Wie ich 2.000 Produktseiten mit KI ohne Texter-Honorar umschreibe

Für einen Webshop, den ich aufbaue, habe ich einen Katalog von rund 2.000 Produkten. Auto-Detailing-Produkte, drei Sprachen, technisch genug, dass billiges Texten auffällt, und teuer genug, dass manuelle Texte Monate kosten würden. Kein vernünftiges Kosten-Nutzen-Verhältnis, wenn ich jede Produktseite selbst tippt.

Gleichzeitig habe ich eine starke Abneigung gegen die generativen Produktseiten, die man jetzt überall sieht: "erlebe die Premium-Qualität von...". Keine Fakten, keine Specs, kein Kaufgrund. Reines KI-Füllmaterial. Google bestraft es, Kunden riechen es.

Was ich stattdessen gebaut habe, ist eine Pipeline mit drei LLM-Rollen, jede mit einer eigenen Verantwortung. Unten erkläre ich, wie sie aufgebaut ist, wie die Ausgabe aussieht, und warum das nicht dasselbe ist wie "wir generieren Produkttexte mit ChatGPT".

Die Architektur in drei Schritten

Schritt 1: Sonnet als Forscher. Pro Produkt hole ich die Produktdaten per firecrawl und gezielter Web-Suche. Der Agent extrahiert Specs (Volumen, pH-Wert, Geruch, Zusammensetzung, geeignet für), Identifikatoren (EAN, MPN, GTIN, Marke), Kategorie und Complexity-Tier. Keine Interpretation, keine Texterstellung. Nur Fakten in einem strukturierten JSON-Dokument.

Dieser Teil ist der wichtigste, auch wenn er langweilig aussieht. Wenn das Faktenset nicht stimmt, schreibt der nächste Schritt Unsinn. Deshalb läuft ein harter Sanity-Check: fehlt die EAN, stoppt die Pipeline und das Produkt wird in eine manuelle Queue geschickt. Kein Mist durchlassen.

Schritt 2: Haiku als Texter. Ein günstiger, schneller Agent, der pro Produkt gleichzeitig 3 Sprachen schreibt: Niederländisch, Englisch und Deutsch. Fünf feste Abschnitte pro Locale:

• Kurzbeschreibung (60-120 Wörter, beschreibt, was das Produkt ist)
• Was ist enthalten (wörtlich: Anzahl Flaschen, Format, Zubehör)
• Warum dieses Produkt (Bullet-Liste mit 4-6 inhaltlichen Argumenten)
• Wie man es benutzt (nummerierte Schritte)
• Vor- und Nachteile (ehrlich, also inklusive Nachteile)

Dazu ein SEO-Payload: Meta-Titel (max. 60 Zeichen, mit Marke und Produktname), Meta-Description (max. 155 Zeichen), Tags und ein Feld für JSON-LD-Daten. Wortbudget pro Tier. Feste Markenstimme, die pro Projekt in einem Prompt-Template konfiguriert ist.

Schritt 3: Opus als Qualitätsprüfer. Pro Batch von zehn Produkten läuft ein Opus-Agent als Reviewer. Der prüft:

• Keine "unbekannt"-Leaks in der Ausgabe (ein klassischer KI-Tell: "geeignet für unbekannt")
• Keine halluzinierten Begriffe ("gemäß der EU-Richtlinie für X", wenn X nicht existiert)
• EN/DE-Parität mit der niederländischen Version (gleiche Kernfakten, nicht dieselbe Wortwahl)
• Wortbudget eingehalten, KI-Tells abwesend ("delve", "robust", "naadloos")
• SEO-Payload vollständig und korrekt (Länge, Format, JSON-LD-Anforderungen)

Scheitert etwas, wiederholt sich der Haiku-Schritt mit einem spezifischen Hinweis. Klappt es, geht es in die Import-Tabelle mit einem quality_passed-Flag.

