Der Begriff „Künstliche Intelligenz“ (KI) umfasst seit jeher ein breites Spektrum an Technologien. In jüngster Zeit sind jedoch generative KI-Modelle, auch „GenAI“ genannt, in den Mittelpunkt des Interesses gerückt. Erstaunliche Leistungen haben die Marketingwelt in ihren Bann gezogen und ihr Potenzial scheint grenzenlos. Die Begeisterung für GenAI birgt jedoch die Gefahr, dass ein anderer wichtiger Leistungsbereich der KI vernachlässigt wird: die analytischen Fähigkeiten. Vor nicht allzu langer Zeit war KI gleichbedeutend mit Predictive Analytics, Klassifikation und Mustererkennung. Der aktuelle Hype um GenAI sollte nicht von diesen grundlegenden Fähigkeiten von KI ablenken. Für eine ganzheitliche und nachhaltige Implementierung von KI in Unternehmen ist es notwendig, sowohl generative als auch prädiktive KI zu integrieren. GenAI bietet zwar in vielen Bereichen hervorragende Unterstützung, sollte aber nicht isoliert betrachtet werden. Auch prädiktive bzw. evaluative KI kann sehr nützlich sein, vor allem für die Bewertung KI-unterstützter Marketingstrategien und kampagnen.

Der technologische Fortschritt hat Marketingprozesse revolutioniert, doch die zentralen Erfolgsfaktoren bleiben unverändert. Erfolgreiches Marketing erfordert erstens, seine Zielgruppen zu kennen: Zu verstehen, wie Zielgruppen ticken, ist die Grundlage jeder Marketingstrategie. Zweitens ist es entscheidend, eine relevante und differenzierende Strategie zu verfolgen, die eine Marke von der Konkurrenz abhebt und den Zielgruppen entspricht. Drittens muss die Strategie kreativ und markenkonform umgesetzt werden. Kreativität bedeutet nicht nur Originalität, sondern auch Übereinstimmung mit der Markenidentität. Schließlich müssen die Marketingaktivitäten auch evaluiert werden. Die Bewertung von Marketingmaßnahmen gewährleistet die Wirksamkeit von Strategien und liefert Erkenntnisse für künftige Kampagnen. Früher war dieses Fundament ausschließlich auf menschlicher Interaktion und Intuition aufgebaut. Heute dient KI als Ergänzung und in einigen Fällen als Ersatz für menschliche Tätigkeiten. Dies gilt nicht nur bei generativer KI, sondern auch beim Bewertungsprozess, für den immer mehr KILösungen zur Verfügung stehen. Die Erfolgsfaktoren selbst bleiben dabei unverändert: Mehr denn je kommt es auf Strategieformulierung und Verständnis von Consumer-Insights durch menschliche Experten an. Auf dieser Grundlage müssen Menschen einerseits die generative KI anleiten, sollten aber andererseits auch die Chance nutzen, Ergebnisse durch den Einsatz evaluativer KI zu bewerten. Agieren ohne gründliche Evaluierung ist wie Navigieren ohne Kompass. Erst die Kombination von generativer und evaluativer KI ermöglicht es Managern, effiziente und fundierte Entscheidungen zu treffen und Marketingprozesse kontinuierlich zu verbessern (siehe Abbildung 1).

Das Herzstück jeder effektiven GenAI-Anwendung ist ein menschlicher Auftraggeber, der Richtlinien vorgibt. GenAI, wie fortschrittlich sie auch sein mag, ist auf menschliche Eingaben zur Initiierung und Steuerung ihrer Prozesse angewiesen. Ohne menschlichen Input würde GenAI nur generischen, unspezifischen Output produzieren. Die Rolle des Menschen bei der Ideengenerierung und bei strategischen Vorgaben ist entscheidend. Erst zündende Ideen und strategische Visionen von Menschen lenken GenAI in die gewünschte Richtung. Auch die Formulierung von Marken- und Kommunikationsstrategien setzt Entscheidungen von Menschen voraus, selbst wenn Erkenntnisse evaluativer KI einfließen. Im Zusammenspiel entscheiden sich der wahre Innovationsgrad und die Einzigartigkeit einer Strategie. GenAI kann Optionen und Szenarien liefern, aber die strategische Entscheidung, was eine Marke einzigartig und überzeugend macht, bleibt eindeutig Menschen vorbehalten.

