Die Zukunft des Marketing: Wie dein Unternehmen von KI-Bildgeneratoren profitieren kann

Die KI-Bildgeneratoren haben schon längst die Marketing-Welt erreicht und spielen eine wichtige Rolle in der heutigen digitalen Zeit. Durch die Anwendung von KI-Bildgeneratoren kannst du Kosten sparen, personalisiertes Marketing betreiben und dein Business effizienter gestalten. Wie du das schaffst und wie du so dein Unternehmen vorantreiben kannst, liest du in unserem Blogbeitrag.
Von: Anastasia Damaris Presta, Luca Oberli, Dillon Hegarty, Kenny Nguyen
Vom:
 

Was sind KI-Bildgeneratoren?

In den letzten Jahren hat sich die künstliche Intelligenz (KI) zu einem neuen Trend in verschiedenen Bereichen entwickelt: Wissenschaft, Wirtschaft, Medizin, Automobil und Bildung. Die KI hat auch das Marketing erreicht. [1] Eine Analyse von Jarek und Mazurek (2019) zeigt, dass KI im Marketingbereich auf der experimentellen Ebene weit verbreitet ist. Die Ungewissheit über das Ergebnis der KI kann auch die vorsichtige Haltung bei der Umsetzung dieser Innovationen in die Praxis beeinflussen.

Künstliche Intelligenz stammt aus der Informationstechnologie. Der Begriff wird oft austauschbar verwendet mit Begriffen wie Automatisierung oder Robotisierung. Nach dem Oxford Dictionary ist KI "die Theorie und Entwicklung von Computersystemen, die in der Lage sind, Aufgaben auszuführen, für die normalerweise menschliche Intelligenz erforderlich ist, wie z. B. visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und Übersetzung zwischen Sprachen". Die auf künstlicher Intelligenz basierende Technologie ist in der Lage, die kognitiven Funktionen zu imitieren, die wir dem menschlichen Geist zuschreiben, einschließlich der Fähigkeit, Probleme zu lösen und zu lernen. [1] KI-basierte Bildgenerierung bezieht sich auf den Prozess der Verwendung von künstlicher Intelligenz (KI), um Bilder zu erstellen oder zu generieren. Dies kann durch die Verwendung von Deep-Learning-Algorithmen, neuronale Netze, generative Modelle oder andere Technologien erfolgen. [2]

KI-Bildgeneratoren im Online-Marketing und -Vertrieb

Tools wie Midjourney, DALL-E und Stable Diffusion sind Beispiele für AI-basierte Bildgenerierungsprogramme. Solche Tools können im Marketing z.B. für das Erstellen von Bildern für Werbung oder die Verbesserung von Bildern verwendet werden. Die Vorteile solcher Tools liegen auf der Hand und sind unter anderem: Effizienz, Kosteneinsparung, Personalisierung und Skalierbarkeit. [3]

Ein kurzer Test der Plattform Stable Diffusion zeigt jedoch auch relativ schnell die Nachteile und momentanen Grenzen solcher Tools. Trotz relativ einfacher Suchanfragen überzeugen die Bilder punkto Qualität und Kreativität nicht wirklich. Die Bilder erscheinen relativ künstlich und wären in der Praxis wohl so nicht einzusetzen.

storeai.jpg
appleai.jpg

Abbildung 1: Mithilfe von Stable Diffusion erstellte Bilder mittels obenstehender Suchanfrage

Theoretische Grundlagen 

Hast du dich auch schon gefragt wie KI-basierte Bildgenerierungstools eigentlich funktionieren und welche Konzepte dahinterstecken? Es ist ja erstaunlich, dass dir diese Tools anhand deiner Texteingaben, ein Bild erstellen können. In diesem Abschnitt erklären wir dir deshalb die theoretischen Grundlagen, worauf die KI-Bildgeneratoren basieren. Unter KI-basierten Bildgenerierungstools stecken hauptsächlich folgende grundlegenden Komponenten:  

Maschinelles Lernen  
Das maschinelle Lernen stützt sich auf das Lernen aus Erfahrung. Dabei ermöglicht es der KI automatisch aus Algorithmen zu lernen und sich so zu verbessern, ohne dass eine explizite Programmierung erforderlich ist [4].  Ein Machine-Learning-System ist das Generative Adversarial Network (GAN). Es wird oft in der Bildgenerierung eingesetzt. Ziel des GAN’s ist es, dass du computergenerierte Bilder nicht von realistischen Bildern unterscheiden kannst. GAN besteht aus zwei neuralen Netzwerken, dem Generator und dem Discriminator. Der Generator wird mit Daten gefüttert und generiert Fälschungen, die den Originalbildern ähnlich sind, aber keine exakte Kopie darstellen. Die Aufgabe vom Discriminator ist es, diese generierten Bilder zu beurteilen. So trainieren sich beide Netzwerke gegenseitig und GAN kann mit der Zeit immer realistische Bilder erzeugen. [5]   

