Wie KI ein Unternehmen kreativer und profitabler machen kann

Unternehmen produzieren mehr Inhalte als je zuvor, doch viele tun sich nach wie vor schwer damit, Ideen zu entwickeln, die Kunden wahrnehmen, im Gedächtnis behalten oder auf die sie reagieren. Generative KI scheint hier eine Antwort zu bieten: Sie kann Texte entwerfen, Bilder erstellen, Forschungsergebnisse zusammenfassen, Kampagnen personalisieren und aus einem genehmigten Konzept Dutzende marktspezifischer Varianten entwickeln. Das kommerzielle Potenzial ist beträchtlich, wird aber auch leicht missverstanden.

KI sorgt nicht allein dadurch für Wachstum, dass sie einer Marketingabteilung dabei hilft, mehr Inhalte zu veröffentlichen. Sie schafft einen Mehrwert, wenn sie echte Engpässe beseitigt: indem sie die Kosten für die Produktvisualisierung senkt, die Kampagnenentwicklung verkürzt, die Lokalisierung wirtschaftlich rentabel macht oder es einem Team ermöglicht, mehr Ideen zu testen, bevor es sein Budget einsetzt.

McKinsey schätzt, dass generative KI einen Produktivitätsgewinn erzielen könnte, der zwischen 5 und 15 Prozent der gesamten Marketingausgaben entspricht. Gartner stellte fest, dass unter den Marketingabteilungen, die bereits generative KI einsetzen, 77 Prozent diese für die kreative Entwicklung nutzen. Doch Einführung ist nicht gleichbedeutend mit Ertrag. Gartner hat zudem festgestellt, dass Unternehmen nicht unbedingt signifikante geschäftliche Verbesserungen erzielen, nur weil sie ihren Mitarbeitern Zugang zu generativen Tools gewähren.

Diese Unterscheidung ist wichtig. Die Bereitstellung eines Bildgenerators oder eines Schreibassistenten für ein Kreativteam mag einzelnen Mitarbeitern zwar etwas Zeit sparen. Eine Neugestaltung des Prozesses, mit dem das Unternehmen kreative Arbeiten entwickelt, testet, genehmigt und verbreitet, kann jedoch die Wirtschaftlichkeit des gesamten Bereichs verändern.

Wo KI messbaren Mehrwert schafft

Die vielversprechendsten frühen Anwendungen kreativer KI zielen in der Regel darauf ab, eines von vier Problemen zu lösen: langsame Produktion, kostspielige Anpassungen, fragmentierte Informationen oder die Unmöglichkeit, genügend Ideen zu testen, bevor Mittel bereitgestellt werden.

Wenn die Kampagnenentwicklung zu lange dauert, kann KI den Teams dabei helfen, mehrere erste Ansätze zu entwickeln und zu visualisieren, bevor entschieden wird, welcher davon die vollständige Umsetzung verdient. Bislang hat eine Agentur oder eine interne Abteilung oft Tage damit verbracht, drei kreative Ansätze für eine Kampagnenpräsentation vorzubereiten. KI kann dem Team dabei helfen, ein viel breiteres Spektrum an Möglichkeiten auszuloten, bevor die Designer die vielversprechendsten Ideen weiter ausarbeiten.

Entscheidend ist nicht die Anzahl der entwickelten Konzepte. Entscheidend ist vielmehr die Zeitersparnis vom ersten Briefing bis zur Freigabe der kreativen Ausrichtung sowie eine etwaige Verbesserung der Entscheidungsqualität. Die Entwicklung von 50 mittelmäßigen Konzepten ist nicht wertvoller als die Entwicklung von fünf überzeugenden Konzepten.

Wenn die Lokalisierung den Engpass darstellt, kann KI freigegebenes Material für verschiedene Länder, Kundengruppen und Kanäle übersetzen und anpassen. Ein globales Unternehmen startet vielleicht mit einer einzigen Kampagne, benötigt jedoch in jedem Markt unterschiedliche Sprachen, Produktbezeichnungen, rechtliche Formulierungen, Formate und kulturelle Besonderheiten. Generative Tools können dabei helfen, diese Varianten zu erstellen, ohne dass Designer jedes Element manuell neu erstellen müssen.

Das Unternehmen sollte die Kosten und die Bearbeitungszeit pro Markt mit dem bisherigen Prozess vergleichen. Außerdem sollte es erfassen, in welchem Umfang manuelle Korrekturen erforderlich sind. Eine Übersetzung, die in Sekundenschnelle erstellt wird, ist nicht effizient, wenn lokale Teams Stunden damit verbringen, sprachliche Ungenauigkeiten oder sachliche Fehler zu korrigieren.

Wenn die Produktion von Produktbildern im erforderlichen Umfang zu kostspielig ist, können generative Tools kontrollierte Hintergründe, Kulissen und erste Entwürfe erstellen. Ein Möbelhersteller könnte denselben Stuhl in verschiedenen Einrichtungsumgebungen präsentieren. Ein Modehändler könnte alternative Kampagnenkulissen visualisieren, bevor er ein komplettes Fotoshooting organisiert. Ein Immobilienentwickler könnte erste Darstellungen verschiedener Gestaltungsrichtungen erstellen, bevor er endgültige Architekturaufnahmen in Auftrag gibt.

