Italienische Produktseiten für KI-Assistenten: Was E-GEO zeigt und was die Studie nicht sagen kann

Daten und Berichte · Version 1.0 · Veröffentlicht am 9. Oktober 2026 · Aktualisiert am 9. Oktober 2026 · von Alessio Di Rubbo

Wenn ein KI-Assistent ein Produkt empfiehlt, wählt er aus wenigen Kandidaten aus und bringt sie in eine Reihenfolge. E-GEO, eine Studie von Forschenden des MIT und der Columbia University, hat gemessen, welche Umformulierungen der Produktbeschreibung einen Artikel in dieser Rangfolge nach oben bringen. Das für Händler nützlichste Ergebnis widerspricht der Intuition: Marketingtechniken verschlechtern die Position, eine sachliche, geordnete Beschreibung in den Worten der Käuferinnen und Käufer verbessert sie. Die Studie wurde allerdings nur auf Englisch durchgeführt. Diese Seite fasst zusammen, was sie gemessen hat, was sich daraus für italienische Produktseiten ableiten lässt und wo die Daten enden und meine Schlussfolgerungen beginnen.

Was die Studie gemessen hat

Die Autorinnen und Autoren haben 13.747 Kaufanfragen in natürlicher Sprache gesammelt, aus einem Reddit-Forum über langlebige Produkte, und jeder Anfrage 10 Produkte von Amazon zugeordnet¹. Die Anfragen sind lang, im Schnitt rund 59 Wörter, so wie man sie an einen Assistenten schreibt: Budget, geplante Nutzung, Erfahrungen mit früheren Produkten.

Für jede Anfrage ordnet ein Sprachmodell die 10 Produkte vom ersten bis zum zehnten Platz. Die Studie formuliert die Beschreibung eines der zehn um und misst, um wie viele Plätze es sich verschiebt. Damit die Ergebnisse nicht nur für ein System gelten, wurde die Rangfolge mit fünf verschiedenen Modellen berechnet: GPT-5, Claude Sonnet 4.5, Gemini 3 Flash, DeepSeek V3.2 und Llama 4 Maverick. Alle Werte auf dieser Seite sind Durchschnitte über 2.000 Testanfragen, angegeben in Plätzen von 10.

Was die Position verschlechtert

Die Autorinnen und Autoren haben 15 Umformulierungsstrategien getestet, angelehnt an verbreitete GEO-Ratschläge und alle mit demselben Modell, GPT-4.1, umgesetzt. Elf von fünfzehn schnitten schlechter ab als die einfache Anweisung, „die Beschreibung zu optimieren“². Einige ließen das Produkt deutlich abrutschen:

Mit der einfachen Anweisung mithalten konnten nur vier Strategien: zusätzliche häufige Fragen, Formatierung mit Überschriften und Listen, die Betonung der Alleinstellungsmerkmale und ein Format, das Modellantworten nachahmt. Selbst im besten dieser vier Fälle lag der Vorteil unter zwei Zehnteln eines Platzes.

Zwei Ergebnisse widerlegen verbreitete Annahmen. Mehr Text hilft nicht: Die Korrelation zwischen zusätzlicher Länge und Verbesserung ist praktisch null, und GPT-5, einer der beiden wirksamsten Umformulierer, kürzte die Beschreibungen im Schnitt um rund 14 Wörter. Eine Aufzählung hilft, aber wenig: im Mittel etwa ein Viertel Platz³.

