KI-Texte im SEO: Google bewertet nicht, wer schreibt — sondern was dabei herauskommt

Seit Sprachmodelle in den redaktionellen Alltag eingezogen sind, begleitet Shop- und Portalbetreiber dieselbe Sorge: Erkennt Google die Texte — und kostet das Sichtbarkeit? Die Frage ist berechtigt, führt aber in die falsche Richtung. Entscheidend ist nicht, womit ein Text entstanden ist, sondern was er dem Leser bringt.

Wer das ernst nimmt, kann die Skalierung nutzen, ohne sich Ärger einzuhandeln. Wer es ignoriert, produziert schnell tausende Seiten, die niemand braucht. Der Unterschied zwischen beiden Wegen ist kein Werkzeug, sondern ein Prozess.

Was Google tatsächlich bewertet

Eine eigene „KI-Strafe" existiert im Algorithmus nicht. Google hat die Position mehrfach präzisiert: Bewertet wird der Wert eines Inhalts, nicht seine Herstellungsart. Relevant ist stattdessen die Spam-Richtlinie Scaled Content Abuse, die mit dem Core Update im März 2024 eingeführt wurde. Sie verlangt zwei Bedingungen gleichzeitig: Es entstehen viele Seiten, und sie entstehen in erster Linie, um Rankings zu beeinflussen statt Nutzern zu helfen.

Der Zusatz „unabhängig von der Art der Erstellung" wird gern übersehen. Er schneidet in beide Richtungen: Eine redaktionell begleitete KI-Pipeline verstößt nicht automatisch gegen die Richtlinie — und eine Textfabrik mit menschlichen Autoren wird nicht dadurch sauber, dass keine Maschine beteiligt war.

Für die Selbsteinschätzung verweist Google auf die eigenen Bewertungsrichtlinien. Drei Kriterien beschreiben dort die schwächste Kategorie von Hauptinhalten:

Häufig fällt in diesem Zusammenhang das Kürzel E-E-A-T — Experience, Expertise, Authoritativeness, Trustworthiness. Wichtig zur Einordnung: Das ist kein messbarer Ranking-Faktor, den man wie eine Zahl optimiert, sondern ein Bewertungsrahmen aus den Richtlinien für die menschlichen Qualitätsprüfer. Praktisch nutzbar ist er trotzdem, vor allem beim ersten „E": Ein Modell hat das Produkt nie in der Hand gehabt. Diese Erfahrung muss aus Ihrem Haus kommen — aus Retourengründen, Kundenfragen, Werkstattpraxis, Testberichten.

Herstellertexte: das eigentliche Problem

Im Shop zeigt sich die Qualitätsfrage an einer sehr konkreten Stelle. Hunderte oder tausende Artikel wollen eingepflegt werden, und der bequemste Weg ist der Import der Herstellerbeschreibungen per Feed oder Excel-Export.

Das Ergebnis: Derselbe Text zum selben Laufschuh steht wortgleich bei fünfzig Händlern. Google verhängt dafür keine Strafe — das ist ein verbreitetes Missverständnis. Was passiert, ist unspektakulärer und trotzdem teurer: Die Suchmaschine wählt aus einer redundanten Menge eine Version aus und filtert den Rest heraus. Ausgewählt wird in der Regel die Seite mit der stärkeren Domain, also der Marktplatz oder der Branchenriese. Ihr Shop liefert dem Algorithmus schlicht kein Argument, warum ausgerechnet Ihre Unterseite das beste Ergebnis sein sollte.

Von der Spezifikation zum Nutzen

Genau hier lohnt sich der Einsatz eines Sprachmodells — nicht als Autor, sondern als Übersetzer. Aus der trockenen Spezifikation wird eine Beschreibung, die erklärt, was der Kunde davon hat. Der Rohstoff bleibt Ihr Produktdatensatz, die Veränderung findet auf der sprachlichen Ebene statt.

Bei Chronenwerk haben wir auf diesem Weg über 5.000 Produktdetails und Texte aufgearbeitet — die Fallstudie zeigt, was das für Struktur und Sichtbarkeit bedeutet hat. Damit so etwas skaliert, braucht es einen wiederholbaren Ablauf statt Einzelprompts:

1. Produktdaten sauber exportieren — Attribute getrennt von Fließtext, damit das Modell weiß, was Fakt ist. Grundlage dafür ist eine strukturierte Datenaufbereitung.
2. Ein Prompt-Template je Warengruppe anlegen, inklusive Zielgruppe, Tonalität und Textlänge.
3. In Chargen generieren, nicht den ganzen Katalog auf einmal — so bleiben Fehler früh sichtbar.
4. Stichprobe redaktionell prüfen: Fakten, Pflichtangaben, Logik, Markensprache.
5. Erst danach importieren und die Entwicklung in der Search Console beobachten.