Der kommerzielle Wert sollte anhand der Kosten pro genehmigtem Bild, der Geschwindigkeit, mit der Produkte auf den Markt kommen, und gegebenenfalls der Auswirkungen auf die Kundenkonversion bewertet werden. Maßgeblich sind dabei nicht die Kosten für die Erstellung des ersten Bildes, sondern die Gesamtkosten für die Produktion eines Bildes, das korrekt, rechtlich verwertbar und zur Veröffentlichung geeignet ist.

Wenn die Kundenkommunikation zu allgemein gehalten ist, kann KI unterschiedliche Versionen erstellen, die auf den tatsächlichen Unterschieden in den Kundenbedürfnissen basieren. Eine Bank könnte beispielsweise denselben Anlage-Service einem erfahrenen Anleger anders erklären als einem Neukunden. Ein Hotel könnte gegenüber einem Geschäftsreisenden den zuverlässigen Internetzugang und den frühen Frühstücksservice hervorheben, während es einer Familie die Zimmer mit Verbindungstür und die flexiblen Essenszeiten in den Vordergrund stellt.

Der Maßstab für den Erfolg ist, ob die angepasste Kommunikation die Resonanz, die Konversionsrate, die Kundenbindung oder die Kundenzufriedenheit verbessert. Das Austauschen eines Fotos oder das Einfügen des Vornamens einer Person stellt keine sinnvolle Personalisierung dar, wenn das zugrunde liegende Angebot unverändert bleibt.

Wenn Designer zu viel Zeit damit verbringen, bestehende Arbeiten in der Größe anzupassen, neu zu formatieren oder zu überarbeiten, kann KI Routineaufgaben automatisieren und dabei die genehmigten Markenelemente beibehalten. Das ist zwar oft weniger glamourös, als ein Model zu bitten, eine Werbekampagne zu entwickeln, kann aber zu einer zuverlässigeren finanziellen Rendite führen.

Eine Marketingabteilung verfügt vielleicht bereits über eine überzeugende Kampagne, benötigt jedoch Varianten für soziale Medien, E-Mails, Websites, digitale Werbung, Verkaufsdisplays und verschiedene internationale Märkte. Durch die Automatisierung eines Teils dieser Produktion können Designer von sich wiederholenden Aufgaben entlastet werden.

Das Unternehmen sollte die Anzahl der eingesparten Produktionsstunden berechnen und festlegen, wie diese Stunden genutzt werden sollen. Wenn von den Mitarbeitern lediglich erwartet wird, mehr Material zu produzieren, hat das Unternehmen seinen Output gesteigert. Wenn sie ihre Zeit stattdessen für Kundenrecherchen, stärkere Konzepte oder vernachlässigte betriebswirtschaftliche Probleme nutzen können, hat sich möglicherweise die kreative Leistungsfähigkeit verbessert.

Wenn Kundenrecherchen schwer zu verwerten sind, weil sie über Interviews, Bewertungen, Umfragen und Verkaufsnotizen verstreut sind, kann KI dabei helfen, das Material zu ordnen und wiederkehrende Themen zu identifizieren. Ein Team könnte sie nutzen, um Kundenbeschwerden zu gruppieren, Interviewprotokolle zusammenzufassen oder Reaktionen auf verschiedene Produktkonzepte zu vergleichen.

Der Vorteil besteht darin, dass der Weg von den Rohdaten zu einem verwertbaren Kreativbriefing kürzer ist. Die Ergebnisse müssen jedoch weiterhin anhand des Ausgangsmaterials überprüft werden. Ein Modell kann den Kontext außer Acht lassen, Muster übertreiben oder eine vereinzelte Meinung so darstellen, als repräsentierte sie eine breite Kundengruppe.

Wenn Vertriebsteams immer wieder eigene Präsentationen und Angebote erstellen, kann KI dabei helfen, Entwürfe auf der Grundlage genehmigter Inhalte, Vorlagen und Produktinformationen zu erstellen. Dies kann insbesondere in Unternehmen der Bereiche professionelle Dienstleistungen, Finanzdienstleistungen, Technologie und Industrie von Nutzen sein, in denen Vertriebsmaterialien Standardinformationen mit für den jeweiligen Kunden relevanten Details kombinieren müssen.

Die relevanten Kriterien sind Vorbereitungszeit, sachliche Richtigkeit, Markenkonsistenz und die Einhaltung interner Vorschriften. Das System soll den Mitarbeitern dabei helfen, zuverlässiges Material zusammenzustellen, und nicht dazu dienen, unbegründete Behauptungen schneller zu erfinden.

