Auf Google Central Live hat Danny Sullivan es auf eine Folie gebracht. Vier Punkte für Erfolg in der KI-Suche — und der wichtigste davon lautete: „More than anything else, unique, authentic, non-commodity content.“

Darunter, klein gedruckt: „These align with traditional SEO success, too.“

Beides stimmt. Und beides hilft einem Shopbetreiber mit einem Produktkatalog von tausend, zehntausend oder hunderttausend Artikeln zunächst wenig weiter. Denn die eigentliche Frage ist nicht, ob man einzigartigen Content braucht — sondern wie man das operativ umsetzt, ohne das Unternehmen lahmzulegen.

Dieser Artikel beantwortet genau das. Das Framework, das dabei herauskommt, funktioniert für 800 Produkte genauso wie für 800.000. Was sich ändert, ist das Werkzeug — nicht das Prinzip.

Was Google mit „non-commodity“ tatsächlich meint

Der Begriff klingt nach Marketingsprache, ist aber präzise gemeint. Commodity Content ist Text, der auf hundert anderen Shops genauso stehen könnte — weil er aus demselben Hersteller-Feed stammt, dieselben Attribute in derselben Reihenfolge auflistet und keine Information enthält, die nicht auch im Produktdatenblatt steht.

Non-commodity Content dagegen ist Text, der nur auf Ihrem Shop existieren kann — weil er aus Ihrer Erfahrung mit dem Produkt stammt: aus Verkaufsgesprächen, aus Kundenfragen, aus Retourgründen, aus dem Wissen darüber, für wen dieses Produkt geeignet ist und für wen nicht.

Der praktische Test ist simpel: Könnte dieser Satz identisch auf einem Konkurrenz-Shop stehen? Wenn ja — Commodity. Wenn nein — non-commodity.

Ein konkretes Beispiel

Commodity:
„Der Salomon X Ultra 4 überzeugt mit hervorragender Dämpfung und stabilem Halt auf jedem Untergrund.“

Non-commodity:
„Für Wanderer mit empfindlichen Kniegelenken empfehlen wir diesen Schuh ab einer Streckenlänge von über 15 Kilometern — darunter ist die steife Zwischensohle eher hinderlich als hilfreich. Wer kürzere, technisch anspruchsvolle Touren geht, greift besser zu einem flexibleren Modell.“

Der zweite Text setzt voraus, dass jemand den Schuh kennt, verkauft hat, Fragen dazu beantwortet hat. Er ist nicht aus einem Feed generierbar. Er ist nicht replizierbar. Und er beantwortet eine Frage, die ein Käufer mit echtem Kaufinteresse stellt — nicht eine Frage, die der Hersteller für relevant hält.

Woher non-commodity Content kommt — ohne ihn zu erfinden

Der häufigste Einwand lautet: „Wir haben keine Kapazität, alle Produkttexte neu zu schreiben.“ Das ist richtig — und auch gar nicht notwendig. Denn die Quelle für einzigartigen Content existiert in jedem Shop bereits. Sie ist nur nie systematisch genutzt worden.

Produktbewertungen

Was loben Käufer konkret? Was kritisieren sie? Bewertungen enthalten echte Nutzungserfahrungen in der Sprache der Zielgruppe — und genau das wertet Google als E-E-A-T-Signal. Ein Shop, der Bewertungsinhalte strukturiert in seine Produkttexte einarbeitet, schreibt keinen neuen Text — er verdichtet vorhandenes Wissen.

Support-Postfach und Chat-Protokolle

Welche Fragen kommen vor dem Kauf rein? „Passt das für Einsteiger?“, „Wie fällt die Größe aus?“, „Brauche ich noch Zubehör dazu?“ — diese Fragen sind die FAQPage-Blöcke, die KI-Systeme für konversationelle Suchanfragen benötigen. Kein Shop muss sie erfinden. Jeder Shop, der länger als zwei Jahre läuft, hat sie bereits beantwortet — nur nicht auf der Produktseite.

