Kaum ein Thema wird in Marketingabteilungen so kontrovers diskutiert wie der Einsatz von künstlicher Intelligenz für Produkttexte. Viele Shops setzen mittlerweile auf automatisierte Texterstellung, um Tausende von Artikeln zu betexten. Die Erwartung ist groß: schnellere Prozesse, weniger Aufwand, bessere Rankings. Doch zwischen Erwartung und Realität klafft oft eine Lücke. KI-Texte sind nicht automatisch gute Texte, und genau dieser Irrtum kostet viele Unternehmen mehr, als er ihnen bringt. Wer glaubt, mit einem Prompt sei das Thema Content erledigt, unterschätzt, wie viel handwerkliche Arbeit hinter überzeugenden Produkttexten steckt.
Der Reiz liegt auf der Hand. Ein mittelständischer Shop mit mehreren Tausend Artikeln kann unmöglich für jede Produktvariante einen eigenen Text schreiben lassen. Kategorieseiten, Filterkombinationen und Variantenseiten summieren sich schnell zu einem Content-Bedarf, der mit klassischen Redaktionsprozessen kaum zu stemmen ist.
Generative KI verspricht hier einen Ausweg. Innerhalb weniger Sekunden entstehen Produktbeschreibungen, die zumindest oberflächlich professionell wirken. Für Unternehmen im Bereich B2B E-Commerce mit besonders breiten Sortimenten ist dieser Effizienzgewinn auf den ersten Blick verlockend. Das Problem beginnt jedoch genau dort, wo Effizienz zum einzigen Ziel wird.
Ein weit verbreiteter Irrglaube besagt, Google erkenne KI-Texte zuverlässig und stufe sie grundsätzlich schlechter ein. Das ist so nicht richtig. Eine Auswertung von Rankingdaten kam zu dem Ergebnis, dass rund 86,5 Prozent der am besten platzierten Seiten zumindest teilweise KI-generierte Inhalte enthielten, während nur ein kleiner Teil vollständig von Menschen verfasst war. Noch deutlicher wird es bei der Korrelation zwischen KI-Anteil und Ranking. Diese lag laut derselben Auswertung bei nahezu null, was gegen einen automatischen Abwertungsmechanismus spricht.
Entscheidend ist also nicht die Produktionsmethode, sondern das Ergebnis. Google selbst hat diese Haltung mehrfach bestätigt. Danny Sullivan, bekannt als Search Liaison bei Google, stellte klar, dass automatisiert erstellte Inhalte für das Unternehmen keine eigene Kategorie darstellen, sondern denselben Qualitätsmaßstäben unterliegen wie jeder andere Text auch. Diese Einordnung wurde ausführlich auf Search Engine Journal dokumentiert und macht deutlich, dass die Diskussion um KI-Content oft an der falschen Stelle ansetzt.
Kritisch wird es erst, wenn Masse zum eigentlichen Ziel wird. Google fasst dieses Verhalten unter dem Begriff Scaled Content Abuse zusammen. Gemeint sind Seiten, die primär erstellt werden, um in großer Zahl Sichtbarkeit zu erzeugen, nicht um Nutzern echten Mehrwert zu bieten.
Ein Shop, der binnen weniger Tage Tausende neue Produktseiten mit nahezu identischer Struktur veröffentlicht, ohne dass ein Mensch die Inhalte prüft oder anpasst, bewegt sich in genau diesem Risikobereich. Google muss dabei nicht einmal erkennen, ob ein einzelner Text von KI stammt. Es reicht völlig aus, wenn das Gesamtbild wie automatisierter Massencontent wirkt. Genau hier liegt der eigentliche Denkfehler vieler Unternehmen, die glauben, allein die Textmenge sichere ihnen Sichtbarkeit.
Ein zweites Problem hängt eng mit dem ersten zusammen. Viele KI-Texte klingen austauschbar, weil sie auf ähnlichen Trainingsdaten und ähnlichen Prompts basieren. Werden hunderte Produktbeschreibungen ohne individuelle Anpassung generiert, entsteht schnell sogenannter Thin Content, der zwar formal vorhanden ist, aber inhaltlich kaum etwas aussagt.
