- Gute Produktbeschreibungen beginnen bei der Kaufsituation des Käufers: Wer erst den Nutzen nennt und dann die Eigenschaften, überzeugt früher.
- Hersteller-Copy eins zu eins zu übernehmen kostet Sie Rankings: Google hat keinen Grund, einen von zwanzig identischen Texten zu bevorzugen.
- Product-Schema (schema.org) macht Preis, Verfügbarkeit und Bewertungen für Suchmaschinen und KI-Systeme direkt maschinenlesbar und verbessert die Darstellung im Suchergebnis ohne zusätzlichen Rankingaufwand.
- Laut einer Princeton-Studie lässt sich KI-Sichtbarkeit durch ein Bündel an Maßnahmen messbar steigern; für Produktseiten zählen klare Antworten auf Kauffragen und maschinenlesbare Struktur zu den wirksamsten.
Wer einen Produkttext schreibt, hat zwei Leser gleichzeitig: den Menschen, der gerade überlegt, ob er kauft, und das System, das entscheidet, ob die Seite überhaupt angezeigt wird. Suchmaschinen, KI-Shopping-Antworten und Preisvergleiche ziehen ihre Daten alle aus demselben HTML. Was einen echten Käufer überzeugt, hilft auch Maschinen. Voraussetzung ist, dass Sie beides bewusst bauen.
Nutzen statt Merkmale: Was Käufer wirklich überzeugt
Nehmen wir ein konkretes Beispiel. Ein Werkzeugset hat eine Eigenschaft: „Chrom-Vanadium-Stahl, 12-teilig, inkl. Koffer“. Das ist korrekt, sagt aber noch nichts darüber, warum jemand genau dieses Set kaufen sollte. Der Nutzen lautet: „Für Reparaturen im Auto und Haushalt, bei denen handelsübliche Sets nach wenigen Monaten rosten oder abdrehen.“ Beide Texte beschreiben dasselbe Produkt. Nur einer spricht den Käufer an, der gerade sucht.
Der Unterschied folgt dem Grundprinzip der Nutzenargumentation: Kaufentscheidungen entstehen, wenn ein Produkt zu einer konkreten Situation des Käufers passt. Der Produkttext stellt diese Verbindung her. Das setzt voraus, dass Sie wissen, wer Ihr typischer Käufer ist und in welcher Situation er kauft.
Vier Fragen vor dem Schreiben
Klären Sie diese vier Fragen, bevor Sie den ersten Satz tippen: Wer kauft das Produkt? In welcher Situation entscheidet er? Was ist der stärkste Grund, genau dieses zu wählen statt der günstigeren Alternative daneben? Und was wäre das stärkste Gegenargument gegen den Kauf? Wer diese vier Antworten hat, hat den Kern des Produkttextes bereits.
Der erste Satz entscheidet
Auf dem Smartphone sieht der Nutzer oft nur eine Zeile Fließtext, bevor er scrollen muss. Wer dort mit „Art.-Nr. 4981-B, EAN 4007123456789“ beginnt, hat die Aufmerksamkeit verloren, bevor das Argument kommt. Der erste Satz soll die Situation ansprechen, für die das Produkt gemacht ist, oder den stärksten Nutzen nennen. Alles andere folgt danach.
Akkulaufzeit 18 Stunden ist eine Eigenschaft
„Reicht für zwei volle Arbeitstage ohne Ladekabel“ ist der Nutzen daraus. Der Käufer kauft nicht die Stunden, er kauft die Sicherheit, das Ladekabel nicht einpacken zu müssen. Diese Übersetzung ist die handwerkliche Kernaufgabe beim Schreiben von Produkttexten. Für jede technische Eigenschaft, die Sie im Text nennen, empfiehlt es sich, dahinter einen Satz zu setzen, der erklärt, was der Käufer damit konkret gewinnt.
Struktur und Lesbarkeit: Warum Scanner kaufen
Eyetracking-Studien zeigen seit Jahren, dass Nutzer auf textlastigen Webseiten in einem F-förmigen Muster lesen: die erste Zeile quer, dann senkrecht abwärts an der linken Seite, kurze horizontale Blicke. Auf E-Commerce-Produktseiten mit Bildern und strukturierten Layouts entstehen ähnliche Scan-Muster. Was links oben steht und was in kurzen, abgesetzten Absätzen steht, wird gelesen. Was in langen, ungegliederten Textblöcken steht, wird überflogen oder ignoriert.
