Generative KI: Definition, Funktionsweise und Einsatz

Generative KI unterstützt bei Texten, Bildern und Videos und automatisiert wiederkehrende Aufgaben. Im E-Commerce eröffnen sich neue Möglichkeiten in Produktpflege, Marketing und Support. Gleichzeitig braucht es klare Regeln, gute Daten und eine sorgfältige Prüfung der Ergebnisse.

In diesem Beitrag erfährst du, wie generative KI funktioniert, welche Modelle es gibt und wie du die Technologie sinnvoll und verantwortungsvoll in deinem Unternehmen einsetzen kannst.

Wie funktioniert generative KI?

Vereinfacht gesagt verarbeitet ein System Trainingsdaten, erkennt darin Muster und nutzt diese zur Generierung neuer Ausgaben. Viele Verfahren basieren auf Machine Learning und Deep Learning mit künstlichen neuronalen Netzwerken, die vom menschlichen Gehirn inspiriert sind, es jedoch nicht nachbilden.

Der Ablauf lässt sich in fünf Schritte unterteilen:

1. Das System verarbeitet Trainingsdaten

Zunächst erhält das Modell eine große Menge an Beispieldaten. Abhängig von der späteren Anwendung können das Texte, Bilder, Audiodateien, Videos oder strukturierte Daten sein.

Die Trainingsdaten bestimmen wesentlich, welche Muster das System erlernen kann. Sind sie fehlerhaft, unvollständig oder einseitig, kann sich das auf die späteren Ergebnisse auswirken.

Moderne Systeme werden teilweise mit riesigen Datenmengen trainiert. Wie umfangreich die benötigten Datenmengen sein müssen, hängt unter anderem von der Aufgabe, der Architektur und dem gewünschten Leistungsumfang ab.

2. Algorithmen erkennen Muster

Während des Trainings untersuchen Algorithmen die Beziehungen innerhalb der Daten. Ein Sprachsystem erfasst beispielsweise Zusammenhänge zwischen Wörtern, Satzbestandteilen, Themen und Schreibstilen.

Die Technologie speichert dabei normalerweise keine einfache Sammlung fertiger Antworten. Stattdessen entstehen mathematische Repräsentationen der erkannten Strukturen. Auf ihnen basieren die späteren Ausgaben.

3. Nutzer:innen formulieren Eingaben

Eine Eingabe wird häufig als Prompt bezeichnet. Dabei kann es sich um eine Frage, Anweisung oder Beschreibung in natürlicher Sprache handeln.

Ein einfacher Prompt könnte lauten: „Verfasse eine Produktbeschreibung für eine wiederverwendbare Trinkflasche.“

Ein genauerer Prompt ergänzt Material, Fassungsvermögen, Zielgruppe, Markenstil und maximale Textlänge. Je klarer deine Anweisung ist, desto gezielter kann ein System Inhalte generieren.

4. Das System berechnet eine Ausgabe

Auf Grundlage des Prompts und der erlernten Muster wird eine passende Ausgabe berechnet. Sprachsysteme bestimmen schrittweise, welche Wörter wahrscheinlich aufeinander folgen. Bildgeneratoren synthetisieren dagegen visuelle Strukturen, die zur eingegebenen Beschreibung passen.

Dabei handelt es sich nicht um menschliches Verständnis. Die Systeme arbeiten mit mathematischen Wahrscheinlichkeiten. Deshalb kann eine Antwort hochwertig formuliert wirken, obwohl einzelne Aussagen falsch sind.

5. Menschen prüfen das Ergebnis

Im geschäftlichen Einsatz sollten Ausgaben nicht ungeprüft übernommen werden. Kontrolliere unter anderem, ob sie:

• sachlich richtig sind
• zur gestellten Aufgabe passen
• der Markenstimme entsprechen
• keine vertraulichen Daten enthalten
• keine diskriminierenden Aussagen wiedergeben
• keine Produkteigenschaften erfinden
• für die Zielgruppe verständlich sind

Generative KI unterstützt damit vor allem bei Entwürfen, Varianten und Vorarbeiten. Die fachliche und redaktionelle Verantwortung bleibt bei den zuständigen Mitarbeitenden.