Wenn die Erprobung von Ideen zu kostspielig ist, kann KI schließlich kostengünstige Prototypen erstellen, bevor das Unternehmen die Serienproduktion in Auftrag gibt. Ein Möbelunternehmen könnte beispielsweise verschiedene Oberflächenausführungen visualisieren, bevor es physische Muster anfertigen lässt. Ein Kosmetikunternehmen könnte verschiedene Kampagnenkonzepte testen, bevor es Fotoshootings organisiert. Eine Hotelgruppe könnte neue Zimmerkonzepte ausloten, bevor sie Designer und Bauunternehmer beauftragt.

Der Nutzen liegt in der Anzahl der getesteten, vielversprechenden Konzepte und in der Einsparung von Kosten, die sonst für wenig vielversprechende Ideen aufgewendet worden wären. KI ist besonders dann von Nutzen, wenn sie es dem Unternehmen ermöglicht, eine aussichtslose Richtung aufzugeben, bevor erhebliche Ressourcen dafür gebunden wurden.

Das Prinzip gilt für alle diese Anwendungsfälle gleichermaßen: Das Unternehmen sollte eine Verbesserung in Bezug auf Kosten, Geschwindigkeit, Qualität oder Kundenresonanz messen. Die Produktion einer größeren Materialmenge ist für sich genommen kein Beweis für einen Mehrwert.

Beginnen Sie mit dem Engpass, nicht mit der Technologie

Viele KI-Programme gehen von der falschen Frage aus: “Was können wir mit generativer KI machen?” Das veranlasst Teams dazu, eher nach eindrucksvollen Demonstrationen zu suchen als nach wirtschaftlich relevanten Problemen.

Ein besserer Ausgangspunkt ist es, herauszufinden, wo die kreative Arbeit derzeit langsam, kostspielig oder uneinheitlich verläuft. Das Unternehmen könnte feststellen, dass sein Hauptproblem nicht darin besteht, Ideen zu entwickeln, sondern die Zustimmung von fünf internen Abteilungen einzuholen. Möglicherweise verfügt es bereits über wirksame Kampagnen, es fehlt ihm jedoch an der Fähigkeit, diese an kleinere internationale Märkte anzupassen. Seine Designer sind möglicherweise mit Routineanfragen der Vertriebsteams überlastet. Die Produktentwicklungsabteilung lässt möglicherweise teure Prototypen anfertigen, bevor die Kundennachfrage getestet wurde.

Das Management sollte den bestehenden Prozess dokumentieren, bevor KI eingeführt wird. Bei einer Marketingkampagne könnte dies beispielsweise die Anzahl der Tage vom ersten Briefing bis zur ersten Präsentation der kreativen Entwürfe, den Zeitaufwand der Mitarbeiter und der Agentur, externe Produktionskosten, die Anzahl der Freigaberunden sowie die Leistung des Endergebnisses umfassen.

KI kann dann in einen bestimmten Teil dieses Prozesses integriert werden. Wenn ein Team bisher zehn Arbeitstage benötigte, um drei erste Kampagnenkonzepte zu entwickeln, könnte im Rahmen eines Pilotprojekts getestet werden, ob es möglich ist, innerhalb von fünf Tagen zehn plausible Konzepte zu entwickeln und zu bewerten.

Es geht nicht darum, zu beweisen, dass die Technologie beeindruckend ist. Vielmehr soll ermittelt werden, ob das neue Verfahren zu einer besseren Entscheidung bei geringeren Kosten führt.

Nutzen Sie KI, um die Anzahl der Ideen zu erhöhen – und nicht, um den Standard zu senken

Einer der deutlichsten Vorteile generativer KI besteht darin, dass sie Vielfalt kostengünstig ermöglicht. Ein Team kann statt drei gleich zehn Überschriften anfordern, verschiedene visuelle Welten erkunden oder unterschiedliche Erklärungsansätze für dasselbe Produkt ausprobieren.

Das bedeutet nicht, dass jede Variante den Kunden erreichen sollte. KI ist vor allem in der Divergenzphase von großem Wert, wenn das Unternehmen das Spektrum an Möglichkeiten erweitern möchte. Menschliches Urteilsvermögen gewinnt in der Konvergenzphase an Bedeutung, wenn das Team entscheidet, welche Ideen unverwechselbar, glaubwürdig und für die Marke geeignet sind.

Ein Finanzdienstleistungsunternehmen könnte beispielsweise KI nutzen, um verschiedene Erläuterungen zu einem komplexen Anlageprodukt zu erstellen: eine prägnante Version für erfahrene Anleger, eine leicht verständliche Version für Neukunden, eine visuelle Darstellung für soziale Medien und eine ausführlichere Version für Finanzberater.

Ein Compliance-Spezialist muss weiterhin jede wesentliche Aussage überprüfen. Ein Redakteur muss sicherstellen, dass die Vereinfachung nicht dazu geführt hat, dass die Mitteilung irreführend geworden ist. KI beschleunigt die Erstellung von Alternativen; sie übernimmt jedoch keine Verantwortung für die endgültige Mitteilung.