Für den Aufbau einer Produktbeschreibung heißt das: Ein bis zwei Sätze Fließtext mit dem Hauptnutzen oben, dann eine kurze Aufzählung der wichtigsten Vorteile, darunter der technische Detailtext für Käufer, die ihn suchen. Wer eine Produktseite so gliedert, bedient den Schnellentscheider genauso wie den Käufer, der jeden technischen Wert vergleichen will.
Kurze Absätze, sprechende Zwischenüberschriften
Kein Absatz sollte länger als drei bis vier Sätze sein. Zwischenüberschriften in H3 oder H4 helfen dem Scanner, die Stelle zu finden, die er sucht. „Für welche Anwendungen geeignet“ ist eine sprechende Zwischenüberschrift. „Produktdetails“ ist keine. Suchmaschinen lesen diese Überschriften als Signale für den Seiteninhalt mit; gleichzeitig helfen sie dem Käufer, der nach der Antwort auf genau diese Frage sucht.
Tabellen für Vergleichsdaten
Technische Daten in einer klaren Tabelle mit Kopfzeile sind besser lesbar als eine Aufzählung und für Maschinen leichter strukturiert auszulesen. Dimension, Gewicht, Material, Kompatibilität: Was sich in Zeilen und Spalten abbilden lässt, gehört in eine Tabelle. Was erklärt werden muss, bleibt im Fließtext.
Warum Hersteller-Copy Sie unsichtbar macht
Das ist kein theoretisches SEO-Problem. In der Praxis sind Sortimente, die vollständig aus Hersteller-Copy bestehen, in den organischen Suchergebnissen schwer zu finden, weil Google das Content-Duplikat-Signal ernst nimmt. Hinzu kommt: Hersteller beschreiben ihre Produkte aus ihrer Perspektive, mit ihrer Sprache und für ein globales Publikum. Der Text passt selten zur Kaufsituation Ihrer Kunden.
Für Shops mit großem Sortiment bedeutet das nicht, jeden Text von null neu zu schreiben. Eine realistische Strategie: Die zwanzig umsatzstärksten Produkte bekommen je einen vollständig eigenen Text. Für den Rest reicht es, die ersten zwei Sätze des Herstellertextes zu ersetzen und die Zielgruppe sowie die wichtigste Anwendung konkret zu nennen. Selbst diese kleine Anpassung schafft ausreichend Differenz zum Original.
Wie das für verschiedene Sortimentsgrößen systematisch aufgesetzt werden kann, zeigt der Ratgeber zum Thema Rechtssicherer Onlineshop, der auch erklärt, welche Pflichtangaben neben dem Produkttext auf jede Produktseite gehören.
Product-Schema: Was Maschinen brauchen, um Ihr Produkt zu verstehen
Google nutzt Product-Markup für drei konkrete Darstellungsformen laut der Google-Dokumentation zu Product Structured Data: Product Snippets (Bewertungen und Preis direkt in der Suchergebnisliste), Shopping Knowledge Panel (Produktinformationen mit Anbieterliste) und Popular Products (visuell angereicherte Produktdarstellung in der Suche). Alle drei sind bei Wettbewerbern, die kein Markup führen, nicht erreichbar.
Wie konsequent deutsche Shops das nutzen, haben wir an echten Produktseiten gemessen.
der geprüften Produktseiten sind für Maschinen vollständig ausgezeichnet, also mit Product-, Offer- und Bewertungs-Schema zusammen. Zwei Drittel haben zwar Product-Schema, aber nur jede vierte davon auch die Bewertungssterne, die in der Suche am stärksten auffallen.
Methodik: Eigene Erhebung über 166 deutsche Onlineshops, je eine über die Sitemap auffindbare Produktseite, JSON-LD im Quelltext geparst. Product-Schema 67,5 %, Offer 66,3 %, AggregateRating 17,5 %, vollständig (alle drei) 16,9 %. Stand: Juni 2026. Keine amtliche Grundgesamtheit.