Was die Position verbessert

Anschließend ließen die Autorinnen und Autoren einen Algorithmus die Umformulierungsanweisungen Schritt für Schritt anhand der Ergebnisse korrigieren. Ausgehend von fünfzehn sehr unterschiedlichen Strategien landete der Algorithmus jedes Mal beim selben Muster, das die Studie als „universell wirksame“ Strategie bezeichnet⁴:

• sachliche, konkrete Sprache, ohne unbelegbare Aussagen und ohne Verweise auf Wettbewerber;
• klare Abschnitte: wichtigste Merkmale, Vorteile, typische Einsatzfälle;
• jedes Merkmal mit einem Bedürfnis verknüpft, das Kaufinteressierte tatsächlich äußern;
• Suchbegriffe und Synonyme der Käuferinnen und Käufer, natürlich eingebaut und ohne erzwungene Wiederholungen;
• Antworten auf naheliegende Fragen: Haltbarkeit, Bedienung, Kompatibilität, Preis-Leistungs-Verhältnis.

Die Studie hat außerdem geprüft, ob diese Gewinne auf Manipulation beruhen. Erfundene Bewertungen, extreme Superlative und versteckte Anweisungen an das Modell wurden getestet: Die stärksten Modelle, GPT-5 und Claude, belohnten sie nicht, schon mit einer einzigen Abwehranweisung⁵. Das Fazit der Studie: In diesem Rahmen steigt ein Produkt durch bessere Kommunikation, nicht durch Tricks.

Was die Studie nicht sagen kann

Die Autorinnen und Autoren benennen die Grenzen klar, und zwei betreffen direkt, wer in Italien verkauft⁶.

Sie ist nur auf Englisch. Anfragen und Produktseiten sind englisch, das Publikum überwiegend nordamerikanisch. Die Studie hält ausdrücklich fest, dass ihre Ergebnisse ohne weitere Belege nicht auf andere Sprachen übertragen werden sollten. Keine Zahl aus E-GEO sagt, wie ein Assistent eine italienische Produktseite behandelt.

Sie misst nur die letzte Rangfolge. Die Studie setzt dort an, wo das Produkt bereits unter den 10 Kandidaten ist, und misst nur, wie sich seine Position verändert. Ob das Produkt überhaupt unter die Kandidaten kommt, misst sie nicht. Für eine übersetzte Produktseite ist genau das der heikle Schritt: Beschreibt die italienische Kundschaft das Produkt mit anderen Worten als die Seite, kommt das Produkt womöglich nie in die Rangfolge. Das ist meine Schlussfolgerung, kein Ergebnis der Studie, sie folgt aber aus der Art, wie die Studie selbst die Funktionsweise dieser Systeme beschreibt.

Zwei weitere Grenzen sind zu beachten. Alle Produkte stammen von Amazon, und die Studie bildet die Assistenten mit den Modellen nach, statt ChatGPT oder Gemini im realen Einsatz zu beobachten. Sie ist ein kontrollierter Versuchsaufbau, keine Marktmessung.

Was ich daraus für italienische Produktseiten ableite

Das Folgende hat E-GEO für das Italienische nicht nachgewiesen. So würde ich die Ergebnisse anwenden, mit Blick darauf, wo eine übersetzte Produktseite meist vom wirksamen Muster abweicht.

Verwenden Sie die Worte der italienischen Kundschaft, nicht die Übersetzung des deutschen Namens. Hier kann eine korrekte Übersetzung scheitern. Ein „Akku-Staubsauger“ wird wörtlich zum „aspirapolvere a batteria“, während viele italienische Käuferinnen und Käufer nach „scopa elettrica“ suchen. Die Studie belohnt die Begriffe und Synonyme, die Kaufinteressierte verwenden: In einer lokalisierten Seite müssen sie aus dem Italienischen kommen, nicht aus dem Ausgangstext.

Streichen Sie die Werbesprache, auch wenn der Ausgangstext sie hat. Werbesprache hat nach der kreativen Kurzgeschichte, die die Studie absichtlich als Negativkontrolle aufgenommen hat, die meisten Plätze gekostet. Ist die deutsche Produktseite wie ein Slogan geschrieben, überträgt eine treue Übersetzung denselben Mangel ins Italienische.

