Creative-Produktion: Wie viel übernimmt die KI wirklich?
Generierte Werbemittel sind billig geworden. Die Arbeit hat sich dadurch nicht verringert – sie hat sich verschoben. Ein Blick auf die Stellen, an denen jetzt der Engpass sitzt.
Die Versprechen der letzten zwei Jahre waren eindeutig: Ein Team produziert zehnmal so viele Werbemittel in einem Bruchteil der Zeit. Das stimmt sogar. Nur ist der Ausstoß von Varianten nie das eigentliche Problem gewesen.
Der Engpass war nie die Produktion
Wer hundert Varianten pro Woche erzeugt, braucht auch hundert Slots zum Testen, genug Budget für statistisch belastbare Signale und jemanden, der die Ergebnisse liest. Genau diese drei Dinge skalieren nicht mit Rechenleistung.
Wir hatten plötzlich mehr Creatives als Traffic, um sie zu bewerten. Head of Growth, D2C-Marke
Das Ergebnis ist paradox: Teams mit generativer Produktion testen oft weniger sauber als vorher, weil sie zu viele Varianten gleichzeitig ins Konto kippen und am Ende nicht mehr sagen können, welche Änderung gewirkt hat.
Wo der Gewinn tatsächlich liegt
- Lokalisierung: dieselbe Kampagne in acht Märkten, ohne acht Produktionsrunden.
- Formatanpassung: ein Konzept sauber auf 9:16, 4:5 und 1:1 gebracht statt beschnitten.
- Iterationen auf einem Gewinner statt Blindtests auf leerem Blatt.
- Frühe Konzeptbilder, um interne Diskussionen an einem Bild statt an einem Briefing zu führen.
Das sind unspektakuläre Anwendungen, aber sie sparen reale Wochen. Der große kreative Sprung dagegen bleibt Handarbeit: Was gesagt wird, für wen und warum es überhaupt jemanden interessiert.
Eine brauchbare Arbeitsteilung
In den Teams, bei denen es funktioniert, definiert ein Mensch die Botschaft und die Bildidee, das Modell erzeugt die Varianten, und ein Mensch entscheidet, was ins Konto darf. Die Qualitätskontrolle wandert nach hinten, verschwindet aber nicht. Wer sie streicht, merkt es an der Marke, bevor er es an den Zahlen merkt.
Autor
Weiterlesen
Attribution im KI-Zeitalter: Messen, was sich der Messung entzieht
Immer mehr Recherche endet in einer Antwort statt in einem Klick. Was das für Reporting, Budgetverteilung und die Frage nach dem Kanalbeitrag bedeutet.
Ein kleines RAG-System bauen: Was man dafür wirklich braucht
Ein RAG-System klingt nach großer Infrastruktur. Für ein kleines Projekt reichen vier Bausteine: Dokumente, ein Embedding-Modell, eine Vektordatenbank und ein Sprachmodell. So setzt man es konzeptionell zusammen, mit Google Gemini und ChromaDB.
Agenten im Mittelstand: Was nach dem Pilotprojekt wirklich passiert
Fast jedes Unternehmen hat inzwischen einen KI-Piloten laufen. Nur wenige schaffen den Schritt in den Regelbetrieb. Woran das liegt – und was die Ausnahmen anders machen.