Die Erkennung von KI-Produktbeschreibungen beanstandet Katalogtexte meist aus einem Grund: Sie enthalten nichts, was nur Sie wissen könnten. Die Lösung besteht nicht darin, in einem anderen Ton umzuschreiben. Es geht darum, Maße, Materialien, Artikelnummern und Anwendungsfälle hinzuzufügen, die kein Modell erfinden kann, und dann die Satzvorlagen über Ihr Sortiment hinweg zu variieren.
Warum liest sich generierter Katalogtext über ein ganzes Sortiment hinweg gleich?
Ein Modell, das eine Produktbeschreibung erstellt, hat keinen Zugriff auf Ihren Lagerbestand, Ihr Lieferantenblatt oder Ihre Retourendaten. Also greift es jedes Mal zu denselben sicheren Behauptungen: Premium-Qualität, perfekt für den Alltag, mit Sorgfalt entworfen. Führen Sie diesen Prompt für vierzig SKUs aus, und Sie erhalten vierzig Varianten desselben Absatzes. Die Substantive ändern sich; die Struktur nicht.
Unsere eigene Messung liefert hier einen nützlichen Realitätscheck. Am 13.09.2026 haben wir zwei Korpora mit dem DeAIze-Detektor bei einer Markierungsschwelle von 30 % bewertet. Ein Satz von 23 handgeschriebenen DeAIze-Leitfäden ergab einen mittleren KI-Score von 21 %, wobei 5 von 23 markiert wurden. Ein Satz von 12 unredigierten Modellausgaben, die aus festen Prompts generiert wurden, ergab einen Mittelwert von 33 %. Das Interessante ist die Streuung: Beide Korpora hatten Passagen im selben Bereich. Die Detektorausgabe ist eine Wahrscheinlichkeitsschätzung, kein Beweis der Urheberschaft, und ein einzelner Score sagt Ihnen nicht, welche Zeilen schwach sind.
Deshalb ist die Erkennung auf Satzebene für die Katalogarbeit wichtig. Sie brauchen kein Urteil über die gesamte Produktseite. Sie müssen wissen, welche zwei Sätze das Signal tragen, damit Sie sie durch etwas Wahres ersetzen können.
Welche Details lassen eine Produktbeschreibung menschlich klingen?
Spezifität. Keine Adjektiv-Tauschereien. Ein Käufer, der eine Kategorieseite überfliegt, vergleicht zwanzig Tabs, und die einzigen Beschreibungen, die diesen Vergleich überstehen, enthalten Fakten, die die anderen neunzehn nicht kopieren können.
Vier Kategorien von Details erledigen den Großteil der Arbeit:
- Maße — Innenmaße, Tragehöhe, Kabellänge, Packvolumen, Sitzhöhe, Gewicht im montierten Zustand. Gib die Zahl und die Einheit an.
- Materialien — nicht “Premiumleder”, sondern die tatsächliche Qualitätsstufe, das Futter, die Oberflächenveredelung der Beschläge, der Recyclinganteil, falls vorhanden.
- Anwendungsfälle — wer es kauft und wofür. “Passt ein 13-Zoll-Laptop und eine Wasserflasche hinein” schlägt “geräumig und praktisch”.
- Stückzahlen — Packungsgröße, Menge pro Karton, Portionen pro Behälter, Blätter pro Rolle, Betriebsstunden. Stückzahlen sind das am meisten unterschätzte Detail in E-Commerce-Texten, und sie sind das, was ein Modell am schwersten überzeugend erfinden kann.
Ein Test, den du mit jedem Entwurf machen kannst: Streiche jeden Satz, der auch auf das Produkt eines Wettbewerbers zutreffen würde. Was übrig bleibt, ist deine Beschreibung. Wenn nichts übrig bleibt, ist der Text generisch, egal wer ihn geschrieben hat.
Wenn du sehen möchtest, welche Sätze auf einer Produktseite das KI-Signal tragen, bevor du umschreibst, füge den Text in DeAIze ein — die kostenlose Stufe deckt bei der Anmeldung 200 Wörter ab, keine Kreditkarte erforderlich, und du erhältst eine Aufschlüsselung pro Satz statt einer undurchsichtigen Gesamtbewertung.
Wie verhinderst du, dass jedes Produkt dieselbe Satzvorlage verwendet?