Kommt hinzu, dass sich Formulierungen über verschiedene Produktseiten hinweg wiederholen, spricht man von Duplicate Content. Für Suchmaschinen ist das ein deutliches Signal dafür, dass der Text nicht für Menschen, sondern für Rankings geschrieben wurde. Besonders betroffen sind Kategorien mit vielen ähnlichen Varianten, etwa unterschiedliche Farben oder Größen desselben Artikels, bei denen sich Textbausteine nahezu unverändert wiederholen. Wer sich intensiver mit der technischen Seite dieses Themas beschäftigen möchte, findet im Beitrag zu KI im B2B E-Commerce eine ausführlichere Einordnung, warum ein solides Fundament vor dem eigentlichen Einsatz stehen muss.
Nicht jeder KI-Text ist ein Warnsignal, aber bestimmte Muster tauchen auffällig häufig auf. Wer die eigenen Produktseiten kritisch prüft, sollte auf folgende Punkte achten:
Solche Texte wirken oft lang und aufwendig, transportieren aber wenig echten Informationswert. Genau das ist der Punkt, an dem viele Unternehmen scheitern. Nicht weil sie KI nutzen, sondern weil sie KI zur Produktion von noch mehr mittelmäßigem Content einsetzen, statt bestehende Schwächen im Content-Prozess zu beheben.
Ein Aspekt, der in der Diskussion oft untergeht, betrifft die Datenbasis. Ein Sprachmodell kann nur so gute Texte liefern, wie die zugrunde liegenden Produktdaten es zulassen. Sind Attribute in PIM-, ERP- oder Shopsystemen lückenhaft, ungenau oder veraltet, produziert die KI zwangsläufig generische oder sogar fehlerhafte Beschreibungen.
An dieser Stelle lohnt sich ein Blick auf Produktdaten als Kostenfaktor, weil dort deutlich wird, wie stark die Datenqualität die gesamte Content-Kette beeinflusst. Auch das Thema PIM im E-Commerce zeigt, warum viele Unternehmen dieses Fundament unterschätzen. Wer KI produktiv einsetzen will, sollte deshalb zuerst die eigene Datenbasis aufräumen, statt direkt mit der Texterstellung zu beginnen.
Neben der inhaltlichen Qualität spielt auch die technische Umsetzung eine wichtige Rolle. Werden bei der massenhaften Erstellung von Varianten- oder Filterseiten Canonical-Tags, Noindex-Anweisungen oder strukturierte Daten nicht sauber gepflegt, entstehen zusätzliche Risiken. Suchmaschinen indexieren dann möglicherweise Seiten, die eigentlich gar nicht sichtbar sein sollten, oder werten mehrere nahezu identische URLs als konkurrierende Signale.
Gerade bei automatisierten Prozessen, die viele neue Seiten in kurzer Zeit erzeugen, lohnt sich ein technisches Audit vor dem großflächigen Rollout. In dem Zusammenhang lohnt sich auch ein Blick auf GEO und Agentic Commerce, weil moderne Suchsysteme zunehmend auf saubere, maschinenlesbare Strukturen angewiesen sind. Wer diese Basis vernachlässigt, verschenkt Potenzial, ganz unabhängig davon, wie gut der eigentliche Text formuliert ist.
Ein Punkt, der im E-Commerce besonders schwer wiegt, betrifft die inhaltliche Richtigkeit. Sprachmodelle neigen dazu, Details zu erfinden, wenn ihnen konkrete Informationen fehlen. Materialangaben, technische Spezifikationen oder Sicherheitshinweise können dabei plausibel klingen und trotzdem schlicht falsch sein.
Im Einzelhandel mag ein ungenauer Satz ärgerlich sein. Bei technischen Produkten, Lebensmitteln oder Gesundheitsartikeln kann eine falsche Angabe rechtliche Konsequenzen nach sich ziehen oder das Vertrauen in die Marke nachhaltig beschädigen. Wer KI-generierte Texte ohne fachliche Prüfung veröffentlicht, geht damit ein Risiko ein, das weit über schlechte Rankings hinausreicht.