Deep Learning  
Deep Learning ist eine Form des maschinellen Lernens. Dabei werden künstliche neuronale Netze verwendet, die die Synapsen eines menschlichen Hirnes nachahmen. Sie sind zudem in mehrere Schichten aufgebaut. Durch diese Netzwerke können die KI aus Erfahrungen lernen und Konzepte verstehen [6].  

Neuronales Netzwerk  
Jedes Bild wird für eine KI zunächst auf etliche Zahlen reduziert [7]. Dabei steht jede Zahl für einen Pixel des Bildes. In jeder Schicht des neuronalen Netzwerkes werden dann Filter über das Bild gelegt, um herauszufinden, was hinter den Zahlen steckt. Nach und nach entstehen dann verschiedene Formen, Farben und Helligkeiten, bis schliesslich das Bild erscheint. In diesem Trainingsprozess kann dann die KI das Bild einem Begriff zuordnen. [7] 

Mit der Zeit lernt die KI immer mehr dazu. Je mehr Bilder generiert werden, desto mehr Zusammenhänge zwischen Bild und Text kann die KI erkennen [8].   

Abbildung 2: Schichten von künstlicher Intelligenz

Bezug zur Vorlesung und der Theorie

Durch Personalisierung kannst du die Einstellung deiner Käufer*innen gegenüber dir verbessern. [9]. Dabei können dich KI-Bildgeneratoren unterstützen, indem sie personalisierte Bilder erstellen, die auf die Bedürfnisse deiner Kund*innen zugeschnitten sind. Du kannst damit aber auch Banner oder Hintergründe für deine Website generieren. So fühlen sich deine Kund*innen wohl auf deiner Website und werden visuell persönlich angesprochen. Für noch mehr Personalisierung kannst du beispielsweise deinen Kund*innen die Möglichkeit anbieten, auf deiner Website selbst einen Avatar zu erstellen. Dieser würde dann direkt über einen KI-Bildgenerator laufen. Allgemein können die KI-Bildgeneratoren kostenfreundlich und schnell für Personalisierung auf deiner Website sorgen. 

Bei deiner Onlinemarketing Strategie können von den KI-Bildgeneratoren erstellte Bilder bei der Produkteeinschätzung helfen. Denn ein grosses Problem ist es, dass deine Kund*innen in deinem Webshop die Produkte auf den Bildern nicht richtig erkennen können. Sie wollen ein realistisches Bild von den Produkteigenschaften. Dies ist entscheidend für die Einschätzung des Nutzens und für den Kaufentscheid. Wenn du aber deinen Kund*innen eine realistische Abbildung deines Produktes im Webshop präsentieren kannst, wird sich dies positiv auf das Kaufverhalten auswirken. Dabei können die KI-Bildgeneratoren helfen, indem sie die Produkte möglichst realitätsgetreu abbilden.  

Zudem kann dein Unternehmen durch die Verwendung von KI-Bildgeneratoren bei deiner Marketingstrategie Zeit und Geld sparen. Die KI arbeitet schnell, effizient und kosteneffektiv. Du kannst deine Kosten dadurch senken und damit dein Gewinn steigern. Oder die gesparten Kosten in weitere Projekte, Produkte oder Werbung stecken.  

Wie funktionieren KI-Bildgeneratoren im Online-Marketing und -Vertrieb?

KI basierte Bildgeneratoren wie Midjourney, Dall-E oder Stable Diffusion werden im Online-Marketing und -Vertrieb immer häufiger eingesetzt, um visuell ansprechende Bilder zu generieren, die auf spezifische Zielgruppen oder Produkte zugeschnitten sind [1, 10]. Diese Tools basieren auf Machine-Learning-Algorithmen, die auf großen Datensätzen trainiert wurden, um Muster und Merkmale in Bildern zu erkennen. Auf dieser Basis generieren diese Tools neue Bilder, die diesen Merkmalen entsprechen [10, 11, 12].
Die Funktionsweise dieser Tools kann wie folgt beschrieben werden: 

