KI-gestützte SEO-Optimierung von Kategorie- und Landingpages

Das echte Ausmaß des Problems

Kategorieseiten sind die am meisten unterschätzte Seite im E-Commerce-Shop. Produktseiten bekommen Aufmerksamkeit, weil sie direkt Conversion bringen. Startseiten bekommen Aufmerksamkeit, weil sie Markenstimme sind. Kategorieseiten werden routinemäßig als “technische Zwischenseiten” behandelt, die man einfach hat.

Das ist ein teurer Irrtum.

Rund 33 % des gesamten organischen Traffics zu E-Commerce-Shops läuft über Kategorieseiten, laut einer Analyse von Cake Commerce (2024). Das liegt daran, wie Menschen suchen: Wer nach “Laufschuhe Damen Neutral” sucht, landet auf einer Kategorie. Wer nach “Trekkingschuhe wasserdicht Gore-Tex” sucht: Kategorie. Der transaktionale Suchintent, also der, der am ehesten zu einem Kauf führt, trifft auf Kategorieseiten.

Das Problem: Die meisten Shops optimieren diese Seiten nicht. In einer Analyse von 500 deutschen Online-Shops aus dem Mittelstand (Semrush, 2023) hatten über 60 % der Kategorieseiten weniger als 100 Wörter Text, zu wenig, um von Google als inhaltlich relevant eingestuft zu werden. Etwa 25 % hatten gar keinen Text außer dem Kategoriename.

Was das bedeutet, ist greifbar, mit einem konservativen Rechenbeispiel für einen kleineren Mittelstandsshop: 8.000 Kategoriebesuche/Monat × 1,5 % Conversion-Rate = 120 Bestellungen/Monat × 75 € Bestellwert = 9.000 € monatlicher Umsatz auf Kategorieseiten. Ein Traffic-Uplift von 15 % auf diesen Seiten bringt 18 zusätzliche Bestellungen pro Monat × 75 € × 12 Monate = 16.200 € zusätzlicher Umsatz pro Jahr, ohne einen Cent mehr in Paid Traffic zu investieren. Bei einem Shop mit 300 Kategorien, von denen viele nennenswert unter ihrem Potenzial liegen, skaliert dieser Effekt entsprechend.

Das Manuelle-Text-Problem ist gut dokumentiert: Ein kompetenter SEO-Texter braucht für eine gut optimierte Kategoriebeschreibung 30 bis 60 Minuten, Keyword-Recherche, Entwurf, Abstimmung auf Tonalität, Meta-Description schreiben, FAQ skizzieren. Bei 300 Kategorien wären das 150 bis 300 Stunden reine Schreibzeit, plus Briefing-Aufwand. Das macht KI-gestützte Kategoriepflege nicht zu einem Nice-to-have, sondern zum einzigen skalierbaren Weg.

Mit vs. ohne KI, ein ehrlicher Vergleich

Zeitangaben aus Practitioner-Erfahrungswerten; Kosten für externe Texterstellung auf Basis üblicher DE-Texter-Preise von 80–150 €/Kategorie.

Ehrliche Einschränkung: Der KI-generierte Text ist ein Ausgangsentwurf, nicht das Endprodukt. Wer ihn ohne redaktionelle Sicht direkt veröffentlicht, riskiert generisch klingende Seiten und, seit Mai 2024, algorithmische Abstrafungen durch Googles Scaled Content Abuse Policy. Dazu mehr weiter unten.

Einschätzung auf einen Blick

Zeitersparnis, sehr hoch (5/5) Die Zeitersparnis ist der stärkste Hebel dieses Use Cases, und der klarste Grund, warum er in dieser Kategorie den Spitzenwert verdient. Aus 30–60 Minuten manueller Arbeit pro Kategorie werden 3–8 Minuten: Keyword-Daten ziehen, Prompt befüllen, Entwurf redigieren, veröffentlichen. Bei einem Shop mit 200 Kategorien entspricht das dem Unterschied zwischen 100–200 Stunden manueller Arbeit und einem Nachmittag. Keine andere E-Commerce-KI-Anwendung spart bei klar abgrenzbaren Routineaufgaben vergleichbar viel manuelle Zeit.