Wie die Ausgabe in der Praxis aussieht

Ein Beispiel aus dem Pilot: D-CON Mint Splash Shampoo. Das ist die niederländische PDP, die aus der Pipeline rollt:

Specs links, Fließtext rechts. Vor- und Nachteile in einer ehrlichen Zweispalten-Box. FAQ unten mit Antworten, die aus dem Faktenset kommen, nicht aus Haikus Fantasie. Inklusive der Nachteile (100ml ergibt circa 2 Waschdurchgänge, nicht als dauerhafter Vorrat geeignet), weil Ehrlichkeit konvertiert.

Und dieselbe Produktseite auf Englisch, aus demselben Pipeline-Durchlauf:

Identische Struktur, identische Fakten, andere Sprache. Das ist, was hreflang-Parität in der Praxis bedeutet: du sagst Google, dass das dieselbe Produktseite in einer anderen Sprache ist, und Google verifiziert das, indem es Struktur und Identifikatoren nebeneinanderlegt.

Was die Pipeline nicht macht

Kein Marketing-Fluff. Kein "tauche ein in das Premium-Erlebnis". Keine Vergleiche mit Dingen, die du dir ausgedacht hast ("70% besser als die Konkurrenz"). Keine fingierten Bewertungen. Keine generierten Produktfotos, die die tatsächliche Verpackung falsch darstellen.

Was ich machen kann, und was wir gerade erkunden: Upscaling bestehender Produktfotos (originalgetreu, nicht generativ), Variationen desselben Fotos in verschiedenen Kontexten (in einer Werkstatt, in der Hand gehalten), und kurze Produktvideos über einen externen Partner wie Highsfield. Aber das ist ein separater Schritt, der nach dem Text kommt, und erst, wenn der Kataloginhaber die IP-Implikationen abgesegnet hat.

Wann das funktioniert und wann nicht

Das funktioniert, wenn:

• Dein Katalog groß genug ist, dass manuelle Texte unmöglich sind (>500 Produkte)
• Die Produktdaten standardisiert sind (Specs sind extrahierbar, EANs sind vorhanden)
• Du einen Markennamen mit einer erkennbaren Stimme hast, die du in einem Prompt festlegen kannst
• Du bereit bist, die Ausgabe zu kontrollieren, nicht blind zu veröffentlichen

Das funktioniert nicht, wenn:

• Du Mode oder Möbel verkaufst, bei denen das "Gefühl" das wichtigste Verkaufsargument ist
• Dein Katalog 50 Produkte hat und Handarbeit bessere Ergebnisse liefert
• Du keine eigene Markenstimme hast und im Grunde den Lieferantentext kopierst (dann kannst du den auch einfach importieren)
• Du gefälschte Bewertungen oder verschachtelten Content willst (das mache ich nicht, und ich will niemanden als Kunden, der das tut)

Was es kostet und was es bringt

In Modell-Token kommt das auf rund zwei bis fünf Cent pro Produkt über die gesamte dreistufige Pipeline. Für 2.000 Produkte bist du bei ungefähr vierzig bis hundert Euro an API-Kosten. Dazu kommt meine Zeit, die Pipeline-Anweisungen pro Projekt zu konfigurieren (ein paar Tage Arbeit für das erste Projekt, danach schneller pro Folgeprojekt, weil die Struktur wiederverwendbar ist).

Die Alternative: ein Texter, der 800 Produkte pro Monat schafft, bei, konservativ geschätzt, fünfzehn Euro pro Seite. Das sind dreißigtausend Euro für einen Katalog. Und ohne die mehrsprachige Parität, die diese Pipeline garantiert.

Die Pipeline läuft teilweise live auf einem Webshop im Aufbau, thcarcare.nl. Dort siehst du die Ausgabe in der Produktion und kannst selbst beurteilen, ob sie lesbar genug ist, um dein Portemonnaie zu öffnen.

Direkt reden?

Hast du einen Katalog mit hunderten oder tausenden Produkten, den du früher oder später umschreiben musst, und willst wissen, ob dieser Ansatz zu dem passt, was du verkaufst? Schreib mir mit deiner Katalog-Größe und ein paar Beispielprodukten. Ich gebe dir innerhalb eines Werktages eine ehrliche Einschätzung, ob das für dich funktioniert oder nicht.