Produktbeschreibungen mit KI schreiben

Das echte Ausmaß des Problems

Stell dir vor, du hast 3.000 Produkte im Sortiment. Jede Beschreibung soll individuell sein, Keywords enthalten, die Zielgruppe ansprechen und sich von der Konkurrenz abheben. Bei einem erfahrenen freien Texter kostet ein Text zwischen 15 und 40 Euro — Allein für den Erstaufbau eines mittelgroßen Sortiments entsteht damit ein Budget von 45.000 bis 120.000 Euro, bevor das erste Produkt verkauft ist.

Das ist aber nur die halbe Wahrheit. Sortimente sind lebendig. Neue Saison, neue Produkte, neue Kampagnen, neue Marktplätze. Wer heute mit Amazon, Otto und dem eigenen Shop arbeitet, braucht oft unterschiedlich formatierte Texte für jeden Kanal — mit unterschiedlichen Zeichenlimits, unterschiedlichen Pflichtfeldern und unterschiedlichen Keyword-Prioritäten. Manuell ist das schlicht nicht skalierbar.

Die meisten Shop-Betreiber kennen das Ergebnis: Tausende Produkte stehen seit Jahren mit dem unveränderten Hersteller-Blindtext online. Jeder Mitbewerber listet denselben Text. Google straft das als Duplicate Content ab — schlechtere Rankings, weniger organischer Traffic, weniger Verkäufe.

Dazu kommt ein strukturelles Problem: Texte manuell zu erstellen ist linear. Mehr Produkte bedeuten mehr Zeit und mehr Geld — der Aufwand wächst proportional. Das Geschäft wächst nicht proportional. Wer schneller wächst als sein Team, kommt irgendwann nicht mehr hinterher. KI bricht diese Logik auf: Der Aufwand bleibt nahezu konstant, egal ob du 50 oder 5.000 Produkte textest.

Mit vs. ohne KI — ein ehrlicher Vergleich

Diese Zahlen entstammen laufenden Projekten und typischen Erfahrungswerten aus dem deutschen E-Commerce. Dein Shop kann abweichen — entscheidend ist das Muster, nicht die genaue Zahl.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Kein anderer Anwendungsfall im Handel gibt Mitarbeitenden so unmittelbar Zeit zurück: 15 Minuten pro Text werden zu 2 Minuten Prüfzeit. Das ist die stärkste Zeitentlastung in dieser Branche — direkt, täglich, messbar an jedem produzierten Text.

Kosteneinsparung — mittel (3/5) Die API-Kosten sind mit 0,05–0,15 € je Text minimal. Wer bisher externe Texter beauftragt hat, spart echten Cash — das ist klar. Wer das intern gemacht hat, gewinnt primär Zeit zurück, keinen Cash. Im Direktvergleich mit Retourenmanagement oder Rechnungsverarbeitung ist der direkte Geldhebel hier kleiner. Der Zeitgewinn ist der eigentliche Nutzen, nicht die Kostenersparnis.

Schnelle Umsetzung — sehr hoch (5/5) Kein Anwendungsfall im Handel ist schneller am Start: Ein brauchbarer Prompt ist in einem halben Tag entwickelt, erste Texte fließen noch heute. Kein Setup, keine Integration, keine Schulung außer dem eigenen Ausprobieren. Der einfachste Einstieg ins Thema KI-Automatisierung.

ROI-Sicherheit — hoch (4/5) Anders als bei Sentiment-Analyse oder Predictive Analytics sind die Kosten je Text direkt messbar. Du siehst sofort: vorher X Euro, jetzt Y Cent. Was weniger präzise ist: wie viel der verbesserte Content zu mehr Traffic und Umsatz beiträgt — das dauert 2–3 Monate, um sich in den Daten zu zeigen.

Skalierbarkeit — sehr hoch (5/5) Einmal eingerichtet, ist das Limit nur die Datenmenge, nicht der Aufwand. 1.000 Texte kosten kaum mehr Zeit und Geld als 100. Mit API-Anbindung an das PIM wächst das System ohne jede manuelle Intervention mit dem Sortiment mit.