Einer der offensichtlichsten Vorteile von GenAI im Marketing ist die Möglichkeit, schnell eine Vielzahl von Inhalten, Texten und Bildern zu erstellen. Diese Leistung ist ein Game-Changer in Bezug auf Effizienz und kreative Entfaltung. GenAI-Modelle werden mit umfangreichen Datensätzen trainiert und lernen die statistischen Wahrscheinlichkeiten, mit denen Wörter oder Pixel auf bestimmte Prompts hin arrangiert werden. Das Training macht Antworten und Ergebnisse durchweg plausibel. Plausibilität ist jedoch keine Garantie für Genauigkeit oder sachliche Richtigkeit. Es ist wichtig, die aktuell existierenden Grenzen und Herausforderungen in diesem Bereich zu beachten: Noch haben offene Modelle Probleme mit der pixelgenauen Generierung von Produkten, Logos, ikonischen Markenbildern und Schriftzügen oder mit der genauen Darstellung menschlicher Merkmale – selbst so einfacher, wie der richtigen Anzahl von Fingern oder Zähnen. Dass Trainingsdaten mitunter verzerrt sind, ist ein bekanntes Problem und einzelne Modelle konzentrieren sich meist auf getrennte Anwendungsbereiche wie Bild-, Audio- und Textgenerierung. Darüber hinaus „halluzinieren“ generative KI-Modelle häufig und erzeugen plausible, aber möglicherweise irreführende oder falsche Ergebnisse. Dies ist besonders kritisch, wenn es um Consumer-Insights oder die Evaluierung von Kampagnen geht. So kann GenAI zwar plausible Gründe dafür liefern, warum ein Produkt für eine bestimmte Zielgruppe attraktiv sein könnte, diese Gründe müssen aber nicht unbedingt der Realität entsprechen. Die Herausforderung besteht darin, zwischen plausiblen und zutreffenden Ergebnissen zu unterscheiden. Hier sind die analytischen Fähigkeiten der KI von unschätzbarem Wert. Durch die effiziente Analyse großer Datensätze – sei es aus Umfragen oder Social-Media-Kanälen – kann KI schneller und genauer als je zuvor zum Erkenntnisgewinn beitragen, aber die Notwendigkeit einer gründlichen Analyse und Bewertung nicht ersetzen. Sonst könnten Insights, die auf den ersten Blick plausibel erscheinen, am Ende zu falschen Entscheidungen führen.

Vor allem aber stellt sich die Frage der Selektion: Wie wählt man aus der Fülle an generierten Inhalten die effektivsten aus? Ohne eine angemessene Analyse und Bewertung ihrer Wirkung verkommt der Auswahlprozess zu einer ineffizienten Trial-and-Error-Methode. Dadurch werden nicht nur Effizienzgewinne zunichte gemacht, es können sogar erhebliche Zusatzkosten oder Reputationsschäden entstehen. Neben der kurzfristigen Effizienz sind auch langfristige Auswirkungen auf den Wert einer Marke entscheidend. Um eine unverwechselbare Markenidentität zu bewahren, müssen Kampagnen mit den Kernwerten und der Ästhetik einer Marke übereinstimmen. Evaluative KI kann dabei eine entscheidende Rolle spielen, indem sie sicherstellt, dass nur Inhalte ausgewählt werden, die der Markenidentität und der Zielgruppe entsprechen. Ohne systematische Kontrolle durch evaluative KI kann auch die Nutzung von GenAI durch verschiedene Personen innerhalb eines Unternehmens zu inkonsistenten und inkohärenten Branding-Aktivitäten führen. Allein die Menge an verfügbaren Inhalten erfordert Automatisierung. Kommen GenAI-generierte Inhalte ohne intelligente Analyse und Kontrolle hinzu, wird die Zielsetzung, Markenkonsistenz und Effektivität zu bewahren, noch herausfordernder.

Während generative KI aktuell in aller Munde ist, wird das Potenzial evaluativer KI derzeit weniger intensiv diskutiert. Dennoch gibt es am Markt für evaluative KI immer mehr Anbieter, von denen sich viele auf einzelne Aspekte wie Predictive Eyetracking, Image-Persuasion-Analysen, Image Memorability Predictions, Inhaltsanalyse von Texten oder die Prognose von Klickraten in Social Media spezialisiert haben. Das Angebot beschränkt sich jedoch nicht nur auf diese Nischen, es gibt auch immer mehr ganzheitliche Lösungen, die alle relevanten Marketing-Touchpoints abdecken. Sie bieten operative Bewertungen, wie beispielsweise zur Wirkung oder Klarheit von Bild und Text, bis hin zu strategischen Analysen, wie dem Fit von Materialien mit der gewünschten Markenbotschaft. Der Trend geht in Richtung vollständig integrierter Plattformen für den gesamten KI-basierten Marketing-Workflow. Diese Plattformen versprechen das gesamte Marketingspektrum abzudecken, von der Generierung von Zielgruppen-Insights über die Strategieentwicklung bis hin zur kreativen Umsetzung und Erfolgskontrolle. Solche Lösungen sind bereits verfügbar, wie z. B. brainsuite.ai, und der Markt für evaluative KI im Marketing wächst rasant. Dies unterstreicht die zunehmende Bedeutung evaluativer KI für effektive und datenbasierte Marketingentscheidungen.

