KI für Produktbeschreibungen in Katalogen mit Tausenden Artikeln – ohne Inhaltsmüll

Ein Shop mit dreihundert Produkten kann es sich leisten, dass jemand jede Produktseite von Hand schreibt. Einer mit achttausend nicht. In großen Katalogen findet man meist eine Mischung aus Herstellerbeschreibungen, leeren Seiten und einigen wenigen sorgfältig ausgearbeiteten. Künstliche Intelligenz verändert diese Rechnung: Was früher Monate an Texterarbeit bedeutete, sind heute Tage. Das Problem: Sie kann auch achttausend Texte erzeugen, die dasselbe mit anderen Worten sagen, und das verkauft weder, noch rankt es.

In diesem Artikel geht es nicht darum, ob KI gut schreibt, sondern darum, wie Sie die Arbeit organisieren, damit das Ergebnis bei einem großen Katalog etwas taugt.

Das Problem ist nicht die KI, sondern das, was Sie ihr geben

Ein Sprachmodell schreibt auf Grundlage dessen, was es bekommt. Geben Sie ihm nur den Produktnamen, füllt es mit Allgemeinplätzen auf: „modernes Design“, „hohe Qualität“, „ideal für den Alltag“. Solche Sätze könnten auf jeder Produktseite stehen und bringen deshalb weder dem Kunden noch einer Suchmaschine etwas.

Die Qualität des Textes hängt fast vollständig von den Ausgangsdaten ab:

• Echte Merkmale: Maße, Materialien, Kompatibilitäten, Zusammensetzung, Leistung, Kapazität.
• Nutzungskontext: für wen das Produkt ist, in welcher Situation man es nutzt, womit man es kombiniert.
• Unterschiede innerhalb der Produktfamilie: was dieses Modell vom benachbarten unterscheidet.
• Fragen, die Kunden Ihnen bereits stellen, per Telefon, E-Mail oder Chat.
• Einschränkungen: was nicht gesagt werden darf (gesundheitsbezogene Aussagen, Ergebnisversprechen, Vergleiche mit anderen Marken).

Bevor Sie irgendetwas generieren, sehen Sie sich an, was Sie haben. Sind die Merkmale leer, besteht die erste Aufgabe darin, sie zu füllen, nicht darin, Texte zu schreiben. Eine korrekt hinterlegte EAN ermöglicht die Abfrage öffentlicher Produktdatenbanken; eine Spezifikationstabelle des Lieferanten lässt sich in PrestaShop-Merkmale umwandeln. Damit hat die KI etwas Konkretes zu erzählen.

Setzen Sie Prioritäten: Nicht jede Produktseite verdient denselben Aufwand

Bei Tausenden Produkten ist es der schnellste Weg, Zeit und API-Kosten ohne Ergebnis zu verbrennen, wenn man alles gleich behandelt. Teilen Sie den Katalog in drei Gruppen:

1. Produkte, die sich verkaufen oder Besuche erhalten. Sie machen meist einen kleinen Teil des Katalogs aus. Hier lohnt sich eine vollständige Beschreibung, geprüft von jemandem, der das Produkt kennt, mit häufigen Fragen und klaren Vorteilen.
2. Produkte mit Suchanfragen, aber ohne Conversions. Sie erscheinen bei Google mit Impressionen und wenigen Klicks oder erhalten Besuche, die wieder abspringen. Sie profitieren am meisten von einer besseren Produktseite.
3. Der Long Tail. Ersatzteile, Größen, sehr technische Artikelnummern. Eine korrekte Beschreibung, die aus guten Merkmalen generiert und stichprobenartig geprüft wird, reicht meist aus.

Die Daten für diese Einteilung haben Sie bereits: Verkäufe in PrestaShop, Besuche in Ihrer Webanalyse sowie Impressionen und Klicks in der Search Console.

Vorlagen pro Produktfamilie statt einer Anweisung für alles

Eine einzige Anweisung („schreibe eine Beschreibung mit 200 Wörtern“), die auf den ganzen Katalog angewendet wird, erzeugt Produktseiten mit derselben Struktur und demselben Ton, egal wie unterschiedlich die Produkte sind. Besser funktioniert eine Vorlage pro Produktfamilie oder Kategorie:

• Bei Ersatzteilen zählen die Kompatibilität, die Originalnummer und wie man prüft, ob es das richtige Teil ist.
• Bei Mode der Stoff, der Schnitt, wie die Größe ausfällt und wie man das Teil wäscht.
• Bei Lebensmitteln Herkunft, Format, Aufbewahrung und Allergene, für die zudem eigene gesetzliche Pflichten gelten.
• Bei technischer Ausrüstung Spezifikationen, empfohlene Verwendung und Lieferumfang.

Jede Vorlage sollte die Struktur, den Ton Ihrer Marke und die ungefähre Länge festlegen und vor allem, welche Daten verwendet werden und was nicht erfunden werden darf. Ein Satz wie „Wenn eine Angabe nicht in den bereitgestellten Informationen steht, erwähne sie nicht“ verhindert einen Großteil der Fehler.

