Mass Translate mit ChatGPT in Magento 2: Übersetzungen, SEO, Content-Moderation und interne Verlinkung

1. Juni 2026 Kowal

Praxisnahes Material dazu, wie sich Mass Translate mit ChatGPT in Magento 2 für Übersetzungen, SEO-Arbeit, JSON-Strukturen, technische Terminologie und die Bereinigung der Verlinkung zwischen Store Views nutzen lässt

Mass Translate mit ChatGPT für Magento 2 wird am einfachsten mit einer Aufgabe verbunden: der Übersetzung von Produkt- und Kategoriebeschreibungen in weitere Store Views. Das ist eine richtige Assoziation, aber zu eng gefasst. In der Praxis wird dieses Modul erst dann wirklich wertvoll, wenn wir es nicht als einfachen Übersetzer betrachten, sondern als Schicht für die serielle Verarbeitung von Inhalten in Magento.

In diesem Verständnis kann derselbe Mechanismus nicht nur die Lokalisierung des Katalogs übernehmen, sondern auch:

das Ergänzen fehlender Meta-Daten,
das Strukturieren von SEO-Feldern,
die Moderation und Normalisierung von Inhalten,
die Verarbeitung von Produktbeschreibungen nach strengen Regeln,
die Übersetzung spezialisierter technischer Inhalte,
redaktionelle Operationen an Blogbeiträgen,
den Austausch interner Links nach der Übersetzung von Inhalten.

Genau das zeigen die Prompts, die in den Shops von GERDA, VITCAS und Kowal verwendet werden. Ihr gemeinsamer Nenner ist einfach: Entscheidend ist nicht die Integration mit dem Modell selbst, sondern wie präzise wir die Aufgabe, das Datenformat und die Grenzen des AI-Einsatzes definieren.

Warum Mass Translate in Magento 2 nicht als gewöhnlicher Übersetzer behandelt werden sollte

In vielen Shops besteht das Problem nicht mehr darin, dass Inhalte übersetzt werden müssen. Das Problem besteht darin, dass sie nach einer konkreten Geschäftslogik verarbeitet werden müssen:

nur leere Felder ergänzen,
bestehende Daten nicht verändern,
HTML und Platzhalter beibehalten,
keine neuen Informationen hinzufügen,
terminologische Konsistenz wahren,
technische Felder von für den Nutzer sichtbaren Feldern unterscheiden,
die Aufgabe massenhaft und vorhersehbar ausführen.

An diesem Punkt wird das Modul Mass Translate mit ChatGPT zu einem Werkzeug für das Content-Management und nicht nur für die Übersetzung. Der Prompt ist kein Zusatz mehr. Er wird zur eigentlichen Logik des Prozesses.

Vollständige Prompt-Versionen können sehr umfangreich sein, aber schon kurze Ausschnitte zeigen gut, wie stark sich die Steuerung ausprägen lässt.

GERDA: Meta Title und Meta Description ergänzen, ohne den Produktinhalt zu verändern

Der für GERDA verwendete Prompt dient nicht der Übersetzung. Seine Aufgabe ist enger und dadurch sehr praxisnah: fehlende Felder Meta Title und Meta Description ergänzen, Meta Keywords bereinigen, aber den Rest des Datensatzes unberührt lassen.

Das ist ein gutes Beispiel für eine moderierende Operation an Produktdaten. Das Modell soll nicht kreativ sein. Es soll diszipliniert arbeiten und sich ausschließlich innerhalb der Grenzen der Eingabedaten bewegen.

Beispielhafter Prompt-Ausschnitt:

1. Ergänze `Meta Title` nur dann, wenn das Feld leer ist, fehlt oder den Wert null enthält.2. Ergänze `Meta Description` nur dann, wenn das Feld leer ist, fehlt oder den Wert null enthält.3. Bereinige das Feld `Meta Keywords`: - setze es immer auf eine leere Zeichenfolge ''4. Füge keine Informationen, Eigenschaften, Parameter, Versprechen oder technischen Daten hinzu, die in den Eingabedaten nicht enthalten sind.

