Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Generative KI

Definition: Generative KI (Generative Artificial Intelligence, GenAI) bezeichnet KI-Systeme, die eigenständig neue Inhalte — Texte, Bilder, Audio, Video, Code oder multimodale Kombinationen — erzeugen können, indem sie statistische Muster aus Trainingsdaten erlernen und diese zur Synthese neuer, originärer Outputs nutzen. Im Unterschied zu diskriminativen KI-Modellen, die bestehende Inputs klassifizieren oder analysieren (z.B. Spam-Erkennung), erzeugen generative Modelle neue Inhalte auf Basis einer Eingabe (Prompt, Seed, Konditionierung). Im Marketing transformiert generative KI die Content-Produktion, Werbemittel-Erstellung, Personalisierung und Kundenkommunikation — indem sie Skalierung und Personalisierung gleichzeitig ermöglicht, die bisher nicht kombinierbar waren.

Erläuterung

Die Grundlagen generativer Modelle entstanden Jahrzehnte vor dem öffentlichen Durchbruch. Markov-Ketten für Textgenerierung wurden seit den 1950er Jahren eingesetzt; frühe Sprach-Generierungsmodelle wie ELIZA (Joseph Weizenbaum, MIT, 1966) nutzten regelbasierte Muster. Der tiefgreifende technologische Wandel vollzog sich in drei Phasen: (1) Generative Adversarial Networks (GANs, Ian Goodfellow et al., Université de Montréal, 2014): Zwei Netzwerke — Generator und Diskriminator — trainieren gegeneinander; der Generator verbessert sich, indem er den Diskriminator täuschen will. GANs dominierten bis 2020 die Bildgenerierung und ermöglichten Deepfakes und realistische synthetische Gesichter (StyleGAN, NVIDIA, 2019). (2) Transformer-Architekturen (Vaswani et al., Google Brain, 2017, „Attention Is All You Need") revolutionierten Textgenerierung: GPT-2 (OpenAI, 2019), GPT-3 (OpenAI, 2020, 175 Milliarden Parameter) und GPT-4 (OpenAI, 2023) stellen qualitative Sprünge in Textkohärenz, Kontextverständnis und Aufgabenflexibilität dar. (3) Diffusion Models (Sohl-Dickstein et al., 2015; Ho et al., Google Brain, 2020, „Denoising Diffusion Probabilistic Models") übertrafen GANs in Bildqualität und Trainings-Stabilität: Stable Diffusion (Stability AI, London, 2022), DALL-E 2/3 (OpenAI, 2022/2023) und Midjourney (2022) brachten Hochqualitäts-Bildgenerierung in die Breite. Der öffentliche Durchbruch erfolgte mit ChatGPT (OpenAI, November 2022): Innerhalb von 5 Tagen nach Launch 1 Million Nutzer, nach 2 Monaten 100 Millionen — das schnellste Consumer-Adoption-Wachstum eines Technologieprodukts in der Geschichte (zum Vergleich: Instagram brauchte 2,5 Jahre für 100 Millionen Nutzer). McKinsey Global Institute schätzte 2023 das wirtschaftliche Potenzial generativer KI auf 2,6 bis 4,4 Billionen USD jährlich — mit Marketing und Vertrieb als einem der grössten Wertschöpfungsbereiche.

Generative KI nach Modalitäten

Rechtliche und ethische Rahmenbedingungen

Praxistipp: Entwickeln Sie eine interne Generative-KI-Policy für Ihr Marketing-Team: Welche Tools sind freigegeben? Welche Daten dürfen in öffentliche KI-Tools eingegeben werden (keine Kundendaten, keine sensiblen Geschäftsdaten)? Welche Inhalte erfordern menschliche Review vor Veröffentlichung? Diese Policy verhindert Datenschutzverletzungen und Qualitätsprobleme. Starten Sie mit Text-GenAI für interne Effizienzgewinne (Briefings, erste Entwürfe, E-Mail-Drafts) bevor Sie Bild- und Videogenerierung für externe Kommunikation einführen — die Lernkurve für Texterstellung ist kürzer und die Kontrollierbarkeit höher. Investieren Sie in Prompt-Engineering-Kompetenz: Die Qualität generativer KI-Outputs ist direkt proportional zur Qualität der Eingaben — strukturierte, spezifische Prompts mit Kontext, Zielgruppe, Format und Stil produzieren deutlich bessere Ergebnisse als vage Anfragen.