Produkttexte und Attribute
Aus technischen Daten entstehen Beschreibungen, Bullet-Points und Filterattribute in einheitlicher Tonalität — der wirksamste Hebel bei Sortimentserweiterungen.
Texte · Attribute · Suche · Anfragen
KI im Handel — nüchtern betrachtet.
Im E-Commerce wird viel über KI gesprochen und wenig davon hält im Alltag. Belastbar ist heute ein überschaubarer Kern: Inhalte aus strukturierten Daten erzeugen, Suchanfragen besser verstehen, Kundenanfragen vorqualifizieren und Rückmeldungen auswerten. Genau diese Fälle bauen wir — und benennen, wovon wir abraten.
- Entwurf, nicht Veröffentlichung
- Fakten aus Ihren Daten
- Messbar oder gar nicht
Live · Text aus Attributen
Aus Datenblatt wird Kanaltext.
Produkttexte entstehen nicht aus dem Nichts, sondern aus den technischen Daten, die Sie ohnehin pflegen. Kanal wählen und das Ergebnis vergleichen.
Ein Datensatz · drei Kanäle
Fließtext · 49 Wörter · für die Produktseite
Technische Daten · Eingang
WerkstoffEdelstahl 1.4301 (V2A)
Maße1200 × 600 × 40 mm
Gewicht18,4 kg
Oberflächegebürstet, Korn 240
NormDIN EN 10088-2
Derselbe Datensatz, drei Zielformate. Erzeugt wird ein Entwurf — die Freigabe bleibt bei einem Menschen, und Angaben zu Normen und Sicherheit werden gegen die Quelle geprüft, nicht vom Modell erfunden.
Beispielartikel · schematisch01Leistung
Vier Anwendungsfälle, die tragen.
Gemeinsames Merkmal: strukturierte Eingabe, prüfbares Ergebnis, messbarer Nutzen.
Suche verstehen
Suchanfragen mit Tippfehlern, Synonymen und beschreibenden Formulierungen werden auf das passende Sortiment abgebildet, statt kein Ergebnis zu liefern.
Anfragen vorqualifizieren
Kundenanfragen werden nach Thema erkannt, mit Auftragsdaten angereichert und mit Antwortentwurf beim zuständigen Team vorgelegt.
Rückmeldungen auswerten
Retourengründe, Bewertungen und Support-Anfragen werden thematisch gruppiert — und zeigen Produktprobleme, bevor sie in der Statistik auffallen.
02Anwendungsfälle
Was das im Alltag bedeutet.
Neues Sortiment schneller online
Zweihundert neue Artikel brauchen zweihundert Texte und Attributsätze. Automatisiert erzeugt, redaktionell geprüft — statt wochenlanger Schreibarbeit.
Weniger leere Suchergebnisse
Suchanfragen ohne Treffer sind verlorene Verkäufe. Bessere Zuordnung wirkt unmittelbar auf den Umsatz und ist messbar.
Antworten in Minuten
Statt eine Anfrage zu lesen, den Auftrag zu suchen und zu formulieren, wird ein vollständiger Entwurf geprüft und gesendet.
Retouren verstehen
„Passt nicht" ist keine Erkenntnis. Gruppierte Gründe zeigen, ob es an der Größenangabe, am Bild oder am Produkt liegt.
Attribute nachrüsten
Altbestände ohne Filterattribute werden aus Beschreibungen und Datenblättern ergänzt und damit auffindbar.
Übersetzungen
Sortimente für weitere Sprachen aufbereiten, mit Beibehaltung von Fachbegriffen und Maßeinheiten.
03Einordnung
Wovon wir abraten.
Nicht jede KI-Idee im Handel ist eine gute. Manche sind technisch möglich, aber wirtschaftlich oder rechtlich fragwürdig — und manche verlagern nur die Arbeit, statt sie zu verringern. Wir benennen das vor dem Projekt, weil der Enttäuschungsschaden größer ist als der ausgebliebene Umsatz.