In der Praxis erledigt ein solcher Prompt drei wichtige Dinge gleichzeitig:

er sichert die SEO-Qualität,
er überschreibt nicht den gesamten Katalog,
er erhält einen sicheren, seriellen Workflow auf JSONL-Basis.

Für Shops mit einer großen Anzahl von Datensätzen ist das oft wichtiger als die reine Übersetzung in eine weitere Sprache. Zuerst müssen die Daten strukturiert werden, erst danach werden sie lokalisiert.

Kowal: Übersetzung, Lokalisierung und kontrollierte Erweiterung von Inhalten

Der für Kowal vorbereitete Prompt zeigt den zweiten Pol der Einsatzmöglichkeiten. Hier geht es nicht nur um den Sprachwechsel, sondern darum, eine einzige Schicht zu schaffen für:

Übersetzung,
Lokalisierung,
und bei Bedarf auch kontrollierte Erweiterung von Inhalten.

Das ist wichtig, denn bei technologischen Inhalten reicht sprachliche Korrektheit allein nicht aus. Auch die technische Schicht darf nicht beschädigt werden. Wenn das Modell beginnt, URLs, Variablen, Klassennamen, API-Endpunkte oder Konfigurationsfragmente zu übersetzen, wird das Ergebnis schnell unbrauchbar.

Beispielhafter Prompt-Ausschnitt:

1. Behalte alle HTML-Tags unverändert bei.2. Übersetze nur für den Nutzer sichtbaren Text.3. Ändere keine URLs, Platzhalter, Dateinamen, Pfade, Befehle, Klassen, Methoden, Funktionen oder API-Endpunkte.4. Wenn der Text erweitert werden muss, erweitere ihn ausschließlich auf Grundlage der Informationen aus dem Quelltext.

Genau das ist der Punkt, an dem ein gewöhnlicher Befehl wie übersetze den Text nicht mehr ausreicht. In Magento muss sehr klar getrennt werden:

was Inhalt für den Nutzer ist,
was Systemstruktur ist,
was lokalisiert werden darf,
was das Modell nicht anfassen darf.

VITCAS: spezialisierte technische Übersetzungen statt wörtlicher Übertragung

VITCAS zeigt die dritte Ebene der Flexibilität: die Übersetzung spezialisierter Produktinhalte, bei denen ein allgemeines Sprachverständnis nicht ausreicht.

Der Produkt-Prompt für VITCAS ist um ein sehr konkretes Problem herum aufgebaut: britisches Englisch in der Branche für feuerfeste Materialien, Schornstein-, Ofen-, Gießerei- und Dämmprodukte darf nicht wörtlich übersetzt werden. Das Modell muss den Begriff zuerst im Branchenkontext korrekt verstehen und erst danach das passende marktübliche Äquivalent für das Zielland wählen.

Beispielhafter Prompt-Ausschnitt:

- “stove” usually refers to a heating stove, wood-burning stove, fireplace stove, room heater, or biomass heating appliance, not a kitchen cooker or oven- “fire cement” refers to a refractory sealing, jointing, setting, or repair compound, not structural construction cement- “board” does not automatically mean gypsum board- Always interpret ambiguous terms according to the refractory, fireplace, chimney, furnace, kiln, foundry, insulation, outdoor cooking, and high-temperature materials context

Das ist keine gewöhnliche Textübersetzung mehr. Das ist die Steuerung der Interpretation von Terminologie. Genau hier wird sichtbar, dass sich das Modul Mass Translate mit ChatGPT dort einsetzen lässt, wo branchenbezogene Bedeutungsmoderation und kontrollierte Terminologie für viele Märkte erforderlich sind.

VITCAS: Übersetzung von in JSON gespeicherten Blogbeiträgen

Ein weiterer Prompt für VITCAS betrifft Blogbeiträge aus dem Modul Amasty Blog. Auch hier sieht die Aufgabe wieder anders aus als bei der klassischen Übersetzung einer Produktbeschreibung, denn das Modell arbeitet mit einer Datenstruktur und nicht nur mit einem einzelnen Feld description.