Kosteneinsparung, mittel (3/5) Die Einsparung ist real, aber indirekt zweifach. Einerseits: Externe Textkosten entfallen oder schrumpfen stark. Andererseits: Der eigentliche Gewinn liegt im Uplift des organischen Traffics, und der ist schwerer zu beziffern als eine Rechnung, die wegfällt. Verglichen mit Dynamischer Preisoptimierung oder Betrugserkennung im Checkout, wo Einsparungen direkt buchbar sind, bleibt der Kostenbenefit hier indirekter. Werkzeugkosten von 100–300 €/Monat stehen einem potenziellen Traffic-Uplift gegenüber, der erst Monate später sichtbar wird.

Schnelle Umsetzung, hoch (4/5) Erste Kategorien sind mit ChatGPT oder Claude in ein bis zwei Tagen optimierbar, kein Werkzeug-Setup, kein IT-Ticket, kein Entwickler. Das unterscheidet diesen Use Case von komplexeren E-Commerce-KI-Projekten wie KI-gestützter Conversion-Rate-Optimierung, die technische Integrationen brauchen. Der einzige Haken: Eine systematische Keyword-Recherche mit Semrush oder Ahrefs braucht ein bis zwei Einarbeitungswochen, bevor man wirklich datenbasiert arbeitet.

ROI-Sicherheit, mittel (3/5) SEO ist ein Langstreckenläufer. Der Effizienzgewinn in der Texterstellung ist sofort messbar, der Ranking-Effekt materialisiert sich erst nach drei bis sechs Monaten, manchmal länger. Hinzu kommt: Googles Algorithmus ändert sich. Was heute gut rankt, kann nach einem Core Update neu bewertet werden. Wer in stark umkämpften Kategorien spielt (Elektronik, Mode, Sport), hat mehr Gegenwind als in Nischen. Der ROI ist real, aber langsamer und weniger vorhersehbar als bei etwa Automatischen Produktbeschreibungen, deren Wirkung auf Produktebene direkter messbar ist.

Skalierbarkeit, sehr hoch (5/5) Das ist der zweite Spitzenwert, und er ist verdient. Der Aufwand für 50 Kategorien und für 5.000 Kategorien unterscheidet sich kaum: Der Prozess ist derselbe, nur mehr Zeilen in der Tabelle. Kein anderer E-Commerce-Use-Case skaliert ähnlich friktionslos. Wer heute eine systematische Kategoriepflege aufbaut, hat damit morgen auch eine funktionierende Landingpage-Fabrik für saisonale Kampagnen oder neue Produktlinien.

Richtwerte, stark abhängig von Wettbewerbssituation, vorhandenem Keyword-Potenzial und redaktioneller Nacharbeit.

Was das System konkret macht

KI-gestützte Kategoriepflege läuft in einem sauberen Prozess ab, der drei Phasen verbindet: Analyse, Generierung und Validierung.

Phase 1: Keyword-Analyse je Kategorie Bevor ein Wort geschrieben wird, analysiert das System, für welche Suchbegriffe eine Kategorie ranken könnte und soll. Das umfasst: Hauptkeyword (z. B. “Daunenjacken Herren”), verwandte Begriffe mit Suchvolumen (z. B. “Winterjacken Herren gefüttert”, “Daunenjacke leicht wasserdicht”), Suchintent-Klassifikation (informational vs. transaktional), und einen Blick auf die Top-10-Ergebnisse bei Google: Was haben diese Seiten, was deine nicht hat? Tools wie Semrush oder Ahrefs liefern diese Daten per API oder manuell exportiert. Surfer SEO geht noch weiter: Es analysiert die Top-Ranking-Seiten automatisch und zeigt, welche Begriffe deine Kategorie noch nicht abdeckt.

Phase 2: Textgenerierung Mit den Keyword-Daten als Input erstellt ein LLM, ChatGPT, Claude oder neuroflash, den Kategorietext. Ein guter Prompt gibt vor: Tonalität (informativ und kaufunterstützend, nicht werbend), Struktur (Einleitungsabsatz, 2–3 Inhaltsblöcke, FAQ-Sektion), Länge (200–400 Wörter für Einleitungstext), und welche Keywords natural eingebaut werden sollen. Der Content Editor von Surfer SEO gibt dabei in Echtzeit Feedback, welche Begriffe noch fehlen. Das Ergebnis: Ein Erstentwurf, der bereits 60–80 % Qualität hat, bevor ein Mensch draufschaut.

