ChatGPT ist überall. Dein Team nutzt es. Deine Konkurrenz nutzt es. Und die Frage die in jedem Gespräch kommt ist: Können wir damit unseren Shop besser, schneller, günstiger machen?
Die ehrliche Antwort: Ja. Aber nicht überall gleich. ChatGPT und andere KI-Tools sind verdammt nützlich für E-Commerce. Gleichzeitig gibt es viel Hype. Einige Use Cases liefern echten Wert. Andere sind gerade nett. Und ein paar sind noch nicht reif, egal was Marketing-Agenturen sagen.
Wir nutzen Claude und ChatGPT seit über einem Jahr intensiv. Bei dasistweb, für unsere Kunden, in der Entwicklung. Hier ist, was wirklich funktioniert. Und was nicht.
Inhalt
- Welche KI-Tools es gibt und welche du wirklich brauchst
- Produkttexte generieren: Die Wahrheit über Automatisierung
- ChatGPT für Produktbeschreibungen: Prompts, Grenzen, wann Claude besser ist
- Kundenservice-Automation: Chatbots und FAQ-Generierung
- SEO und Content: Meta-Descriptions, Blog-Texte, Kategorie-Texte
- Interne Prozesse: Code-Assistenz und Datenanalyse
- Was ist noch Hype? Was ist real?
- Fazit: Wie du KI richtig einsetzt
Welche KI-Tools es gibt und welche du wirklich brauchst
Erst eine Klarstellung: Es geht hier nicht nur um ChatGPT. Es gibt mittlerweile mehrere ernstzunehmende Tools.
ChatGPT (OpenAI). Das bekannteste und für viele der historische Einstieg. OpenAI hat massiv in Marketing investiert. Das Chat-Fenster war die breiteste Bekanntheit und für die meisten der erste Kontakt mit generativer KI. GPT-4 ist stark für Text, Summarization und Brainstorming. Die aktuellen Preise findest du auf openai.com.
Claude (Anthropic). Unser bevorzugtes Tool für komplexe Aufgaben in der Praxis. Einen ausführlichen Vergleich findest du in unserem Artikel zu Claude AI im E-Commerce. Besser bei Analyse großer Datenmengen, Code-Generierung und nuancierten Texten. Claude Code hat seit 2025 die Entwicklung verändert: Viele Developer nutzen es, um ihre Arbeit effizienter zu machen. dasistweb setzt Claude Code intensiv ein für praktische Entwicklung und Claude Cowork zur Automatisierung täglicher Aufgaben aller Team-Mitglieder. Seit 2026 nicht nur für Developer, sondern für das ganze Unternehmen. Bei E-Commerce-Entwicklung und Kundenprojekten hat sich Claude bei uns als zuverlässiger bewährt. Und wir schulen unsere Kunden aktiv darin, KI selbst zu nutzen statt nur zu kaufen.
Gemini (Google). Wird immer besser. Integriert sich natürlich mit Google Workspace. Für viele Teams ein praktischer Entrypoint.
Lokale Modelle (Mistral, Llama). Für sensitive Daten oder maximale Kostenkontrolle. Noch nicht ganz On-par mit den großen drei. Trend: Wird schnell besser.
Was du brauchst: Starten mit ChatGPT oder Claude über die Weboberfläche. Null Setup, schnelle Ergebnisse. Erst später überlegen ob eine API-Integration Sinn macht.
Unser Tipp: Probiert mehrere Tools bei der gleichen Aufgabe. ChatGPT und Claude geben oft unterschiedliche Outputs. Für Produkttexte kann die eine besser sein, für technische Erklärungen und Code-Generierung hat Claude in unserer Praxis die Nase vorn.
Produkttexte generieren: Die Wahrheit über Automatisierung
Das ist die Frage die am meisten kommt: Können wir Produkttexte mit KI schreiben?
Kurze Antwort: Ja, aber mit Einschränkungen.