Beispielhafter Prompt-Ausschnitt:

1. Gib ausschließlich korrektes JSON zurück.2. Behalte exakt dieselben JSON-Schlüssel bei.3. Übersetze ausschließlich für den Nutzer bestimmte Textwerte.4. Übersetze keine technischen Felder, Identifikatoren, URLs, Slugs und Konfigurationen.5. Behalte alle HTML-Tags unverändert bei.

Das ist wichtig, denn in Magento leben viele redaktionelle Daten in JSON-Dateien, Blogmodulen, CMS-Blöcken und anderen Strukturen, die sich mit einem zu allgemeinen Prompt nicht sicher verarbeiten lassen. Wenn das Modell keine klaren Regeln erhält, beschädigt es leicht technische Felder oder zerstört die Datenstruktur.

Woher kommt `llms.txt` und was hat das Modul AI Feed damit zu tun

Der interessanteste Fall beginnt dort, wo die Übersetzung bereits fertig ist, der Inhalt aber weiterhin redaktionelle Arbeit erfordert. Ein gutes Beispiel ist der Austausch interner Links nach der Übersetzung von Artikeln.

Damit eine solche Operation sicher ist, sollte das Modell URLs nicht erraten. Es braucht eine Quelle der Wahrheit. Genau hier kommt llms.txt ins Spiel.

Dateien vom Typ llms.txt entstehen nicht aus dem Nichts. Sie sind das Ergebnis der AI-Feed-Schicht, also eines Moduls wie Kowal AI Product Feed dla OpenAI Vector Store. Ein solches Modul bereitet öffentlich verfügbare, strukturierte Shop-Daten für AI-Systeme auf:

Produktlisten,
Kategorien,
FAQ,
CMS- und Blog-Inhalte,
die für eine bestimmte Store View passenden URLs,
sowie das Manifest llms.txt, das darauf verweist, wo diese Daten verfügbar sind.

In der Praxis funktioniert llms.txt als Einstiegspunkt für Modelle und AI-Agenten. Anstatt die Website blind zu scannen, können sie auslesen, wo sich die richtigen Feeds befinden und welche Datensätze Produkte, Kategorien oder Beiträge in der jeweiligen Sprache beschreiben. Genau diese Art von Infrastruktur ermöglicht schwierigere redaktionelle Aufgaben, ohne raten zu müssen.

VITCAS: Linkaustausch nach der Übersetzung von Artikeln dank `llms.txt`

Der für VITCAS vorbereitete Prompt zeigt, dass Mass Translate mit ChatGPT auch als Werkzeug zur Bereinigung fertiger Inhalte nach der Übersetzung dienen kann.

In diesem Fall besteht die Aufgabe darin:

die Zielsprache des Artikels zu erkennen,
interne Links zu analysieren, die aus der EN-Version übernommen wurden,
die richtigen Daten aus der entsprechenden Version von llms.txt auszulesen,
nur href zu ersetzen,
den Anchor-Text und die gesamte Artikelstruktur unverändert zu lassen,
keine Adressen zu erraten, wenn sich das entsprechende Äquivalent im Feed nicht bestätigen lässt.

Beispielhafter Prompt-Ausschnitt:

1. Ändere ausschließlich interne Links, die auf die Domain des VITCAS-Shops verweisen.2. Wenn du im Feed kein eindeutiges Äquivalent findest: - belasse die ursprüngliche URL unverändert, - rate nicht, - erstelle keine neue Adresse manuell.3. Ändere ausschließlich die Werte von `href` in -Links, wenn sie ersetzt werden müssen.

Das ist ein sehr starkes Beispiel, denn es zeigt etwas, das in Gesprächen über AI in Magento oft übersehen wird: Das Modell kann serielle Wartungsaufgaben an Inhalten ausführen und nicht nur neue Beschreibungen erstellen. In einem mehrsprachigen Shop kann eine solche Operation tatsächlich sehr wertvoll sein, weil nach der Übersetzung von Content auch die interne Verlinkung zwischen Store Views bereinigt werden muss.