KI-Artikelbeschreibungen in JTL-Wawi: So geht's

Artikelbeschreibungen fehlen in JTL-Wawi – oder sie sind zu kurz, zu generisch, zu schwach für SEO. Das kennst du. Die Frage ist nicht ob du KI nutzen solltest, sondern wie. Denn zwischen „Einzeltext per Copy-Paste generieren“ und „500 Texte in einem Workflow direkt in die Datenbank schreiben“ liegt der Unterschied zwischen Zeitverschwendung und echtem Hebel. Dieser Artikel zeigt dir den Batch-Workflow.

Warum Artikelbeschreibungen in JTL-Wawi oft fehlen (und was das kostet)

Drei Gründe: Erstens, fehlende Zeit. Beispielrechnung: Wenn du 500 Artikel hast und pro Beschreibung 15 Minuten brauchst, ergibt sich ein Zeitaufwand von 125 Stunden. Zweitens, fehlendes Schreibtalent. Nicht jeder E-Commerce-Händler ist Texter. Und drittens, fehlende Priorisierung. „Produkt ist angelegt, Bild ist drin, Preis stimmt – Text machen wir später.“

Das kann sich negativ auf deine Sichtbarkeit auswirken. Strukturierte, informative Texte ranken häufig besser. Wenn deine Artikelbeschreibung 50 Wörter hat, verlierst du gegen Konkurrenten mit ausführlichen Beschreibungen. Und es kostet Conversion: Nutzer lesen deine Kurzbeschreibung, verstehen nicht den Mehrwert – und kaufen woanders.

Eine Shop-Analyse zeigt dir, wo Texte fehlen, zu kurz sind oder Meta-Descriptions leer. Ohne Messung weißt du nicht, wo du anfangen sollst. Mit Messung siehst du: „120 Artikel haben keine Langbeschreibung, 80 haben keine Meta-Description.“ Das ist dein Startpunkt.

Workflow 1: Artikelbeschreibungen manuell in JTL-Wawi pflegen

Der klassische Weg: Du öffnest JTL-Wawi, suchst den Artikel, klickst auf „Artikel bearbeiten“, schreibst manuell Text (Kurzbeschreibung, Langbeschreibung, Meta-Description), speicherst. Bei 10 Artikeln machbar. Bei 100 Artikeln anstrengend. Bei 500? Zeitverschwendung.

Variante mit ChatGPT-Browser: Du öffnest ChatGPT im Browser, kopierst Artikeldaten aus JTL (Name, Merkmale, Kurzbeschreibung), fügst sie in ChatGPT ein, lässt Text generieren – und kopierst zurück. Das spart Schreibarbeit – aber nicht Copy-Paste-Aufwand. Beispielrechnung: Bei 500 Produkten und 3 Minuten pro Runde ergibt sich ein Zeitaufwand von 25 Stunden.

Wann lohnt sich Workflow 1? Wenn du weniger als 50 Artikel hast, Zeit für manuelle Pflege hast – und keine Batch-Funktion brauchst. Sobald es um hunderte Artikel geht, brauchst du Batch-Verarbeitung.

Workflow 2: KI-Texte direkt auf JTL-Wawi-Datenbank generieren

Desktop-Tools wie WawiCreatorSuite greifen direkt auf die MS-SQL-Datenbank zu. Kein CSV-Export, kein Copy-Paste. Du wählst Artikel (Einzeln oder Batch), stellst Parameter ein (Textlänge, Keyword, Tonalität) – und die KI schreibt direkt in Wawi-Felder zurück (Kurzbeschreibung, Langbeschreibung, Title, Meta-Description, FAQ).

Parameter-Steuerung ist entscheidend: Ohne klare Vorgaben (Textlänge, Tonalität, Keyword-Fokus) produziert KI Einheitsbrei. Mit Vorgaben produziert sie Texte, die zu deiner Marke passen. Du willst „du“-Ansprache statt „Sie“? Stellst du ein. Du willst 600 Wörter statt 300? Stellst du ein. Du willst Keyword „Wanderschuhe“ im ersten Absatz? Stellst du ein.

Falls du noch nicht weißt, welche KI-Tools für JTL-Wawi existieren, lies zuerst unseren Überblick. KI-Content ist Teil einer Gesamt-SEO-Strategie – den vollständigen Rahmen liefert unser Onlineshop-SEO-Leitfaden.

Batch-Verarbeitung: 500 Artikelbeschreibungen in einem Workflow

Batch-Verarbeitung bedeutet: Du wählst 500 Artikel auf einmal, stellst Parameter ein – und die KI generiert alle Texte in einem Durchlauf. Bei Desktop-Tools funktioniert das so: Artikel filtern (z. B. „alle ohne Langbeschreibung“), Parameter einstellen (Textlänge, Keyword, Tonalität), Batch-Generierung starten – fertig.

