Produkttexte automatisieren: Der Workflow für 100 bis 10.000 Produkte

Produkttexte zu automatisieren heißt nicht, 1.000-mal denselben Prompt auszuführen. Es heißt, einen kontrollierten Datenfluss aufzubauen, der jedem Produkt die richtigen Fakten, Regeln, Textfelder und Freigabeschritte zuordnet.

Der Engpass ist selten die Generierung. Er liegt in unvollständigen Daten, uneinheitlichen Einheiten, Variantenchaos und der Frage, welcher Entwurf sicher veröffentlicht werden darf.

Wann sich Automatisierung lohnt

Die Grenze hängt stärker von Varianten, Datenqualität und Regulierung ab als von der reinen Produktzahl.

Stufe 1: Produktdaten normalisieren

Bevor ein Modell schreibt, müssen gleiche Dinge gleich heißen:

• Maße immer mit Einheit und getrennten Feldern
• Materialien nach kontrollierter Schreibweise
• Farben und Größen als Variantenattribute
• Lieferumfang getrennt von Produkteigenschaften
• Zertifikate nur mit nachprüfbarer Quelle
• leere Werte wirklich leer, nicht „–“, „n/a“ und „unbekannt“ gemischt

Stufe 2: Ein gemeinsames Daten-Schema festlegen

Ein Minimalkern kann so aussehen:

Die SKU bleibt die Verbindung zwischen Quelle, Entwurf, Freigabe und Shop.

Stufe 3: Regeln pro Kategorie und Kanal definieren

Eine Pflegeanleitung braucht andere Regeln als ein Elektronikprodukt. Lege pro Kategorie fest:

• Pflichtfelder
• erlaubte Nutzenableitungen
• verbotene oder beweispflichtige Aussagen
• Reihenfolge der Informationen
• Textfelder und Längen
• gewünschte Markenstimme
• Eskalation bei fehlenden Daten

Für Google-Produktdaten sollten relevante Attribute wie Material, Größe, Zielgruppe und technische Merkmale klar angegeben werden. Google empfiehlt Beschreibungen mit konkreten Produktinformationen statt Werbetext (Google Merchant Center).

Stufe 4: Erst einen kleinen Test-Batch erzeugen

Starte mit 10 bis 20 repräsentativen Produkten:

• einfaches Produkt
• viele Varianten
• technische Angaben
• lückenhafte Daten
• sensible Kategorie
• Produkt mit bestehendem guten Text

Prüfe nicht nur das Ergebnis, sondern die Fehlerwege. Was passiert bei leerem Materialfeld? Wird der bestehende Text überschrieben? Bleibt eine fehlgeschlagene SKU sichtbar?

Stufe 5: Qualität nach Risiko staffeln

Nicht jedes Produkt braucht dieselbe Prüfung.

Automatische Checks sollten Zahlen, Einheiten, Pflichtfelder, verbotene Begriffe und Abweichungen zwischen Varianten markieren.

Stufe 6: Kontrolliert publizieren

Nutze mindestens drei Status:

1. draft_generated
2. approved
3. published

Speichere Quellversion, Regelversion und Zeitpunkt. So lässt sich nachvollziehen, warum ein Text entstand und welche Produkte nach einer Regeländerung neu erzeugt werden müssen.

CSV, API oder direkte Shop-Integration?

CSV

Gut für einen kontrollierten Start und leicht prüfbar. Schwächen: Versionskonflikte, manuelle Exporte und fehleranfällige Spalten.

API

Gut für große, häufig veränderte Kataloge. Erfordert IDs, Fehlerbehandlung, Rate Limits, Logging und einen sicheren Rückschreibprozess.

Shop-Integration

Reduziert Übertragungsschritte. Prüfe Berechtigungen, Entwurfsmodus, Variantenzuordnung und Rollback-Möglichkeit.

Die richtige Kostenrechnung

Rechne nicht:

Kosten pro Text = KI-Kosten / Anzahl Texte

Sondern:

Kosten pro freigegebenem Listing =
(Datenaufbereitung + Generierung + Prüfung + Nacharbeit + Publishing)
/ Anzahl freigegebener Listings

Ein billiger Entwurf mit hoher Nacharbeit kann teurer sein als ein strukturierter Workflow.

Kennzahlen für den Betrieb

• Anteil vollständiger Pflichtfelder
• Entwürfe mit markiertem Datenmangel
• Freigabequote ohne Änderung
• durchschnittliche Korrekturzeit
• Fehler je Kategorie und Regelversion
• erfolgreich publizierte SKUs
• Conversion und Rückfragen vor/nach der Umstellung

FAQ

Kann KI fehlende Produktdaten aus dem Internet ergänzen? Technisch kann sie suchen oder vermuten, aber die Zuordnung kann falsch oder veraltet sein. Externe Daten sollten als separate, zu bestätigende Quelle einfließen.

Wie groß sollte ein Test-Batch sein? Groß genug, um alle wichtigen Produkttypen und Fehlerfälle abzudecken. Häufig sind 10 bis 20 gezielt ausgewählte Produkte aussagekräftiger als 100 einfache.

Soll ich bestehende Texte überschreiben? Nicht im ersten Lauf. Speichere neue Texte als Entwurf und behalte Quelle sowie alte Version, bis Qualität und Zuordnung bestätigt sind.

Kann ich gleichzeitig Bilder automatisieren? Ja, wenn Bildquelle, Produkttreue, Szenenregeln und Plattformanforderungen ebenfalls kontrolliert werden. Der Guide zum besten KI-Produktfoto-Tool zeigt die Prüfkriterien.

---

Automatisierung skaliert Regeln. Deshalb müssen zuerst die Regeln und Daten stimmen.