48% der Amazon-Verkäufer gaben an, KI-Tools bereits in ihrem Geschäft eingesetzt zu haben, laut Jungle Scouts Bericht State of the Amazon Seller 2025Quelle ↗
34% der Amazon-Verkäufer nutzen KI vor allem zum Schreiben und Optimieren von Produkt-Listings, 14% für Marketing- und Social-Media-InhalteQuelle ↗
Mehr als 900.000 Amazon-Verkaufspartner haben die generativen KI-Tools für Listings genutzt, und Verkäufer, die sie einsetzen, erzielen laut Amazon eine um 40% höhere Gesamtqualität ihrer ListingsQuelle ↗
Die finale FTC-Regel von 2024 verbietet gefälschte und KI-generierte Verbraucherbewertungen und Erfahrungsberichte, mit Bußgeldern von 51.744 US-Dollar pro VerstoßQuelle ↗
SchreibenClaudeChatGPT

Titel, Bulletpoints und Beschreibung eines Listings aus echten Spezifikationen entwerfen

Eine neue SKU oder ein müdes Listing bedeutet, vor einer leeren Detailseite zu sitzen, und das Schreiben von Titel, fünf Bulletpoints und Beschreibung ist die häufigste Aufgabe, die Verkäufer an KI übergeben (34% nutzen sie vor allem dafür). Der Haken: Jede Zeile ist eine Werbeaussage — eine falsche Maßangabe, ein falsches Material oder eine falsche Kompatibilitätsangabe wird zur Retoure und zur Ein-Stern-Bewertung. Die Lösung ist Grounding: Füttern Sie das Modell nur mit Ihrem echten Datenblatt, damit es den Text ordnet, ohne Fakten zu erfinden.

Prompt
Du bist Texter für Produkt-Listings auf {{marketplace}}. Schreibe ein Produkt-Listing, das ich noch bearbeiten werde — kein fertiger Text — für das unten stehende Produkt.

Produktart: {{product_type}}

Geprüftes Datenblatt — die EINZIGEN Fakten, Maße, Materialien und Kompatibilitätsangaben, die du verwenden darfst: {{specs}}

Ziel-Keywords, die natürlich eingebaut werden sollen (kein Keyword-Stuffing): {{keywords}}

Erstelle:
- Einen Titel im Format und innerhalb des Zeichenlimits des Marktplatzes, beginnend mit der Marke und den meistgesuchten Merkmalen.
- Fünf nutzenorientierte Bulletpoints, jeweils verknüpft mit einem echten Merkmal aus dem Datenblatt.
- Eine kurze Beschreibung (100-150 Wörter) in klarer, überfliegbarer Sprache.

Regeln:
- Verwende ausschließlich die von mir angegebenen Spezifikationen. Erfinde keine Maße, Materialien, Gewichte, Zertifizierungen, „compatible with“-Aussagen oder Lieferumfangsangaben. Wenn eine stärkere Aussage einen Fakt benötigt, den ich dir nicht gegeben habe, schreibe stattdessen [VERIFY: was zu prüfen ist].
- Mache keine verbotenen Aussagen: keine medizinischen, gesundheitsbezogenen oder „heilt/behandelt“-Formulierungen; keine Superlative wie „best“, „#1“ oder „top-rated“; keine „Made in USA“- oder Sicherheitszertifizierungs-Aussage, sofern sie nicht in meinen Spezifikationen steht.
- Halte dich an den nativen Stil des Marktplatzes und vermeide Hype-Wörter wie „revolutionary“ oder „game-changing“.
- Liste nach dem Listing jede Aussage auf, die ein Mensch vor der Veröffentlichung noch belegen sollte.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

PlanungClaudeChatGPT

Einen Keyword-Export in eine SEO-Struktur und Backend-Suchbegriffe verwandeln

Sichtbarkeit in der Marktplatzsuche entsteht dadurch, dass die richtigen Begriffe in den richtigen Feldern stehen — Titel, Bulletpoints und das versteckte Backend-Suchbegriff-Feld. Sie haben einen rohen Keyword-Export aus einem Recherche-Tool, aber Hunderte Begriffe von Hand zu einer Strategie zu ordnen ist mühsam. KI ist gut im Clustern und Platzieren — solange sie ausschließlich mit Ihrem echten Export arbeitet und niemals Suchvolumen oder Begriffe erfindet.

Prompt
Du bist Amazon-SEO-Stratege. Erstelle einen Keyword-Platzierungsplan aus dem folgenden Export. Verwende NUR die Keywords aus diesen Daten.