Leitplanken für die Generierung

Sprachmodelle erfinden Details, wenn ihnen welche fehlen. Im Shop ist das kein Schönheitsfehler, sondern eine Fehlerquelle mit Folgekosten: Retouren, Reklamationen, im Zweifel Abmahnungen. Vier Regeln sollten deshalb fest im Prozess verankert sein:

• Technische Werte, Maße, Inhaltsstoffe und Normen werden nie umformuliert, sondern unverändert übernommen.
• Die Tonalität folgt Ihrer Marke und Zielgruppe, nicht dem neutralen Duktus des Herstellers.
• Aus Merkmalen wird Nutzen — ohne dabei Eigenschaften zu ergänzen, die im Datenblatt nicht stehen.
• Eine menschliche Endkontrolle bleibt gesetzt, mindestens als Stichprobe je Charge.

Diese Grenzen gehören in den Prompt, nicht in den Kopf des Bearbeiters. Ein knapper Regelblock am Ende der Anweisung reicht dafür meist aus:

// Feste Regeln im Prompt
Verwende ausschließlich die übergebenen Produktdaten.
Ändere keine technischen Spezifikationen, Maße oder Mengenangaben.
Erfinde keine Funktionen, Zertifikate oder Materialien hinzu.
Fehlt eine Information, lasse sie weg — keine Annahmen.
Schreibe in der Ansprache und Tonalität der Marke.

Sichtbarkeit in KI-Antworten (GEO)

Parallel zur klassischen Suche entsteht ein zweiter Kanal: die Antwort selbst. Generative Engine Optimization beschäftigt sich mit der Frage, welche Marken und Händler in den Ausgaben von Systemen wie Gemini, ChatGPT oder den AI Overviews auftauchen. Statt um Platz drei in einer Linkliste geht es darum, überhaupt genannt zu werden.

Die gute Nachricht für alle, die bereits solide arbeiten: Das Fundament ist dasselbe. Diese Systeme greifen bei aktuellen, lokalen oder produktbezogenen Fragen auf Live-Daten aus dem Suchindex zu. Wer dort nicht sichtbar ist, taucht auch in der Antwort nicht auf. Google hat im Mai 2026 zudem klargestellt, dass die Spam-Richtlinien für die gesamte Suche gelten — einschließlich der Aufnahme in KI-Antworten.

Drei Ebenen zahlen darauf ein:

• Klassisches SEO als Basis: Indexierung, Struktur, Ladezeit, Inhalte, die tatsächlich ranken. Das ist der Kern unserer Suchmaschinenoptimierung.
• Externe Signale: Fachbeiträge, Erwähnungen, verifizierte Bewertungen. Modelle suchen Konsens — eine Behauptung auf der eigenen Seite wiegt weniger als übereinstimmende Aussagen von Dritten.
• Maschinenlesbarkeit: sauberes Schema-Markup für Produkte, Preise, Verfügbarkeiten, Autoren und Öffnungszeiten, damit nichts interpretiert werden muss.

Rechtlicher Rahmen

Ein Punkt, der in vielen Ratgebern fehlt: Seit dem 2. August 2026 greifen die Transparenzpflichten aus Artikel 50 des EU AI Act. Sie betreffen unter anderem KI-generierte Texte, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren — nicht jede Produktbeschreibung im Shop. Ob Ihre Inhalte betroffen sind, hängt vom Einzelfall ab; für redaktionelle Formate lohnt eine Prüfung.

Unabhängig davon gilt: Eine Kennzeichnung schadet der Sichtbarkeit nicht. Google hat wiederholt betont, dass die Herstellungsart kein Kriterium ist.

Fazit

KI verschiebt nicht die Qualitätsanforderung, sondern die Menge an Text, die Sie in gleicher Zeit auf dieses Niveau bringen können. Der stärkste Hebel im E-Commerce liegt dabei nicht im nächsten Ratgeberartikel, sondern in den tausenden Produktseiten, die heute noch mit fremden Texten laufen.

Wenn Sie diesen Schritt gehen möchten: Wir bauen die Pipeline von der Datenaufbereitung über die Textproduktion bis zur Optimierung der Inhalte — und beheben kurzfristige Baustellen über unsere Sofortmaßnahmen. Für Shops mit großem Katalog gehört die Umsetzung im System direkt in die Shopentwicklung.