Richtwerte — stark abhängig von Prompt-Qualität, Sortimentskomplexität und gewähltem Modell.

Was KI beim Texten konkret macht

Du gibst der KI die Rohdaten: Produktname, Kategorie, Material, Maße, Zielgruppe, drei bis fünf Keywords, Preissegment, gewünschte Tonalität. Daraus generiert das Modell einen strukturierten Entwurf — Headline, Einleitungssatz, Bulletpoints mit Vorteilen, technische Details, Call-to-Action.

Das Ergebnis ist kein Blindtext. Es ist ein echter Draftentwurf, der je nach Prompt-Qualität zu 70 bis 85 Prozent direkt verwendbar ist. Die restlichen 15 bis 30 Prozent entfallen auf Marken-Spezifika, Tonalitätskorrekturen oder gelegentliche Faktenfehler — die du in der Prüfung abfängst.

Für Skalierung gibt es zwei Wege: Manuelles Batch-Prompting — du lädst eine strukturierte Liste mit Produktdaten, verarbeitest sie Charge für Charge und erhältst in einer Stunde Texte, für die du sonst Tage bräuchtest. Der zweite Weg ist die API-Anbindung: Dein PIM-System oder deine Shop-Datenbank übergibt Produktdaten automatisch an das KI-Modell, der Text kommt direkt zurück und wird ins System eingespielt. Vollautomatisch, ohne manuellen Zwischenschritt.

Ein wichtiger Unterschied: Generische Sprachmodelle wie ChatGPT oder Claude arbeiten out of the box mit gutem Ergebnis, wenn der Prompt klar ist. Spezialisierte Tools wie Jasper oder Copy.ai bieten darüber hinaus vordefinierte E-Commerce-Templates, Brand-Voice-Einstellungen und Team-Workflows — was für größere Redaktionsteams Zeit spart, aber mehr Einrichtungsaufwand bedeutet.

Konkrete Werkzeuge — was wann passt

ChatGPT (GPT-4o) — ideal für den Einstieg und kleine bis mittlere Batches bis etwa 100 Produkte. Kein technisches Setup nötig, intuitiv zu bedienen. ChatGPT Plus kostet 20 Euro/Monat und erlaubt umfangreiche Batch-Prompting-Sessions. Gut geeignet, wenn du einen einmal ausgearbeiteten Prompt wiederholt nutzt und flexibel bleiben willst.

Claude — besonders stark bei langen, stilistisch konsistenten Texten und komplexen Tonalitätsvorgaben. Wenn du einen definierten Markenstil einhalten musst und der Prompt Zielgruppencharaktere, Sprachbeispiele und Ausschlusslisten enthält, liefert Claude oft gleichmäßigere Ergebnisse. Preise vergleichbar mit ChatGPT Plus.

Jasper — spezialisierte Content-Plattform für Teams. Bietet E-Commerce-Workflows, Brand-Voice-Profile und Mehrbenutzer-Verwaltung. Preise ab ca. 39 Euro/Monat. Lohnt sich ab ca. 3–5 Personen, die regelmäßig Texte produzieren.

Copy.ai — ähnlich positioniert wie Jasper, mit starken E-Commerce-Templates. Preise ab ca. 36 Euro/Monat. Gut geeignet für Shops, die viele ähnliche Produktvarianten texten müssen — das Template-System spart Zeit beim Prompt-Setup für wiederkehrende Kategorien.

Für Shops mit mehr als 200 neuen Produkten pro Monat lohnt sich der Schritt zur API-Anbindung: direkt an PIM oder Shop-System angebunden, vollautomatisch, und die laufenden Kosten liegen bei Bruchteilen der Plattform-Abos.

Datenschutz und Datenhaltung

Für reine Produktbeschreibungen ohne Kundenbezug ist die Datenschutzsituation unkritisch: Produktnamen, Materialangaben und Kategorien sind keine personenbezogenen Daten im Sinne der DSGVO. Du überträgst einfach Produktstammdaten an externe APIs — das ist rechtlich unproblematisch.