Das gleiche Prinzip gilt auch für das Produktdesign. Ein Möbelhersteller kann einen Stuhl schnell in verschiedenen Materialien, Proportionen und Wohnumgebungen visualisieren. Designer können diese Bilder nutzen, um mit Kunden oder der Geschäftsleitung die weitere Vorgehensweise zu besprechen, bevor teure technische Prototypen angefertigt werden. Das erzeugte Bild ist nicht das fertige Produkt. Es ist ein Instrument zur Entscheidungsfindung.

Kreativität beginnt schon vor der Aufgabenstellung

Die wichtigsten kreativen Entscheidungen werden in der Regel getroffen, bevor überhaupt ein KI-Tool geöffnet wird. Das Team muss das geschäftliche Problem identifizieren, den Kunden verstehen und festlegen, welche Lösung es entwickeln möchte.

Ein Auftrag kann eine unklare Markenpositionierung oder ein oberflächliches Briefing nicht ausgleichen. Wenn ein Unternehmen “eine Premium-Kampagne für jüngere Verbraucher” fordert, bleibt dem Agenturteam kaum etwas anderes übrig, als auf bekannte visuelle und sprachliche Konventionen zurückzugreifen. Das Ergebnis mag zwar ausgefeilt wirken, ähnelt aber den Arbeiten aller Mitbewerber, die denselben Auftrag erhalten haben.

Eine effektive, KI-gestützte Arbeit hängt von firmeneigenen Inputs ab: Kundenforschung, Produktwissen, Markengeschichte, kulturelles Verständnis, Leistungsdaten und das Urteilsvermögen von Menschen, die wissen, welche Konventionen zu befolgen und welche abzulehnen sind.

Das Modell sorgt für Schnelligkeit und Vielfalt. Das Unternehmen muss die Perspektive einbringen.

Aus diesem Grund können erfahrene Kreative möglicherweise mehr Nutzen aus generativen Systemen ziehen als Unternehmen, die darauf hoffen, kreatives Fachwissen zu umgehen. Ein erfahrener Art Director kann das vielversprechende Detail in einem unvollkommenen Bild erkennen. Ein Redakteur kann erkennen, welcher Entwurf ein originelles Argument enthält. Ein Produktdesigner versteht, ob ein visuell beeindruckendes Konzept tatsächlich hergestellt werden kann.

KI senkt die Kosten für die Generierung von Möglichkeiten, doch die Auswahl bleibt weiterhin Aufgabe menschlicher Fachkompetenz. Bei kreativer Arbeit liegt ein Großteil des kommerziellen Werts oft gerade in dieser Auswahl.

Personalisierung muss auf einem tatsächlichen Unterschied beruhen

Generative KI ermöglicht es, Inhalte für immer kleinere Zielgruppen zu erstellen, doch Personalisierung ist nur dann sinnvoll, wenn sich die Bedürfnisse der Kunden tatsächlich unterscheiden.

Ein Hotel sollte einer Familie und einem Geschäftsreisenden nicht einfach nur unterschiedliche Hintergrundbilder zeigen. Es sollte auf ihre unterschiedlichen Bedürfnisse eingehen. Die Familie benötigt möglicherweise Informationen zu Zimmern mit Verbindungstür, flexiblen Verpflegungsmöglichkeiten und Aktivitäten für Kinder. Dem Geschäftsreisenden sind hingegen ein zuverlässiger Internetzugang, ein frühes Frühstück und die Anfahrt zum Flughafen wichtig.

Sobald die Unterschiede ermittelt wurden, kann KI dabei helfen, die entsprechenden Varianten zu erstellen. Sie kann diese Unterschiede jedoch nicht zuverlässig erkennen, wenn die Kundendaten des Unternehmens unzureichend sind oder die Segmentierung nur oberflächlich erfolgt.

Ein sinnvoller Personalisierungsprozess beginnt damit, die Entscheidung des Kunden zu ermitteln. Was versucht er auszuwählen, zu verstehen oder zu erreichen? Anschließend sollte das Unternehmen feststellen, welche Bedürfnisse oder Einschränkungen eine Zielgruppe wesentlich von einer anderen unterscheiden.

Das Angebot lässt sich dann anpassen, indem man den Schwerpunkt auf andere Argumente, Vorteile oder Dienstleistungen legt. Schließlich sollte das Unternehmen das Ergebnis mit einer Kontrollgruppe vergleichen, indem es die Konversionsrate, das Engagement, die Wiederkaufrate oder einen anderen relevanten Indikator misst.

Dies ist von Bedeutung, da die Personalisierung durch KI aufdringlich werden kann. Ein Kunde mag zwar eine relevante Produktempfehlung begrüßen, hat jedoch möglicherweise Einwände gegen Mitteilungen, aus denen hervorgeht, wie genau das Unternehmen seine privaten Lebensumstände erschlossen hat. Die technische Möglichkeit zur Personalisierung bedeutet nicht automatisch, dass dies auch zulässig ist.