Ein sinnvoller Kompromiss liegt in einem klar definierten Freigabeprozess. Die KI liefert einen ersten Entwurf, eine fachlich versierte Person prüft Angaben zu Material, Funktion und Kompatibilität, bevor der Text live geht. Dieser zusätzliche Schritt kostet Zeit, verhindert aber Reklamationen, Retouren und im schlimmsten Fall Abmahnungen, die durch falsche Produktangaben entstehen können.
Selbst wenn ein Text technisch sauber und inhaltlich korrekt ist, bleibt eine zentrale Frage offen: Überzeugt er tatsächlich zum Kauf? Laut einer Erhebung des Handelsverbands Deutschland setzen bereits 47 Prozent der deutschen Einzelhändler KI in irgendeiner Form ein, Tendenz steigend. Die Nutzung allein sagt jedoch nichts über die Wirkung der Texte auf potenzielle Kunden aus.
Gute Produkttexte reduzieren Unsicherheit. Sie beantworten die Fragen, die sich Käufer vor dem Klick auf den Warenkorb stellen, und geben dem Produkt eine erkennbare Haltung. Ein generischer Text, der lediglich Eigenschaften auflistet, leistet genau das nicht. In diesem Zusammenhang lohnt sich auch ein Blick auf Kaufabbrüche im E-Commerce, weil dort deutlich wird, wie stark Unsicherheit Kaufentscheidungen beeinflusst.
Ein kurzer Überblick verdeutlicht, worin sich schwacher und starker KI-Content typischerweise unterscheiden:
Die naheliegende Schlussfolgerung ist nicht, auf KI zu verzichten. In vielen Fällen wäre das wirtschaftlich gar nicht darstellbar, gerade bei Sortimenten mit mehreren Tausend Artikeln. Sinnvoller ist ein gestufter Prozess, bei dem KI Entwürfe liefert, die anschließend nach klaren Kriterien geprüft und angepasst werden, statt ungeprüft live zu gehen.
Dazu gehört, Produktgruppen mit hoher Priorität und echtem Kaufinteresse anders zu behandeln als Nischenartikel mit geringem Traffic. Bei zentralen Kategorien lohnt sich mehr redaktioneller Aufwand, während bei Randsortimenten ein solider Basistext ausreichen kann. Wichtig bleibt dabei ein Blick auf die Content-Struktur der gesamten Kategorie, nicht nur auf einzelne Produktseiten, denn Suchmaschinen bewerten zunehmend das Gesamtbild einer Website statt isolierter Einzelseiten.
KI-generierte Texte sind weder grundsätzlich schlecht noch automatisch ein SEO-Risiko. Entscheidend ist, wozu sie eingesetzt werden. Wer KI nutzt, um bestehende Prozesse zu beschleunigen und gleichzeitig Datenqualität, fachliche Prüfung und ein klares SEO-Konzept mitdenkt, kann echten Mehrwert schaffen. Wer KI dagegen ausschließlich als Mittel zur Massenproduktion versteht, riskiert genau die Effekte, die Google unter Scaled Content Abuse zusammenfasst.
Google muss dabei gar nicht erkennen, ob ein einzelner Text von einer KI stammt. Es reicht, wenn der Content in seiner Gesamtheit austauschbar wirkt, keine erkennbare Haltung zeigt und primär für Sichtbarkeit statt für echte Relevanz produziert wurde. Genau das unterscheidet nachhaltigen Content von kurzfristigem Traffic. Wer diesen Unterschied ernst nimmt, sollte KI weniger als Textmaschine und mehr als Werkzeug innerhalb eines durchdachten Content-Prozesses betrachten. Unternehmen, die sich mit dem Zusammenspiel aus künstlicher Intelligenz im E-Commerce und ihrer bestehenden Systemlandschaft auseinandersetzen, verschaffen sich damit einen Vorteil, der über einzelne Rankingfaktoren hinausgeht. Am Ende entscheidet nicht die Technologie über den Erfolg, sondern die Qualität dessen, was mit ihr gebaut wird.
Jenny Bocksberger verantwortet bei steireif das Partnermanagement und sorgt dafür, dass aus Kontakten echte, funktionierende Zusammenarbeit entsteht. Sie verbindet Struktur mit Gespür für Menschen und baut belastbare Partnerschaften auf, hält Fäden zusammen und stellt sicher, dass beide Seiten wissen, woran sie sind.
Partnermanagement
Alexander Steireif GmbH