  1. Trainieren von Deep-Learning-Modellen: Zunächst werden die Deep-Learning-Modelle auf großen Datensätzen trainiert, um Muster und Merkmale in Bildern zu erkennen [11]. Die Modelle können beispielsweise lernen, wie bestimmte Objekte oder Farben in Bildern aussehen oder welche Merkmale in Bildern für eine bestimmte Zielgruppe attraktiv sind [6, 12, 13].
  2. Eingabe von Parametern: Der Benutzer gibt dann Parameter in das Tool ein, die den Anforderungen der gewünschten Bilder entsprechen. Diese Parameter können verschiedene Aspekte des Bildes umfassen, wie z.B. Farben, Formen, Stile oder Beschreibungen [14].
  3. Generierung von Bildern: Basierend auf den eingegebenen Parametern verwendet das Tool die Deep-Learning-Modelle, um Bilder zu generieren, die den Parametern entsprechen. Die generierten Bilder können in der Regel in Echtzeit angezeigt werden und der Benutzer kann sie sofort bewerten oder anpassen [14].

Youtube-Video 1: Wie funktioniert AI basierte Bildgenerierung?

 

Mögliche Beispiele für den Einsatz von AI-basierten Bildgenerierungstools im Online-Marketing:

Mit Dall-E

Ein Beispiel für den Einsatz von KI-basierten Bildgenerierungstools im Online-Marketing ist der Einsatz von Dall-E für die Erstellung von Produktbildern. Dall-E ist ein KI-basiertes Tool, das auf der Technologie des GPT-3-Modells von OpenAI basiert und in der Lage ist, Bilder auf der Grundlage von Textbeschreibungen zu generieren. Laut OpenAI kann Dall-E "alles von schrulligen, benutzerdefinierten Stickern über wissenschaftliche Visualisierungen bis hin zu realistischen Illustrationen von Landschaften, Tieren und Gegenständen" erzeugen [15]. 

Mit Midjourney

Ein anderes Beispiel für den Einsatz von KI-basierten Bildgenerierungstools ist der Einsatz von Midjourney für die Erstellung von personalisierten Bildern für Online-Werbung. Midjourney ist ein Tool, das auf der Technologie des Generative Adversarial Network (GAN) basiert und in der Lage ist, Bilder auf der Grundlage von Kundendaten und -verhalten zu generieren. Midjourney kann beispielsweise lernen, welche Art von Produkten Kund*innen in der Vergangenheit gekauft haben und welche Bilder für diese Kund*innen am ansprechendsten sind. Basierend auf diesen Daten kann Midjourney dann personalisierte Bilder für Online-Werbung generieren [16].

Mit Stable Diffusion

Ein letztes Beispiel für den Einsatz von KI-basierten Bildgenerierungstools ist der Einsatz von Stable Diffusion für die Erstellung von realistischen Bildern. Stable Diffusion ist ein Tool, das auf der Technologie des Diffusion Models basiert und in der Lage ist, realistische Bilder zu generieren, indem es Pixel für Pixel vervollständigt. Das Tool kann beispielsweise verwendet werden, um Produktbilder zu erstellen, die realistischer und ansprechender sind als herkömmliche Bilder [2].

Abbildung 3: Bildgenerierung Midjourney, Dall-E und Stable Diffusion im Vergleich

 

Nutzen von AI basierten Bildgenerierungstool im Online-Marketing und -Vertrieb

Im Online-Marketing und -Vertrieb können diese KI-basierten Tools dazu beitragen, dass deine Produkte in der Werbung ansprechender dargestellt werden, was zu einem höheren Engagement und einer höheren Konversionsrate führen kann. Zum Beispiel kann dein Online-Shop, der Kleidung verkauft, diese Tools nutzen, um Bilder von Kleidungsstücken zu erstellen, die auf die Vorlieben deiner Zielgruppe zugeschnitten sind. Der Algorithmus kann lernen, welche Art von Kleidung bei deinen Kund*innen beliebt ist, und dann Bilder erzeugen, die diese Vorlieben widerspiegeln.
Ein weiterer Vorteil dieser Tools ist, dass du Zeit und Ressourcen sparen kannst, die sonst für die manuelle Erstellung von Bildern erforderlich wären. Digital Marketing Engineers können sich auf andere Aspekte ihrer Kampagnen konzentrieren und effektiver arbeiten.

Jedoch zu beachten...
Diese KI-basierten Tools sind keine perfekte Lösung und können menschliche Kreativität und Urteilsvermögen nicht ersetzen. Es ist immer noch wichtig, dass du oder deine Mitarbeiter*inne die generierten Bilder überprüft und bewertet, um sicherzustellen, dass sie den gewünschten Anforderungen entsprechen und keine unerwarteten Probleme oder Ausgaben verursachen.