Retourgründe

Warum wird ein Produkt zurückgeschickt? Die Antwort enthält die wertvollste Information, die eine Produktseite liefern kann: für wen dieses Produkt nicht geeignet ist. Ein Satz wie „Dieses Modell fällt eine halbe Größe kleiner aus — wir empfehlen, eine Nummer größer zu bestellen“ reduziert Retouren und schafft Vertrauen. Kein Hersteller liefert das. Kein anderer Shop weiß es ohne eigene Retourendaten.

Interne Produktkenntnisse

Was fragen Kunden im Telefonverkauf oder im Ladengeschäft? Was erklärt das Verkaufsteam immer wieder? Dieses Wissen sitzt in den Köpfen von Mitarbeitern — und lässt sich mit einem strukturierten Interview oder einem einfachen Template in Produkttext übersetzen. Es ist die direkteste Form von non-commodity Content, weil sie nicht skalierbar kopierbar ist.

Das Tier-System: Priorisierung für jeden Katalog

Das Kernproblem bei der Umsetzung ist nicht fehlendes Wissen — es ist fehlende Priorisierung. Wer versucht, alle Produkte gleichzeitig zu verbessern, verbessert keines davon wirklich. Das Tier-System löst dieses Problem — und es skaliert, ob der Katalog 800 oder 800.000 Produkte umfasst.

Tier 1 — Die Prioritätsprodukte (ca. 5–10% des Katalogs)

Diese Produkte erhalten volle redaktionelle Behandlung. Welche das sind, entscheidet eine Kombination aus drei Faktoren: Umsatzanteil (welche Produkte machen den Großteil des Umsatzes?), Suchvolumen (für welche Produkte existiert messbarer organischer Suchbedarf?) und Wettbewerbsdichte (wo rangiert Amazon, Zalando oder ein Marktführer auf Platz 1?).

Für Tier-1-Produkte bedeutet non-commodity Content konkret: ein Kaufberatungsblock, der erklärt für wen und wofür, ein FAQ-Abschnitt aus echten Käuferfragen, eine Einordnung im Sortiment („Wann nehme ich dieses Modell, wann das günstigere daneben?“), Vertrauenselemente direkt auf der Seite — und Schema Markup, das all das maschinenlesbar macht.

Tier 2 — Die Wachstumskandidaten (ca. 15–25% des Katalogs)

Produkte, die bereits organischen Traffic generieren oder bei denen Potenzial erkennbar ist, ohne dass voller redaktioneller Aufwand gerechtfertigt wäre. Hier arbeitet man mit strukturierten Templates: ein definierter Prompt, der das Schreiben — ob durch Mitarbeiter oder KI-Unterstützung — in eine Richtung zwingt, die Commodity verhindert.

Das Template stellt mindestens drei Fragen, die beantwortet werden müssen: Für wen ist dieses Produkt konkret geeignet? Was unterscheidet es vom günstigeren Modell im selben Shop? Welche Frage wird am häufigsten vor dem Kauf gestellt — und wie lautet die ehrliche Antwort?

Wichtig: KI-Unterstützung ist hier ein vertretbares Mittel — aber jeder Text wird gegengelesen. Massenhafter, unkontrollierter KI-Output ohne menschliche Prüfung ist einer der dokumentierten Gründe für Penalties durch Googles Scaled Content Abuse Policy.

Tier 3 — Der Basiskatalog (der Rest)

Saubere technische Attribute, vollständiges Schema Markup, keine neuen Texte — außer ein Produkt beginnt organisch zu ranken oder steigt in den Umsatz-Rankings auf. Dann rückt es in Tier 2 auf. Das ist kein Aufgeben, sondern Ressourcensteuerung: Energie dort einsetzen, wo sie Wirkung entfaltet.

Was sich mit der Kataloggröße ändert — und was nicht

Das Tier-Prinzip ist unabhängig von der Kataloggröße gültig. Ein Shop mit 800 Produkten und einer mit 800.000 stehen vor derselben Grundfrage: Wo investiere ich, wo reicht das Minimum? Was sich unterscheidet, ist die Infrastruktur, die die Priorisierung und Umsetzung ermöglicht.

