KI in der Angebotserstellung bei Event-Agenturen

Im Agenturmarkt ist es – wie auch in anderen Gewerben – üblich, dem interessierten Kunden unverbindliche Angebote zu unterbreiten. Ein abgelehntes Angebot hat keinen Auftrag zufolge und kann dem Kunden somit logischerweise nicht in Rechnung gestellt werden, hat aber trotzdem Zeit zur Erstellung in Anspruch genommen und somit dem Unternehmen Geld gekostet. Da auf (kostenlose) Angebote aufgrund der Marktstruktur nicht verzichtet werden kann, besteht das Ziel darin, hochwertige Angebote zu möglichst geringen zeitlichen und monetären Kosten zu erstellen.

Zur Angebotserstellung müssen Bilder von Bühnen und Texte zum Gesamtkonzept der Vorstellung erzeugt werden. Um den Aufwand zu verringern, sollen KI-Bildgeneratoren und Large Language Models (LLM) zum Einsatz kommen. LLMs sollen eingesetzt werden, um schnell Konzepte zu erstellen und Ideen für neue Konzepte zu generieren. KI-Bildgeneratoren sollen eingesetzt werden, um neue Ideen für Bühnen zu entwickeln und den Graphikern die eigenen Ideen schneller zu vermitteln.

Phase 1

Einer der Geschäftsführer der Kontrapunkt Agentur und der KI-Trainer der TUHH arbeiteten zunächst gemeinsam die zu beantwortende Unternehmensfrage heraus:

Welche Vorkehrungen müssen getroffen werden, um bereits existierende KI-Programme (GPT- und Render-Programme) zur effektiven Erstellung von Leistungsbeschreibungen (Konzepten und Grafische Umsetzungen) für Standardanfragen im Eventagentur-Bereich zu erstellen?

Basierend auf den Ausführungen des Geschäftsführers kategorisierte der KI-Trainer die Anforderungen in zwei Kategorien:

Muss
Bühnen generieren können
Präzise sein
Rechte an Bildern bereitstellen
Nachbearbeitung ermöglichen
Soll
Vorlagen bearbeiten können
Exklusive Nutzung der Bilder ermöglichen

Im nächsten Schritt führte der KI-Trainer eine explorative Analyse durch, um sich mit den technischen Möglichkeiten im Bereich der LLM und insbesondere der Bildgeneratoren vertraut zu machen. In einem halbtägigen Workshop mit beiden Geschäftsführern und dem KI-Trainer wurden die gewonnen Grundlagenerkenntnisse zu Bildgeneratoren präsentiert und basierend auf diesen Einblicken gemeinsam eine präzisere Anforderungsübersicht erarbeitet:

Muss
Bühnen generieren können
Eigene Modelle spezifizieren können
Image to Image beherrschen
Rechte an Bildern bereitstellen
Nachbearbeitung ermöglichen
Soll
Inpainting ermöglichen
Outpainting ermöglichen
Exklusive Nutzung der Bilder ermöglichen

Darüber hinaus wurde eine Aussicht auf die zukünftige Entwicklung von 3D-Modellen präsentiert sowie eine erste Abschätzung des zu erwartenden Ergebnisses vorgestellt. Das Ziel, den Aufwand zu verringern, konnte nicht mit Sicherheit in Aussicht gestellt
werden. Das Ziel, neue Ideen zu generieren, nahmen hingegen allen Beteiligten als erreichbar wahr.
Phase 2

Im nächsten Schritt wurde ein ganztägiger Workshop zum Prompt Engineering für LLMs und Bildgeneratoren abgehalten. Der Workshop gliederte sich in zwei Teile: den LLM- und den Rendering-Software-Teil. Im LLM-Teil wurden mithilfe frei zugänglicher LLM-Software verschiedene Prompting-Strategien erprobt.

Insbesondere Single Shot Prompting und das Reverse Prompt Engineering standen dabei im Mittelpunkt. Beim Single-Shot Prompting wird – wie im vorliegenden Fall – dem Textgenerator ein Beispielkonzept gezeigt, um anschließend auf Grundlage dieses Beispiels neue Texte bzw. Konzepte zu generieren. Beim Reverse Prompt Engineering geben Probanden einen Text – z.B. eine Kurzgeschichte – in den Prompt ein. Sie lassen sich von der Software mitteilen, welche Prompts diesen Text bzw. diese Kurzgeschichte erzeugen würde, um anschließend in einem neuen Chat-Fenster mit diesen Prompts dieselbe Kurzgeschichte so gut wie möglich zu rekreieren.

Eine Teilnehmerin war besonders von den Möglichkeiten angetan, die selbst Zero-Shot-Prompting bot: In wenigen Sekunden konnte das LLM ein Dutzend Claims generieren, die der erfahrenen und bis dahin eher skeptisch eingestellten Marketingexpertin zusagten.

Im zweiten Teil des Workshops wurden dann Prompting-Strategien für Rendering-Programme vorgestellt und gleichzeitig von den Teilnehmern an ihren Laptops ausprobiert. Die Ergebnisse waren erwartungsgemäß sehr durchwachsen. Hier zeigte sich, wie wichtig Erfahrung im Umgang mit Bildgeneratoren ist.