Arten und Modelle generativer KI

Die Geschichte der generativen KI begann lange vor modernen Chatbots und Bildgeneratoren. Schon frühe KI-Forschung beschäftigte sich mit der Frage, wie sich Sprache, Muster und Entscheidungsprozesse technisch nachbilden lassen.

Spätere Fortschritte bei Hardware, Machine Learning und neuronalen Netzen ermöglichten es, immer größere Datensätze und komplexere Zusammenhänge zu verarbeiten. Einen wichtigen Entwicklungsschritt bildeten Transformer-Modelle. Sie können Beziehungen zwischen einzelnen Bestandteilen längerer Texteingaben berücksichtigen und verbesserten dadurch insbesondere die Verarbeitung natürlicher Sprache.

Mit der Veröffentlichung leicht zugänglicher Systeme wie ChatGPT stiegen die Bekanntheit und Nutzung generativer Anwendungen deutlich. Seitdem können auch Nutzer:innen ohne tiefgehende technische Kenntnisse mit solchen Systemen arbeiten.

Generative Modelle verfolgen grundsätzlich dasselbe Ziel: Sie sollen neue Inhalte erzeugen. Dafür nutzen sie jedoch unterschiedliche technische Verfahren und eignen sich je nach Aufbau für verschiedene Aufgaben.

Große Sprachmodelle

Große Sprachmodelle, auch Large Language Models oder LLMs genannt, werden mit umfangreichen Textbeständen trainiert. Sie können unter anderem:

• Fragen beantworten
• Texte verfassen
• Informationen zusammenfassen
• Inhalte übersetzen
• Programmcode erklären oder erzeugen

Viele große Sprachmodelle basieren auf einer Transformer-Architektur. Die Bezeichnung Generative Pretrained Transformer beschreibt ein System, das zunächst mit großen Textmengen vortrainiert und anschließend für sprachbasierte Aufgaben eingesetzt wird.

ChatGPT ist ein bekanntes Beispiel. Der Chatbot verarbeitet Prompts und erstellt daraus sprachliche Antworten. Dabei kommen Verfahren der Verarbeitung natürlicher Sprache zum Einsatz.

Diffusionsmodelle

Diffusionsmodelle werden vor allem für die Bilderzeugung genutzt. Während des Trainings lernen sie vereinfacht gesagt, Bildrauschen schrittweise zu entfernen.

Nach dem Training kann ein solches Modell aus einem verrauschten Ausgangszustand ein neues Bild erzeugen. Diffusionsmodelle eignen sich beispielsweise für Illustrationen, visuelle Konzepte und Designentwürfe.

Generative Adversarial Networks

Generative Adversarial Networks, kurz GANs, bestehen aus zwei neuronalen Netzwerken: einem Generator und einem Diskriminator.

Der Generator erzeugt neue Inhalte. Der Diskriminator prüft, ob diese Inhalte echten Trainingsbeispielen ähneln. Durch dieses Zusammenspiel verbessert sich die Qualität der erzeugten Ergebnisse schrittweise.

GANs werden unter anderem für realistisch wirkende Bilder und künstlich erzeugte Datensätze eingesetzt.

Variational Autoencoders

Variational Autoencoders, kurz VAEs, übertragen Daten zunächst in eine vereinfachte mathematische Darstellung. Aus dieser Darstellung können sie anschließend neue, ähnliche Inhalte erzeugen.

Sie eignen sich beispielsweise für Designvarianten sowie für künstlich erzeugte Test- und Trainingsdaten.