Was funktioniert:
- Basis-Produktbeschreibungen aus Datenblättern generieren
- Varianten-Texte schnell erzeugen (wenn du 500 Schuhe in 5 Farben hast)
- SEO-optimierte Kurztexte für Meta-Descriptions
- Alternative Texte (Alt-Text) für Bilder automatisieren
Ein Beispiel: Du hast 200 Produkte und jedes hat 3-5 Varianten. Du feeds den Produktdaten (Material, Maße, Gewicht, Farben) in Claude. Die KI schreibt dir 600 Kurztexte in einer Stunde. Vorher war das ein Mensch der zwei Wochen dran saß.
Was nicht funktioniert:
- Texte einfach live schalten ohne Review. KI halluziniert Details. Ein E-Bike-Beschreibung kann plötzlich behaupten es hat 250 km Reichweite, obwohl das Datenblatt 150 sagt.
- Unique Selling Points automatisieren. "Dieses Shirt ist aus ethisch vertretbarem Bio-Baumwoll" kann jeder Shop schreiben. Was dich unterscheidet muss ein Mensch schreiben.
- Emotional-starke Texte. Ein Luxus-Uhren-Shop oder ein Vintage-Fashion-Brand brauchen Texte mit Soul. KI erzeugt hier Brei.
Die Realität: Produkttexte sind ein hybrider Prozess. KI macht 70%. Der Mensch macht 30%. Qualitätskontrolle ist nicht optional. Bei dasistweb-Projekten nutzen wir KI um die Basis zu schreiben. Ein Content-Manager prüft, editiert, testet die Conversion. Das ist wirtschaftlich sinnvoll. Wir empfehlen KI-Produkttexte aber mit Vorsicht. Aber mit Training und echten Prozessen funktioniert es gut. Niemand schreibt Produktbeschreibungen mehr vollständig manuell wenn ein Shop über 100 Artikel hat.
Rechnung: Manuell 2 Wochen für 500 Texte. Mit KI plus Review: 3 Tage. Das spart Zeit und Geld. Aber nicht so viel wie "vollständig automatisiert".
ChatGPT für Produktbeschreibungen: Prompts, Grenzen, wann Claude besser ist
Der am häufigsten gefragte Use Case im E-Commerce-Alltag ist ChatGPT für Produktbeschreibungen. Richtig angegangen spart das Zeit und bringt bessere SEO-Texte als die meisten händisch geschriebenen Vorlagen. Falsch angegangen produziert es belanglosen Textbrei, der dir mehr schadet als hilft. Hier ist was aus 18 Monaten Praxis bei dasistweb funktioniert.
Ein brauchbarer Grund-Prompt. Kein "schreib mir eine Produktbeschreibung". Stattdessen strukturiert:
Du bist Produkt-Texter für einen Shop der Kategorie/Branche verkauft. Zielgruppe: Kundenprofil. Markentonalität: 3 Adjektive. Schreibe eine Produktbeschreibung für folgendes Produkt:
Produktname: Name Features: Bullet-Liste aus dem Datenblatt USP: was dieses Produkt vom Wettbewerb unterscheidet Primary-Keyword: 1-2 Keywords
Format: 80-120 Wörter Fließtext, keine Marketing-Floskeln ("innovativ", "einzigartig", "revolutionär"), Primary-Keyword natürlich platziert, keine Behauptungen über Zahlen oder Zertifikate die nicht im Datenblatt stehen.
Diese Grundstruktur lässt sich auf 500 Produkte per Batch-Skript über die OpenAI-API skalieren. Wichtig ist die letzte Zeile: ohne die explizite Anweisung halluziniert ChatGPT gerne Zertifikate, Reichweiten, Wirkungsgrade oder Studienergebnisse.
Varianten-Templates. Bei vielen Varianten eines Produkts ist der Prompt kleiner, aber die Gefahr der Monotonie größer. Lösung: eine Grund-Beschreibung pro Produktfamilie und pro Variante ein Kurztext der nur das Variantenmerkmal ergänzt ("Diese Variante in Graphitgrau mit Nickel-Beschlägen") - nicht jede Variante komplett neu schreiben lassen.
Meta-Descriptions. Das ist der bequemste Teil. 500 leere Meta-Descriptions in Shopware, ein Prompt "155 Zeichen, Primärkeyword vorne, Nutzen statt Adjektive, kein Ausrufezeichen", fertig. Funktioniert zuverlässig und bringt SEO-seitig meistens mehr als jede manuelle Pflege, die in Wirklichkeit nie stattfindet.