Evaluative KI ist für die Bewertung von Marketingmaßnahmen besser geeignet als generative KI. Ihre Stärke liegt in der Fähigkeit, kanal-, marken- und zielgruppenspezifische Prognosen zu liefern. Neuere multimodale Modelle wie GPT  Vision kombinieren Text- und Bildverständnis und können Bildinhalte interpretieren und kommentieren. Ohne zusätzliches Training fehlt es diesen generischen Basismodellen jedoch an Einsichten in Zielgruppen, Marken und deren Wettbewerber. Sie schaffen es nicht, zuverlässige und präzise Quantifizierungen und Analysen zu liefern oder gar Benchmarks zu vergleichen. Der für genaue und tiefgehende Analysen erforderliche Grad an Nuancierung und Detailgenauigkeit ist mit evaluativer KI besser erreichbar – vor allem auch, weil die meisten Marketingkampagnen multimodal sind und Text, Audio, Bilder und Video umfassen. Evaluative KI ist in der Lage, pixelgenaue Vorhersagen über die Wirksamkeit aller multimodaler Elemente wie der Markenpräsenz oder der Produktplatzierung innerhalb eines Mediums zu treffen. Sie ermöglicht die Durchführung von Verständnischecks, bei denen die Klarheit von Text-, Audio- und visuellen Inhalten, einschließlich Videos, bewertet wird und die sicherstellen, dass die Inhalte das Zielpublikum ansprechen. Evaluative KI ist auch in der Lage, die korrekte Tonalität der erstellten Inhalte zu gewährleisten, einschließlich der Prüfung auf Angemessenheit und Stimmigkeit. Sie prüft, ob der Inhalt und die geplante Botschaft effektiv vermittelt werden, mit der übergeordneten Markenstrategie übereinstimmen und gleichzeitig überzeugend sind (siehe Abbildung 2).

Die Zukunft des Marketings liegt in der nahtlosen Integration von generativer und evaluativer KI, geleitet von menschlicher Expertise, wie in Abbildung 1 dargestellt. Diese Integration ermöglicht ein dynamisches Zusammenspiel, bei dem generierte Texte, Audios, Bilder oder Videos von evaluativer KI bewertet und verfeinert werden, sodass die Marketingprozesse kontinuierlich besser werden. Sie stellt sicher, dass Kampagnen nicht nur kreativ und vielfältig sind, sondern auch effektiv und auf Marketingziele abgestimmt. Der Schlüssel zum Erfolg dieses integrierten Ansatzes liegt in der intelligenten Kooperation zwischen den Möglichkeiten der KI und dem Management durch Menschen. Für eine effektive und nachhaltige Umsetzung müssen beide Elemente harmonisch zusammenarbeiten und sich gegenseitig ergänzen. Intelligente Workflows können das Marketing von der Insights-Gewinnung bis zur Erstellung von Inhalten sowohl effizienter als auch effektiver machen. Solche Workflows erfordern eine integrierte, KI-gestützte Plattform, die den gesamten Markenmanagementprozess abbildet und einen nahtlosen Informationsfluss zwischen generativen und evaluativen KI-Systemen ermöglicht. Darüber hinaus ist die Integration von Konsumforschung in diese Plattform unerlässlich, damit die gewonnenen Erkenntnisse und Inhalte auch tatsächlich auf dem Verhalten und den Präferenzen der Konsumenten basieren. Die effektive Nutzung sowohl generativer als auch evaluativer KI bringt Unternehmen bedeutende Vorteile im Marketing. Die Kombination kreativer und produktiver Fähigkeiten generativer KI mit analytischen und prüfenden Fähigkeiten evaluativer KI ermöglicht Marketingexperten nicht nur die Optimierung von Prozessen, sondern auch eine Erhöhung der Effektivität und der Wirkung ihrer Kampagnen. Der Schlüssel zum Erfolg liegt in der Balance von technologischer Innovation und menschlichen Einsichten, sodass Marketing nicht nur effizient ist, sondern auch den Nerv der Zielgruppe trifft.

Jo, T. (2023). Deep Learning Foundations. Springer.

West, P., et al. (2023). The Generative AI Paradox: “What It Can Create, It May Not Understand.” arXiv.org