Fazit
Insgesamt können KI-basierte Bildgenerierungstools wie Midjourney, Dall-E oder Stable Diffusion im Online-Marketing und -Vertrieb dazu beitragen, dass deine Produkte und Dienstleistungen auf visuell ansprechende und effektive Weise dargestellt werden, was zu höheren Konversionsraten und einer verbesserten Kundenerfahrung führen kann.
 

Wie Digital Marketing Engineers KI basierte Bildgeneratoren ganz konkret nutzen können

KI-basierte Bildgenerierungstools wie Midjourney, Dall-E und Stable Diffusion können im Online-Marketing und -Vertrieb auf verschiedene Weise eingesetzt werden und bieten dir eine Reihe von Vorteilen. Durch die Verwendung solcher Tools kannst du unter anderem visuelle Inhalte automatisch und effizient erstellen, ohne dass manuelle Eingriffe notwendig sind. So gelingt es dir einzigartige Bilder zu erstellen, die sich von herkömmlichen Stockfotos unterscheiden und somit das Interesse potenzieller Kund*innen wecken können. Dies kann insbesondere nützlich sein, wenn du Produkte oder Dienstleistungen online verkaufst und dafür visuell ansprechende Werbemittel benötigst [17].


Im Folgenden werden verschiedene Vorteile aufgeführt, wovon du bei der Umsetzung einen Nutzten ziehen kannst [18; 19; 20; 3 ].

  • Effizienzsteigerung: KI-basierte Bildgenerierung erhöht die Effizienz bei der Erstellung von visuellen Inhalten durch Automatisierung des Prozesses, was Zeit und Ressourcen sparen kann und die Produktivität fördert.
  • Personalisierung: KI-basierte Bildgenerierung ermöglicht die Erstellung von personalisierten visuellen Inhalten, die auf die Interessen und Vorlieben deiner Zielgruppe abgestimmt sind. Dabei kannst du Machine-Learning-Modelle nutzen, um Informationen über das Verhalten und die Vorlieben deiner Kund*innen zu sammeln und individuelle und relevante visuelle Inhalte zu erstellen.
  • Konsistenz: KI-basierte Tools zur Erstellung von visuellen Inhalten gewährleisten eine konsistente Bildsprache, die die Markenidentität deines Unternehmens unterstützt und das Markenerlebnis verbessert.
  • Skalierbarkeit: KI-basierte Bildgenerierung ermöglicht die schnelle und einfache Erstellung großer Mengen an visuellen Inhalten, was besonders wichtig ist, wenn du auf verschiedenen Kanälen und Plattformen präsent sein wollen.
  • Kreativität: KI-basierte Bildgenerierung automatisiert Routineaufgaben und ermöglicht es dir,  dich auf kreativere und strategischere Aufgaben zu konzentrieren.

Zusammenfassend bietet KI-basierte Bildgenerierung im Digitalen Marketing eine Vielzahl von Vorteilen, die dazu beitragen können, die Effizienz, Personalisierung, Konsistenz, Skalierbarkeit und Kreativität zu verbessern.

Solltest du hieraus noch keinen Praxisnutzen für dich erkennen, findest du nachfolgenden einige Anwendungsmöglichkeiten, wie bzw. wo KI-basierte Bildgenerierung angewendet werden kann [21].

  • Erstellung von Social Media Beiträgen
  • Erstellung von Blog Beiträgen
  • E-Mail Marketing: bspw. durch die Erstellung von personalisierten E-Mail Inhalten kann deren Öffnungsrate erhöht werden
  • E-Commerce: bspw. Produktbilder und -videos, um das Einkaufserlebnis zu verbessern und die Konversionsrate zu steigern.
  • Display-Advertising
  • Suchmaschinenmarketing: bspw. zu Verbesserung  der Sichtbarkeit in den Suchergebnissen sowie dessen Klickrate zu erhöhen. 

 

Glossar

Stockfotos: Stockfotos sind Fotos, die in kommerziellen Bilddatenbanken nach Schlagworten abgelegt wurden und mithilfe dieser abgerufen werden können [22].

Generative Adversarial Network (GAN): Ein Generative Adversarial Network (GAN) gehört zur Kategorie der Machine Learning (ML) Frameworks. Das GAN basiert auf drei Prinzipien: Erstens kann das generative Modell lernen, und die Daten können unter Verwendung einer probabilistischen Darstellung generiert werden. Zweitens kann das Training eines Modells in jeder Konfliktsituation durchgeführt werden. Schließlich wird das gesamte System durch die Verwendung von tief lernenden neuronalen Netzen und Algorithmen der künstlichen Intelligenz trainiert [23].

