Aus der Masse herausstechen

Künstliche Intelligenz sorgt in vielen Bereichen für mehr Effizienz. Wie aber können sich Marken erfolgreich vom Wettbewerb absetzen, wenn KI überall Kreation und Mediastrategie perfektioniert? Dafür ist ein stärkerer Fokus auf Strategie und Daten wichtig, erklärt Prof. Dr. Raoul V. Kübler, Professor für Marketing an der ESSEC Business School in Cergy/Paris, in seinem Gastbeitrag in markenartikel 7-8/2025:

Während viele aktuell von den kurzfristigen Verbesserungen durch generative KI im operativen Marketing begeistert sind, sollten sich Entscheider im Marketing aktuell auf die langfristigen Folgen dieser Veränderungen vorbereiten. Wer heute in Datenqualität, analytische Kompetenz und verantwortungsvolle, unabhängige Analyseprozesse investiert, wird in einer Welt, die durch generative KI annähernd perfekte Austauschbarkeit zwischen Markenversprechen garantiert, echte, nicht-austauschbare Markenwerte kreieren – und damit nachhaltige Wettbewerbsvorteile sichern.

Generative Künstliche Intelligenz (KI) hat sich im vergangenen Jahrzehnt vom Forschungs- zum Praxisphänomen entwickelt. Immer leistungsfähigere KI-Modelle verändern den Werkzeugkasten der Marketingverantwortlichen fundamental: Prozesse, die früher Wochen oder Monate dauerten, lassen sich heute binnen Stunden automatisieren, personalisieren und skalieren – sofern Unternehmen wissen, worauf es ankommt.

Da ist es kein Wunder, dass es zu Reibungen zwischen Marketingabteilungen und angeschlossenen Dienstleistern kommt. Warum soll man noch eine teure Agentur für Prozesse anstellen, die auch ein KI-Agentenmodell leisten kann? Zeitgleich fragen sich aber auch die Dienstleister, ob ein Marketingkunde nicht einfach nur nach Ideen fischt und am Ende die Produktion mit einem generativen KI-Modell erledigt.

Kreation und Marktforschung mit KI

Die Sorgen auf beiden Seiten sind begründet. Aktuelle Studien belegen, dass KI-generierter Content von Verbrauchern oft als gleichwertig zu menschlich generierten Inhalten wahrgenommen oder teils sogar bevorzugt wird. Eine Studie der TU München ergab sogar, dass KI-generierter Content zu höheren Click- und Conversion-Rates führte, als Inhalte, die von klassischen Werbefotografen und Textern erstellt wurden.

Gleichzeitig deutet sich an, dass die gängigen Large Language Models (LLMs) auch sehr gut Kundenverhalten nachbilden können und somit in Zukunft auch zu Marktforschungszwecken oder zum Testen von Konzepten oder Kampagnen genutzt werden könnten. Im Falle von Silicon Sampling können Markenverantwortliche KI-Modelle bitten, sich wie eine bestimmte Zielgruppe zu verhalten und dann Präferenzen, Zahlungsbereitschaften oder Reaktionen auf Stimuli abfragen. Somit können Texte für Anzeigen, Keyword-Cluster für SEA und SEO, Storyboards für Reels und Hero Images für Social Ads durch KI in Serie zielgruppenspezifisch erstellt werden. Durch automatisiertes A/B-Testing fließt das Feedback zurück, das Modell optimiert Motive selbstständig weiter. Marketingmanager definieren Markenrichtlinien sowie Ziel-KPIs, überwachen den Loop und greifen nur noch kuratierend ein.

Auch wenn aktuelle Modelle noch Biases beinhalten, ist absehbar, dass sich diese über Finetuning oder angeschlossene Wissensdatenbanken, die über Retrieval-Augmented-Generation-Modelle in ein LLM integriert werden können, schnell anpassen lassen oder bestehende Biases über neue Informationen und Daten ausgeglichen werden können.

Inwieweit die neuen Möglichkeiten generativer KI somit zu einer weiteren digitalen Transformation der Marketinglandschaft führen werden, warum es zu einer nachhaltigen Veränderung von Marketingverantwortung kommt, wieso die neuen Möglichkeiten zum Problem für eine Disziplin werden können, die sich dem Prinzip des USPs verschrieben hat, wie es Marken gelingt, aus dem entstehenden Marketing-Clutter herausstechen und weshalb sich Marketingmanager verstärkt mit der Datenseite und der Datenanalyse im Marketing auseinandersetzen müssen, lesen Sie im im vollständigen Gastbeitrag in markenartikel 7-8/2025. Hier geht es zur Bestellung.