Ein Hemd, das bisher als Artikelgruppe im Shop stand, soll ab der neuen Saison in allen 15 Farben einzeln auffindbar sein. Jede Variante bekommt eine eigene Seite. Die Texterin öffnet die bestehende Beschreibung, kopiert sie, tauscht die Farbe aus und speichert. Fünfzehnmal. Danach folgen die Flanellhemden, die sich kaum unterscheiden und trotzdem nicht fünfzigmal denselben Text tragen sollen.
Gleichzeitig wartet das Team auf Texte einer Agentur, deren Freigabe Wochen dauert. Und im Haus testet eine andere Abteilung bereits KI, nur ohne Anbindung an die Produktdaten.
Eine gute Produktbeschreibung beantwortet die Fragen, die sich Kundinnen und Kunden vor dem Kauf stellen: Was ist das, wofür brauche ich es, was macht es besser, wie fällt es aus und wie pflege ich es. Bei vielen Artikeln und Varianten entsteht Qualität nicht durch einzelnes Schreiben, sondern durch einen Ablauf: saubere Produktdaten aus dem PIM, eine geprüfte Vorlage, hinterlegte Markensprache, KI-gestützte Serienerstellung, Stichproben und Freigabe. Für Varianten entscheidet ihr bewusst, ob jede eine eigene Seite mit eigenem Text bekommt oder per Canonical auf eine Hauptseite verweist. Beides ist möglich, aber nicht beides halb.
Was macht eine gute Produktbeschreibung aus?
Eine gute Produktbeschreibung verbindet Fakten mit Nutzen. Sie nennt Material, Maße und Eigenschaften, übersetzt diese aber in Situationen, die für Käufer relevant sind. Sie ist eigenständig formuliert, gut lesbar gegliedert und klingt nach der Marke, nicht nach dem Hersteller.
Viele Produkttexte scheitern an einem von zwei Extremen. Entweder sie sind eine Aufzählung technischer Merkmale, die niemand einordnen kann. Oder sie sind Werbeprosa ohne belastbare Informationen. Beides hilft weder beim Kauf noch in der Suche. Google empfiehlt in seinem SEO-Leitfaden für Einsteiger ausdrücklich eigenständige, hilfreiche und gut lesbare Inhalte. Das gilt für Produktseiten genauso wie für Ratgeber.
| Baustein | Frage der Kundschaft | Beispiel |
|---|---|---|
| Einstieg mit Nutzen | Warum sollte mich das interessieren? | Ein Hemd, das nach einem langen Reisetag noch so aussieht wie am Morgen |
| Alltagssituation | Wann und wo nutze ich das? | Im Büro, auf Geschäftsreise, unter dem Pullover |
| Merkmale mit Begründung | Was macht es besser? | Bügelfrei durch eine spezielle Ausrüstung der Baumwolle |
| Passform und Größe | Passt mir das? | Normale Passform, fällt größengerecht aus |
| Material und Pflege | Wie behandle ich es? | 100 Prozent Baumwolle, bei 40 Grad waschbar |
| Fakten kompakt | Alles auf einen Blick | Stichpunkte für Kragenform, Armlänge, Farben |
Produktbeschreibung: ein Beispiel für den Unterschied
Der Unterschied zwischen einer austauschbaren und einer überzeugenden Produktbeschreibung liegt selten in der Länge. Er liegt darin, ob der Text eine konkrete Situation beschreibt und Merkmale begründet.
„Hochwertiges Herrenhemd aus Baumwolle. Bügelfrei. Kentkragen. Erhältlich in vielen Farben. Ein Klassiker für jeden Anlass.“
„Morgens aus dem Koffer, abends noch im Meeting: Dieses Hemd aus reiner Baumwolle ist so ausgerüstet, dass es ohne Bügeleisen glatt bleibt. Der Kentkragen sitzt mit und ohne Krawatte. Normale Passform, bei 40 Grad waschbar.“
Der zweite Text ist kaum länger, beantwortet aber vier Fragen: wann, warum, wie es sitzt und wie es gepflegt wird. Genau diese Fragen stellen sich Käufer, und genau solche konkreten Passagen greifen auch KI-Suchsysteme auf, wenn sie Produktempfehlungen formulieren. Wie Inhalte zitierfähig werden, beschreibt der Beitrag Sichtbar in ChatGPT, Perplexity und AI Overviews.
Warum wird die Menge zum Problem?