Deep Learning: Deep Learning ermöglicht Computermodellen, die aus mehreren Verarbeitungsschichten bestehen, das Erlernen von Datendarstellugnen mit mehreren Abstraktionsebenen [24].

Autoren

Anastasia Presta

Luca Oberli

Dillon Hegarty

Kenny Nguyen

Quelle

[1] Jarek, K., & Mazurek, G. (2019). Marketing and Artificial Intelligence. Central European Business Review, 8(2).

[2] (OpenAI, ChatGPT, Version March 23)

[3] Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal of Information Management Data Insights, 1(1), 100002.

[4] Online Marketing Mastermind. (ohne Jahr). Was ist KI? Wie funktioniert künstliche Intelligenz?https://onlinemarketing-mastermind.de/ki/was-ist-ki-wie-funktioniert-kuenstliche-intelligenz/. Abgerufen am 28. April 2023.  

[5] Digital Guide Ionos. (2022). Generative Adversarial Networks: Die kreative Seite von Machine Learning. https://www.ionos.de/digitalguide/online-marketing/suchmaschinenmarketing/generative-adversarial-networks/ Abgerufen am 13. Mai 2023.  

[6] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.  

[7] Landesmedienzentrum Baden-Württemberg. (2021). Die Bilderflüsterer: Wie KI-Bilder unsere Medienwelt revolutionieren. https://www.lmz-bw.de/landesmedienzentrum/aktuelles/aktuelle-meldungen/detailseite/die-bilderfluesterer-wie-ki-bilder-unsere-medienwelt-revolutionieren. Abgerufen am 28. April 2023.  

[8] TenMedia. (Ohne Jahr). Wer generiert besser? KI Bild Generator Tools im Vergleich. https://www.tenmedia.de/de/blog/kategorie/news-trends/ki-bild-generator-tools-im-vergleich#:~:text=Ein%20KI%20Bild%20Generator%20ist,die%20Software%20nur%20Daten%20um 
Abgerufen am 13. Mai 2023.  

[9] Vorlesungsfolien. Online Shopping und E-Commerce. 

[10] OpenAI. (n.d.). DALL-E. Abgerufen am 28. April, 2023, von https://openai.com/dall-e/

[11] Elasri, M., Elharrouss, O., Al-Maadeed, S. et al. Image Generation: A Review. Neural Process Lett 54, 4609–4646 (2022). https://doi.org/10.1007/s11063-022-10777-x

[12] IED. (2021). How AI is transforming the future of digital marketing. IED.eu. https://ied.eu/blog/how-ai-transforming-the-future-of-digital-marketing/

[13] Nielsen, M. (2015). Neural networks and deep learning. Determination Press. Abgerufen am 28. April, von http://neuralnetworksanddeeplearning.com/

[14] Gatys, L. A., Ecker, A. S., & Bethge, M. (2016). Image style transfer using convolutional neural networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 2414-2423)

[15] OpenAI. (2021). DALL·E 2: Exploring the Limits of Data-Driven Text-to-Image Generation. https://openai.com/research/dall-e/

[16] Midjourney. (n.d.). How Midjourney uses AI to create personalized images for ads. Abgerufen am 28. April, 2023, von https://www.midjourney.com/blog/how-midjourney-uses-ai-to-create-personalized-images-for-ads/

[17] Campbell, C., et al. (2022). From data to action: How marketers can leverage AI. Business Horizon, (63), 227-243.

[18] Göring, S. Analysis of Appeal for realistic AI-generated Photos. [Online] In: IEEE Access (2023), DOI 10.1109/ACCESS.2023.3267968

[19] Sinha, M., Healey, J. & Sengupta, T. (2020). Designing with AI for Digital Marketing. UMAP, (1), 65-70.

[20] Huang, M-H. & Rust, R. T. (2020). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science [2021], (49), 30-50.

[21] Zhou, K-Q. & Habus, H. (2023). The Ethical Implications of Dall-E: Opportunities and Challenges. Mesapotamian journal of Computer Science, (2023), 17-23.

[22] Cremonini, A. (2020). Reale Bilder Bilder des Realen. Fotografien als Paradigmen des Begehrens. In Bild-Beispiele, 109-131.

[23] Aggarwal, A., Mittal, M. & Battineni, G. (2021). Generative adversarial network: An overview of theory and applications. International Journal of Information Management Insights, (1)1.

[24] LeCen, Y., Bengio, Y. & Hinton, G. (2015). Deep Learning. Nature 521, 436-444.