche Trade-off
Der größte Fehler ist die Erwartung, dass KI auf Knopfdruck perfekte Texte liefert, die niemand mehr anschaut. So funktioniert es nicht. Was KI zuverlässig liefert, ist ein guter erster Entwurf auf konstantem Niveau. Das ist bei 500 Artikeln oft mehr wert als zehn brillante und 490 leere Beschreibungen.
Die realistische Erwartung sieht so aus:
- KI trifft Struktur, Länge und Keyword-Abdeckung zuverlässig.
- KI erfindet gelegentlich Details, die nicht in den Daten stehen (Halluzination). Bei technischen Artikeln ist das ein echtes Risiko.
- Emotion, Markenstimme und feine Nuancen bleiben durchschnittlich – gut genug für die Masse, nicht für das Aushängeschild.
Die Lösung ist kein Entweder-oder, sondern ein abgestuftes Vorgehen: Top-Produkte bekommen handgeschriebene Texte, der lange Rest läuft über die KI-Pipeline mit Stichprobenkontrolle.
Der Batch-Prozess in der Praxis
Ein sauberer Ablauf trennt Generierung und Freigabe. So behalten Sie die Kontrolle, ohne jeden einzelnen Text von Hand zu schreiben.
1. Daten vorbereiten
Je besser die strukturierten Attribute, desto besser der Output. Titel, Kategorie, Marke, Material, Maße, Zielgruppe und zwei bis drei Verkaufsargumente reichen der KI als Rohstoff. Fehlen diese Daten, halluziniert das Modell – Garbage in, garbage out gilt hier besonders.
2. Prompt und Regeln definieren
Der Prompt legt Tonalität, Länge, Struktur (etwa ein einleitender Absatz plus Bulletpoints) und verbotene Formulierungen fest. Sinnvoll ist die Regel, dass die KI nur Fakten aus den übergebenen Daten verwenden und nichts hinzuerfinden darf.
3. In Chargen generieren
Statt aller 800 Artikel auf einmal fährt man in Chargen von 50 bis 100. So lassen sich Prompt und Ergebnis früh justieren, bevor Fehler das ganze Sortiment durchziehen.
4. Stichprobe prüfen
Das ist der entscheidende Schritt. Man prüft nicht jeden Text, sondern eine Zufallsstichprobe von etwa 10 bis 20 Prozent pro Charge – gezielt auf Faktenfehler, Halluzinationen und Tonalität. Fällt die Stichprobe durch, wird der Prompt korrigiert und die Charge neu generiert.
5. Freigeben und veröffentlichen
Erst nach bestandener Stichprobe gehen die Texte in den Shop – idealerweise zunächst als Entwurf, damit ein zweites Augenpaar bei sensiblen Kategorien drüberschauen kann.
Eine solche Pipeline lässt sich direkt an WooCommerce anbinden. Wie das technisch sauber aufgesetzt wird, beschreibe ich in meiner Leistung KI für Onlineshops; die grundsätzliche Anbindung von KI an bestehende Systeme fällt unter KI-Integration.
Einfluss auf Konversion und SEO
Zwei Effekte sind belegbar und einer ist mit Vorsicht zu genießen.
SEO: Eindeutige, eigenständige Beschreibungen mit relevanten Begriffen schlagen kopierte Herstellertexte fast immer. Vor allem verschwindet das Duplicate-Content-Problem, wenn jeder Artikel einen individuellen Text bekommt statt des überall gleichen Lieferantentexts.
Konversion: Vollständige Beschreibungen mit klaren Verkaufsargumenten und beantworteten Standardfragen (Material, Passform, Pflege) senken Kaufunsicherheit. Leere Felder kosten Umsatz – das ist der direkteste Hebel.
Vorsicht: KI-Text allein macht keinen schlechten Shop erfolgreich. Wenn Fotos, Preise, Vertrauen und Ladezeit nicht stimmen, hilft die beste Beschreibung nicht. Für die grundsätzliche Systemwahl lohnt vorab ein Blick in meinen Beitrag Onlineshop erstellen: welches Shopsystem.
| Ansatz | Aufwand pro Artikel | Qualität | Geeignet für |
|---|---|---|---|
| Herstellertext kopieren | Minimal | Schlecht (Duplikat) | Gar nicht empfehlenswert |
| Manuell schreiben | Hoch | Sehr gut | Top-Produkte, Marke |
| KI mit Stichprobe | Niedrig | Gut und konstant | Der große Rest (Masse) |
| KI ohne Kontrolle | Sehr niedrig | Riskant (Halluzination) | Nicht empfehlenswert |
DSGVO und Daten – was Sie beachten müssen
Produktdaten sind in der Regel keine personenbezogenen Daten, daher ist die DSGVO-Lage bei reinen Produktbeschreibungen entspannter als bei Kundendaten. Trotzdem gilt: Wenn Sie ein KI-Modell nutzen, das Daten in einem Drittland verarbeitet, sollten Sie den Datenfluss kennen. Für Produktattribute ist das meist unkritisch, für alles, was in Richtung Kundendaten geht (etwa Bewertungen, die Namen enthalten), braucht es klare Grenzen.