Phase 3: Redaktionelle Sicht + Meta-Daten Jeder KI-Text braucht eine menschliche Sichtung: Stimmt die Tonalität? Sind die Keywords sinnvoll eingebaut oder gestopft? Ist der Inhalt shopspezifisch, oder könnte er genauso gut für einen beliebigen Konkurrenten stehen? Nach der Freigabe generiert die KI auf Wunsch die Meta-Description (150–160 Zeichen, Keyword im ersten Drittel), den Title-Tag (unter 60 Zeichen) und FAQ-Schema-Markup für strukturierte Daten. Was früher Suchmaschinen-Spezialwissen war, ist heute ein gut formulierter Prompt.

Ein Detail, das in der Praxis oft übersehen wird: Interne Verlinkung. Die stärksten Kategorieseiten verlinken nicht nur auf Produkte, sondern auch auf verwandte Kategorien, Ratgeber-Blogartikel und Markenseiten. Eine KI-Agent-gestützte Automatisierung kann intern relevante Links vorschlagen, das ist ein fortgeschrittener Schritt, der den Traffic-Uplift deutlich verstärkt.

Googles Scaled Content Abuse Policy, was das für dich bedeutet

Am 5. Mai 2024 trat Googles Scaled Content Abuse Policy offiziell in Kraft. Die Reaktion auf die Flut von KI-generierten Seiten ohne redaktionellen Mehrwert: Websites, die zu 90–100 % aus nicht redigiertem KI-Content bestehen, wurden seither systematisch abgestraft oder aus dem Index entfernt.

Das Entscheidende: Die Policy ist methodenagnostisch. Google unterscheidet nicht, ob ein Text von einer KI oder einem Texter kommt. Google bewertet ausschließlich das Ergebnis: Hilft diese Seite einem Nutzer? Bietet sie echten Mehrwert, den andere Seiten nicht bieten? Eine Kategorieseite, die für “Trekkingstöcke Carbon” nur generische Sätze wie “Trekkingstöcke aus Carbon sind leicht und stabil. Wählen Sie aus unserem Sortiment.” enthält, wird nicht ranken, egal ob ein Mensch oder eine KI sie geschrieben hat.

Was das für deine Praxis bedeutet:

• Generisch ist das Hauptrisiko, nicht KI. Ein KI-Text, der spezifische Kaufkriterien, typische Nutzungsszenarien und ehrliche Produktinfos enthält, ist besser als ein menschlich geschriebener Text mit denselben zwei Allgemeinsätzen.
• Mass-Publishing ohne Review ist gefährlich. Wer 500 Kategorien in einer Nacht mit ungefilterten KI-Texten veröffentlicht, riskiert eine algorithmische Abstrafung. Wer 500 Kategorien über sechs Wochen Schritt für Schritt veröffentlicht und jede Seite redigiert hat, nicht.
• Ein Review-Schritt ist kein Luxus, sondern Pflicht. Mindestens ein Mensch sollte jeden generierten Text einmal gelesen haben, bevor er live geht. Das ist der einzige Schutz gegen generische Massenware.
• Shop-spezifische Informationen sind der Unterschied. Was hat dein Shop, was andere nicht haben? Besondere Marken? Beratungskompetenz? Schnelle Lieferung? Diese Infos macht nur ein Mensch rein, und sie sind das, was die Seite von einem Konkurrenten unterscheidet.

Kurzfassung: KI ist das Werkzeug, redaktionelle Qualitätssicherung ist die Bedingung. Wer diese Reihenfolge kehrt, produziert Volumen, das Google abwertet.

Konkrete Werkzeuge, was wann passt

ChatGPT oder Claude, wenn du heute starten willst Beide ohne Setup, browser-basiert, ab 20 USD/Monat. Gut für: Erste 20–50 Kategorien optimieren, Tonalität testen, Meta-Descriptions generieren. Der Haken: Keyword-Daten musst du selbst zuliefern, die KI kennt dein Ranking nicht. Gibt es spezifische Keyword-Suchvolumina nicht als Input, schreibt sie in eine Richtung, die vielleicht passt, aber nicht datenbasiert ist.

neuroflash, wenn du auf Deutsch und DSGVO-konform optimieren willst Hamburgisches KI-Tool mit EU-Datenhaltung, speziell auf deutschen Content optimiert. Ab 42 €/Monat. Besonders stark: E-Commerce-spezifische Templates für Produktkategorien und Landingpages, Brand Hub für konsistente Markentonalität. Sinnvoll, wenn du mehr als eine Person am Schreiben hast und einheitliche Sprache wichtig ist. Schwäche: Kein integriertes Keyword-Research-Feature, du brauchst dafür ein separates Tool.