Bauen Sie eine Vorlagenbank auf, nicht eine Vorlage. Die meisten Katalogteams schreiben eine starke Produktvorlage und verwenden sie wieder, und genau dieses Muster erkennen Leser und Detektoren. Halten Sie stattdessen einen kleinen Satz struktureller Optionen bereit und wechseln Sie diese bewusst ab.
| Einstieg | Eignet sich gut für | Nachteil |
|---|---|---|
| Mit dem Maß beginnen | Technische Ausrüstung, Möbel, Bekleidungsgrößen | Wirkt trocken, wenn Sie nie variieren |
| Mit dem Anwendungsfall beginnen | Geschenke, Accessoires, Saisonartikel | Kann ohne Zahl in der Nähe vage klingen |
| Mit dem Material oder der Herkunft beginnen | Premiumwaren, Lebensmittel, Textilien | Schwach bei Massenware |
| Mit dem gelösten Problem beginnen | Werkzeuge, Ersatzteile, Nachfüllungen | Läuft Gefahr, wie Werbetext zu klingen, wenn übertrieben |
| Mit der Spezifikationstabelle beginnen | Komponenten, Teile, Verbrauchsmaterial | Schlecht für browsing-orientierte Kategorien |
Wechseln Sie über das Sortiment hinweg ab, und der Katalog liest sich nicht mehr wie eine Stimme im Autopilot. Zwei praktische Regeln: Eröffnen Sie nie mehr als zwei aufeinanderfolgende Produkte auf dieselbe Weise, und verwenden Sie denselben Schlusssatz nie zweimal in einer Kategorie.
Wenn Sie auch bezahlten Traffic auf diese Seiten leiten, gilt dieselbe Disziplin für die Anzeigentexte, die dorthin führen — lesen Sie unseren Leitfaden zu KI-Anzeigentexten für den entsprechenden Bearbeitungsdurchgang bei Überschriften und Hooks.
Wo passen SEO-Keywords hinein, ohne die Formulierung zu ruinieren?
Die Platzierung von Keywords in Produkttexten hat eine eng begrenzte, ehrliche Aufgabe: die Seite für die Phrase auffindbar zu machen, die ein Käufer eingibt. Sie sollte nicht den Satz diktieren.
- Setze den Hauptbegriff in den Titel, die H1 und die erste Zeile der Beschreibung.
- Verwende die natürlichen Varianten, die ein Käufer tatsächlich eingeben würde – Material, Größe, Farbe, Verwendungszweck – statt eine Phrase zu wiederholen.
- Lass die Spezifikationstabelle die Long-Tail-Begriffe tragen. Dafür ist sie da.
- Stapel niemals drei Keyword-Phrasen in einen Satz. Das wirkt auf Käufer wie Spam und ist eines der deutlichsten Anzeichen für maschinell geschriebenen Katalogtext.
Googles Richtlinien belohnen hilfreiche, originelle Inhalte und bestrafen KI-unterstütztes Schreiben als solches nicht. Bestraft werden skalierte Seiten mit geringem Mehrwert – und genau das wird eine Reihe nahezu identischer Beschreibungen. Unser Beitrag zu KI-Content-SEO ohne Abstrafung zeigt, wo diese Grenze für Content-Teams liegt.
Ein Umschreibungsbeispiel: generischer KI-Text zu verkäuferspezifischem Text
Hier ist eine Veranschaulichung mit erfundenem Text, kein echtes Produktlisting.
Vorher (generisch, modellförmig):
Diese hochwertige Edelstahl-Trinkflasche ist perfekt für den täglichen Gebrauch. Ihre langlebige Konstruktion und das schlanke Design machen sie ideal für das Fitnessstudio, das Büro oder auf Reisen. Bleib überall stilvoll hydriert.
Danach (verkäuferspezifisch):
750-ml-Edelstahlflasche mit pulverbeschichteter Oberfläche, die einen Spülmaschinengang übersteht. Die Öffnung ist weit genug für Eiswürfel; der Deckel dichtet bei 100 Grad ab, sodass sie flach in einer Tasche liegen kann. Passt in einen Standard-Auto-Getränkehalter. Wir liefern sie mit einer Ersatzdichtung, denn die Dichtung ist das Teil, das zuerst versagt.
Was sich geändert hat: eine Kapazität und eine Einheit, ein Material und eine Oberfläche, eine echte Einschränkung (Passform im Getränkehalter), eine getestete Aussage (Spülmaschine, Dichtungswinkel) und ein Detail, das nur der Verkäufer kennen würde – die Ersatzdichtung. Die zweite Version ist länger und deutlich nützlicher. Sie ist auch viel schwerer mit einer Vorlage zu verwechseln.