Weil Sortimente schneller wachsen als Textteams. Varianten, Saisonware, Bestandsartikel aus früheren Saisons und zusätzliche Kanäle vervielfachen den Bedarf. Bei zwei bis drei Stunden pro Text vom Anlegen bis zur Veröffentlichung ist das mit Handarbeit nicht mehr zu schaffen.
In Gesprächen mit Handels- und Industrieunternehmen tauchen immer wieder dieselben Ursachen auf:
- Varianten werden einzeln gebraucht: Artikel, die bisher als Gruppe angelegt waren, sollen für bessere Auffindbarkeit einzeln im Shop stehen, in allen Farben, Größen und Ausführungen.
- Copy-Paste als Standard: Texte werden aus der Hauptvariante kopiert und von Hand angepasst. Das kostet Stunden und erzeugt nahezu identische Seiten.
- Daten liegen verteilt: Das Artikelbriefing der Produktmanager steht im PIM, Materialangaben in einer Tabelle, die Positionierung im Kopf der Produktmanagerin.
- Lange Wege über Dienstleister: Texte entstehen extern, werden intern geprüft, freigegeben und dann von Hand ins Shopsystem übertragen.
- Weitere Kanäle fehlen: Social Media, Newsletter und Kategorieseiten brauchen dieselben Produkte in anderer Form, ohne Bruch in der Sprache.
Das Ergebnis: Die besten Leute verbringen ihre Zeit mit Übertragen statt mit Formulieren. Eine Teamleitung brachte es in einem Gespräch auf den Punkt: Die gewonnene Zeit soll in Qualität fließen, in individuelle Texte, die KI noch nicht schreiben kann.
Duplicate Content bei Produktvarianten: was ihr entscheiden müsst
Nahezu identische Texte auf vielen Variantenseiten sind kein Strafgrund, aber sie helfen niemandem. Google wählt dann selbst eine Seite aus und blendet die anderen aus. Entscheidet deshalb bewusst: Entweder bekommt jede Variante eine eigene Seite mit eigenem Text, oder die Varianten verweisen per Canonical auf eine Hauptseite.
Google beschreibt in seiner Dokumentation zur Konsolidierung doppelter URLs, wie ihr eine bevorzugte Seite mit rel="canonical" festlegt. Für Shops mit Varianten gibt es außerdem strukturierte Daten für Produktvarianten, mit denen ihr Google zeigt, welche Artikel zu einer Gruppe gehören. Welcher Weg passt, hängt davon ab, ob die Varianten eigene Suchanfragen haben.
| Weg | Passt, wenn | Folge für den Text |
|---|---|---|
| Eine Seite, Varianten als Auswahl | Varianten unterscheiden sich nur in Farbe oder Größe, niemand sucht gezielt danach | Ein starker Text für die Gruppe |
| Eigene Seiten mit Canonical | Varianten brauchen eigene URLs für Werbung oder Filter, sollen aber nicht einzeln ranken | Grundtext der Hauptvariante, Canonical auf die Hauptseite |
| Eigene Seiten mit eigenem Text | Varianten haben eigene Suchanfragen, etwa „grünes Flanellhemd“, oder unterscheiden sich in Material und Einsatz | Individueller Text je Variante, gemeinsame Fakten, eigene Situationen |
Der dritte Weg ist der aufwendigste und der, bei dem KI am meisten hilft. Wichtig ist, dass die Unterschiede echt sind. Ein Text, in dem nur das Farbwort ausgetauscht wurde, ist kein eigener Inhalt. Besser funktioniert eine gemeinsame Faktenbasis mit variantenspezifischen Elementen: Wozu passt diese Farbe, zu welchem Anlass, zu welchen anderen Teilen des Sortiments.
Woher kommen die Daten für Produktbeschreibungen?
Aus dem PIM oder ERP, ergänzt um das Wissen der Produktmanager. Entscheidend ist ein festes Feld für die Positionierung: Wie soll das Produkt wahrgenommen werden, für wen ist es gedacht, wogegen grenzt es sich ab. Ohne diese Information schreibt jede KI und jeder Mensch an der Absicht vorbei.
In vielen Unternehmen erstellen Produktmanager ein Artikelbriefing, das im PIM hinterlegt wird. Es ist oft die einzige Quelle für den Text, mal ausführlich, mal dünn. Hinzu kommen Stammdaten wie Material, Verarbeitung, Maße und Kategorie sowie Erfahrungen aus früheren Saisons. Für eine Serienproduktion sollten diese Informationen strukturiert vorliegen:
- Stammdaten: Artikelnummer, Variante, Material, Maße, Pflege, Kategorie.