Keyword-Export (Begriffe mit Suchvolumen oder Relevanz, eingefügt aus meinem Recherche-Tool): {{keyword_export}}

Produktfakten (damit du die Relevanz beurteilen kannst): {{product_facts}}

Byte-Limit des Backend-Suchbegriff-Felds: {{byte_limit}}

Erstelle:
1. Eine geclusterte Keyword-Karte: Primärbegriffe, Sekundärbegriffe und Long-Tail-Varianten, nach Thema gruppiert.
2. Platzierung — welches Cluster in den Titel gehört, welches in die Bulletpoints und welches ins Backend-Feld.
3. Einen Backend-Suchbegriff-String innerhalb des Byte-Limits: kleingeschrieben, durch Leerzeichen getrennt, keine Kommas, keine Wortwiederholungen, keine Wörter, die bereits im Titel stehen.
4. Eine kurze Liste von Begriffen aus meinem Export, die irrelevant oder riskant sind und gestrichen werden sollten.

Regeln:
- Verwende nur Keywords, die in meinem Export vorkommen. Erfinde keine Suchvolumen, füge keine neuen Keywords hinzu und importiere keine Begriffe aus deinem eigenen Wissen.
- Verwende niemals Namen von Konkurrenzmarken, geschützte Markenbegriffe oder Produktnamen anderer Marken — das verstößt gegen die Marktplatzrichtlinien und löst Sperrungen oder Beschwerden wegen geistigen Eigentums aus.
- Markiere jeden Begriff, der nicht wirklich zu diesem Produkt passt; irrelevante Keywords sind ein Relevanz- und Richtlinienrisiko, kein kostenloser Traffic.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

KommunikationClaudeChatGPT

Antworten auf Kundennachrichten und Bewertungen entwerfen

Käuferfragen, Beschwerden und öffentliche Bewertungen stapeln sich gegen eine tickende SLA (Amazon erwartet eine Antwort innerhalb von 24 Stunden), und jede Antwort ist öffentlich oder halböffentlich und bleibt bestehen. Rund 12% der Verkäufer nutzen bereits KI für den Kundenservice — die sensibelste Anwendung auf dieser Liste. Sorgfältig eingesetzt sortiert KI die Warteschlange und entwirft markengerechte Antworten, die ein Mensch freigibt — sie postet niemals von selbst.

Prompt
Du bist Kundenservice-Assistent für {{store_name}}, dessen Tonalität lautet: {{brand_voice}}. Unten stehen eingehende Käufernachrichten und Bewertungen. Für jede einzelne:
- Klassifiziere sie: Frage / Beschwerde / Rückgabeanfrage / positive Bewertung / negative Bewertung / Richtlinien- oder Rechtsrisiko.
- Entwirf eine kurze Antwort in unserer Tonalität, AUSSER bei allem, was Verletzungen, Sicherheit, rechtliche Drohungen oder eine Marktplatz-Reklamation (Amazon A-bis-z-Garantie, Chargeback) betrifft — schreibe dafür stattdessen [ESCALATE] und einen einzeiligen Grund statt einer Antwort.

Richtlinien, die du verwenden darfst (und nichts darüber hinaus): {{policies}}

Nachrichten und Bewertungen: {{messages}}

Regeln:
- Versprich niemals eine Rückerstattung, einen Rabatt, einen Ersatz oder ein Lieferdatum, das nicht in den obigen Richtlinien steht. Wenn eine gute Antwort einen Fakt oder eine Richtlinie benötigt, die ich dir nicht gegeben habe, schreibe [NEED POLICY: was du brauchst].
- Gib niemals ein Verschulden zu, das du nicht überprüfen kannst, und erfinde niemals eine Entschuldigung für etwas, das nicht passiert ist.
- Bedanke dich bei einer negativen Bewertung beim Käufer, erkenne das Problem an und biete an, es über unseren regulären Support-Kanal in Ordnung zu bringen. Biete niemals etwas an — eine Rückerstattung, ein Geschenk, einen Rabatt oder ein kostenloses Produkt — im Austausch dafür, eine Bewertung zu ändern, zu entfernen oder zu posten.
- Halte Antworten kurz, warm und menschlich. Nimm den vollständigen Namen, die Adresse oder die Bestellnummer des Kunden nicht in den Entwurfstext auf.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

KreativesChatGPTClaude

Anzeigentext- und Überschriften-Varianten zum Testen generieren

Sponsored-Brands-Überschriften, marktplatzexterne Anzeigen und Promo-Texte brauchen alle viele Varianten innerhalb enger Zeichenlimits, und fünfzehn wirklich unterschiedliche Blickwinkel von Hand zu schreiben ist mühsam und kreist meist um eine Idee. Genau hier macht sich KI als Varianten-Maschine bezahlt — solange jede Option innerhalb Ihrer echten, belegbaren Aussagen und des Zeichenlimits der Plattform bleibt.