Beachten Sie, was sich nicht geändert hat: keine erfundenen Statistiken, keine gefälschten Auszeichnungen, kein „Best in Class“. Die Überzeugungskraft liegt in der Konkretheit, nicht in Adjektiven.
Sollten Sie generierten Katalogtext humanisieren oder neu schreiben?
Ehrliche Antwort: Bei einer Handvoll Hero-Produkte von Hand neu schreiben. Sie kennen das Produkt, und eine fünfzehnminütige Überarbeitung schlägt jedes Tool. Bei einem Long Tail von 4.000 SKUs ist das handschriftliche Neuschreiben jedes Listings nicht realistisch, und genau hier verdient ein Humanizer seinen Platz.
DeAIze führt eine geschlossene Schleife aus: Es bewertet den Text, schreibt nur die markierten Sätze um, behält eine Umschreibung nur dann bei, wenn die semantische Ähnlichkeit besagt, dass die Bedeutung erhalten geblieben ist, und bewertet dann erneut und berichtet vorher und nachher. Die Website berichtet von einer durchschnittlichen Reduzierung des KI-Scores um über 60 % nach der Humanisierung, im besten Fall 71 %, gemessen an den eigenen vorhergesagten Scores und nicht an einem Urteil eines Drittanbieters. Bei dem auf der Website verwendeten Beispielabsatz wird ein KI-Score von 92 % zu 4 %.
Die Grenzen sind wichtiger als die Zahlen. Ein Humanizer kann die Ersatzdichtung nicht erfinden. Wenn Ihr Quelltext keine verkäuferspezifischen Details enthält, wird die Umschreibung sauberer und trotzdem leer sein. Die Humanisierung ist der zweite Durchgang, nicht der erste.
Hier ist die Reihenfolge, die für eine Reihe funktioniert:
- Ziehen Sie die echten Spezifikationen für jede SKU in eine Tabelle.
- Erstellen Sie einen ersten Entwurf, der diese Spezifikationen enthält, nicht nur Marketing-Sprache.
- Führen Sie eine Erkennung durch, um die Sätze zu finden, die noch das generische Signal tragen.
- Schreiben Sie nur diese Sätze um oder humanisieren Sie sie.
- Bewerten Sie erneut und überprüfen Sie die Bedeutung stichprobenartig anhand des Spezifikationsblatts.
- Variieren Sie die Eröffnungsstruktur, bevor Sie die Charge veröffentlichen.
Dieselbe Triage gilt für Massenarbeit; unser Workflow zur Massen-Humanisierung behandelt, wie man ihn über einen Rückstand ausführt, ohne den Überblick zu verlieren, welche Listings bearbeitet wurden.
Was sollten Sie überprüfen, bevor Sie eine Katalogcharge veröffentlichen?
Ein kurzer Durchgang vor der Veröffentlichung erfasst das meiste, was eine Produktreihe automatisiert wirken lässt:
- Enthält jede Beschreibung mindestens eine Angabe aus dem Datenblatt – ein Maß, eine Modellnummer, ein Material?
- Beginnen zwei Produkte derselben Kategorie mit derselben Satzstruktur?
- Gibt es eine Behauptung, die Sie mit Ihren eigenen Daten nicht belegen können? Streichen Sie sie oder belegen Sie sie.
- Wiederholt sich der Schlusssatz in der gesamten Produktreihe?
- Könnte ein Wettbewerber diese Beschreibung unverändert auf sein Produkt kopieren?
Die letzte Frage ist die entscheidende. Wenn die Antwort ja lautet, ist der Text generisch, und generische Texte sind es, worauf die Erkennung von KI-Produktbeschreibungen anspringt – ebenso wie Ihre Kunden.
Die Ideen, Spezifikationen und Behauptungen in einer Produktbeschreibung müssen von Ihnen stammen. Ein Tool kann die Formulierungen verbessern. Es kann nicht die Fakten liefern, und es sollte nicht dazu verwendet werden, das Angebot eines anderen als Ihr eigenes auszugeben.
Messhinweis: Die Zahlen in diesem Artikel stammen aus unserem eigenen Detektorlauf vom 13.09.2026 – n = 23 handgeschriebene Leitfäden gegenüber n = 12 unbearbeiteten Modellausgaben, mittlerer KI-Score 22 % bzw. 34 %. Methode: /methodology/.