- Briefing: Zielgruppe, Positionierung, wichtigste Verkaufsargumente.
- Kontext: Verwandte Artikel, Kollektion, Saison.
- Pflichtangaben: Rechtlich notwendige Hinweise, etwa zu Materialzusammensetzung oder Umweltaussagen.
Am Anfang reicht oft ein Tabellenexport aus dem PIM, der in das Werkzeug für die Texterstellung importiert wird. Auf Dauer lohnt eine Schnittstelle, damit neue Artikel automatisch ankommen und fertige Texte zurückfließen. Welcher technische Weg dafür passt, beschreibt der Beitrag MCP oder API. Wie freigegebene Texte ohne Kopieren ins Zielsystem kommen, steht in Die letzte Meile.
Wie erstellt ihr Produktbeschreibungen mit KI in Serie?
In fünf Schritten: Daten aufbereiten, eine geprüfte Vorlage bauen, Markensprache hinterlegen, Texte in Serie erzeugen und per Stichprobe prüfen, dann freigeben und ins Shopsystem übergeben. Die KI schreibt die Entwürfe, das Team konzentriert sich auf Qualität und Ausnahmen.
- Schritt 1Daten aufbereitenExportiert Stammdaten und Artikelbriefings für eine Warengruppe. Prüft, welche Felder häufig leer sind. Lücken im Briefing führen zu generischen Texten, egal wie gut die Vorlage ist.
- Schritt 2Vorlage bauenLegt Aufbau, Länge und Pflichtbausteine fest, etwa Einstieg mit Nutzen, Alltagssituation, Merkmale, Passform, Pflege. Ergänzt zwei bis drei gute Beispieltexte aus dem Bestand. Die Vorlage gehört in eure gemeinsame Prompt-Bibliothek, nicht in einen privaten Chat.
- Schritt 3Markensprache hinterlegenTonalität, typische Formulierungen und verbotene Begriffe gehören zentral hinterlegt, je Marke und bei Bedarf je Kanal. Ein Onlineshop klingt anders als ein Instagram-Beitrag zum selben Produkt. Wie das gelingt, zeigt der Beitrag Markensprache hinterlegen.
- Schritt 4In Serie erzeugen und prüfenErzeugt die Texte für die ganze Warengruppe in einem Durchgang. Prüft eine feste Stichprobe vollständig, etwa jeden zehnten Text, und alle Texte mit besonderen Merkmalen. Kriterien dafür liefert die Checkliste vor der Freigabe.
- Schritt 5Freigeben und übergebenGebt die Texte frei und übertragt sie per Schnittstelle oder Import ins Shopsystem. Haltet fest, welche Version wann veröffentlicht wurde, damit spätere Änderungen nachvollziehbar bleiben.
Ein Vorteil dieses Ablaufs zeigt sich später: Wenn ein Social-Media-Team für dasselbe Hemd einen Instagram-Beitrag braucht, greift es auf denselben geprüften Produkttext zu und muss sich nichts neu ausdenken. Der Beitrag ist dem Produkt zugeordnet, und später ist nachvollziehbar, welcher Text in welchem Kanal lief. Bestehende Archive, etwa Instagram-Texte aus mehreren Jahren, werden so zur Grundlage für die Markensprache statt zu einem ungenutzten Ordner.
Kategorietexte: der oft vergessene zweite Teil
Kategorieseiten wie „Flanellhemden“ oder „Übergangsjacken“ sammeln oft mehr Suchanfragen als einzelne Produkte. Ein guter Kategorietext hilft bei der Auswahl, beschreibt typische Situationen und verlinkt auf passende Unterkategorien. Er entsteht aus denselben Daten und derselben Markensprache wie die Produkttexte.
Viele Shops haben Kategorietexte entweder gar nicht oder als Pflichtabsatz am Seitenende, der vor Jahren für Suchmaschinen geschrieben wurde. Besser funktionieren Texte, die echte Auswahlfragen beantworten: Worin unterscheiden sich die Modelle, für welchen Anlass passt welches, worauf sollte man beim Material achten. Solche Passagen sind auch das, was KI-Suchsysteme als Antwort auf Fragen wie „Welches Hemd für Geschäftsreisen“ heranziehen.
Weil Kategorietexte seltener entstehen als Produkttexte, lohnt sich eine eigene Vorlage. Einmal erstellt, könnt ihr alle bestehenden Kategorietexte in kurzer Zeit nach demselben Muster überarbeiten.