Prompt
Du bist E-Commerce-Werbetexter und erstellst Testvarianten von {{ad_type}} für {{ad_platform}}.

Das Produkt, das Angebot und die dahinterstehenden Fakten — verwende nur diese, erfinde keinen neuen Nutzen, keine neue Zahl und keine neue Aussage: {{offer_and_facts}}

Harte Vorgabe: Jede Variante muss {{char_limit}} oder kürzer sein. Zeige die Zeichenanzahl jeder Variante.

Erstelle 15 Varianten, jeweils drei zu jedem dieser fünf Blickwinkel, und kennzeichne jede mit ihrem Blickwinkel:
- Direkter Nutzen
- Neugier / offene Frage
- Einwandbehandlung oder Risikoumkehr
- Social Proof (nur wenn die Fakten einen echten, aktuellen Beleg enthalten)
- Konkret / zahlengeführt

Regeln:
- Jede Variante muss aus den von mir gegebenen Fakten begründbar sein. Wenn ein Blickwinkel keinen stützenden Fakt hat (zum Beispiel keine echte Bewertung oder Verkaufszahl), schreibe „no supporting fact provided“ statt einen zu erfinden.
- Keine Superlative, die die Fakten nicht stützen („best“, „#1“, „top-rated“), keine vorgetäuschte Dringlichkeit („only 2 left“, außer es stimmt), kein „clinically proven“ und keine erfundenen Bewertungen oder Rezensionszahlen.
- Variiere die Satzform, nicht nur die Wortreihenfolge.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

AnalyseClaudeChatGPTGemini

Retouren- und Bewertungsdaten in eine Produktverbesserungs-Zusammenfassung verwandeln

Retourengründe und Ein-bis-Drei-Sterne-Bewertungen sind der ehrliche Fahrplan für Ihre nächste Produktionscharge und Ihre Listing-Korrekturen, aber Hunderte davon von Hand zu lesen ist mühsam. Retouren kosten US-Händler 2025 schätzungsweise 850 Milliarden US-Dollar, und in den Daten dahinter verstecken sich die Lösungen. KI ist stark im Clustern der Themen — vorausgesetzt, sie arbeitet nur mit Ihren eingefügten, anonymisierten Daten und zitiert echte Formulierungen zurück, statt Ursachen zu erfinden.

Prompt
Du bist Produktanalyst für {{product_name}}. Unten stehen Retourengrund- und Bewertungsdaten. Analysiere AUSSCHLIESSLICH diese Daten — füge keine Ursachen oder Zahlen aus deinem eigenen Wissen hinzu.

Retourengrund-Export (anonymisiert): {{returns_export}}

Negative Bewertungen (anonymisiert): {{reviews}}

Erstelle:
1. Die wichtigsten Themen bei Retouren und Beschwerden, jeweils mit einer groben Anzahl und zwei wörtlichen Zitaten aus den Daten.
2. Eine Aufteilung jedes Themas in: Listing-/Erwartungskorrekturen (das Produkt ist in Ordnung, das Listing hat es überverkauft oder unzureichend beschrieben) vs. Produkt-/Qualitätskorrekturen vs. Größen-/Passformprobleme.
3. Eine priorisierte Kurzliste, was vor der nächsten Produktionscharge oder dem nächsten Listing-Update geändert werden sollte.

Regeln:
- Verwende nur die von mir eingefügten Daten. Erfinde keine Anzahlen, Prozentwerte oder Grundursachen. Zitiere die Kundenformulierungen wörtlich; paraphrasiere eine Beschwerde nicht zu etwas, das nicht gesagt wurde.
- Markiere jedes Thema, das nur ein- oder zweimal vorkommt, als [LOW EVIDENCE] — eine zu beobachtende Hypothese, kein Trend, nach dem gehandelt werden sollte.
- Wenn ein Eintrag eine Sicherheitsgefahr, Verletzung oder ein Mängelrisiko beschreibt, markiere ihn als [SAFETY — HUMAN REVIEW] und fasse ihn nicht in eine routinemäßige Listing-Anpassung.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

AutomatisierungClaudeChatGPT

Eine wiederverwendbare Listing-Vorlage und Markenstimme für Ihren Katalog erstellen

Bei Dutzenden oder Hunderten von SKUs sollte kein Listing bei einer leeren Seite beginnen, und eine uneinheitliche Stimme oder Bulletpoint-Struktur im gesamten Katalog wirkt unprofessionell und verwirrt Käufer. Das lässt sich einmalig lösen: Füttern Sie das Modell mit Ihren bestkonvertierenden Listings, lassen Sie es Struktur und Stimme in eine wiederverwendbare Vorlage plus einen einfügefertigen Prompt extrahieren, und jede zukünftige SKU startet markengerecht. Der Effekt summiert sich — einmal aufbauen, pro Produkt anwenden.