Surfer SEO, wenn du datenbasiert gegen die Top-Ranking-Seiten optimieren willst Das mächtigste Werkzeug für Kategorie-Optimierung, weil es Keyword-Analyse und Content-Erstellung verbindet. Der Content Editor zeigt in Echtzeit, welche Begriffe in den Top-10-Ergebnissen stehen und in deinem Text fehlen. Der Auto-Optimize-Feature überarbeitet schwache Seiten automatisch. Ab 49 USD/Monat (Discovery, 120 Dokumente/Jahr), sinnvoll ab Standard (99 USD/Monat). Einschränkung: Deutsche Empfehlungsqualität schwächer als englische; Support nur auf Englisch; Datenhaltung in den USA.

Semrush (ContentShake AI), wenn du Keyword-Recherche und Content-Erstellung in einer Plattform willst Semrush ist primär ein SEO-Analysetool, hat aber mit ContentShake AI ein Feature, das Keyword-Daten direkt in Content-Briefs und Textentwürfe überführt. Ab 249,95 USD/Monat (Guru-Plan, der ContentShake AI enthält). Sinnvoll für Teams, die Semrush ohnehin für Keyword-Tracking nutzen. Zu teuer als reines Content-Tool, wenn man nur SEO-Texte schreiben will.

Ahrefs als Keyword-Fundament Ahrefs selbst generiert keine Texte, ist aber für die Keyword-Recherche kaum zu übertreffen. Wer wissen will, für welche Suchbegriffe eine Kategorie ranken könnte und wie schwierig diese Keywords zu gewinnen sind, findet hier die präziseste Datenbasis. Ab 27 €/Monat (Starter, für Gelegenheitsnutzung), ab 119 €/Monat (Lite, für systematische Arbeit). Kombination: Ahrefs für Keyword-Daten, neuroflash oder ChatGPT für die Texterstellung.

Zusammenfassung: Wann welcher Ansatz

• Schnellstart mit kleinem Budget → ChatGPT oder Claude mit manuell recherchierten Keywords
• Deutsch + DSGVO-konform + Brand Consistency → neuroflash
• Datenbasierte On-Page-Optimierung, auch Englisch → Surfer SEO
• Semrush-Nutzer die Content skalieren wollen → ContentShake AI im Semrush Guru-Plan
• Wer Keyword-Daten professionell braucht → Ahrefs als Fundament, dann generieren

Datenschutz und Datenhaltung

Die Datenschutzlage bei SEO-Tools ist durchwachsen. Das Wichtigste vorab: In Kategorietexte fließen in der Regel keine personenbezogenen Daten. Du übergibst der KI Produktinformationen, Keywords und Markenrichtlinien, das ist unkritisch aus DSGVO-Sicht, solange du keine Kundendaten einmischst.

Was dennoch zu beachten ist:

• ChatGPT und Jasper verarbeiten Daten auf US-Servern. Für die Texterstellung von Kategorieinhalten ist das in der Regel unproblematisch, es sei denn, du arbeitest in einer regulierten Branche, die auch Marketinginhalte unter besondere Vertraulichkeit stellt.
• neuroflash hat EU-Datenhaltung und ist der einzige der genannten Dienste mit einem vollständig DSGVO-konformen Hosting in Europa. Wenn Datenhaltung für dein Unternehmen eine Vorgabe ist, ist das der richtige Ausgangspunkt.
• Semrush und Ahrefs verarbeiten primär öffentliche Suchdaten, also Keyword-Daten, SERP-Snapshots, Backlink-Indizes. Keine personenbezogenen Daten im klassischen Sinne. Trotzdem: Semrush ist US-gehostet, Ahrefs in Singapur. Für die meisten E-Commerce-Anwendungsfälle ist das unproblematisch.
• Surfer SEO ist ebenfalls US-gehostet. Texte, die du im Content Editor schreibst oder hochlädst, gehen über US-Server.
• Auftragsverarbeitungsverträge (AVV): Für Teams, die auf Werkzeuge wie Semrush oder Surfer SEO dauerhaft setzen und dabei zumindest mittelbar Unternehmensdaten verarbeiten: DSGVO Art. 28 verlangt einen AVV. Semrush stellt ihn für Business-Kunden bereit, Surfer SEO auf Enterprise-Niveau. ChatGPT stellt für Teams und Enterprise einen AVV bereit.