Produktbeschreibungen schreiben lassen oder selbst erstellen?
Beides hat seinen Platz. Agenturen bringen Kapazität und Schreibhandwerk, kennen aber Sortiment und Kundschaft selten so gut wie das eigene Team. Mit einem KI-gestützten Ablauf können viele Teams Serientexte selbst erstellen und externe Unterstützung gezielt für Sonderprojekte nutzen.
| Kriterium | Agentur | Eigenes Team mit KI |
|---|---|---|
| Produktwissen | Muss jedes Mal übergeben werden | Liegt im Haus und in der Wissensbasis |
| Durchlaufzeit | Briefing, Erstellung, Prüfung, Übertragung: oft Wochen | Tage, bei Serien teilweise Stunden |
| Kosten | Je Text, steigt mit der Menge | Lizenz und Teamzeit, sinkt je Text mit der Menge |
| Markensprache | Hängt an einzelnen Textern | Zentral hinterlegt, für alle gleich |
| Sinnvoll für | Kampagnen, Neueinführungen, Spitzenlast | Sortimentspflege, Varianten, Bestandsartikel |
Ein Hinweis aus der Praxis: Auch Agenturen erstellen Produkttexte heute häufig KI-gestützt. Der Unterschied liegt dann vor allem darin, wer das Produktwissen hat und wer die Qualität prüft. Welche Zahlen ihr für einen Vergleich braucht, beschreibt der Beitrag Business Case für Content-Software.
Was gilt rechtlich für Produkttexte?
Produktbeschreibungen müssen wahr und belegbar sein. Besonders streng sind Umweltaussagen: Seit dem 27. September 2026 gelten mit der EmpCo-Richtlinie engere Regeln für Begriffe wie „nachhaltig“ oder „umweltfreundlich“. Wer Texte in Serie erzeugt, braucht dafür eine feste Prüfregel.
Bei handgeschriebenen Texten fallen problematische Aussagen oft in der Freigabe auf. Bei hundert Texten am Tag nicht. Hinterlegt deshalb verbotene oder nur mit Beleg erlaubte Begriffe als Regel, die vor der Freigabe automatisch geprüft wird. Was seit der neuen Richtlinie gilt, beschreibt der Beitrag zur EmpCo-Richtlinie. Dieser Beitrag ersetzt keine Rechtsberatung.
Welche Fehler machen Teams bei Produktbeschreibungen in Serie?
Die häufigsten Fehler entstehen vor der Texterstellung: bei den Daten, der Vorlage und der Entscheidung über Varianten.
- Nur das Farbwort austauschenTexte, die sich nur im Farbnamen unterscheiden, sind für Kunden und Suchmaschinen wertlos. Entscheidet bewusst über den Variantenweg.
- Mit leeren Briefings startenWenn das Artikelbriefing dünn ist, wird auch der Text dünn. Ergänzt ein Pflichtfeld für Positionierung und Zielgruppe.
- Keine Beispiele hinterlegenEine Vorlage ohne zwei, drei gute Beispieltexte führt zu Durchschnitt. Beispiele zeigen der KI, wie eure Marke klingt.
- Alles prüfen wollen oder gar nichtsHundert Prozent Prüfung macht den Zeitgewinn zunichte, null Prozent ist riskant. Eine feste Stichprobe plus Prüfregeln ist der Mittelweg.
- Kanäle getrennt denkenShop, Newsletter und Social Media schreiben dasselbe Produkt dreimal neu. Ein gemeinsamer Produkttext als Basis spart Arbeit und hält die Sprache einheitlich.
Selbstcheck: Wie serienreif sind eure Produkttexte?
Setzt Haken bei allem, was auf euch zutrifft.
kurzer Vorschlag zu unseren Produkttexten:
Mit der Auflösung der Artikelgruppen brauchen wir deutlich mehr Produktbeschreibungen, als wir von Hand schreiben können. Heute kopieren wir Texte und tauschen Farben aus. Das kostet Zeit und erzeugt nahezu identische Seiten.
Ich schlage einen Test mit einer Warengruppe vor: Daten aus dem PIM exportieren, eine Vorlage mit unserer Markensprache bauen, die Texte KI-gestützt in Serie erzeugen und per Stichprobe prüfen. Parallel entscheiden wir, welche Varianten eigene Seiten mit eigenem Text bekommen.
Nach vier Wochen vergleichen wir Zeitaufwand und Qualität mit dem bisherigen Weg.
