KI-Produkttexte auf Deutsch, ohne Marktplatz-Sound

Wer in den letzten zwei Jahren versucht hat, mit aktuellen Sprachmodellen deutschsprachige Produkttexte zu erzeugen, kennt das Phänomen. Auf Englisch klingen die Texte passabel, manchmal sogar gut. Auf Deutsch klingen sie wie eine schlechte Übersetzung aus einer Amazon-Listing-Vorlage von 2019. “Erleben Sie absoluten Komfort”, “perfekte Balance aus Funktionalität und Design”, “Entdecken Sie noch heute den Unterschied”. Sätze, die kein deutschsprachiger Käufer freiwillig liest.

Das ist kein Trainings-Problem der Modelle, sondern ein Default-Tonalitäts-Problem. Englischsprachige D2C-Marketing-Sprache dominiert die Trainings-Daten massiv, und ohne explizite Steuerung übersetzen die Modelle dieses Register direkt ins Deutsche. Das Ergebnis ist eine Sprache, die sich für eine US-Lifestyle-Marke vielleicht passt, aber für einen deutschen Mittelständler oder eine DACH-D2C-Marke aktiv schadet.

Was Marktplatz-Sound ist und warum er in DACH nicht zieht

Der Begriff “Marktplatz-Sound” beschreibt eine spezifische Tonalität, die sich auf US-Plattformen wie Amazon und Etsy etabliert hat und seitdem als Default-Stil in viele KI-Modelle eingeflossen ist. Die Merkmale sind klar identifizierbar:

• Floskel-Eröffnungen: “Erleben Sie”, “Entdecken Sie”, “Verleihen Sie”, “Genießen Sie”
• Bewertungs-Adjektive ohne Substanz: “hochwertig”, “premium”, “edel”, “exklusiv”, “perfekt”
• Phrasen-Rhythmus aus drei: “Funktionalität, Design und Stil”, “robust, langlebig und stilvoll”
• Generische Use-Case-Behauptungen: “ideal für jeden Anlass”, “die perfekte Wahl für moderne Menschen”
• CTA-Imperativ am Ende: “Bestellen Sie noch heute”, “Sichern Sie sich Ihren Vorteil”

In US-Marketing-Tradition funktionieren diese Muster, weil sie eine verbindliche, optimistische Verkaufs-Atmosphäre schaffen, die in der dortigen Kultur erwartet wird. Bei DACH-Endkunden wie im B2B erzeugen sie das Gegenteil: Misstrauen. Ein deutscher Käufer, der “perfekte Balance aus Funktionalität und Design” liest, denkt: hier hat sich jemand keine Mühe mit dem Produkt gegeben.

Empirisch sehen wir das in unseren A/B-Tests bei Vaultskin: Produkttexte mit Marktplatz-Sound konvertieren in DE/AT/CH messbar schlechter als Texte mit konkretem, technisch-sachlichem Register. Die exakte Spanne variiert pro Produkt, aber die Richtung ist über zwei Jahre Tests konstant.

Was deutsche Käufer in Produkttexten wirklich erwarten

DACH-Käufer suchen vor dem Kauf-Entscheid nicht nach Verkaufs-Sprache, sondern nach Spezifikations-Klarheit. Was sie in einem guten Produkttext finden wollen, ist konkret:

• Maße, Gewicht, Material, Herkunft, in dieser Granularität
• Anwendungs-Szenarien, die spezifisch sind (“für die Fronttasche eines Anzughemds geeignet”), nicht generisch (“ideal für jeden Anlass”)
• Ehrliche Hinweise, was das Produkt nicht tut (“kein Schutz gegen NFC-Lesegeräte über 13,56 MHz hinaus”)
• Lieferzeit, Versand-Land, Garantie-Dauer in Klartext
• Ein menschlicher Tonfall, der signalisiert, dass jemand das Produkt selbst kennt

Das letzte ist der Punkt, den die meisten KI-Generierungen verpassen. Eine gute Produkt-Beschreibung im DACH-Kontext klingt nach jemandem, der das Produkt in der Hand gehabt hat, nicht nach einem Marketing-Generator. Diese Tonalität entsteht nicht von selbst: Sie muss explizit konfiguriert und nach jeder KI-Generierung lektoriert werden.