Was ChatGPT nicht gut kann. Es gibt harte Grenzen:
- Markenstimme bei starkem Identitäts-Brand. Ein Luxus-Uhren-Shop, ein Vintage-Label, ein Mode-Brand mit eigener Tonalität - das schreibt die Maschine nicht. Die Texte klingen sauber, aber austauschbar. Mensch bleibt hier Pflicht.
- Fachlich dichte Kataloge. Medizinprodukte, technische B2B-Artikel mit Normen, pharmazeutische Nebenwirkungen: das Risiko dass das Modell fachliche Details erfindet ist real. Review durch Fachexperte oder gar nicht einsetzen.
- Claims und Zahlen. "Bis zu 50% mehr Haltbarkeit" - das erfindet ChatGPT gerne. Ohne Quelle nicht publizieren. Im schlimmsten Fall Wettbewerbs-Abmahnung.
- Emotionaler Storytelling-Anteil. Bei D2C-Marken ist genau das der Wert. Das delegiert man nicht.
Wann Claude die bessere Wahl ist. Claude (Anthropic) liefert nach unserer Erfahrung in folgenden Szenarien konsistentere Ergebnisse:
- Lange Kontexte. 500 Produkte plus Styleguide plus Wettbewerber-Analyse in einen Prompt - Claude verliert weniger Details und hält Tonalität durchgängiger.
- Hybrid-Workflows mit Datenanalyse. Wenn Produktdaten, Kundenfeedback und Verkaufszahlen in den Prompt fließen, ist Claude besser im Priorisieren.
- Code plus Text. Wenn die Ausgabe strukturiertes JSON sein soll (für Import ins PIM oder Shopware), ist Claude zuverlässiger im Format-Halten.
- Claude Code für den Batch-Worker. Die API-Skripte die 500 Produkte durchjagen, schreibt das Entwicklungsteam mit Claude Code schneller als mit jeder anderen Hilfe. Kein KI-Unterschied auf dem Content, aber einer auf der Implementierung.
Der pragmatische Default. Für Meta-Descriptions, Kategorie-Intros und schnelle Produkttexte in mittlerer Qualität ist ChatGPT der Einstieg - niedrige Lernkurve, gute Oberflächen, breite Tool-Unterstützung. Sobald die Anforderung an Konsistenz, Format-Treue oder Daten-Tiefe steigt, holen wir Claude ins Spiel. Beides parallel zu betreiben ist in 2026 Standard, nicht Luxus.
Tieferes Material: Claude AI im E-Commerce und die Leistungsseite KI-Implementierung.
Kundenservice-Automation: Chatbots und FAQ-Generierung
Hier zeigt sich echte KI-Power. Der Customer Service ist ein Bereich wo KI heute schon massive Resultate liefert. Allerdings: dasistweb baut fast keine reinen Chatbots. Der Grund? Sie brauchen viele Daten und oft nicht das was ein kleiner Shop wirklich braucht.
FAQ automatisiert generieren. Du hast 200 Support-Tickets der letzten 6 Monate. Prompt: "Schreib mir die 20 häufigsten Fragen und Antworten basierend auf diesen Tickets." Claude liest deine Tickets, findet die Pattern und schreibt dir fertige FAQ-Einträge. Braucht dich eine Stunde. Manuell dauert das 2 Wochen.
Support-Chatbots mit echtem Verstand. Ein einfacher FAQ-Bot ("Verfügbarkeit?" → "Ja" / "Nein") ist seitdem KI-Chatbots da sind, obsolet. Jetzt kannst du einen Bot trainieren auf deine FAQ, deine Policies, deine Produktdaten. Der Bot versteht Kontext. "Ich hab das Paket nicht bekommen, es sollte gestern ankommen" wird verstanden, nicht nur als Stichwort-Match.
Tools dafür: OpenAI Assistants API, Intercom mit KI, oder eigene Lösungen auf Claude-Basis. Bei dasistweb nutzen wir Claude für komplexe Kundenanfragen, die zu einem echten Support-Mitarbeiter eskaliert werden wenn nötig.