In Stapeln arbeiten, mit Entwürfen

Tausende Texte zu generieren und direkt zu veröffentlichen, ist ein sicheres Rezept für ein Desaster. Der Ablauf, der funktioniert, sieht so aus:

1. Teststapel mit zwanzig oder dreißig Produkten derselben Familie.
2. Vollständige Prüfung dieses Stapels: korrekte Daten, Ton, Wiederholungen, leere Phrasen. Passen Sie die Vorlage entsprechend an.
3. Großer Stapel als Entwurf: Die Texte werden gespeichert, ohne die aktuellen schon zu ersetzen.
4. Stichprobenprüfung mit Vorher-Nachher-Vergleich. Tauchen in einer Stichprobe Fehler auf, wird die Vorlage korrigiert und der Stapel neu generiert, nicht Seite für Seite.
5. Veröffentlichung und Notieren des Datums, damit Sie messen können.

Wenn Sie im Hintergrund arbeiten, mit einer Warteschlange und einem Cronjob, blockieren Sie das Backoffice nicht und vermeiden Abbrüche wegen der maximalen Ausführungszeit, die auftreten, wenn Hunderte Produkte in einer einzigen Anfrage verarbeitet werden. Und ein Verlauf jeder Änderung erlaubt es, zurückzugehen, wenn ein Stapel misslingt.

Was Sie in jeder Stichprobe prüfen sollten

• Daten: Stimmen Maße, Materialien und Kompatibilitäten mit der Realität überein?
• Unterscheidbarkeit: Wenn Sie drei Produktseiten derselben Familie hintereinander lesen, kann man sie auseinanderhalten?
• Füllsätze: „außergewöhnliche Qualität“, „wird Sie begeistern“. Raus damit.
• Verbotene oder riskante Aussagen: Gesundheit, Sicherheit, garantierte Ergebnisse.
• Stimmigkeit mit der Produktseite: Der Text darf weder den Merkmalen noch dem Preis widersprechen.
• Sprachen: Wenn Sie übersetzen, müssen Einheiten, Größen und Ausdrücke an das jeweilige Land angepasst sein.

Google bestraft nicht die KI

Google hat öffentlich erklärt, dass es egal ist, wie ein Inhalt entstanden ist, sondern ob er nützlich ist. Was Google sehr wohl verfolgt, ist das massenhafte Erzeugen von Seiten mit dem Hauptziel, Suchergebnisse zu manipulieren, ohne Mehrwert für die Leser. Für einen Shop ist der Unterschied praktisch: Eine mit KI aus echten Daten erstellte und geprüfte Produktseite hilft dem Käufer; tausend Seiten mit demselben, nur umgestellten Text helfen niemandem, egal ob eine Maschine oder ein Mensch sie geschrieben hat.

Erwarten Sie auch nicht, dass neu geschriebene Beschreibungen den Traffic über Nacht verändern. Messen Sie nach Produktgruppen und über Zeiträume von mehreren Wochen: Impressionen, Klicks, Conversion-Rate der Produktseite und Retouren mit dem Grund „entspricht nicht meinen Erwartungen“.

Ein technisches Detail: ein aktueller Shop

Die Massenverarbeitung des Katalogs greift auf viele Tabellen gleichzeitig zu und hängt von Cronjobs, Verbindungen zur API des KI-Anbieters und aktuellen PHP-Versionen ab. In Shops mit sehr alten PrestaShop- oder PHP-Versionen lassen sich aktuelle Werkzeuge oft nicht installieren, und was man beim Schreiben spart, geht für Notlösungen wieder drauf. Ein aktueller Shop gehört zum Projekt dazu.

So lösen Sie es in PrestaShop

Easy AI Magic Catalog Suite arbeitet direkt im Backoffice mit Ihrem eigenen Schlüssel für OpenAI, Gemini, Claude, DeepSeek, Mistral oder Cohere. Sein AI Mass Processor stellt Produkte, Kategorien oder CMS-Seiten in eine Warteschlange, die per Cronjob im Hintergrund abgearbeitet wird, und erzeugt die Texte als Entwürfe: Sie vergleichen vorher und nachher und übernehmen sie erst dann, mit Verlauf zum Wiederherstellen. AI Product Enrichment sucht Daten über EAN, UPC oder ISBN in öffentlichen Datenbanken, AI Features extrahiert Spezifikationen aus den Beschreibungen und wandelt sie in Merkmale um, und AI Premium Bullets und AI FAQs vervollständigen die Produktseite. Wenn das Problem darin besteht, dass neue Produkte zu lange brauchen, bis sie im Shop sind, legt AI Catalog Flow das Produkt vom Smartphone aus anhand eines Fotos an, mit Kategorien, Bildern und Kombinationen, und wendet die Standardwerte an, die Sie festlegen.