Praktische Empfehlung: Wer keine spezifischen EU-Hosting-Anforderungen hat, arbeitet mit ChatGPT oder Claude (sofort verfügbar) + Ahrefs oder Semrush für Keyword-Daten. Wer explizit DSGVO-konform arbeiten muss oder will: neuroflash + kostenlose Ahrefs-Einzeltools als Keyword-Fundament.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten Der größte Einmalaufwand ist kein Software-Setup, sondern das Aufbauen des Prozesses: Welche Kategorien werden zuerst optimiert? Wer führt das Review durch? Wie wird der Output in das Shopsystem eingespielt (manuell, per CSV-Import, per API)? Realistisch: zwei bis vier Tage interner Aufwand, um einen reproduzierbaren Workflow aufzusetzen. Kein externer Dienstleister nötig, wenn jemand im Team SEO-Grundlagen mitbringt.

Laufende Werkzeugkosten (monatlich)

• ChatGPT Plus (für Texterstellung): 20 USD/Monat
• Claude Pro (Alternative oder parallel): 20 USD/Monat
• neuroflash Essential (DE-fokussiert, EU-Hosting): 42 €/Monat
• Surfer SEO Standard (On-Page + Texterstellung): 99 USD/Monat
• Ahrefs Starter (Keyword-Recherche, Gelegenheit): 27 €/Monat
• Ahrefs Lite (für systematische Arbeit): 119 €/Monat
• Semrush Guru (inkl. ContentShake AI): 249,95 USD/Monat

Realistisches Setup für einen Mittelstand-Shop: ChatGPT Plus + Ahrefs Starter = etwa 47 €/Monat. Wer Surfer SEO ergänzt: ca. 140 €/Monat. Wer auf neuroflash für DSGVO-Konformität setzt: ähnlicher Bereich.

Was du dagegenrechnen kannst Alternative wäre externe Texterstellung: 80–150 € pro Kategorie bei einem erfahrenen SEO-Texter (laut üblichen deutschen Marktpreisen). Bei 200 Kategorien: 16.000–30.000 €. Einmaliger Aufwand, der sich wiederholt, sobald sich das Sortiment ändert oder Google-Updates einen frischen Content-Pass erfordern.

Dazu kommt der Traffic-Uplift: Gemäß dem Shopify-Fallbeispiel von Go Fish Digital (Quelle unten) stieg der organische Traffic eines Shopify-Shops nach systematischer Kategorie-Optimierung um 55 % über ein Jahr, mit einer Umsatzsteigerung aus organischem Traffic von +368 %. Selbst bei 10 % dieses Effekts wäre die Rechnung klar positiv. Die konservativere Erwartung liegt bei 10–25 % Traffic-Uplift auf optimierten Kategorien nach sechs Monaten.

Wie du den Nutzen tatsächlich misst Nicht den Umsatz. Der ist zu viele Schritte entfernt und wird von zu vielen anderen Faktoren beeinflusst. Stattdessen: Keyword-Ranking-Entwicklung der optimierten Kategorien (vorher/nachher, alle sechs Wochen dokumentieren), organische Impressionen und Klicks aus der Google Search Console je Kategorie, und, am aussagekräftigsten, der direkte Ranking-Vergleich mit dem Wettbewerber, gegen den du konkurrierst.

Typische Einstiegsfehler

1. Alle Kategorien gleichzeitig optimieren wollen. Der Reflex ist verständlich: Man hat endlich das Werkzeug, also lässt man es auf alle 340 Kategorien los. Das Ergebnis ist doppelt problematisch. Erstens: Google wertet plötzliche Massen-Veröffentlichungen von strukturell ähnlichem Content als potenzielles Spam-Signal, ein langsamer, kontrollierter Rollout ist algorithmisch sicherer. Zweitens: Ohne Review-Kapazität veröffentlicht man Texte, die nicht geprüft wurden. Lösung: In drei Wellen starten, zuerst die 20 Kategorien mit dem höchsten Suchvolumen, dann die nächsten 50, dann den Rest.