Multimodale Systeme

Multimodale Systeme können mehrere Datenarten gleichzeitig verarbeiten. Sie analysieren beispielsweise ein Bild, beantworten eine Frage dazu und erstellen anschließend eine passende Beschreibung.

Je nach System lassen sich Text, Bild, Sprache, Audio und Video miteinander verbinden. Für E-Commerce-Unternehmen kann das hilfreich sein, wenn Produktbilder, Beschreibungen und Kundendialoge gemeinsam ausgewertet werden sollen.

Worin sich generative Modelle unterscheiden

Die verschiedenen Modelle der generativen KI unterscheiden sich vor allem hinsichtlich ihrer Architektur, Trainingsdaten, Ausgabeformate und Einsatzbereiche. Einige Systeme sind auf Texte spezialisiert, andere auf Bilder, Audio oder Video. Multimodale Systeme verbinden mehrere Formate miteinander.

Auch die Größe eines Modells sagt nicht automatisch aus, ob es für eine bestimmte Aufgabe geeignet ist. Ein kleineres, spezialisiertes Modell kann klar abgegrenzte Prozesse effizient bearbeiten. Ein größeres Modell eignet sich dagegen häufig besser für offenere und vielseitigere Aufgaben.

Für Unternehmen ist deshalb nicht automatisch das technologisch größte Modell die beste Wahl. Entscheidend ist, ob es zuverlässig zum jeweiligen Anwendungsfall, zu den vorhandenen Daten und zu den internen Anforderungen passt.

Generative KI im E-Commerce

E-Commerce-Unternehmen verarbeiten täglich große Mengen an Produktdaten, Kundenanfragen, Bewertungen und Marketinginhalten. Generative KI kann dabei helfen, diese Informationen schneller aufzubereiten, erste Entwürfe zu erstellen und wiederkehrende Aufgaben teilweise zu automatisieren.

Produktinformationen strukturieren und Beschreibungen erstellen

Händler:innen verwalten Produktdaten häufig in unterschiedlichen Formaten. Generative KI kann dabei helfen, diese Informationen zu vereinheitlichen, relevante Merkmale zu extrahieren und Produkte passenden Kategorien zuzuordnen.

Mögliche Aufgaben sind:

• uneinheitliche Produktbezeichnungen überarbeiten
• Produktmerkmale aus Dokumenten extrahieren
• fehlende Angaben kennzeichnen
• Stichpunkte in strukturierte Beschreibungen umwandeln
• Übersetzungsentwürfe erstellen
• Alt-Text-Entwürfe formulieren

Aus den aufbereiteten Informationen kann das System anschließend erste Produktbeschreibungen erstellen. Als Grundlage eignen sich beispielsweise der Produktname, Material, Maße und Gewicht, Funktionen, verfügbare Varianten, Zielgruppe, Pflegehinweise sowie zentrale Vorteile.

Eine gute Produktbeschreibung sollte konkrete Fragen zur Kaufentscheidung beantworten und mit den tatsächlichen Produktdaten übereinstimmen. Fehlende Informationen darf das System nicht selbst ergänzen. Stattdessen sollte es Lücken deutlich kennzeichnen, damit keine erfundenen Produkteigenschaften veröffentlicht werden.

Rechtlich relevante Angaben, Sicherheitshinweise und gesundheitsbezogene Aussagen sollten immer fachlich kontrolliert werden.

Marketinginhalte planen und erstellen

Generative KI kann bei der Themenplanung und der Erstellung erster Marketingentwürfe unterstützen. Sie kann mögliche Fragen von Kund:innen sammeln, Themen ordnen und verschiedene Perspektiven für E-Mails, Anzeigen, Landingpages oder Social-Media-Beiträge vorschlagen.