Konkrete Beispiele zeigen, worin der Mehrwert liegt

Die praktischen Anwendungsmöglichkeiten kreativer KI lassen sich bereits in großen Unternehmen beobachten, wobei Fallstudien von Anbietern jedoch als gemeldete Ergebnisse und nicht als unabhängiger Beweis dafür betrachtet werden sollten, dass jedes Unternehmen die gleichen Ergebnisse erzielen wird.

Laut Adobe nutzte Gatorade die Firefly-Technologie des Unternehmens, um ein digitales Erlebnis zu ermöglichen, bei dem Kunden ihre Trinkflaschen individuell gestalten konnten. Das System erzeugte Hunderttausende von kontrollierten, markengerechten Designs. Dabei handelt es sich nicht einfach nur um ein Beispiel dafür, wie ein Designer ersetzt werden kann. Die KI machte es wirtschaftlich möglich, eine große Anzahl individueller Designs innerhalb der von der Marke festgelegten Parameter anzubieten.

Die gleiche Technologie lässt sich auch für weniger sichtbare Produktionsaufgaben einsetzen. Unternehmenssysteme können die Erstellung von Varianten von Inhalten für verschiedene Zielgruppen, Kanäle, Formate und geografische Märkte automatisieren. Der Mehrwert liegt darin, den manuellen Aufwand zu reduzieren, der erforderlich ist, um aus einer genehmigten Idee ein vollständiges Kampagnensystem zu entwickeln.

Andere Unternehmen setzen generative KI bereits in einer viel früheren Phase des kreativen Prozesses ein. Ein Einzelhändler könnte beispielsweise eine geplante Kampagne visualisieren, bevor er Fotoshootings organisiert. Ein Konsumgüterhersteller könnte verschiedene Verpackungsentwürfe vergleichen, bevor er physische Prototypen in Auftrag gibt. Eine Agentur könnte eine umfassendere Darstellung einer Idee erstellen, bevor sie diese dem Kunden präsentiert.

Diese Beispiele stehen für drei verschiedene Geschäftsmodelle.

Der erste Punkt ist die operative Effizienz: die schnellere und einheitlichere Erstellung von Standard-Markenmaterial. Der zweite Punkt ist die Unterstützung bei kreativen Entscheidungen: die Visualisierung und Bewertung von Ideen, bevor größere Summen investiert werden. Der dritte Punkt ist die Kundenbeteiligung: Kunden die Möglichkeit zu geben, innerhalb eines kontrollierten Markenumfelds personalisierte Inhalte zu erstellen.

Unternehmen sollten genau festlegen, welches Modell sie verfolgen. Ein Tool, das eingeführt wurde, um den Aufwand für die Größenanpassung zu reduzieren, sollte nicht danach beurteilt werden, ob es bahnbrechende Kampagnenideen hervorbringt. Ein Service zur Kundenpersonalisierung sollte nicht allein anhand der Anzahl der Bilder gerechtfertigt werden, die er generieren kann.

Berechnen Sie die Gesamtkosten, nicht nur die Abonnementkosten

Generative KI wird häufig als kostengünstiger Ersatz für Produktionskosten dargestellt. Die Kosten für das Modell machen jedoch möglicherweise nur einen kleinen Teil der Gesamtkosten der Implementierung aus.

Ein realistischer Business Case sollte Softwarelizenzen oder Modellgebühren, die Integration in bestehende Systeme, Mitarbeiterschulungen, die Erstellung von Vorlagen und Markenrichtlinien, eine rechtliche Prüfung, die Qualitätssicherung durch Mitarbeiter, Sicherheitsmaßnahmen sowie die laufende Wartung umfassen.

Ein Unternehmen spart vielleicht 1.000 Produktionsstunden ein, benötigt aber 600 zusätzliche Stunden für die Überprüfung, Korrektur und Verwaltung des neuen Systems. Es mag zwar immer noch eine Einsparung geben, diese fällt jedoch geringer aus als in der Schlagzeile angegeben.

Entscheidend sind nicht die Kosten pro erstellter Ressource, sondern die Kosten pro genehmigter, korrekter und kommerziell nutzbarer Ressource.

Nehmen wir ein Unternehmen, das 100 lokalisierte Kampagnenelemente benötigt. Nach dem derzeitigen Verfahren betragen die durchschnittlichen Produktionskosten 200 € pro Element, was Gesamtkosten von 20.000 € und eine Bearbeitungszeit von sechs Wochen ergibt.

Im Rahmen eines KI-gestützten Prozesses würde das Unternehmen möglicherweise 2.000 € für Software und Datenverarbeitung, 4.000 € für Integration und Vorlagen sowie 6.000 € für die manuelle Überprüfung ausgeben. Die Gesamtkosten würden sich auf 12.000 € belaufen, wobei die Umsetzung innerhalb von drei Wochen abgeschlossen wäre.