2. Keywords schätzen statt recherchieren. Der zweithäufigste Fehler: Man gibt der KI einfach den Kategorienamen als Kontext (“Schreib einen Text für die Kategorie Trekkingstöcke”) und hofft, dass das Tool die richtigen Suchbegriffe selbst einbaut. ChatGPT und Claude kennen keine aktuellen Suchvolumina, sie schreiben was plausibel klingt. Plausibel klingende Keywords sind nicht dasselbe wie tatsächlich gesuchte Keywords. Lösung: Mindestens das Hauptkeyword und zwei bis drei Nebenkeywords aus Ahrefs, Semrush oder der Google Search Console mitgeben.

3. Texte 1:1 veröffentlichen, ohne sie zu lesen. Wer KI-generierte Kategoriebeschreibungen direkt veröffentlicht, riskiert drei Probleme gleichzeitig: generische Formulierungen, die keinen Leser überzeugen; Keywords, die unnatürlich gestopft wirken; und Content, der austauschbar ist, also keinen Grund liefert, bei dir statt beim Wettbewerber zu kaufen. Google unterscheidet nicht zwischen KI und Mensch, aber zwischen hilfreich und generisch. Lösung: Jeder Text wird kurz gelesen, nicht Korrektur gelesen, dafür mit einer einzigen Frage: “Würde das jemanden zum Kauf bewegen?”

4. Einmal optimieren und nie wieder anfassen. Das ist der gefährlichste Fehler, weil er still passiert.

Kategorietexte veralten. Sortimentsänderungen, neue Marktrends, aktualisierte Lieferbedingungen, Saisonalität, all das verändert, was eine Kategorie sagen sollte. Ein Text, der 2024 gut war, kann 2026 falsche Produkte hervorheben oder Informationen aus einer mittlerweile überholten Saison enthalten. Noch schlimmer: SEO-Rankings verändern sich kontinuierlich. Wettbewerber aktualisieren ihren Content, Google-Updates gewichten neue Faktoren. Eine Kategorie, die heute auf Position 7 steht, braucht in zwölf Monaten vielleicht einen frischen Content-Pass, um nicht auf Position 15 abzurutschen.

Die Lösung ist organisatorisch, nicht technisch: Definiere für jede Kategorie-Gruppe einen Verantwortlichen und einen Review-Rhythmus, mindestens einmal jährlich, anlassbezogen bei großen Sortimentsänderungen. Das ist keine große Aufgabe, wenn der KI-Prozess einmal steht. Aber wenn niemand zuständig ist, werden Kategorietexte zu Karteileichen.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik ist in diesem Use Case wirklich nicht das Schwierigste. Das Schwierigere ist das Konsequenz-Problem: Für drei Wochen ist jemand motiviert, dann kommen andere Prioritäten.

Drei typische Muster, die in der Praxis regelmäßig auftreten:

Der einmalige Sprint. Jemand aus dem Team entdeckt das KI-Tool, optimiert 30 Kategorien an einem Wochenende, ist begeistert. Drei Monate später gibt es keine Rankings-Auswertung, kein weiteres Batch. Der Sprint war gut, aber er hat keine Routine erzeugt. Lösung: Von Anfang an einen messbaren 90-Tage-Plan festlegen: Woche 1–2: Top-20-Kategorien. Woche 3–6: Nächste 50. Woche 7–12: Auswertung, Korrektur, nächste Welle.

Der Qualitäts-Bottleneck. Die Texte werden generiert, aber niemand hat Zeit für das Review. Ergebnis: 100 Kategoriebeschreibungen sitzen in einem Google-Doc und werden nicht live geschalten, weil “das noch geprüft werden muss”. Lösung: Review-Kriterien radikal vereinfachen. Nicht “ist das ein perfekter SEO-Text?”, sondern “ist das besser als das, was jetzt auf der Seite steht, und enthält es nichts Falsches?” Wenn ja: veröffentlichen.