Der Geschäftsführer konnte am Ende des Workshops die besten Ergebnisse vorweisen. Er hatte sich von Anfang an mit Rendering-Programmen beschäftigt und aufgrund nicht zufriedenstellender Ergebnisse Unterstützung beim MDZ Hamburg ersucht. Andererseits wirkten seine Angestellten aufgrund der steilen Lernkurve teilweise leicht überwältigt. Noch während des Workshops entschied der in diesem Projekt federführende Geschäftsführer, unverzüglich eine zahlungspflichte Version eines Bildgenerators anzuschaffen. Er möchte den Einsatz bildgenerierender Software über den Workshop hinaus auf hohem Niveau sicherstellen.
Phase 3

Ungefähr ein Jahr nach dem ersten Workshop wurde ein zweiter Workshop abgehalten. Ziel war es, die erlernten und bereits erprobten Strategien weiter zu verfeinern. Die Mitarbeiter hatten in der Zwischenzeit bereits erfolgreich sowohl text- als auch bildgenerierende KI eingesetzt. Die Textgeneratoren erfreuten sich klar größerer Beliebtheit, wenn auch eher im Bereich Search Engine Optimization (SEO) und Stilanpassung von Marketing-Texten für Social Media.

Das Ziel des Workshops bestand darin, eine reale, akut anliegende Anfrage eines interessierten Unternehmens unter Zuhilfenahme generativer KI zu bearbeiten. Das Ziel wurde erreicht: Mithilfe eines bekannten LLM-Programms gelang es, in allen Bereichen eine Vielzahl von Konzeptvorschlägen zu generieren. Einer dieser Konzeptvorschläge inspirierte einen der Anwesenden zu einer auf dem Vorschlag aufbauenden Idee, die zum Kernbestandteil des Konzepts wurde. Dieses Beispiel verdeutlicht, wie Textgeneratoren sinnvoll einsetzbar sind: nicht als Texterstellungsprogramm, dem man nur die richtigen Befehle geben muss, um das fertige Produkt auszugeben, sondern als Sparringspartner, auf dessen Input man eigenständig aufbaut und das Ergebnis dann ggf. wieder zurückspielt

Des Weiteren wurden mithilfe eines Bildgenerators mehrere Bilder erstellt, die einzelne Aspekte des Konzepts anschaulich darstellten. Keines dieser Bilder war auf dem Niveau, als dass man es einem fertigen Angebot hätte beilegen können. Aber die Bilder waren sehr wohl geeignet, einem Kunden in einem Vorgespräch eine erste Idee anschaulich zu vermitteln oder anschließend einem Grafiker schneller seine Aufgabe erklären zu können.

Im Verlauf dieses zweiten Workshops konnten mehrere teils schon bekannte, aber noch nicht vollständig verinnerlichte Prinzipien anhand eines echten Anwendungsfalls vermittelt werden:

Es ist entscheidend, einem Textgenerator das Problem so zu erklären, dass auch ein unerfahrener Mensch das Problem verstehen kann
Es sollten nicht zu viele Informationen auf einmal vermittelt werden, um die Kreativität des Programms nichts zu ersticken. Informationen können anschließend immer noch nachgereicht werden
Die Aufforderung „sei kreativ“ funktioniert bei Textgeneratoren im Gegensatz zu Menschen sehr gut
Explizites Ausformulieren der Aufgabenstellung verbessert die Ergebnisse nennenswert
Es sollten möglichst immer Beispiele zur Aufgabenlösung gegeben werden. Insbesondere ist zu begründen, warum diese Beispiellösungen im aktuellen Fall nicht umsetzbar oder wünschenswert sind.
Das Äquivalent zum iterativen Prompten („Chatten“) ist bei bildgerierender KI das Einfügen generierter Bilder in die Image-to-Image-Funktion

Die Reaktion der Workshop-Teilnehmer war im Tenor überwiegend positiv. Sie stellten aber auch klar, wo die Grenzen generativer KI liegen:

Textgeneratoren können vollkommen neue Ideen generieren. Auf diese wären Mitarbeitende nur nach langem gemeinsamem Brainstorming oder womöglich überhaupt nicht gekommen
Das individuelle Arbeiten mit Textgeneratoren verhindert das Konvergieren zu einer gemeinsamen Lösung, weshalb sie innerhalb einer Brainstorming-Session nur bedingt nützlich sind
Aus demselben Grund sind Textgeneratoren wiederum ausgesprochen mächtig zur Vorbereitung zum gemeinsamen Brainstorming. Denn jeder kann sich selbstständig vorbereiten und dann mit unterschiedlichen Ideen erscheinen
Der Einsatz von Textgeneratoren im aktiven Brainstorming-Prozess bremst den kreativen Prozess aus. LLMs sollten daher nicht in einer kreativen Phase eingesetzt werden, sondern im Anschluss
Textgeneratoren haben eine starke selbstdisziplinierende Wirkung, da sie Mitarbeitende bewegen, erste unscharfe Ideen verständlich niederzuschreiben
Bildgenerierende KI ist nützlich für grobe Konzepte, wird im Finetuning aber schnell zu zeitintensiv