In diesem hypothetischen Beispiel spart das Unternehmen 8.000 Euro bzw. 40 Prozent ein und halbiert gleichzeitig die Lieferzeit. Das ist ein stichhaltiges Geschäftsargument. Die Behauptung, die KI habe die ersten Entwürfe “innerhalb von Sekunden” erstellt, ist es hingegen nicht, da dabei der Arbeitsaufwand außer Acht gelassen wird, der erforderlich ist, um das Material nutzbar zu machen.

Ein praktisches 90-Tage-Pilotprojekt

Ein Unternehmen braucht kein unternehmensweites Transformationsprogramm, um loszulegen. Es braucht einen klar abgegrenzten Anwendungsfall, einen verantwortlichen Ansprechpartner und eine verlässliche Ausgangsbasis.

In den ersten 15 Tagen sollte das Unternehmen das Problem definieren. Es sollte eine wiederholbare, mit mäßigem Risiko verbundene Tätigkeit auswählen, wie beispielsweise die Anpassung bereits genehmigter Social-Media-Inhalte, die Zusammenfassung von Kundeninterviews, die Erstellung erster Produktvisualisierungen oder die Ausarbeitung interner Vertriebsunterlagen.

Die aktuellen Kosten, die Produktionszeit, die Fehlerquote und die Genehmigungsanforderungen sollten erfasst werden. Das Unternehmen sollte außerdem festlegen, welche Informationen das KI-System erhalten darf und welche nicht.

Zwischen Tag 16 und Tag 30 sollte das Team zwei oder drei Tools anhand realer Unternehmensaufgaben vergleichen, anstatt sich auf Vorführungen der Anbieter zu verlassen. Die Bewertung sollte die Ausgabequalität, Geschwindigkeit, Sicherheit, Lizenzierung, Datenaufbewahrung, Integration und den Korrekturaufwand umfassen.

Ein repräsentativer Testdatensatz kann zwischen 20 und 50 reale Beispiele enthalten. Er sollte schwierige und ungewöhnliche Fälle umfassen und nicht nur das Material, das am ehesten zu einem ansprechenden Ergebnis führt.

In den Tagen 31 bis 60 kann ein kleines, geschultes Team das ausgewählte System im Rahmen eines kontrollierten Arbeitsablaufs einsetzen. Die manuelle Überprüfung sollte weiterhin stattfinden, und Korrekturen sollten dokumentiert werden. Das Unternehmen sollte den KI-gestützten Prozess direkt mit dem bestehenden Prozess vergleichen.

Es ist wichtig, die Zeit zu messen, die bis zur endgültigen Genehmigung benötigt wird, und nicht nur die Zeit, die für die Erstellung eines ersten Entwurfs erforderlich ist.

Zwischen Tag 61 und Tag 75 sollte die Unternehmensleitung die insgesamt eingesparte Zeit, die Gesamtkosten, die Qualität, die Fehlerquote, die Akzeptanz bei den Mitarbeitern, die Kundenleistung sowie etwaige rechtliche oder sicherheitsrelevante Bedenken prüfen. Das Pilotprojekt sollte überarbeitet oder eingestellt werden, wenn das System mehr Prüf- und Korrekturarbeit verursacht, als es einspart.

In den letzten 15 Tagen kann das Unternehmen entscheiden, ob der Prozess ausgeweitet werden soll. Eine Ausweitung ist gerechtfertigt, wenn das Pilotprojekt eine wiederholbare Verbesserung nachweist und die erforderlichen Kontrollmechanismen vorhanden sind. Die nächste Phase könnte sich auf einen anderen Markt oder eine andere Produktkategorie beziehen, anstatt die Technologie sofort auf das gesamte Unternehmen auszuweiten.

Was weiterhin von Menschen gesteuert werden sollte

Eine glaubwürdige KI-Strategie legt auch fest, in welchen Bereichen die Technologie nicht die Führung übernehmen sollte.

Die endgültige Markenpositionierung sollte weiterhin in der Verantwortung von Personen liegen, die das Unternehmen und seinen Markt verstehen. Sensible Kommunikationsmaßnahmen im Zusammenhang mit Entlassungen, Krisen, schwerwiegenden Kundenbeschwerden oder erheblichen Reputationsproblemen erfordern menschliches Urteilsvermögen. Medizinische, rechtliche und finanzielle Angaben bedürfen einer qualifizierten Prüfung. Die ursprüngliche kreative Ausrichtung sollte nicht darauf reduziert werden, bereits erfolgreiche Inhalte immer wieder zu imitieren.

Der Grad der menschlichen Kontrolle sollte in Abhängigkeit von der Schwere eines Fehlers zunehmen.

Interne Ideenentwicklungen, grobe Entwürfe, Formatierungen und Besprechungsprotokolle stellen in der Regel Anwendungen mit geringerem Risiko dar. Eine oberflächliche Überprüfung kann ausreichend sein, sofern vertrauliche Informationen geschützt sind.

Öffentliche Marketingtexte, Produktbilder, Lokalisierung und personalisierte Kundenkommunikation sind mit einem moderaten Risiko verbunden. Sie erfordern in der Regel eine formelle Überprüfung hinsichtlich der Marke, der Sachverhalte und der rechtlichen Aspekte.