Trotzdem gelten Sorgfaltspflichten: Übergib keine internen Preiskalkulationen, Lieferantenkonditionen oder vertraulichen Geschäftsdaten an externe APIs. Was ins Netz geht, kann dort verbleiben.

Sobald du mit personalisierten Produktbeschreibungen arbeitest — also Texte, die auf Kundensegmente oder individuelle Präferenzen zugeschnitten sind und dabei Kundendaten in den Prompt einfließen — brauchst du eine DSGVO-konforme Grundlage: Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit dem API-Anbieter, Prüfung des Serverstandorts und ggf. Standardvertragsklauseln für Drittlandübertragung. Alle genannten Anbieter stellen AVV-Vorlagen bereit — vor dem Produktivbetrieb abschließen.

Was es kostet — realistisch gerechnet

Einstieg (manuell mit ChatGPT Plus):

• Tool-Kosten: 20 Euro/Monat
• Einmaliger Aufwand für Prompt-Entwicklung: 3–5 Stunden
• Produktionsgeschwindigkeit: ca. 60–80 Texte pro Stunde bei konsequentem Batch-Prompting

Skaliert (API-Anbindung mit automatischem Workflow):

• Entwicklungsaufwand: 2.000–5.000 Euro einmalig, je nach Komplexität der Shop-Integration
• Laufende API-Kosten: ca. 0,02–0,10 Euro pro Text (GPT-4o-mini oder Claude Haiku)
• 1.000 Texte: ca. 20–100 Euro API-Kosten

ROI-Beispiel: Du hast 800 Produkte mit Hersteller-Blindtexten. Externe Texterstellung würde 16.000–32.000 Euro kosten. Mit KI-API: 3.000 Euro Entwicklungsaufwand einmalig plus ca. 40–80 Euro API-Kosten. Amortisation: nach der ersten Kampagne. Danach schreibt die API jedes neue Produkt automatisch mit — zu Kosten von Cents pro Text.

Drei typische Einstiegsfehler

1. Zu wenig Kontext im Prompt. „Schreib eine Produktbeschreibung für eine Hose” ergibt generischen Brei. Das Modell braucht: Material, Passform, Zielgruppe, Preissegment, drei bis fünf Keywords, Zeichenanzahl, Tonalität, Pflichtbestandteile. Wer den Prompt einmal sauber ausarbeitet, bekommt dauerhaft bessere Ergebnisse — dieser Aufwand ist kein Luxus, sondern die eigentliche Arbeit.

2. Texte ohne Faktenprüfung übernehmen. KI-Modelle halluzinieren manchmal — Pflegehinweise, Waschtemperaturen, Materialangaben oder technische Spezifikationen können falsch sein, wenn sie nicht explizit als Daten übergeben wurden. Jeder Text braucht einen Faktencheck der konkreten Angaben — dauert ca. 60 bis 90 Sekunden pro Text.

3. Den Prompt einmal setzen und nie optimieren. Der erste Prompt ist ein Ausgangspunkt, kein Endresultat. Sammle in den ersten vier Wochen Feedback aus Conversion-Daten, Kundenmeinungen und internen Reviews — und passe den Prompt entsprechend an. Viele Teams erleben nach der zweiten Iteration einen spürbaren Qualitätssprung.

Was mit der Einführung wirklich passiert

Die erste Reaktion im Team ist oft Skepsis: „Die Texte klingen alle gleich.” Das stimmt für schlecht konfigurierte Prompts. Ein sorgfältig ausgearbeiteter Prompt, der Tonalität, Zielgruppe, Ausschlusswörter und Stilbeispiele enthält, produziert Texte, die sich kaum von handgeschriebenen unterscheiden.

Was wirklich passiert: Die Redakteurinnen und Redakteure verbringen die ersten zwei Wochen damit, den Prompt zu debuggen und zu verfeinern. Das fühlt sich nicht wie Zeitersparnis an — ist es aber. Ab Woche drei kommt der Flow. Der Rhythmus wechselt von „Texte schreiben” zu „Texte prüfen und freigeben”. Das ist ein grundlegend anderes Arbeitsgefühl.