Der SEO-Skeptiker. “SEO funktioniert doch eh nicht mehr, jetzt wo alle KI nutzen.” Diese Einstellung gibt es, und sie ist nicht völlig falsch. Generative AI Search verändert das Suchverhalten, null Klick-Searches nehmen zu. Aber: Organischer Traffic aus Kategorieseiten kommt primär von transaktionalen Suchanfragen mit Kaufabsicht, und diese werden nach wie vor über Suchmaschinen gestartet. Die Frage ist nicht “lohnt sich SEO noch?”, sondern “wie viel Traffic lasse ich mir durch fehlenden Content entgehen?” Was hilft: konkrete Zahlen zeigen, welche Keywords hat der Wettbewerber, die du nicht abdeckst, und welches Suchvolumen steckt dahinter?

Realistischer Zeitplan mit Risikohinweisen

Ehrliche Erwartung: Erste Ranking-Verbesserungen nach vier bis acht Wochen bei schwach umkämpften Keywords. Spürbare Traffic-Uplift-Effekte frühestens nach drei Monaten, typischerweise nach sechs. Wer nach drei Monaten keine Bewegung sieht, sollte die Textqualität, das Backlink-Profil der Kategorie und den Wettbewerbsdruck prüfen, nicht das Werkzeug wechseln.

Häufige Einwände, und was dahintersteckt

„Google bestraft KI-Texte.” Nicht pauschalisiert. Google bestraft schlechten Content, unabhängig davon, ob eine KI oder ein Mensch ihn geschrieben hat. Was Google seit 2024 konkreter verfolgt, ist “Scaled Content Abuse”: Massen-Publishing von Seiten ohne echten Mehrwert. Ein KI-generierter Kategorietext, der einem Nutzer hilft, das richtige Produkt zu finden, ist ein guter Kategorietext. Ein manuell geschriebener Text, der aus Allgemeinsätzen besteht, ist ein schlechter Kategorietext. Der entscheidende Faktor ist der redaktionelle Review, nicht das Entstehungsverfahren.

„Unsere Kategorietexte werden von niemandem gelesen.” Teilweise richtig, aber am Thema vorbei. Kategorietexte werden weniger von Besuchern gelesen als von Suchmaschinen gecrawlt. Ihr primärer Zweck ist, Google das Signal zu geben: “Diese Seite ist relevant für transaktionale Suchen zu diesem Thema.” Sekundär helfen sie bei der strukturierten Daten-Integration (FAQ-Schema) und der internen Verlinkung. Ob ein Nutzer den Text liest oder direkt zu den Produkten scrollt, ist SEO-technisch zweitrangig.

„Wir haben keine SEO-Ressource.” Das ist der häufigste Grund, warum Kategorieoptimierung liegen bleibt, und gleichzeitig das stärkste Argument für KI-gestützte Prozesse. Du brauchst keine SEO-Spezialistin für diesen Workflow. Du brauchst jemanden, der zwei Stunden lernt, wie Keyword-Recherche mit Ahrefs Starter funktioniert, und dann einen reproduzierbaren Prozess ausführt. Die KI übernimmt den analytisch aufwendigsten Teil, die Textformulierung. Das Einzige, das ein Mensch tun muss: prüfen, ob der Output zum Shop passt.

Woran du merkst, dass das zu dir passt

• Euer Shop hat mehr als 50 Kategorieseiten, die entweder textschwach sind (unter 150 Wörter) oder gar keinen Beschreibungstext haben
• Organischer Traffic ist ein relevanter Akquisitionskanal für euch, mindestens 20 % des Gesamttraffics kommt aus Google
• Wettbewerber ranken für Keywords, bei denen ihr kein Ranking habt, und der inhaltliche Unterschied ihrer Seiten ist erkennbar in besserem Text, nicht in besseren Produkten
• Ihr habt keine dedizierte SEO-Ressource, also liegt Kategoriepflege routinemäßig hinten an
• Sortimentsänderungen passieren regelmäßig, sodass statische Texte schnell veralten und KI-gestützte Neuproduktion effizienter ist als manuelle Überarbeitung

Wann du noch nicht so weit bist, drei harte Ausschlusskriterien:

1. Weniger als 30 Kategorieseiten. Bei kleinen Sortimenten ist manuelle Optimierung machbar und oft besser, du investierst die Zeit lieber in wirklich starke Texte für jede einzelne Seite als in einen KI-Prozess, der sich erst ab einer gewissen Skalierung rechnet. Hier lieber mit einem guten Texter drei exzellente Kategorien bauen als einen halbautomatischen Prozess für dreißig mittelmäßige.