Regulierte Angaben, sensible Kundendaten, Kommunikation zu politischen Themen, Krisenmaterial und Inhalte, in denen echte Personen dargestellt werden, bergen höhere Risiken. Diese Anwendungsfälle erfordern eine Genehmigung durch Fachleute, dokumentierte Kontrollmaßnahmen und eine klare Verantwortungszuweisung.

Dieser abgestufte Ansatz verhindert, dass jeder Einsatz von KI in bürokratischen Hürden stecken bleibt, und stellt gleichzeitig sicher, dass wichtige Inhalte ordnungsgemäß geprüft werden.

Urheberrecht und kommerzielle Sicherheit können nicht nachträglich hinzugefügt werden

Generative KI wirft schwierige Fragen hinsichtlich Eigentumsrechten, Trainingsdaten und der Ähnlichkeit mit urheberrechtlich geschützten Werken auf. Unternehmen sollten nicht davon ausgehen, dass ein Ergebnis kommerziell unbedenklich ist, nur weil eine Plattform dessen Download ermöglicht.

Verträge mit KI-Anbietern müssen sorgfältig geprüft werden. Die Unternehmensleitung sollte sich darüber im Klaren sein, ob Kundendaten gespeichert werden, ob diese zum Trainieren der Systeme des Anbieters verwendet werden dürfen, welche rechtlichen Schutzmaßnahmen angeboten werden und wer die Verantwortung trägt, falls eine Ausgabe zu Streitigkeiten führt.

Auch Kreativteams benötigen praktische Regeln. Die Aufforderung an ein Model, den wiedererkennbaren Stil eines lebenden Künstlers nachzuahmen, kann ethische und rufschädigende Bedenken aufwerfen, selbst wenn die genaue rechtliche Lage umstritten ist. Generierte Personen, Stimmen und Ereignisse können das Publikum in die Irre führen, sofern ihre künstliche Natur nicht hinreichend deutlich gemacht wird.

Markensicherheit geht über das Urheberrecht hinaus. Ein System kann ungenaue Produktmerkmale, kulturell unangemessene Bilder oder Szenen generieren, die im Widerspruch zu den Werten des Unternehmens stehen. Bei der manuellen Überprüfung müssen daher Bedeutung und Kontext berücksichtigt werden und nicht nur, ob das Ergebnis technisch überzeugend aussieht.

Diese Kontrollmaßnahmen mögen den Eindruck erwecken, als würden sie die Umsetzung verlangsamen. Dennoch sind sie kostengünstiger als der Rückzug einer Kampagne, Rechtsstreitigkeiten oder die Erklärung, warum vertrauliches Material auf einen ungeeigneten Dienst hochgeladen wurde.

Kreative Berufe werden sich wandeln, bevor sie verschwinden

KI dürfte den Zeitaufwand für bestimmte Formen der Routineproduktion verringern. Einfache Anpassungen, erste Entwürfe, das Entfernen des Hintergrunds, Bilder im Stockfoto-Stil und Standard-Produktbeschreibungen lassen sich bereits mit weniger manuellem Aufwand erstellen.

Das bedeutet jedoch nicht, dass Kreativabteilungen überflüssig werden. Ihr Beitrag besteht zunehmend darin, Probleme zu definieren, Systeme zu steuern, Alternativen zu bewerten und kreative Entscheidungen mit der Geschäftsstrategie zu verknüpfen. Der Schwerpunkt verlagert sich von der reinen Umsetzung hin zur Urteilsfähigkeit.

Dies führt zu einem weniger offensichtlichen Managementproblem. Nachwuchskräfte haben ihr Urteilsvermögen traditionell durch die Ausführung von Produktionsaufgaben entwickelt: durch Recherchen, das Verfassen von Entwürfen, das Korrigieren von Fehlern und das Beobachten erfahrener Kollegen, wie diese ihre Arbeitsergebnisse verbessern. Wenn KI einen zu großen Teil dieser Arbeit übernimmt, können Unternehmen zwar kurzfristig Kosten senken, schwächen damit aber gleichzeitig die Entwicklung künftiger Fachkompetenzen.

Die Schulung muss daher über die Vermittlung von Kenntnissen zum Verfassen von Prompts hinausgehen. Die Mitarbeiter müssen verstehen, wie Modelle versagen, wie sich Ergebnisse überprüfen lassen, wie die Markendifferenzierung gewahrt bleibt und in welchen Fällen der Einsatz von KI unangemessen ist. Sie müssen über ausreichende Fachkenntnisse verfügen, um ein plausibles, aber fehlerhaftes Ergebnis zu erkennen.

Der Kreativprofi der Zukunft ist nicht einfach nur jemand, der mit Software schneller arbeitet. Es ist jemand, der in der Lage ist, ein umfassenderes Produktionssystem zu leiten, ohne die Verantwortung dafür abzugeben.