Als Grundlage eignen sich reale Informationen aus deinem Unternehmen, etwa:

• Suchanfragen im Onlineshop
• Fragen an den Kundenservice
• Produktbewertungen
• Rückgabegründe
• Kommentare in sozialen Netzwerken
• Ergebnisse einer Keyword-Recherche
• häufige Einwände vor dem Kauf

Auf Basis dieser Informationen lassen sich Inhalte entwickeln, die stärker auf die tatsächlichen Interessen deiner Zielgruppe eingehen. Du kannst einen Produktvorteil beispielsweise sachlich, spielerisch oder besonders knapp formulieren lassen.

Generative KI-Anwendungen können Entwürfe außerdem an unterschiedliche Kundengruppen oder Phasen der Customer Journey anpassen. So lassen sich etwa verschiedene E-Mail-Versionen für Erstkäufer:innen und Bestandskund:innen vorbereiten.

Die endgültigen Inhalte sollten zur Markenstimme, zur Zielgruppe und zum jeweiligen Verkaufskanal passen. Eine Personalisierung darf zudem nur auf zulässig erhobenen und nachvollziehbaren Daten basieren. Sensible Merkmale sollten nicht ohne rechtliche und ethische Prüfung verwendet werden.

Kundensupport und Kundenfeedback auswerten

Ein KI-gestützter Chatbot kann häufige Fragen zu Lieferzeiten, Rückgabebedingungen oder Produkten beantworten. Voraussetzung ist, dass er auf aktuelle und geprüfte Informationen zugreift.

Generative KI kann Service-Mitarbeiter:innen außerdem dabei unterstützen, lange Anfragen zusammenzufassen und passende Antwortentwürfe vorzubereiten. Komplexe, sensible oder konfliktbehaftete Fälle sollten jedoch an eine Person übergeben werden. Das gilt beispielsweise bei Beschwerden, Zahlungsproblemen oder unklaren Anliegen.

Auch Support-Anfragen, Produktbewertungen, Umfrageantworten und interne Notizen lassen sich nach wiederkehrenden Themen auswerten. Dadurch werden häufig genannte Vorteile, Probleme und Produktwünsche schneller sichtbar.

Für geschäftskritische Entscheidungen solltest du jedoch prüfen, welche Daten ausgewertet wurden und ob die Zusammenfassung wichtige Einzelmeinungen oder mögliche Verzerrungen ausreichend berücksichtigt.

Bilder und Designs entwerfen

Bildgeneratoren können erste visuelle Konzepte für Kampagnen, Verpackungen oder Shop-Layouts erstellen. Das erleichtert frühe Abstimmungen und den Vergleich verschiedener Ideen.

Bei Produktdarstellungen ist besondere Vorsicht erforderlich. Generierte Bilder dürfen keine Eigenschaften zeigen, die das tatsächliche Produkt nicht besitzt. Andernfalls können bei Kund:innen falsche Erwartungen entstehen.

Technische Aufgaben unterstützen

Code-Assistenten können einfache Codebausteine vorschlagen, bestehenden Code erklären oder auf mögliche Fehler hinweisen.

Im E-Commerce kann das beispielsweise bei kleineren Theme-Anpassungen oder der Verarbeitung strukturierter Daten helfen. Generierter Code sollte immer getestet und fachlich geprüft werden, bevor er in einem Onlineshop eingesetzt wird.

Vorteile für Unternehmen

Generative KI kann Unternehmen dabei helfen, wiederkehrende Aufgaben schneller zu bearbeiten und Teams bei der Vorbereitung von Inhalten, Analysen und Entscheidungen zu entlasten. Der tatsächliche Nutzen hängt jedoch davon ab, ob ein klarer Anwendungsfall, geeignete Daten und verlässliche Qualitätskontrollen vorhanden sind.