Hinter den Zahlen steckt ein klares Muster: Fast alle Shops mit Product-Schema liefern auch den Preis (98 Prozent), aber nur jeder Vierte die Bewertung. Die Sterne, die im Suchergebnis am stärksten ins Auge fallen, bleiben also genau dort liegen, wo die technische Basis längst steht. Das ist eine der günstigsten Sichtbarkeitschancen, die viele Shops verschenken.
Die wichtigsten Properties
Das Product-Objekt braucht mindestens: name (Produktbezeichnung), description (Produktbeschreibung in Fließtext), image (Produktbild als URL) und ein offers-Objekt mit price, priceCurrency und availability. Wer Bewertungen hat, fügt aggregateRating mit ratingValue und reviewCount hinzu. Zusätzlich empfiehlt Google für bessere Darstellung: sku (Ihre interne Artikelnummer), brand (Hersteller als Organization) und einen Produktidentifier: gtin13 (EAN), oder ersatzweise mpn (Herstellernummer), wenn das Produkt keine EAN hat, etwa bei Eigenmarken. Google akzeptiert beide.
Ein minimales Beispiel in JSON-LD sieht so aus:
{
"@context": "https://schema.org",
"@type": "Product",
"name": "Zimmermannshammer 500 g",
"description": "Hammer mit Naturstiel aus deutschem Eschenholz...",
"image": "https://example.com/hammer.jpg",
"brand": { "@type": "Brand", "name": "Ochsenkopf" },
"sku": "OX-H500",
"offers": {
"@type": "Offer",
"price": "29.90",
"priceCurrency": "EUR",
"availability": "https://schema.org/InStock",
"url": "https://example.com/produkte/hammer"
}
}Tragen Sie die Eckdaten eines Produkts ein, das Tool baut daraus gültiges JSON-LD zum Kopieren. Läuft komplett in Ihrem Browser, es wird nichts gesendet.
In WooCommerce setzt das entweder ein Schema-Plugin (verbreitet sind Rank Math oder Yoast SEO) oder manuell ergänztes JSON-LD im Produkt-Template. Wer keinen Entwickler zur Hand hat, kommt mit einem Plugin am schnellsten zum Ergebnis.
Wer strukturierte Daten grundsätzlich verstehen will, findet in dem Ratgeber zu strukturierten Daten nach Schema.org eine verständliche Einführung für den Mittelstand.
Merchant Listings: Für echte Verkaufsseiten
Google unterscheidet zwischen Product Snippets (für redaktionelle Seiten, die ein Produkt bewerten) und Merchant Listings (für Shops, die das Produkt direkt verkaufen). Merchant Listings erlauben zusätzliche Properties für Versanddetails, Rückgabebedingungen und Größenangaben. WooCommerce-Shops, die direkt verkaufen, behandelt Google automatisch als Merchant Listing, sobald gültiges Product-Markup mit Preis und Verfügbarkeit vorliegt; die Versanddetails sind dann der nächste Schritt. Wer einen Shop betreibt, sollte auch shippingDetails mit shippingRate und deliveryTime ergänzen, weil Google dieses Signal für die Darstellung von kostenlosem Versand im Suchergebnis nutzt.
KI-Zitierbarkeit: Wie generative Suchsysteme Produktseiten auswählen
Die Forschungsgruppe der Princeton University hat in dem 2024 auf der ACM KDD veröffentlichten Paper „GEO: Generative Engine Optimization“ (arxiv.org/abs/2311.09735) systematisch untersucht, welche Optimierungsstrategien die Sichtbarkeit in KI-generierten Antworten erhöhen. Das zentrale Ergebnis: Über alle getesteten Strategien zusammen lässt sich die Sichtbarkeit um bis zu 40 % steigern. Die Autoren betonen dabei, dass die Wirksamkeit der einzelnen Strategien je nach Themenbereich variiert. Für E-Commerce und Produktinhalte gilt insbesondere: Inhalte, die klare, vollständige Antworten auf spezifische Fragen liefern und mit maschinenlesbaren Strukturen kombiniert werden, werden häufiger als Quelle herangezogen.