Was die Geschäftsleitung vor der Genehmigung einer Investition fragen sollte

Bevor sie ein Projekt im Bereich der kreativen KI genehmigen, sollten Führungskräfte in der Lage sein, einige grundlegende Fragen zu beantworten.

Welches bestehende geschäftliche Problem löst das System? Was kostet der derzeitige Prozess, und wie gut funktioniert er? Was wird sich für den Kunden verbessern? Anhand welcher finanziellen oder betrieblichen Kennzahlen lässt sich der Nutzen nachweisen? Welche Risiken in Bezug auf Daten, Urheberrecht und Sicherheit entstehen? In welchen Bereichen muss eine qualifizierte Person die Genehmigung erteilen? Wie einfach kann das Unternehmen den Anbieter wechseln oder zum bisherigen Prozess zurückkehren?

Ein Vorschlag, der diese Fragen nicht beantworten kann, ist wahrscheinlich eher ein technologisches Experiment als eine geschäftliche Initiative.

Die Unternehmensleitung sollte sich außerdem fragen, was das Unternehmen mit der eingesparten Zeit vorhat. Wenn KI routinemäßige Produktionsaufgaben reduziert, werden die Mitarbeiter dann mehr Kundenforschung betreiben, überzeugendere Konzepte entwickeln oder zusätzliche Märkte erschließen? Ohne eine bewusste Antwort darauf könnte der scheinbare Produktivitätsgewinn in einem größeren Umfang an Tätigkeiten mit geringem Mehrwert untergehen.

Der Kunde ist möglicherweise nicht an weiteren KI-Inhalten interessiert

Eine höhere Produktionskapazität ist keine Garantie für eine größere Nachfrage seitens der Kunden. Da synthetische Bilder, automatisiert erstellte Artikel und generierte Werbung immer häufiger vorkommen, reagieren die Zielgruppen möglicherweise empfindlicher auf Kommunikation, die sich generisch, irreführend oder unnötig künstlich anfühlt.

Ein Kunde legt möglicherweise Wert auf schnellere Übersetzungen, klarere Produktbeschreibungen oder einen Service, der ihm hilft, sich einen Kauf besser vorzustellen. Derselbe Kunde könnte jedoch negativ auf künstliche Kundenbewertungen, nicht als solche gekennzeichnete fiktive Personen oder allgemeine Artikel reagieren, die in erster Linie veröffentlicht werden, um Suchergebnisse zu füllen.

Der Service-Test ist ganz einfach: Erhält der Kunde etwas Nützlicheres, Relevanteres oder Zugänglicheres, oder senkt das Unternehmen lediglich seine eigenen Produktionskosten?

Die besten Anwendungen erfüllen beide Ziele. Sie verringern interne Reibungsverluste und verbessern gleichzeitig die Möglichkeiten des Kunden, das Produkt zu verstehen, zu vergleichen, anzupassen oder zu nutzen.

Der Wettbewerbsvorteil liegt in dem System rund um das Modell

Die meisten Unternehmen werden irgendwann Zugang zu weitgehend vergleichbaren KI-Fähigkeiten haben. Der nachhaltige Wettbewerbsvorteil wird nicht in der Fähigkeit liegen, ein ansprechendes Bild, einen ansprechenden Absatz oder eine ansprechende Präsentation zu erstellen. Er wird vielmehr auf firmeneigenen Kundenerkenntnissen, einem unverwechselbaren Markenverständnis, gut strukturierten Inhalten, effizienten Freigabesystemen und Mitarbeitern beruhen, die in der Lage sind, ein schwaches Ergebnis zu erkennen.

KI kann ein kreatives Unternehmen schneller machen, doch Geschwindigkeit verstärkt das bereits bestehende System. Ein Unternehmen mit einer klaren Positionierung und einer disziplinierten Entscheidungsfindung kann mehr Ideen testen und Kunden effektiver erreichen. Ein Unternehmen mit einer unklaren Marke und unübersichtlichen Prozessen kann größere Mengen an unkonkreter Arbeit produzieren.

Das wirtschaftliche Argument für kreative KI lautet daher weder “die Kreativabteilung ersetzen” noch “jedem einen Chatbot zur Verfügung stellen”. Vielmehr geht es darum, jene Bereiche der kreativen Arbeit zu identifizieren, in denen Kosten und Verzögerungen das Unternehmen daran hindern, zu lernen, sich anzupassen oder Kunden angemessen zu bedienen, und diese Bereiche dann im Hinblick auf messbare Ergebnisse neu zu gestalten.

Die Unternehmen, die am meisten davon profitieren werden, sind nicht diejenigen, die die größte Menge an synthetischen Inhalten veröffentlichen. Es werden vielmehr jene sein, die KI nutzen, um bessere Entscheidungen zu treffen, bevor kostspielige Verpflichtungen eingegangen werden, ihren Kunden einen wirklich relevanteren Service zu bieten und die Aufmerksamkeit der Mitarbeiter wieder auf die Aufgaben zu lenken, bei denen menschliches Urteilsvermögen den größten Mehrwert schafft.