Ticket-Kategorisierung und Priorisierung. Du hast 100 E-Mails pro Tag im Support. KI kann sie automatisch kategorisieren ("Rückgabe", "Fehlendes Paket", "Qualitätsbeschwerden", "Sonstiges"). Mehr zu KI-Chatbots im Kundenservice findest du in unserem Artikel zu KI-Chatbots im Online-Shop. Dein Team bearbeitet die dringendsten zuerst. Das ist nicht Sci-Fi, das ist heute praktikabel.
Die Realität: Support-Automation spart typischerweise 30% des Workload. Weniger Tickets für einfache Fragen. Bessere Kategorisierung für komplexe Fragen. Das rechnet sich schnell, besonders für Shops mit 50+ Support-E-Mails pro Tag.
Wichtig: Ein KI-Chatbot ersetzt keinen echten Support. Aber er nimmt dem Team 30% der Arbeit ab. Und der Rest (die Fragen die echtes Verständnis brauchen) wird besser bearbeitet weil das Team nicht mit Standardfragen überlastet ist.
SEO und Content: Meta-Descriptions, Blog-Texte, Kategorie-Texte
Content-Generierung ist ein großer Use Case. Und hier gibt es klare Wins und klare Grenzen.
Meta-Descriptions und Title-Tags. Du hast 500 Produkte. Alle haben Meta-Descriptions die 2010 geschrieben wurden. KI kann dir in einer Stunde 500 neue schreiben. Pro-Tipp: Feed der KI das Primär-Keyword, den Produktnamen, die wichtigsten Features. Output: 155 Zeichen, SEO-optimiert, nicht überladen.
Das funktioniert. Vor allem bei Produkten wo es schwer ist neue Angles zu finden (Tech-Specs, Größen, Farben).
Kategorie-Texte und Intro-Abschnitte. Eine Kategorie "Herrenbriefs" hat heute noch einen generischen Template-Text aus 2015. KI kann schnell einen neuen schreiben. Was zu beachten ist: Der Text sollte noch Einzigartigkeit haben. "200+ hochwertige Herrenbriefs in verschiedenen Materialen und Größen" kann jeder Shop hinschreiben. Was dich unterscheidet muss ein Mensch denken.
Blog-Content. Das ist der interessante Teil. KI kann schnell Blog-Skelette schreiben. Struktur, Einleitung, Überschriften, grobe Inhalte. Ein guter Blog-Post braucht dann aber einen Menschen der das in Stimme gießt, persönliche Einblicke reinbringt und Fakten checkt.
Bei dasistweb nutzen wir Claude um Blog-Artikel zu strukturieren, Ideen zu brainstormen und Sections zu schreiben. Aber: Martin schreibt die Einleitung. Martin schrebt persönliche Erfahrungen rein. Das ist nicht delegierbar. Und das ist genau der Unterschied zwischen "KI-generiertem Blog-Brei" und "Blog-Inhalten die ein Traffic bringt und Leads konvertiert".
Die Realität: Reine Content-Generierung funktioniert für niedrig-wertigen Content (Meta-Descriptions, Kategorie-Intro). High-Value Content (die Artikel die echte Leads bringen) braucht einen Menschen. KI ist hier der erste Draft, nicht das Endprodukt.
Interne Prozesse: Code-Assistenz und Datenanalyse
Das ist der Bereich wo KI heute schon massive Zeit spart. Nicht für dein Marketing-Team. Sondern für dein Tech-Team.
Code-Generierung mit Claude oder GitHub Copilot. Dein Developer schreibt eine Zeile Code-Dokumentation. Claude komplettiert die Funktion. Das spart nicht "die halbe Entwicklung", aber durchaus 20-30% der Routine-Arbeit. Vor allem bei repetitiven Aufgaben (API-Integration, Test-Schreiben, Datenvalidierung).
Bei dasistweb nutzen wir Claude Code intensiv für Feature-Entwicklung. Nicht um Developer zu ersetzen, sondern um sie schneller zu machen. Ein komplexer API-Call dauert statt 2 Stunden dann 30 Minuten. Das addiert sich.