Das 2025 veröffentlichte E-GEO-Paper (arxiv.org/abs/2511.20867) geht einen Schritt weiter und untersucht speziell E-Commerce-Systeme wie Amazon Rufus und ChatGPT Shopping: Welche textlichen Eigenschaften erhöhen die Wahrscheinlichkeit, dass ein Produkt von einem generativen System empfohlen wird? Das Paper stellt einen Testrahmen vor und zeigt, dass Produktbeschreibungen, die typische Kauffragen explizit beantworten, in generativen Systemen häufiger erscheinen als rein merkmalsorientierte Texte.
Der Unterschied zwischen klassischer SEO und KI-Sichtbarkeit wird kleiner, aber die Anforderung an Texte steigt. Früher half ein Keyword zehnmal im Text. Heute prüft das Modell, ob die Seite eine konkrete Frage wirklich beantwortet. Wer „kabelloser Staubsauger Hartboden“ eingibt, will wissen, ob das Gerät auf Parkett funktioniert, wie laut es ist, wie lange der Akku reicht und ob es unter Möbel passt. Ein Produkttext, der diese Fragen konkret beantwortet, ist für ein KI-System eine bessere Quelle als einer, der dieselben Wörter enthält, aber keine Antwort gibt.
Für Produktseiten im Onlineshop empfiehlt sich deshalb ein FAQ-Abschnitt direkt am Produkt, der die häufigsten Kauffragen beantwortet. Für das KI-System ist das der eigentliche Hebel: Es bekommt eine klare, abgegrenzte Antwortquelle. Dass der Käufer dabei seine Restfrage vor dem Kauf geklärt findet, ist der willkommene Nebeneffekt. Mehr zur Methodik hinter zitierfähigen Inhalten steht im Ratgeber Zitierfähige Inhalte schreiben.
Wie es gelingt, dass ein Onlineshop grundsätzlich in KI-Shopping-Antworten auftaucht, behandelt der Ratgeber Wird mein Onlineshop in KI-Shopping-Antworten genannt?, der die technischen und inhaltlichen Voraussetzungen auf Shop-Ebene beschreibt.
Die fünf Elemente im Überblick
Die folgende Tabelle zeigt, welche Elemente einer Produktbeschreibung den Käufer überzeugen und welche die Maschinenlesbarkeit verbessern. In der Praxis hängt beides zusammen.
| Element | Wirkung auf den Käufer | Wirkung auf Suchmaschinen und KI |
|---|---|---|
| Nutzenorientierter Einstiegssatz | Erzeugt sofortige Relevanz für die Kaufsituation | Hohe semantische Relevanz für thematische Suchanfragen |
| Vollständiger Fließtext mit Kontext | Beantwortet Fragen, bevor sie entstehen | Sprachmodelle bevorzugen Fließtext als Antwortquelle gegenüber reinen Stichpunktlisten |
| Product-Schema (JSON-LD) | Indirekt: Bewertungssterne und Preis im Suchergebnis erhöhen die Klickrate, bevor der Käufer die Seite öffnet | Preis, Verfügbarkeit, Bewertung direkt maschinenlesbar; Rich Results in der Suche |
| Eigenständiger Text (kein Hersteller-Duplikat) | Sprache passt zur Zielgruppe des Shops | Kein Duplicate-Content-Signal; eigenständige Indexierung möglich |
| FAQ-Abschnitt am Produkt | Beantwortet Restfragen vor dem Kaufabbruch | Sichtbare FAQ-Snippets zeigt Google seit 2023 fast nur noch für Behörden und Gesundheit; das Markup hilft heute der Struktur und der KI-Zitierbarkeit |
Vorher und nachher: ein konkretes Beispiel
Hier ein Produkttext für einen Arbeitsrucksack, einmal als typischer Hersteller-Text und einmal überarbeitet aus der Käuferperspektive.