Was nicht passiert: vollständige Automatisierung ohne jeden menschlichen Eingriff. Irgendwo taucht immer ein Sonderfall auf — ein Produkt mit komplexen Sicherheitshinweisen, ein Artikel für den Marktplatz mit anderen Anforderungen, eine Kategorie, für die der Prompt noch nicht optimiert ist.

Realistischer Zeitplan

Dein interner Aufwand: vor allem in den ersten zwei Wochen für Prompt-Ausarbeitung und Abnahme — ca. 4–6 Stunden insgesamt. Danach läuft das System größtenteils selbständig.

Häufige Einwände — und was dahintersteckt

„KI-Texte klingen alle gleich — das verletzt unsere Markenidentität.” Das stimmt für schlecht konfigurierte Prompts. Ein sorgfältig ausgearbeiteter Prompt mit Tonalität, Zielgruppe, Ausschlusswörtern und Stilbeispielen produziert Texte, die zu deiner Marke passen. Der Unterschied liegt nicht in der Technik, sondern in der Prompt-Arbeit — drei Stunden Investition, die sich dauerhaft auszahlen.

„Wir müssen alle Texte sowieso überarbeiten — dann können wir sie auch gleich selbst schreiben.” Der Aufwand für Überarbeitung ist strukturell anders als für Neuerstellung. Eine Person, die einen Rohtext prüft und korrigiert, ist zwei- bis dreimal schneller als jemand, der von Grund auf schreibt — selbst wenn der Rohtext 30 Prozent Anpassung braucht. Die Zeitersparnis ist real, auch wenn sie nicht 100 Prozent beträgt.

Woran du merkst, dass das zu dir passt

Das passt zu dir, wenn:

• Du mehr als 100 Produkte mit Hersteller-Blindtexten oder fehlenden Beschreibungen hast
• Dein Team verbringt regelmäßig Zeit mit dem Schreiben von Produkttexten — und es macht niemanden glücklich
• Du belieferst mehrere Marktplätze (Amazon, Otto, eigener Shop) und brauchst für jeden Kanal andere Formate
• Saisonale Kampagnen bedeuten immer wieder neue Texte in kurzer Zeit — und der Vorlauf reicht nie

Das passt noch nicht zu dir, wenn:

• Dein Sortiment aus weniger als 30 Produkten besteht, die sich selten ändern — der Prompt-Aufwand lohnt sich nicht, ein guter Texter ist effizienter
• Du stark regulierte Produkte hast (Medizinprodukte, Nahrungsergänzung), bei denen jede Aussage rechtlich geprüft werden muss
• Deine Marke lebt von sehr spezifischem Handwerks-Storytelling — generische Prompts produzieren dann austauschbare Texte, die nicht zum Markenbild passen

Das kannst du heute noch tun

Kopiere fünf Produktdatensätze aus deinem Shop-Backend (Produktname, Kategorie, Material, Maße, Zielgruppe, drei Keywords) und füge sie zusammen mit dem Prompt unten in ChatGPT ein. Du bekommst fünf fertige Draftentwürfe — und ein gutes Gefühl dafür, ob das für dein Sortiment funktioniert.

Quellen & Methodik

• EHI Retail Institute (2024): Studie zu E-Commerce-Kostenstrukturen und Produktdatenmanagement im deutschen Onlinehandel
• Handelsverband Deutschland HDE (2025): KI-Index — Umfrage zum KI-Einsatz im deutschen Einzelhandel, inkl. Content-Erstellung
• IW Köln (2025): „KI als Wettbewerbsfaktor” — Empirische Befunde zum KI-Einsatz im deutschen Mittelstand
• Eigene Projekterfahrungen: Prompt-Engineering und Batch-Prozesse für E-Commerce-Shops mit 200–15.000 SKUs; API-Kostenangaben reflektieren Stand April 2026