Der Unterschied zeigt sich am deutlichsten bei der Fehler-Toleranz. Ein US-Käufer verzeiht eine Übertreibung im Produkttext eher, solange das Produkt am Ende einlöst, was der Ton versprochen hat. Ein DACH-Käufer wertet die Übertreibung selbst schon als Warnsignal, unabhängig davon, ob das Produkt später hält, was der Text andeutet. Diese Kultur-Differenz ist der eigentliche Grund, warum ein 1:1 übersetzter Marketing-Ton in DACH schlechter konvertiert, nicht die Sprache an sich.

Wo KI heute trägt

Stand 2026: KI ist für drei produkttext-bezogene Aufgaben gut genug, um ohne menschlichen Vorabentwurf zu starten.

Erstens, Übersetzung von einem fertigen DE-Text in andere Zielsprachen mit Brand-Voice-Vorgabe. Wenn der Ausgangstext sauber ist und die Brand-Voice-Datei mitgegeben wird, sind FR-, IT-, NL-, ES-Übersetzungen mit aktuellen Sprachmodellen auf einem Niveau, das ein Lektor in 30 % der Zeit prüft, statt selbst neu zu übersetzen. Das spart bei Vaultskin pro Produkt etwa 45 Minuten Übersetzungs-Zeit über sechs Sprachen, multipliziert über 380 Produkte ein erheblicher Hebel.

Zweitens, strukturelle Erweiterung eines kurzen Briefings in einen Vollentwurf. Aus einer technischen Spezifikation und drei Anwendungs-Stichworten erzeugt ein gutes Modell eine vollständige Produktbeschreibung mit Spezifikations-Block, Anwendungs-Absatz und Pflege-Hinweisen. Die Struktur stimmt fast immer, der Tonfall braucht Lektorat.

Drittens, Konsistenz-Prüfung über Sortimente. Eine KI kann gegen eine Brand-Voice-Datei prüfen, ob 50 Produkttexte denselben Tonfall, dieselbe Tense, dieselbe Anrede-Form benutzen. Diese Prüfung skaliert wesentlich besser als manuelles Korrektur-Lesen und findet auch subtile Drifts, die einem Lektor erst beim dritten Durchlauf auffallen würden.

Wo sie zuverlässig danebenliegt

Die Gegenseite: drei Bereiche, in denen KI 2026 zuverlässig falsch oder schlecht arbeitet und in denen menschliche Arbeit unverzichtbar bleibt.

Erstens, Erfindung von Produkt-Eigenschaften. Wer einer KI eine Produkt-Skizze ohne vollständige Spezifikation gibt, bekommt erfundene Maße, halluzinierte Material-Angaben und nicht-existente Zertifikate zurück. Bei einem Produkttext, der dann live geht, sind das Abmahn-Risiken nach UWG (irreführende Werbung, § 5) und ProdSG sowie Reklamations-Quellen. Das ist eine technische Einordnung, keine Rechtsberatung. Niemals KI ohne vollständige Spec-Vorgabe Produktangaben generieren lassen.

Zweitens, SEO-Keyword-Recherche und Suchabsicht-Bewertung. KI kann zwar Keyword-Listen vorschlagen, kennt aber die tatsächlichen Suchvolumina, Saisonalität und Wettbewerber-Position nicht. Wer SEO-getriebene Produkttexte will, braucht eine echte Tool-Recherche mit Daten aus Ahrefs, Sistrix oder der Google Search Console, nicht nur KI-Vorschläge ohne Beleg.

Drittens, kulturelle Lokalisierung jenseits Sprache. Eine KI übersetzt “Pfandsystem” auf Französisch korrekt, aber sie weiß nicht, dass Frankreich keine vergleichbare Pfand-Logik hat und dass der Begriff im FR-Kontext erklärt oder weggelassen werden muss. Solche Lokalisierungs-Entscheidungen sind menschliche Markt-Kenntnis-Aufgaben.