Drei verbreitete Fehlgriffe
- Automatische Preisentscheidungen. Ein Modell, das Preise selbstständig anpasst, erzeugt Risiken, die den Nutzen selten rechtfertigen. Preisempfehlungen zur Prüfung sind ein anderer Fall.
- Chatbots ohne Datenzugang. Ein Berater, der Lieferstatus und Bestand nicht kennt, ärgert Kunden mehr als eine schlichte FAQ. Erst die Anbindung macht den Nutzen.
- Texte ohne Redaktion. Unredigiert veröffentlichte Produkttexte klingen gleichförmig, enthalten gelegentlich falsche Angaben und schaden dem Vertrauen wie der Auffindbarkeit.
Fakten kommen aus Ihren Daten
Ein Sprachmodell weiß nicht, was Ihr Produkt kann — es formuliert nur, was ihm gegeben wird. Deshalb speisen wir Texte ausschließlich aus Ihren Attributen, Datenblättern und bestehenden Inhalten. Was nicht in den Quellen steht, darf im Text nicht auftauchen; diese Einschränkung ist der wichtigste Qualitätsmechanismus.
Messen, nicht glauben
Jeder KI-Anwendungsfall im Handel bekommt eine Messgröße: Zeit je Artikel, Anteil erfolgloser Suchen, Bearbeitungsdauer je Anfrage, Retourenquote in einer Warengruppe. Ohne Messung bleibt der Nutzen Behauptung — und Behauptungen halten sich in diesem Feld länger als sie sollten.
04Vorgehen
Vorgehen.
01
Fall wählen
Ein Anwendungsfall mit klarer Messgröße wird ausgewählt, nicht mehrere gleichzeitig.
02
Quellen anbinden
Attribute, Datenblätter und bestehende Texte werden als Faktenbasis erschlossen.
03
Mit Prüfschritt bauen
Ergebnisse entstehen als Entwurf; Freigabe erfolgt durch Menschen.
04
Messen und ausbauen
Erst wenn die Messgröße sich bewegt, kommt der nächste Fall.
05Fragen
Häufige Fragen.
Schadet KI-Text der Auffindbarkeit bei Google?
Nicht per se — entscheidend ist die Qualität, nicht die Herstellungsweise. Problematisch sind gleichförmige, inhaltsarme Texte in großer Zahl, und genau die entstehen bei unredigierter Massenerzeugung. Wir arbeiten deshalb mit Ihren Fakten als Grundlage und einem Redaktionsschritt vor der Veröffentlichung.
Brauchen wir einen Chatbot im Shop?
Meist ist die interne Variante wertvoller: KI unterstützt Ihr Team bei der Beantwortung, statt direkt mit Kunden zu sprechen. Ein Chatbot lohnt sich, wenn er Bestand, Lieferstatus und Auftragsdaten kennt und wenn ein Weg zum Menschen jederzeit erreichbar ist. Ohne diese Anbindung überwiegt der Ärger.
Wie viel Prüfung braucht ein erzeugter Produkttext?
Deutlich weniger als das Schreiben, aber mehr als null. In der Praxis bewährt sich eine Vollprüfung in der Anfangsphase und danach eine Stichprobe mit harten Prüfregeln für Zahlen, Maße und Pflichtangaben — diese Angaben werden zusätzlich automatisch gegen die Attribute abgeglichen.
Was kostet der Betrieb?
Bei Textgenerierung fallen Kosten pro erzeugtem Text an, die bei den heutigen Modellpreisen im Vergleich zur Arbeitszeit gering sind. Relevanter ist der Einrichtungsaufwand: Anbindung der Datenquellen, Festlegung von Tonalität und Prüfregeln. Diese Arbeit fällt einmal an und wirkt für jedes weitere Sortiment.
Können wir das mit lokalen Modellen machen?
Für Produkttexte und Attribute ja, die Anforderungen sind dafür moderat. Bei anspruchsvoller stilistischer Textarbeit oder mehrsprachiger Feinarbeit sind größere Modelle derzeit besser. Da Produktdaten meist nicht besonders schutzbedürftig sind, ist hier die Qualitätsfrage entscheidender als der Datenschutz.