Ein Muster, das wir wöchentlich beobachten: Ein Händler nutzt ChatGPT oder Claude, um seine Produkttitel und -beschreibungen für „besseres SEO” massenhaft umzuschreiben, lädt sie über Shopify Markets oder DataFeedWatch hoch, und innerhalb von 48 Stunden wird das GMC-Konto wegen misrepresentation oder untrustworthy promotions gesperrt.
Die Ablehnung erfolgt nicht, weil KI-Umschreibungen grundsätzlich falsch wären. Sie erfolgt, weil die Umschreibung außerhalb der Beschränkungen durchgeführt wurde, die Googles Prüfsystem durchsetzt. Hier sind die vier Fehlermodi, die wir am häufigsten sehen.
Fehler 1: erfundene Tatsachenbehauptungen
Der Klassiker. Ein Händler bittet ChatGPT, „diese Produktbeschreibung überzeugender umzuschreiben”. Das Modell - ein probabilistisches Sprachmodell, kein Faktenabgleich - füllt Lücken mit plausibel klingenden Details: „ergonomisches Design, getestet von Physiotherapeuten”, „aus nachhaltig bezogenen Materialien hergestellt”, „Gewinner des Red Dot Design Award 2023”. Nichts davon ist wahr. Der Händler lädt die Umschreibung ungeprüft hoch. Googles Prüfsystem - das Auszeichnungs-, Zertifizierungs- und Lieferantenangaben über seinen eigenen Knowledge Graph verifizieren kann - markiert die Listings als misrepresentation.
Lösung: Jede produktive KI-Umschreibungs-Pipeline muss faktische Erfindung explizit verbieten. Unser AI Feed Optimizer verwendet Prompts, die das LLM auf reine Umformulierung beschränken - niemals dürfen Behauptungen hinzugefügt werden, die nicht in der Quelle stehen. Produkte aus eingeschränkten Kategorien (Gesundheit, Nahrungsergänzungsmittel, Finanzen) erhalten die strengste Beschränkung und durchlaufen Opus-4.7 für rechtskonforme Sorgfalt.
Fehler 2: Title-Stuffing über Googles Qualitätsschwelle
Das alte SEO-Handbuch sagte „packen Sie Ihre 5 wichtigsten Keywords in den Titel”. Googles Prüfsystem 2026 wertet Title-Stuffing als Qualitätssignal - je mehr Keywords Sie hineinpacken, desto wahrscheinlicher wird das Listing als minderwertig markiert. Konkret: Listings, die etwa 70 % nicht-inhaltliche Wörter (Marke, Farbe, Größe, generische Adjektive) überschreiten, lösen ein automatisches Qualitäts-Flag aus.
Ein Titel wie „Premium Luxus Hochwertig Weich Baumwolle Komfortabel Stylisch Designer Herren T-Shirt Schwarz Large XL Bestes Geschenk Sale” wird markiert. Ein Titel wie „Acme Baumwoll-Rundhals-T-Shirt - Schwarz, Large” nicht.
Lösung: Optimieren Sie auf Klarheit, nicht auf Keyword-Dichte. Die Reihenfolge, die Googles Qualitätsmodell belohnt, lautet: Marke → Produkttyp → Hauptattribut → Sekundärattribut. Keywords, die nicht in dieses Schema passen, schaden den Rankings genauso, wie sie nutzen.
Fehler 3: GROSSBUCHSTABEN oder Werbesprache in Titeln
Häufiges Muster: Der Händler startet eine Aktion, bittet die KI, „die Titel für die Aktion aufmerksamkeitsstark zu machen”. Output: „🔥 BESTPREIS! Acme T-Shirt - 50 % RABATT - KOSTENLOSER VERSAND”.
Google verbietet Werbesprache in Feed-Titeln grundsätzlich. Das Feld [title] ist für die Produktbeschreibung gedacht, nicht für Werbung. Aktionspreise und Versandwerbung gehören in ihre eigenen strukturierten Felder (sale_price, shipping).
Lösung: Führen Sie auf jedem KI-generierten Titel einen deterministischen Nachprozess aus, der Emojis, GROSSBUCHSTABEN-Sequenzen über 3 Buchstaben und eine feste Liste von Werbe-Keywords (KOSTENLOS, SALE, BESTPREIS, RABATT, AKTION, JETZT, BEGRENZT) entfernt. Genau das macht unser Optimizer vor jedem Push.
Fehler 4: fehlende oder ungültige GTIN-/brand-Attribute
Wenn die KI ein Produkt umschreibt, lässt sie strukturierte Attribute manchmal fallen oder verändert sie nebenher. Die Felder [gtin], [brand] und [google_product_category] müssen stabil bleiben - auch wenn Titel und Beschreibung sich ändern.
Häufiger Bug: Die KI entfernt eine Markenreferenz aus dem Titel, der Händler nimmt an, das Feld werde nicht mehr gebraucht, und löscht das Attribut. Googles Prüfer verlangt [brand] für Markenprodukte und markiert fehlende Werte.
Lösung: Behandeln Sie strukturierte Attribute (gtin, mpn, brand, googleProductCategory, condition, ageGroup, gender, color, size) als separate Felder, die die KI nie anfasst. Nur Umschreibungen von [title], [description] und [image_link] sollen im Scope sein. Unser Optimizer macht diese Trennung auf Prompt-Ebene explizit.
Die richtige Architektur für KI-Feed-Umschreibungen
Reverse-Engineered aus Tausenden von Korrekturen, die wir über die Merchant API gefahren haben:
-
Pushen Sie Korrekturen an eine supplemental data source, niemals an den primären Feed. Google merged das Supplemental über das Primäre - daher ist das Zurücksetzen ein Klick:
dataSources.delete()lässt den Original-Feed innerhalb von Minuten wieder übernehmen. -
Lesen Sie via products.get zurück nach jedem Push. Verifizieren Sie, dass das gemergete Ergebnis die Änderung tatsächlich enthält. Manchmal lehnt Google supplementäre Felder stillschweigend ab - nur das Readback fängt das ab.
-
Vergleichen Sie die item-level issues vor und nach. Wenn neue Issues auftauchen (selten, aber kommt vor), automatisch zurückrollen. Wenn alte Issues bestehen bleiben, für menschliche Prüfung markieren.
-
Begrenzen Sie die LLM-Kosten pro Händler pro Monat. Nur eingeschränkte Kategorien und SKUs mit hohem Wert - lassen Sie den Optimizer nicht 10.000 umsatzschwache Produkte durcharbeiten und das Budget verbrennen.
-
Erzwingen Sie Validate-Modus für eingeschränkte Kategorien unabhängig vom Plan. Gesundheit, Pharma, Finanzen, Alkohol, Glücksspiel, Waffen. Auto-pilot ist hier zu riskant - die rechtliche Verantwortung für eine falsche Umschreibung gehört dem Händler, nicht dem Optimizer, aber nur, wenn der Händler die Umschreibung freigegeben hat.
Genau diese Architektur betreiben wir produktiv. Das Produkt ist GMC Guardian Auto-Fix, und das Design entspricht exakt den oben aufgeführten Beschränkungen, gehärtet in den API-Verträgen.
Probieren Sie den Validate-Modus-Optimizer kostenlos aus auf Ihren ersten 5 Produktumschreibungen - sehen Sie genau, welche Korrekturen wir vorschlagen würden, bevor Sie für irgendeinen Push bezahlen.