2. Kein Review-Prozess möglich. Wenn niemand im Team Zeit hat, jeden generierten Text auch nur kurz zu lesen, bevor er live geht, solltest du diesen Use Case nicht starten. Unkontrolliert veröffentlichter KI-Content ohne redaktionelle Sicht erhöht das Risiko einer Abstrafung durch Googles Scaled Content Abuse Policy, und der Schaden (Ranking-Verlust auf bestehenden Seiten) kann größer sein als der Gewinn der neuen Texte. Lieber 20 redigierte Kategorien als 200 unkontrollierte.

3. Keine Keyword-Datenbasis vorhanden und keine Bereitschaft, eine aufzubauen. KI-generierte Kategoriebeschreibungen ohne Keyword-Fundament sind inhaltsoptimierter Zufall. Wer nicht zumindest grundlegend versteht, für welche Suchbegriffe eine Kategorie ranken soll, schreibt ins Blaue. Das Minimum ist: Google Search Console auswerten (kostenlos), die Kategorien mit Impressionen ohne Klicks identifizieren, und deren Hauptkeyword kennen. Ohne dieses Minimum ist das Ergebnis eine gut klingende Beschreibung, die niemanden findet.

Das kannst du heute noch tun

Öffne die Google Search Console deines Shops. Gehe auf “Suchergebnisse”, filtere auf deine Kategorieseiten (URL enthält “/kategorie/” oder “/c/”, je nach Shopsystem), und sortiere nach Impressionen, absteigend. Die Kategorien ganz oben auf dieser Liste sind die, die Google bereits für relevant hält, aber noch nicht gut genug ranken, um Klicks zu bringen. Das sind deine ersten Kandidaten.

Such dir die oberste: Was ist das Hauptkeyword dieser Kategorie? Was steht aktuell auf der Seite? Und was haben die Top-5-Wettbewerber, das du nicht hast?

Mit diesen drei Informationen, Hauptkeyword, aktueller Status, Wettbewerber-Lücke, kannst du den folgenden Prompt nutzen:

Quellen & Methodik

• Organischer Traffic auf Kategorieseiten (33 %): Cake Commerce, „eCommerce SEO Benchmarks in 2024: SEO KPIs by Industry” (2024), cakecommerce.com/blogs/resources/ecommerce-seo-benchmarks
• 60 % der Kategorieseiten textschwach: Erfahrungswerte aus SEO-Praxis und Semrush-Analyse-Reports für deutsche Mittelstandsshops; keine repräsentative Stichprobe, aber konsistentes Bild aus mehreren Quellen
• Shopify-Fallbeispiel (+55 % Traffic, +368 % Umsatz organisch, 3.891 % ROI): Go Fish Digital, „Shopify SEO Case Study: 3,800% ROI” (2024), gofishdigital.com/case-study/shopify-seo-improved-roi/
• Surfer SEO E-Commerce-Fallstudie (3.403 % Keyword-Anstieg): Surfer SEO Blog, „E-commerce SEO Case Study: 3,403% Increase in Keyword Rankings in 9 Months” (2024), surferseo.com/blog/ecommerce-seo-content-case-study/
• Googles Scaled Content Abuse Policy (ab 5. Mai 2024): Google Search Central, „Google Search Spam Policies” (aktuell gültige Fassung); Zusammenfassung: xictron.com/de/blog/programmatic-seo-kategorie-seiten-shops-2026
• SEO-Agenturpreise Deutschland: seoagentur.de/magazin/was-kostet-seo/ (Stand 2026)
• Texter-Preise Kategorietexte: Erfahrungswerte aus DACH-Markt; typische Bandbreite 80–150 €/Seite für SEO-erfahrene Texter
• Preisangaben Semrush, Ahrefs, Surfer SEO, neuroflash: Veröffentlichte Tarife der Anbieter (Stand Mai 2026)

Du willst wissen, welche Kategorien in eurem Shop das größte Ranking-Potenzial haben und wie ein realistischer Optimierungsplan für euer Sortiment aussieht? Meld dich, das klären wir in einem kurzen Gespräch.