- Keine Kundendaten in Prompts oder Trainingsdaten geben, wenn es nicht sein muss.
- Wo möglich, EU-Endpoints oder Anbieter mit Auftragsverarbeitungsvertrag wählen.
- Reine Produktattribute (Titel, Maße, Material) sind unbedenklich – hier liegt der Fokus der Automatisierung.
In der Praxis heißt das: Die Automatisierung von Produktbeschreibungen ist datenschutzrechtlich einer der unkompliziertesten KI-Anwendungsfälle überhaupt, weil sie mit Sachdaten statt mit Personendaten arbeitet. Genau deshalb eignet sie sich so gut als erster Schritt für Betriebe, die mit KI starten wollen, ohne gleich in die heikleren Themen rund um Kundendaten einzusteigen.
Risiken und wie man sie beherrscht
Drei Risiken sollte man kennen, bevor man startet.
Halluzinationen. Die KI erfindet Eigenschaften. Gegenmittel: Prompt-Regel „nur übergebene Fakten“ plus Stichprobe.
Neue Duplikate. Wenn der Prompt zu eng ist, klingen alle Texte gleich. Gegenmittel: genug variable Attribute und eine Prompt-Struktur, die Individualisierung erzwingt.
Blindes Vertrauen. Der gefährlichste Fehler ist, die Kontrolle ganz wegzulassen. Die Stichprobe ist nicht optional – sie ist der Grund, warum das Verfahren funktioniert.
Ein realistisches Rechenbeispiel
Damit die Sache greifbar wird, ein typisches Szenario aus der Praxis. Ein Shop hat 600 Artikel, davon rund 400 mit leeren oder kopierten Beschreibungen. Manuell rechnet man pro Artikel realistisch mit 15 bis 25 Minuten für einen ordentlichen Text inklusive Recherche und Feinschliff. Bei 400 Artikeln sind das grob 100 bis 165 Arbeitsstunden – ein Aufwand, der in der Praxis fast nie geleistet wird, weil das Tagesgeschäft dazwischenkommt. Genau deshalb bleiben die Felder leer.
Mit einer KI-Pipeline verschiebt sich die Arbeit: Das Schreiben selbst kostet praktisch keine Zeit mehr, der Aufwand steckt im Einrichten des Prompts und in der Stichprobenkontrolle. Rechnet man pro Charge von 100 Artikeln etwa eine bis zwei Stunden Prüfung, landet man für 400 Artikel bei rund 5 bis 10 Stunden Kontrolle plus einmaliger Einrichtung. Aus 100-plus Stunden werden also unter 15 – bei konstanter, brauchbarer Qualität. Das ist der Hebel, um den es geht.
Der Punkt dabei ist nicht, dass KI-Texte besser wären als ein guter Handtext. Der Punkt ist, dass 400 gute KI-Texte real existieren, während 400 perfekte Handtexte in der Realität nie geschrieben werden. Vollständigkeit schlägt Perfektion, sobald die Menge groß genug ist.
Häufige Fehler beim ersten Versuch
Wer zum ersten Mal eine solche Pipeline aufsetzt, tappt oft in dieselben Fallen. Diese vier sehe ich am häufigsten:
- Zu wenig Struktur in den Eingabedaten. Wer der KI nur den Produkttitel gibt, bekommt generische Texte oder Halluzinationen. Je mehr saubere Attribute, desto individueller und faktentreuer der Output.
- Alles auf einmal generieren. Wer 800 Artikel in einem Rutsch durchlaufen lässt, entdeckt einen Prompt-Fehler erst, wenn er sich durch das ganze Sortiment gezogen hat. Chargen sind kein Detail, sondern Absicherung.
- Die Stichprobe überspringen. Aus Zeitdruck wird gern direkt veröffentlicht. Genau dann rutschen Faktenfehler live – und untergraben das Vertrauen ins ganze Verfahren.
- Keine Wiedervorlage. Sortimente ändern sich. Ohne Prozess für Neuzugänge veraltet die schöne Automatisierung nach ein paar Monaten wieder.
Keiner dieser Fehler ist teuer, wenn man ihn kennt – aber jeder kostet Zeit und Vertrauen, wenn man ihn selbst entdecken muss. Deshalb lohnt es sich, das Verfahren einmal richtig aufzusetzen, statt es mehrfach halb zu probieren.
Fazit
KI-Produktbeschreibungen sind ein Paradebeispiel für sinnvolle Automatisierung: klares Mengenproblem, messbarer Nutzen bei SEO und Konversion, überschaubares Risiko – vorausgesetzt, man behält mit einer Stichprobenkontrolle die Hand am Steuer. Top-Produkte bleiben Handarbeit, der lange Rest läuft über eine kontrollierte Pipeline. Genau so wird aus einem Zeitfresser ein Wettbewerbsvorteil.
Wenn Sie einen WooCommerce-Shop mit vielen Artikeln haben und wissen wollen, ob sich eine solche Pipeline für Sie rechnet, schreiben Sie mir kurz über das Kontaktformular. Ich schaue mir Ihren Katalog an und sage ehrlich, ob und wie sich die Automatisierung lohnt.