Vorher (Hersteller-Copy):
„Rucksack Modell Pro-Carry 40. Material: 900D Polyester, wasserabweisend. Maße: 45 × 30 × 20 cm. Hauptfach mit Laptopfach bis 15,6 Zoll. 5 Außentaschen. Farben: Schwarz, Dunkelblau. Gewicht: 1,1 kg.“
Nachher (Käuferperspektive):
„Für den Arbeitsweg mit Laptop, Vesperbox und Wechselklamotten, ohne dass der Rucksack aussieht wie ein Wanderrucksack. Das gepolsterte Laptopfach nimmt Geräte bis 15,6 Zoll auf und lässt sich am Flughafen-Sicherheitscheck flach ausklappen, ohne alles auspacken zu müssen. Das Hauptfach fasst eine Wochentour-Ausstattung, das Polyestergewebe hält einem Regenschauer stand. 1,1 kg Eigengewicht. Material: 900D Polyester, wasserabweisend. Maße: 45 × 30 × 20 cm.“
Beide Texte enthalten dieselben Produktinformationen. Der zweite öffnet mit der Situation, für die der Rucksack gemacht ist, und übersetzt jede Eigenschaft in einen konkreten Vorteil. Er ist auch für eine KI, die gefragt wird „Welcher Rucksack eignet sich für den Arbeitsweg mit Laptop?“, eine bessere Antwortquelle, weil er die Frage direkt beantwortet.
Ein Beispiel aus der Praxis
Nehmen wir einen Händler für Handwerkzeuge mit rund 800 Artikeln im Sortiment. Der Großteil der Produkttexte stammt unverändert vom Großhändler, der auch viele Mitbewerber beliefert. Das Ergebnis: kaum organischer Traffic auf Produktseiten, und die Markenbezeichnung des Herstellers in der Suche führt zum Hersteller selbst oder zu großen Plattformen, nie zu diesem Shop.
Der pragmatische Weg ist nicht, alle 800 Texte neu zu schreiben, sondern die umsatzstärksten Produkte zuerst anzugehen. Für die wichtigsten 30 Produkte entsteht je ein eigenständiger Produkttext aus der Perspektive der Hauptkäufergruppe (etwa Handwerker im Nebenerwerb, preisbewusst, aber qualitätsorientiert). Für weitere rund 150 Produkte reicht oft, die ersten zwei Sätze zu ersetzen und eine kurze „Für wen geeignet“-Zeile zu ergänzen. Dazu gehört sauberes Product-Schema: sku, gtin13 und aggregateRating aus den vorhandenen Bewertungen. Der erwartbare Effekt liegt in der Logik des Duplicate-Content-Signals: Sobald eine Produktseite einen eigenständigen Text trägt, hat Google einen Grund, sie statt der zwanzig identischen Mitbewerber-Seiten zu indexieren, und mit Bewertungs-Schema kann sie in Google-Shopping-Ergebnissen mit Sternen erscheinen. Wie stark der Traffic steigt, lässt sich nur mit einer Vorher-nachher-Messung im eigenen Shop belegen. Der Rest des Sortiments wandert nach Priorität nach.
Sofort-Checkliste: Produktbeschreibungen prüfen
- Öffnet der erste Satz mit einem Nutzen oder einer Situation, nicht mit einer Produktnummer oder dem Materialnamen?
- Ist der Text aus der Perspektive der typischen Käufergruppe geschrieben, nicht aus der Herstellerperspektive?
- Wird jede technische Eigenschaft in einen konkreten Vorteil übersetzt („X bedeutet für Sie: Y“)?
- Ist der Text eigenständig formuliert, also kein unveränderter Hersteller- oder Lieferanten-Copy?
- Gibt es einen Fließtext-Abschnitt mit vollständigen Sätzen, nicht nur eine Spezifikationsliste?
- Gibt es eine Tabelle oder strukturierte Liste für technische Daten?
- Sind die drei bis fünf häufigsten Kauffragen explizit beantwortet (Kompatibilität, Wartung, Maße, Anwendungsbereich)?
- Ist Product-Schema mit mindestens name, description, image, offers (price, priceCurrency, availability) vorhanden?
- Sind sku und, wenn vorhanden, gtin13 im Schema gesetzt?
- Ist aggregateRating mit echten Kundenbewertungen im Schema eingebunden?
- Sind Versanddetails (shippingDetails) im Schema ergänzt, wenn kostenloser Versand angeboten wird?
- Ist eine Rückgaberichtlinie (hasMerchantReturnPolicy mit Widerrufsfrist) im Schema hinterlegt? Google verlangt sie für Merchant Listings.