Datenanalyse und Reporting. Du hast 100.000 Datensätze. Du brauchst Insights. CSV in Claude reinfüttern, eine Frage stellen: "Was sind die Top 10 Produkte nach Umsatz?" oder "Welche Kundengruppe hat die höchste Abwanderungsrate?" Claude analysiert in Sekunden.
Das ist real. Das rechnet sich. Vor allem wenn du dafür sonst einen Data Analyst einstellen müsstest.
Workflow-Automatisierung. Dein ERP spuckt täglich eine CSV aus. Dein PIM braucht die Daten in einem anderen Format. Ein Developer schreibt sonst ein Script. Oder: Du briefest Claude, lädst die CSV auf, sagst "Konvertiere von Format A nach Format B". Done.
Das funktioniert für Standard-Transformationen. Nicht für komplexe Business-Logik.
Was wir machen: Claude Code läuft bei uns im Hintergrund für Automationen, Datentransformationen, und als erster Draft für Entwickler. Das ist kein Ersetzen von Entwicklern durch KI. Das ist "wir können mehr Projekte mit der gleichen Team-Größe umsetzen".
Was ist noch Hype? Was ist real?
Es gibt viel Bullshit rund um KI im E-Commerce. Hier ist, was realistisch ist und was noch Jahre entfernt.
Real heute:
- Meta-Descriptions, Title-Tags automatisieren
- Support-Ticket-Analyse und Kategorisierung
- Code-Assistenz für Developer
- Produkttexte (mit Review)
- Blog-Strukturierung
- FAQ-Automatisierung
- Datenanalyse und Insights
- E-Mail-Vorlagen-Generierung
Hyped aber funktioniert mit Einschränkungen:
- Produktbeschreibungen vollständig automatisiert (braucht Review, halluziniert)
- Chatbots (funktionieren gut, ersetzen aber keinen echten Support)
- Preisoptimierung via KI (funktioniert, aber braucht echte Daten und Feedback-Loops)
Still Sci-Fi (in 2-3 Jahren maybe):
- Komplett autonome Kundenservice (KI macht 100% der Tickets selbst)
- Produktbilder-Generierung die nicht fake wirken (wird besser, aber noch nicht konsistent)
- Echte Personalisierung die nicht creepy wirkt (KI macht es, Kunden vertrauen es nicht)
- Automatische Conversion-Rate-Optimierung (braucht zu viel Kontext und Testen)
Die harte Realität: KI ist kein Knopf den du drückst und dein Shop läuft von allein. KI ist ein Tool das gute Teams schneller macht. Schlechte Teams kriegen schlechter Ergebnisse. Die Differenz wird größer, nicht kleiner.
Fazit: Wie du KI richtig einsetzt
KI im E-Commerce ist real. Aber der Weg dahin ist nicht "KI-Tool kaufen, Probleme gelöst". Eine umfassende Übersicht zu realistischen KI-Einsatzmöglichkeiten findest du in unserem Artikel zu KI im E-Commerce. Es ist "Welche konkreten Aufgaben brauchst du KI für? Wo liefert sie echte Zeit-Einsparung oder bessere Qualität?"
Starten: Probiert ChatGPT oder Claude für konkrete Aufgaben aus. Meta-Descriptions. FAQ-Generierung. Code-Assistenz. Seht wie viel Zeit ihr sparen. Dann überlegt ob eine API-Integration und automatisierte Workflows sinnvoll sind.
Vermeiden: "Wir müssen alles mit KI machen weil die Konkurrenz das auch tut." Das ist falsch. Die Konkurrenz scheitert auch. Viele Shops haben KI-Chatbots rausgeworfen weil sie Customer Experience zerstört haben.
Der Punkt: KI ist ein Verstärker für gute Teams. Ein gutes Team wird besser. Ein überfordertes Team wird nicht automatisch besser nur weil du KI rein wirfst.
Und für dasistweb selbst? Wir bauen gerade KI-gestützte Workflows für unsere Kunden. Claude für Datenanalyse. Assistants APIs für Custom Chatbots. Alles mit echter Qualitätskontrolle.