Lassen Sie keine fremden Wörter als Würze stehen. Getestet wurden fremdsprachige Ausdrücke, die absichtlich für einen Hauch von Raffinesse eingefügt wurden, nicht deutsche oder englische Wörter, die in einer Übersetzung stehen geblieben sind. Die Analogie stammt von mir: Ein „Must-have“ oder „Highlights“ auf der italienischen Seite liefert weder den Kaufinteressierten noch dem Modell, das die Seite liest, eine Information.

Fügen Sie bei der Lokalisierung keine Fakten hinzu und lassen Sie keine weg. Das wirksame Muster bewahrt die Fakten der Ausgangsseite und fügt keine Versprechen hinzu. Bei einer Lokalisierung ist das Risiko doppelt: eine technische Angabe, die in der Übersetzung verloren geht, oder eine Aussage, die ergänzt wird, damit der Text verkaufsstärker klingt.

Bauen Sie die Seite nach dem Muster auf. Ein Einleitungssatz, der sagt, was das Produkt ist und wofür es dient, die Merkmale als Liste mit klaren Bezeichnungen, die Einsatzfälle, zwei oder drei Fragen mit Antwort. Diese Struktur macht die Seite auch für Menschen leichter lesbar.

Häufige Fragen

Gilt E-GEO auch für Google?

Nein. Die Studie misst die Rangfolge, die Sprachmodelle beim Ordnen von Produkten erzeugen, nicht die Platzierung in den Google-Ergebnissen. Einige Empfehlungen decken sich mit guter SEO-Praxis, etwa die Begriffe der Suchenden und eine klare Struktur, doch die Studie prüft das nicht.

Sollte ich alle Produktseiten mit einem KI-Modell umschreiben?

Die Studie zeigt, dass das Ergebnis stark vom Modell und von der Anweisung abhängt: Mit einfachen Anweisungen verschlechterten manche Modelle die Seiten. Für das Italienische gilt eine zusätzliche Vorsicht, weil ein Modell gern in korrektes, aber übersetzt klingendes Italienisch umschreibt. Wenn Sie ein Modell einsetzen, sollte die Anweisung dem oben beschriebenen Muster folgen und das Ergebnis muttersprachlich geprüft werden.

Wie viel bringen häufige Fragen auf der Produktseite?

Für sich genommen wenig: Als einzelne Strategie brachten sie nur einen minimalen Vorteil. Wirksam sind sie als Teil des Gesamtmusters, wenn sie die Fragen beantworten, die sich Kaufinteressierte zu Haltbarkeit, Kompatibilität und Nutzung tatsächlich stellen.

Gibt es eine vergleichbare Studie auf Italienisch?

Meines Wissens nicht. E-GEO veröffentlicht Daten und Code, ein Experiment auf Italienisch ist also technisch möglich. Solange es fehlt, bleiben die Empfehlungen für das Italienische begründete Schlussfolgerungen, keine gemessenen Ergebnisse.

Quellen

• Bagga, P. S., Farias, V. F., Korkotashvili, T., Peng, T., Wu, Y. (2026). E-GEO: A Testbed for Generative Engine Optimization in E-Commerce. Preprint arXiv:2511.20867, Version 2 vom 14. Juli 2026.

Anmerkungen

1. Bagga et al. (2026), Abschnitt 4 und Tabelle 2.
2. Bagga et al. (2026), Abschnitt 5.3 und Tabelle 5. Durchschnittswerte über die fünf Modelle, mit GPT-4.1 als Umformulierer.
3. Bagga et al. (2026), Abschnitt 5.2.
4. Bagga et al. (2026), Abschnitt 5.5.
5. Bagga et al. (2026), Abschnitt 6.1.
6. Bagga et al. (2026), Abschnitte 3.2, 5.1 und 7.1.

Weiterführende Seiten

• Italienische Texte, die KI-Systeme zitieren können
• GEO-Glossar für italienische Inhalte
• Italienisches SEO und GEO für Marken und Agenturen aus dem DACH-Raum