mobile.de

Als KI-Texte noch Neuland waren.

Die Aufgabe.

ür mobile.de haben ein Kollege von Bergholm.Studio und ich zunächst die Inhalte einer damals noch im Aufbau befindlichen E-Bike-Plattform entwickelt: Konzept, Themenplan, Texte und Bilder, komplett fertig für das CMS. Später folgte ein Experiment: Informationstexte zu den Modellreihen der Auto-Plattform sollten automatisiert mithilfe von KI entstehen. Damals gab es dafür noch kaum Standards oder Erfahrungswerte.

Die ganze Geschichte.

Manchmal führen alte Kontakte zu neuen Themen. Über die Agentur eines ehemaligen Kollegen aus meiner Zeit bei der Motorpresse kam der Auftrag von mobile.de. Für unser Netzwerk ergholm.studio war es der nächste größere Auftrag.

Teil 1: Die E-Bike-Plattform.

Los ging es mit der damals im Aufbau befindlichen E-Bike-Plattform von mobile.de. Die entscheidende Frage war: Welche Inhalte braucht so ein Portal, um für Einsteiger und Kaufinteressenten wirklich relevant zu sein? Wir erstellten im ersten Schritt ein redaktionelles Konzept mit einem detaillierten Themenplan. Anschließend produzierten wir das komplette Inhaltspaket inklusive passender Bilder. Die fertigen Beiträge konnte mobile.de direkt ins eigene CMS übernehmen.

Teil 2: Modelltexte per KI.

Weil die Zusammenarbeit gut lief, folgte über denselben Weg eine deutlich experimentellere Anfrage: Informationstexte zu jeder einzelnen Modellreihe der klassischen Auto-Plattform sollten automatisiert mit KI entstehen. Damals gab es dafür weder etablierte Standards noch erprobte Best Practices. Gemeinsam mit dem Team von mobile.de erarbeiteten wir Prompts und Textstrukturen, die faktenbasierte, suchmaschinenoptimierte und gut lesbare Modellbeschreibungen liefern sollten.

Schnell zeigte sich allerdings das eigentliche Problem: Die Qualität eines KI-Textes hängt an der Qualität seiner Daten. Technische Angaben wie Länge, Höhe oder Gewicht unterschieden sich je nach Quelle im Netz. Die KI übernahm diese Widersprüche und produzierte daraus Texte, die zwar plausibel klangen, aber nicht immer verlässlich waren. Wir arbeiteten deshalb nicht nur an den Prompts, sondern vor allem an der Struktur und der Datenbasis. Nach rund neun Monaten sind wir bei diesem Experiment ausgestiegen.

Was ich gelernt habe: Der Prompt ist nicht das Problem.

Bei den E-Bikes war alles klassisches redaktionelles Handwerk. Beim KI-Projekt gab es dagegen kein Handbuch, keine erprobten Standards und niemanden, der wusste, wie es geht. Wir mussten ausprobieren, verwerfen und neu justieren. Meine wichtigste Erkenntnis: Auch die beste KI kann aus schlechten Daten keine guten Fakten machen. Ein sauberer, verlässlicher Datensatz ist wichtiger als der ausgefeilteste Prompt. Daran hat sich bis heute nichts geändert.

Das Ergebnis.

Die E-Bike-Plattform ging mit unseren Inhalten online. 20 Blogartikel stammen aus unserer Feder. Das KI-Experiment endete für uns nach rund neun Monaten – nicht als fertige Lösung, aber als wertvoller Praxistest. Wir hatten erfahren, wo automatisierte Texterstellung an Grenzen stößt und welche Voraussetzungen sie braucht.

Für unser Team war es zugleich der Beweis, dass wir nicht nur bewährtes redaktionelles Handwerk beherrschen, sondern uns auch auf unbekanntes Terrain wagen.

Info.

mobile_de e-bike ratgeber