Prompt
Du bist Analyst für Listing-Systeme. Unten stehen {{count}} meiner leistungsstärksten Listings in der Kategorie {{category}}. Analysiere nur diese Beispiele und erstelle eine wiederverwendbare Vorlage.

Freigegebene Beispiel-Listings: {{samples}}

Erstelle:
1. Eine Titelformel, die die Reihenfolge der Elemente zeigt (Marke, Hauptmerkmal, Größe, Anwendungsfall), abgeleitet aus den Beispielen.
2. Eine Bulletpoint-Struktur — wie viele, was jeder typischerweise abdeckt, und der Einleitungsstil (z. B. großgeschriebener Einstieg).
3. Stimm-Notizen — Satzlänge, Wörter, die wir verwenden, Wörter, die wir vermeiden — mit einem kurzen Beispiel für jedes.
4. Eine wiederverwendbare Listing-Vorlage mit klar markierten {{slots}} für die SKU-spezifischen Fakten, die ich ausfüllen muss (Maße, Materialien, Kompatibilität, Lieferumfang), plus einem einfügefertigen System-Prompt für zukünftige Entwürfe.

Regeln:
- Stütze jede Regel auf ein Muster, das tatsächlich in den Beispielen vorkommt. Markiere alles, was du eher folgerst als beobachtest, mit [ASSUMPTION].
- Lasse die Fakten-Platzhalter leer — die Vorlage muss mich zwingen, die echten Spezifikationen jeder SKU einzutragen, niemals Fakten von einem anderen Produkt zu übernehmen.
- Schreibe keine Aussagen in die Vorlage selbst; sie ist eine Struktur, kein Satz von Fakten.

Tragen Sie Ihre Angaben ein — der Prompt aktualisiert sich live. Dann kopieren.

Was E-Commerce-Verkäufer häufig fragen

Sind KI-geschriebene Produkt-Listings auf Amazon und Etsy überhaupt erlaubt?

Ja, und beide Marktplätze bieten sogar eigene KI-Tools an — allerdings mit Bedingungen. Amazon behandelt KI-generierte Inhalte so, als hätten Sie sie selbst geschrieben, sodass Sie für die Richtigkeit und Richtlinienkonformität jeder Aussage voll verantwortlich sind; übertriebene oder falsche Angaben können zur Sperrung eines Listings führen. Etsy erlaubt KI-unterstützte Arbeit, verlangt aber, die KI-Beteiligung in der Listing-Beschreibung offenzulegen und KI-erstellte Artikel unter „Designed by a seller“ zu listen, nicht unter „handmade“.

Darf ich KI nutzen, um Bewertungen zu schreiben oder zu beantworten?

Sie können KI nutzen, um Ihre öffentliche Antwort auf eine Bewertung zu entwerfen, die dann ein Mensch freigibt, aber Sie dürfen sie niemals nutzen, um die Bewertung selbst zu schreiben oder zu generieren. Die finale FTC-Regel von 2024 verbietet gefälschte und KI-generierte Verbraucherbewertungen und Erfahrungsberichte, mit Bußgeldern von 51.744 US-Dollar pro Verstoß, und verbietet außerdem, einem Käufer irgendetwas Wertvolles anzubieten, damit er eine Bewertung postet, ändert oder entfernt. Amazons eigene Richtlinien spiegeln das wider — entwerfen Sie Ihre Antwort, niemals die Bewertung.

Ist es sicher, Kundennachrichten oder Bestelldaten in ChatGPT einzufügen?

Nicht in Verbraucherkonten. Kostenlose Tools und Tools der Privatnutzer-Stufe können das Eingefügte speichern und zum Training des Modells verwenden, daher sollten Käufernamen, Adressen, E-Mails, Bestellnummern und Nachrichteninhalte nicht dort eingefügt werden. Anonymisieren Sie die Daten vor dem Einfügen und nutzen Sie für alles mit Kundendaten ein Enterprise- oder Zero-Retention-Tool, das Ihr Unternehmen freigegeben hat.

Wird KI E-Commerce-Verkäufer ersetzen?

Die Belege deuten auf Zeitersparnis hin, nicht auf Ersatz. KI entwirft Listings und Anzeigentexte und liest Retourendaten schneller, aber die Teile, die einen Shop erfolgreich machen — Beschaffung, Preisgestaltung, Marke, Lieferantenbeziehungen und die Überprüfung, dass jede Angabe und Aussage stimmt — bleiben menschlich. Und weil Sie für das haften, was Ihre Listings behaupten, muss weiterhin ein Mensch die Arbeit der Maschine prüfen, bevor sie live geht.

Verwandte Berufe