• Mehr Effizienz: Entwürfe, Zusammenfassungen und Varianten lassen sich häufig in kürzerer Zeit erstellen. Mitarbeitende können sich dadurch stärker auf Strategie, fachliche Prüfung und anspruchsvolle Entscheidungen konzentrieren.
• Schnellere Ideenfindung: Generative Systeme können innerhalb kurzer Zeit unterschiedliche Ansätze vorschlagen. Das unterstützt Brainstormings, Kampagnenplanungen und die frühe Produktentwicklung.
• Skalierbare Inhaltserstellung: Bei großen Produktsortimenten oder mehreren Märkten müssen viele ähnliche Inhalte erstellt und angepasst werden. Generative KI kann standardisierte Vorarbeiten übernehmen, während Mitarbeitende die Ergebnisse prüfen, überarbeiten und lokalisieren.
• Einfacherer Zugang zu Informationen: Sprachbasierte Assistent:innen ermöglichen es, Informationen in natürlicher Sprache abzufragen. Statt umfangreiche Berichte manuell zu durchsuchen, können Nutzer:innen gezielt nach Entwicklungen, Abweichungen oder Zusammenhängen fragen.
• Unterstützung kleiner Teams: Kleine Unternehmen verfügen nicht für jede Aufgabe über eine eigene Fachabteilung. Generative KI kann erste Entwürfe, Zusammenfassungen und Analysen liefern. Sie ersetzt jedoch weder Fachwissen noch die abschließende Kontrolle durch Mitarbeitende.

Generative KI revolutioniert nicht automatisch jedes Geschäftsmodell. Sie kann jedoch verändern, wie schnell Unternehmen Inhalte, Ideen und Analysen vorbereiten. Besonders sinnvoll ist ihr Einsatz bei wiederkehrenden Aufgaben, deren Ergebnisse sich anhand klarer Kriterien prüfen lassen. Dazu gehören beispielsweise die Produktdatenpflege, Zusammenfassungen und standardisierte Textentwürfe.

Entscheidend ist daher nicht die Zahl verfügbarer Funktionen, sondern der konkrete Nutzen. Die gewählte Anwendung sollte ein bestehendes Problem lösen und sich zuverlässig in die Arbeitsabläufe des Unternehmens integrieren lassen.

Grenzen und Risiken

Generative KI liefert nicht automatisch korrekte, neutrale oder rechtlich unbedenkliche Ergebnisse. Unternehmen sollten deshalb technische, organisatorische, ethische und rechtliche Risiken bereits vor dem Einsatz berücksichtigen.

• Fehler und Halluzinationen: KI-Systeme können falsche Tatsachen, erfundene Quellen oder unzutreffende Produktdetails ausgeben. Preise, Produkteigenschaften, Sicherheitsangaben und rechtliche Informationen sollten daher besonders sorgfältig kontrolliert werden.
• Verzerrte Ergebnisse: Trainingsdaten können Vorurteile und stereotype Darstellungen enthalten. Generierte Inhalte sollten deshalb auf diskriminierende Aussagen und Benachteiligungen geprüft werden.
• Datenschutz und vertrauliche Informationen: Personenbezogene Daten, Geschäftsgeheimnisse und vertrauliche Dokumente sollten nicht ungeprüft in externe KI-Systeme eingegeben werden. Unternehmen sollten klar regeln, welche Systeme und Daten erlaubt sind, wer Zugriff hat, wie lange gespeichert wird und wie Vorfälle dokumentiert werden.
• Urheberrecht und Nutzungsrechte: Bei generierten Inhalten können Fragen zu Urheberrecht und Nutzungsrechten entstehen. Prüfe daher die Bedingungen des Anbieters und sei bei Logos, Marken, bekannten Figuren und Stilnachahmungen besonders vorsichtig.
• Fehlende Transparenz: Bei vielen KI-Modellen ist nur eingeschränkt nachvollziehbar, wie ein Ergebnis entstanden ist. Erklärbare KI soll solche Entscheidungen verständlicher und besser überprüfbar machen.
• Sicherheitsrisiken: Manipulierte Eingaben können dazu führen, dass ein KI-System interne Anweisungen umgeht oder unerwünschte Informationen ausgibt. Zugriffsrechte sollten deshalb begrenzt und regelmäßig geprüft werden.
• Rechtliche Anforderungen und der EU AI Act: Beim Einsatz generativer Systeme können in der EU Vorgaben des EU AI Act gelten, abhängig von Rolle, System und Anwendungsfall. Unternehmen sollten prüfen, ob Inhalte gekennzeichnet werden müssen, und die rechtliche Entwicklung fachlich begleiten lassen.