Fazit: Gute Produktbeschreibungen entstehen im Ablauf, nicht im Einzeltext
Eine einzelne gute Produktbeschreibung zu schreiben, ist Handwerk. Hunderte gute Beschreibungen für Varianten, Saisons und Kanäle zu liefern, ist eine Frage der Organisation. Wer Produktdaten sauber erfasst, eine geprüfte Vorlage mit Markensprache nutzt, über Varianten bewusst entscheidet und KI für die Serienerstellung einsetzt, gewinnt Zeit für die Texte, bei denen Menschen den Unterschied machen.
Startet mit einer Warengruppe, bei der der Druck heute am größten ist. Nach vier Wochen wisst ihr, wie viel Zeit der Ablauf spart und wo Daten oder Vorlage noch nachgeschärft werden müssen.
Häufige Fragen
Wie lang sollte eine Produktbeschreibung sein?
So lang, wie nötig, um die Kauffragen zu beantworten. Für einfache Artikel reichen oft 80 bis 150 Wörter plus Stichpunkte, für erklärungsbedürftige Produkte mehr. Eine feste Wortzahl ist kein Qualitätsmerkmal, auch nicht für Suchmaschinen.
Ist Duplicate Content bei Produktvarianten schädlich?
Er führt nicht zu einer Abstrafung, aber Google zeigt in der Regel nur eine der nahezu identischen Seiten. Legt deshalb per Canonical eine Hauptseite fest oder gebt Varianten, die eigene Suchanfragen haben, einen eigenständigen Text.
Kann KI Produktbeschreibungen schreiben, die nicht generisch klingen?
Ja, wenn sie gute Daten, eine klare Vorlage mit Beispielen und eure hinterlegte Markensprache bekommt. Generische Texte entstehen fast immer aus dünnen Briefings und fehlendem Kontext, nicht aus dem Modell.
Wie bekommen wir die Daten aus dem PIM in die Texterstellung?
Für den Start per Tabellenexport und Import. Dauerhaft lohnt eine Schnittstelle, damit neue Artikel automatisch ankommen und fertige Texte zurück ins PIM oder Shopsystem fließen. Bezieht dafür früh die IT ein.
Brauchen wir für jeden Kanal eigene Produkttexte?
Ihr braucht eine gemeinsame Basis und je Kanal eine Ableitung. Der Shoptext liefert Fakten und Nutzen, daraus entstehen Newsletter-Teaser und Social-Media-Beiträge in der jeweiligen Tonalität.
Wo verliert euer Content-Prozess heute Zeit?
In 30 Minuten schauen wir gemeinsam darauf, wo euch heute unnötige Abstimmungen, manuelle Aufgaben, Toolwechsel oder wiederkehrende Content-Arbeit Zeit kosten.
Wenn ihr Produktbeschreibungen in Serie erstellen wollt, gehen wir eure Produktdaten, Varianten und Freigabewege durch und skizzieren einen Ablauf für eine erste Warengruppe.
Content-Prozess in 30 Minuten analysieren Kostenfrei. Du nimmst konkrete Ansatzpunkte mit, die ihr intern direkt weiterverwenden könnt.
Dennis Gumprich
Dennis begleitet Marketing- und Kommunikationsteams bei der Frage, wie generative KI in bestehende Content-Prozesse passt, ohne Qualität, Markensprache und Freigaben zu untergraben. Schwerpunkte: Content Operations, KI-Governance und Toolauswahl in Mittelstand und Konzern.
Transparenzhinweis: Dennis arbeitet für contentbird, einen Anbieter von KI-gestützter Content-Software. Produkterwähnungen sind im Beitrag gekennzeichnet. Mehr über Dennis · LinkedIn
Weiterlesen
Entstehung dieses Beitrags
Dieser Beitrag ist unter Einsatz von KI entstanden. Struktur und Formulierungsentwürfe wurden KI-gestützt erarbeitet. Fachliche Einordnung, Prüfung der Aussagen und die finale Fassung liegen bei Dennis Gumprich.
Zur Belastbarkeit der Aussagen
Bausteine, Variantenwege, Ablauf und Vergleich sind Arbeitsmodelle aus der Beratungspraxis und keine erhobenen Messwerte. Die Angaben zu Zeitaufwand und Herausforderungen stammen aus Gesprächen mit Handels- und Industrieunternehmen im Jahr 2026. Die Hinweise zu Duplicate Content beruhen auf der Dokumentation von Google Search Central. Dieser Beitrag ersetzt keine Rechtsberatung.