Bis ca. 5.000 Produkte

Manuelle Priorisierung ist realistisch. Eine Exportliste aus dem Shop-System, sortiert nach Umsatz und organischem Traffic aus der GSC, genügt als Grundlage. Tier 1 lässt sich mit einem kleinen Team oder externer Unterstützung abarbeiten.

5.000 bis 50.000 Produkte

Hier braucht es systematisches Template-Management. Produkttypen werden klassifiziert, für jede Kategorie existiert ein eigenes Briefing-Template. Die Priorisierung läuft datenbankgestützt — welche Produkte haben Suchvolumen, welche haben Bewertungen, welche haben Support-Anfragen generiert? Diese Daten bestimmen die Tier-Einstufung, nicht Bauchgefühl.

Über 50.000 Produkte

Ab dieser Größe ist manuelle Tier-1-Behandlung für alle Top-Produkte nur mit dediziertem Content-Team realistisch. KI-gestützte Generierung für Tier 2 und 3 wird zur Notwendigkeit — aber mit einer klaren Qualitätskontroll-Pipeline: automatisiertes Flagging bei erkannten Duplicate-Content-Mustern, stichprobenartige menschliche Prüfung, A/B-Tests auf ausgewählten Kategorien. Das Ziel bleibt dasselbe, die Werkzeuge werden industrialisiert.

Der entscheidende Punkt: Die Logik skaliert, das Werkzeug nicht. Wer das Tier-System versteht, kann es auf jeden Katalog anwenden — und weiß gleichzeitig, welche Infrastruktur er dafür aufbauen muss.

Was sich operativ sofort umsetzen lässt

Unabhängig von Kataloggröße und verfügbaren Ressourcen gibt es drei Maßnahmen, die ohne großen Vorlauf beginnen können:

Schritt 1 — Tier-1-Liste erstellen: Shop-Export nach Umsatz der letzten zwölf Monate, kombiniert mit organischem Traffic aus der Google Search Console. Die Schnittmenge aus beidem ergibt die Produkte, bei denen Investition die höchste Hebelwirkung hat. Diese Liste zu erstellen dauert einen halben Tag.

Schritt 2 — Quellen anzapfen: Support-Postfach der letzten sechs Monate nach wiederkehrenden Fragen durchsuchen. Produktbewertungen der Top-50-Produkte sichten. Retourgründe aus dem Shop-System exportieren. Das ist kein Schreiben — das ist Sammeln. Die Rohdaten für non-commodity Content sind bereits vorhanden.

Schritt 3 — Template definieren: Für die erste Produktkategorie ein Briefing-Template erstellen, das die drei Pflichtfragen vorgibt. Dieses Template auf fünf Tier-1-Produkte anwenden, Ergebnisse auswerten, Template anpassen. Danach ausrollen.

Kein Shop muss mit dem gesamten Katalog starten. Fünf Produktseiten mit echter Kaufberatungstiefe sind wertvoller als fünfhundert überarbeitete Hersteller-Texte.

Fazit: Präzision schlägt Perfektion

Danny Sullivan hat recht — non-commodity Content ist der wichtigste Einzelfaktor für Sichtbarkeit in der KI-Suche. Aber die operative Konsequenz ist nicht „schreibt alles neu“. Sie lautet: Wissen Sie, welche  Produkte den Kern Ihres Umsatzes tragen — und haben diese Produktseiten Text, den kein Konkurrent kopieren kann?

Wenn ja, sind Sie besser aufgestellt als die meisten Shops, unabhängig von der Kataloggröße. Wenn nein, ist das der konkrete nächste Schritt — kein Gesamtprojekt, sondern ein präziser Einstieg.

Perfektion für alle Produkte ist weder möglich noch notwendig. Präzision für die richtigen Produkte ist beides.

Quellen und weiterführende Dokumentation