Ein realistischer Workflow, Brief bis Lektorat

Was bei uns produktiv funktioniert, ist eine vier-stufige Pipeline mit klaren Verantwortlichkeiten:

1. Brief. Der Produkt-Verantwortliche schreibt eine technische Stichwort-Liste: Maße, Material, Herstellung, Hauptanwendungs-Fälle, drei Differenzierungs-Punkte gegenüber Wettbewerb. Dauer pro Produkt: 5–10 Minuten.
2. Outline-Generierung. KI bekommt Brief plus Brand-Voice-Datei plus zwei Beispiel-Texte als Anker und schlägt eine Outline mit Spezifikations-Block, Hauptbeschreibung, Anwendungs-Absatz, Pflege-Hinweisen vor. Dauer: 30 Sekunden Modell-Zeit, 2 Minuten menschliche Prüfung.
3. Draft-Generierung. KI generiert anhand der freigegebenen Outline den Vollentwurf, mit allen Spezifikations-Daten aus dem Brief, in der Brand-Voice-Tonalität. Dauer: 1 Minute Modell-Zeit.
4. Lektorat. Ein menschlicher Lektor (oder bei kleinem Team der Produkt-Verantwortliche selbst) prüft auf Marktplatz-Sound, Faktentreue, Tonalitäts-Konsistenz, korrekte Pflicht-Angaben (Versand, Garantie). Dauer: 5–10 Minuten pro Produkt.

Insgesamt liegt der Aufwand bei etwa 15–20 Minuten pro Produkt für einen sauberen Vollentwurf in einer Sprache. Ohne KI rechnen wir mit 45–60 Minuten pro Produkt für vergleichbare Qualität. Der Hebel ist real, aber er kommt aus der Pipeline-Disziplin, nicht aus dem KI-Modell allein.

Beispiel, ein Produkttext im Vergleich

Konkretes Vaultskin-Produkt: ein Kartenetui aus italienischem Rindleder mit RFID-Schutz.

KI-Default ohne Brand-Voice-File und ohne Lektorat:

Erleben Sie zeitlose Eleganz mit unserem hochwertigen Leder-Kartenetui. Aus erstklassigen Materialien gefertigt, bietet dieses elegante Accessoire die perfekte Balance aus Funktionalität, Design und Stil. Dank des integrierten RFID-Schutzes sind Ihre wertvollen Karten zuverlässig vor unbefugtem Zugriff geschützt. Ideal für jeden Anlass, ein Must-have für moderne Menschen. Entdecken Sie noch heute den Unterschied.

Mit Brand-Voice-File und nach Lektorat:

Kartenetui aus pflanzlich gegerbtem italienischem Rindleder, Maße 95 x 65 x 9 mm, Gewicht 38 g. Vier Karten-Slots auf zwei Innenseiten, ein Sichtfach für Ausweis oder Visitenkarte. Zwischen den Innenfächern eine RFID-Schutzfolie, die kontaktloses Auslesen über die typischen 13,56 MHz blockiert. NFC-Lesegeräte über andere Frequenzen sind technisch nicht abgedeckt. Patiniert über die ersten Monate Tragezeit zu einem dunkleren Ton. Lieferung aus München, zwei Werktage in DACH, Versand auch in alle EU-Länder.

Der zweite Text ist nicht “schöner” geschrieben, er ist nur konkret. Er löst beim Käufer drei Fragen, die der erste offenlässt: was sind die Maße, was leistet der RFID-Schutz wirklich, woher kommt das Produkt. Diese drei Antworten sind in DACH wichtiger als jede emotionale Aufladung.

Sprach-Register, Tonalität, häufige LLM-Fehler im Deutschen

Konkrete Anti-Pattern, die in jeder zweiten KI-Generierung auftauchen und die wir in unserem Brand-Voice-File explizit verbieten:

• Fake-Anglizismen oder schiefe Übersetzungen. “Premium-Qualität” statt “hochwertig”. “State-of-the-art” auf Deutsch. “Game-Changer” als Substantiv. Alles sofort streichen.
• Adjektiv-Inflation. “elegantes, hochwertiges, edles, exklusives” als Aufzählung. Maximal ein wertendes Adjektiv pro Produkt-Beschreibung, und das nur, wenn es nicht durch eine Spec-Angabe ersetzbar ist.
• Drei-Komma-Rhythmus. “Funktionalität, Design und Stil.” Sofortiges LLM-Verdacht-Signal. Brand-Voice-File verbietet dieses Muster explizit.
• Falsche Sie-Anrede. Ob Ihre Marke siezt oder duzt, ist eine Markenentscheidung, die im Brand-Voice-File fixiert wird. Was die KI nicht darf: mitten im Text das Register wechseln.
• Falsche Tense. Produktbeschreibungen sollten im Präsens stehen, nicht im Konditional (“würde Sie begeistern”) oder Futur (“wird Sie überzeugen”). Auch das ein Übersetzungs-Artefakt aus US-Marketing.
• Fehler bei Komposita. Englische Schreibweise wie “Bluetooth Lautsprecher” statt korrekt “Bluetooth-Lautsprecher”. Standard-Duden-Regeln zur Bindestrich-Setzung sind gut dokumentiert.

Wer einmal eine saubere Brand-Voice-Datei erstellt hat, in der diese Anti-Pattern und die positiven Pattern (welche Adjektive sind erlaubt, welche Satz-Längen, welche Strukturen) explizit stehen, hat im laufenden Betrieb nur noch Pflege-Aufwand. Die initiale Erstellung kostet 4–8 Stunden, der Output über 12 Monate rechtfertigt das mehrfach.

Konsistenz bei 500+ Produkten herstellen

Bei einem Sortiment von 50 Produkten kann ein Lektor manuell auf Konsistenz achten. Bei 500+ Produkten in mehreren Sprachen geht das nicht mehr. Drei Mechanismen, die wir bei Vaultskin und bei Kunden-Setups einsetzen:

Brand-Voice-Datei als Single Source of Truth. 1–2 A4-Seiten, die Tonalität, Anrede, erlaubte und verbotene Phrasen, Register-Beispiele explizit machen. Diese Datei wird bei jedem KI-Aufruf als System-Prompt mitgegeben. Nicht “in der Konfiguration speichern”, sondern bei jedem einzelnen Generierungs-Aufruf, sonst driftet das Modell.

Templates pro Produkt-Kategorie. Ein Lederwaren-Produkttext hat eine andere Struktur als ein Elektronik-Produkttext. Pro Kategorie ein Template definieren, das den Spec-Block, die Sektionen, die Pflicht-Felder vorgibt. KI füllt das Template, weicht nicht davon ab.

Automatisierte Konsistenz-Checks. Ein zweiter KI-Aufruf prüft den generierten Text gegen die Brand-Voice-Datei und gibt Befunde zurück. Marktplatz-Sound erkannt? Adjektiv-Inflation? Falsche Anrede? Bei Vaultskin läuft dieser Check als zweiter Schritt nach jeder Draft-Generierung, vor dem menschlichen Lektorat. Spart dem Lektor nochmal 30 % seiner Zeit.

KI ist Hebel, nicht Autor

Die Verkaufs-Story vieler KI-Tools, “Ihre Produkttexte vollautomatisch in 30 Sekunden”, ist 2026 noch immer Marketing, nicht Realität. Was real ist und was wir empfehlen: KI als Pipeline-Beschleuniger einsetzen, mit klar abgegrenzten Aufgaben, mit Brand-Voice-Disziplin, mit menschlichem Lektorat. Wer das tut, spart bei einem Sortiment von 100+ Produkten substantiell Zeit, ohne das Risiko, am Ende 100 Texte mit Marktplatz-Sound im Shop zu haben.

Der wichtigste Schritt ist nicht die Wahl des KI-Modells, sondern die einmalige Investition in eine saubere Brand-Voice-Datei und ein paar Templates. Das ist Schreib-Arbeit, nicht KI-Arbeit, und sie zahlt sich über jeden weiteren Produkttext aus.

Wenn Sie diese Arbeit nicht selbst aufsetzen wollen oder unsicher sind, was in eine Brand-Voice-Datei für den DACH-Markt gehört: die Brand-Voice-Erstellung übernehmen wir im Modul Content Engine, inklusive Pipeline-Setup und Übersetzungs-Workflow. Erstgespräch mit konkretem Aufwand-Korridor über /kontakt. Wer zuerst lesen möchte, wie wir Shopify-Setups mit deutscher Content-Pipeline aufstellen, findet das in Warum Shopify für den DACH-Mittelstand.