Zeitersparnis: Beispielrechnung: Wenn du 500 Artikel hast und pro Artikel 15 Minuten brauchst (manuelle Pflege oder Copy-Paste), ergibt sich ein Zeitaufwand von 125 Stunden. Mit Batch-Generierung läuft die Texterstellung in wenigen Stunden durch – plane zusätzlich Zeit für die Qualitätskontrolle ein. Das ist der Hebel.

Aber Achtung: KI generiert schnell – aber jemand muss prüfen, ob das Ergebnis Sinn ergibt (Fakten korrekt, Tonalität passt, kein Blödsinn drin). Stichproben reichen oft: 50 von 500 Texten manuell checken, den Rest direkt übernehmen.

Vorher/Nachher: Wie sieht der Unterschied aus?

So sieht der Unterschied typischerweise aus (illustratives Beispiel):

Vorher (Rohdaten aus JTL-Wawi): „Wanderschuh Modell GTX 2000, wasserdicht, Gore-Tex, Vibram-Sohle, Obermaterial Nubukleder, Größe 42“

Nachher (strukturierter Produkttext): „Der GTX 2000 ist ein wasserdichter Wanderschuh für anspruchsvolle Touren. Die atmungsaktive Gore-Tex-Membran hält deine Füße trocken, während die Vibram-Sohle auch auf rutschigem Untergrund Grip liefert. Das verstärkte Obermaterial aus Nubukleder schützt vor Steinen und Wurzeln. Ideal für mehrtägige Trekkingtouren mit schwerem Gepäck.

Material: Nubukleder, Gore-Tex-Membran, Vibram-Sohle
Einsatzbereich: Trekking, Fernwanderwege, alpine Touren
Pflege: Mit lauwarmem Wasser reinigen, regelmäßig imprägnieren“

Das ist der Unterschied zwischen Rohdaten und verkaufsfähigem Content.

DSGVO-Check: Was du bei KI-Produkttexten beachten musst

Wenn du KI-Texte nutzt, ist der Datenfluss entscheidend. Wohin gehen deine Artikeldaten – und was passiert mit ihnen? Die Details zu ChatGPT, Claude und WawiCreatorSuite erklären wir hier.

Und deine Pflicht: Wenn du KI-Texte nutzt, musst du sie prüfen. Du darfst keine Fake-Daten (erfundene Zahlen, falsche Merkmale) veröffentlichen. KI halluziniert manchmal – deine Verantwortung, das zu checken.

Checkliste: Ist dein JTL-Shop bereit für KI-Artikeltexte?

Fünf Checks vor dem Start.

Erstens, wie viele Texte fehlen? Nutze eine Shop-Analyse – sie zeigt dir, wo Texte fehlen, zu kurz sind oder Meta-Descriptions leer. Wenn 50+ Lücken klaffen, lohnt sich der Aufwand.

Zweitens, hast du klare Parameter? Tonalität (du/Sie), Keyword-Fokus, Textlänge. Ohne Vorgaben produziert KI Einheitsbrei. Mit Vorgaben produziert sie Texte, die zu deiner Marke passen.

Drittens, hast du Zeit für die Qualitätskontrolle? KI generiert schnell – aber jemand muss prüfen, ob das Ergebnis Sinn ergibt. Plane 10-20% der Ersparnis für Qualitätskontrolle ein.

Viertens, ist DSGVO ein Thema? Wenn du sensible Produktdaten hast (B2B-Shops mit Kundennamen in Beschreibungen), prüf den Data-Flow. Die Details findest du im Modellvergleich-Artikel.

Fünftens, brauchst du eine Batch-Funktion? Bis 50 Artikel: Manuelle Pflege oder ChatGPT-Browser reichen. Ab 100 Artikel: Batch-Generierung spart Stunden. Die 7-Punkte-Formel für verkaufsstarke Produkttexte – unabhängig vom Tool – findest du hier.

Häufige Fragen zu KI-Artikelbeschreibungen in JTL-Wawi

Kann ich Artikelbeschreibungen in JTL-Wawi automatisiert erstellen?

Ja, spezialisierte Desktop-Tools greifen direkt auf die JTL-Wawi-Datenbank zu und generieren Artikelbeschreibungen per Batch-Verarbeitung in einem Durchlauf. Auch native Warenwirtschafts-KI-Funktionen sind verfügbar, haben aber oft Einschränkungen bei Batch-Verarbeitung.

Welches KI-Modell ist besser für Artikeltexte: Claude oder ChatGPT?

Claude Sonnet ist auf längere, strukturierte Texte optimiert. ChatGPT hat andere Stärken, beide sind für E-Commerce-Texte geeignet. Die Frage ist eher: Nutzt du KI manuell (Browser) oder integriert (Desktop-Tool mit Batch-Funktion)? Details dazu im Modellvergleich-Artikel.

Wie viele Artikelbeschreibungen kann ich pro Tag erstellen?

Mit Batch-Generierung sind 500+ Artikelbeschreibungen an einem Tag machbar. Manuelle Pflege in JTL-Wawi ist zeitaufwendiger (ca. 10-20 Texte/Tag).