- Ist ein FAQ-Abschnitt mit FAQ-Schema am Produkt vorhanden?
- Haben Varianten mit echten Unterschieden eigene, angepasste Beschreibungen?
- Verkaufsstarke Produkttexte beginnen bei der Kaufsituation des Kunden, nicht bei der Produktspezifikation. Die Übersetzung von Eigenschaft in Nutzen ist die handwerkliche Kernaufgabe.
- Hersteller-Copy, die identisch auf mehreren Händlerseiten steht, kostet Sie organische Sichtbarkeit. Eigenständiger Text ist für jedes umsatzrelevante Produkt Pflicht.
- Product-Schema (JSON-LD) macht Ihren Produktseiten ohne zusätzliche Rankingarbeit Rich Results zugänglich: Bewertungssterne, Preis und Verfügbarkeit direkt im Suchergebnis.
- KI-Shopping-Systeme bevorzugen Seiten, die Kauffragen vollständig und klar beantworten. Ein kurzer FAQ-Abschnitt am Produkt ist der einfachste Hebel dafür.
Häufige Fragen
Wie lang sollte eine Produktbeschreibung sein?
Das hängt vom Produkt und der Kaufentscheidung ab. Einfache Gebrauchsartikel kommen mit 80 bis 150 Wörtern aus, wenn der Text präzise ist. Erklärungsbedürftige oder hochpreisige Produkte vertragen 300 bis 500 Wörter. Es gibt keine pauschale SEO-Mindestwortanzahl. Die Länge richtet sich danach, wie viele Fragen vor dem Kauf beantwortet werden müssen.
Darf ich den Text des Herstellers verwenden?
Rechtlich ist das nur mit einer Lizenz oder Freigabe des Herstellers zulässig: Produkttexte sind in der Regel urheberrechtlich geschützte Sprachwerke, und eine ausdrückliche schriftliche Freigabe liegt im Händleralltag selten vor. Im Zweifel klären Sie, ob Ihr Händlervertrag die Übernahme deckt, sonst schreiben Sie besser einen eigenen Text. Strategisch ist die Übernahme ohnehin fast immer ein Nachteil: Identische Texte auf vielen Händlerseiten führen dazu, dass Google keine bevorzugt. Wer eigene Texte schreibt, schafft einen echten Wettbewerbsvorteil gegenüber den Händlern, die es nicht tun.
Was kostet die Einrichtung von Product-Schema in WooCommerce?
WooCommerce gibt grundlegendes Product-Schema von Haus aus aus. Lücken wie fehlende GTINs, Versanddetails oder AggregateRating erfordern ein Schema-Plugin oder eine individuelle Erweiterung. Für ein durchschnittliches Sortiment liegt der Einrichtungsaufwand je nach Sortimentsgröße und Plugin-Einsatz bei wenigen Stunden und wirkt dann dauerhaft ohne laufenden Aufwand.
Wie erkenne ich, ob mein Product-Schema korrekt ist?
Google stellt unter search.google.com/test/rich-results ein kostenloses Testtool bereit. Sie geben die URL einer Produktseite ein und sehen sofort, welche Schema-Typen erkannt wurden, welche Properties fehlen und ob die Seite für Rich Results qualifiziert ist.
Bringt Product-Schema auch für kleine Shops mit wenigen Produkten etwas?
Ja, auch bei kleinen Sortimenten. Die Einrichtung ist einmalig und wirkt ab dem ersten Produkt. Gerade kleine Shops profitieren überproportional, weil sie in der organischen Suche oft schwächer sind und Rich Results einen sichtbaren Vorteil gegenüber nicht ausgezeichneten Wettbewerbern bringen.
Wie hängen klassisches SEO und KI-Sichtbarkeit bei Produktseiten zusammen?
Beide Anforderungen laufen zunehmend zusammen. Klassische SEO belohnt relevante, vollständige Texte mit klarer Struktur und technischer Auszeichnung. Genau das bevorzugen auch KI-Systeme als Quellen. Wer seinen Produkttext primär für den Käufer schreibt und dann mit Schema-Markup ergänzt, erfüllt beide Anforderungen mit einem einzigen Aufwand.