Generative KI im Unternehmen einführen

1. Wähle einen konkreten Anwendungsfall

Beginne mit einem wiederkehrenden Prozess, dessen Ergebnis sich gut kontrollieren lässt. Geeignet sind beispielsweise Produktbeschreibungen oder Zusammenfassungen interner Rückmeldungen.

2. Definiere ein messbares Ziel

Lege fest, woran du den Nutzen erkennen möchtest. Mögliche Kriterien sind:

• Bearbeitungszeit
• Zahl notwendiger Korrekturen
• Vollständigkeit
• Antwortzeit im Kundensupport
• Qualität nach einem Prüfschema

Eine schnellere Erstellung ist nur dann ein Vorteil, wenn die anschließende Korrektur nicht mehr Zeit beansprucht.

3. Prüfe Datenschutz und Nutzungsbedingungen

Kläre, welche Informationen verarbeitet werden und ob Eingaben für weiteres Training genutzt werden können. Prüfe Speicherorte, Löschmöglichkeiten und Zugriffsrechte.

4. Erstelle klare Anweisungen

Definiere, welche Informationen ein Prompt enthalten soll. Für Produktbeschreibungen können beispielsweise Pflichtfelder, Tonalität, Länge und verbotene Aussagen festgelegt werden.

5. Lege Qualitätskontrollen fest

Bestimme, wer Ergebnisse prüft und welche Kontrollschritte erforderlich sind. Eine interne Ideensammlung ist weniger kritisch als eine veröffentlichte Produktinformation.

6. Dokumentiere Verantwortlichkeiten

Mitarbeitende sollten wissen, welche generative KI-Systeme erlaubt sind, für welche Aufgaben sie eingesetzt werden dürfen und wer die finale Freigabe übernimmt.

7. Teste den Prozess in kleinem Umfang

Beginne mit einer begrenzten Zahl an Produkten, Texten oder Anfragen. Dokumentiere Fehler und passe Prompts sowie Abläufe an.

8. Überprüfe den Einsatz regelmäßig

Funktionen, Modelle und rechtliche Anforderungen entwickeln sich weiter. Prüfe deshalb regelmäßig, ob die eingesetzten Lösungen noch zu deinen Anforderungen passen.

In diesem Video (auf Englisch) zeigen wir dir, wie du KI nutzen kannst, um dein eigenes Unternehmen zu führen:

Fazit: Generative KI als Werkzeug für den E-Commerce

Generative KI kann Texte, Bilder, Videos, Audiodateien und weitere Medien auf Grundlage erlernter Muster erzeugen. Im E-Commerce hilft sie dabei, Produkttexte vorzubereiten, Kundenanfragen zu strukturieren, Informationen zusammenzufassen und neue Inhalte zu generieren.

Ihr größter Nutzen liegt häufig nicht in der vollständigen Automatisierung, sondern in der Zusammenarbeit zwischen Mensch und Technologie. KI übernimmt Entwürfe und wiederkehrende Vorarbeiten. Mitarbeitende liefern Kontext, prüfen Fakten und treffen die endgültigen Entscheidungen.

Damit dieser Ansatz funktioniert, benötigen Unternehmen geeignete Daten, klare Regeln und verlässliche Qualitätskontrollen. Datenschutz, Urheberrecht, Transparenz und mögliche Verzerrungen sollten von Beginn an berücksichtigt werden.

Haftungsausschluss: Dieser Artikel dient ausschließlich zu Informationszwecken und stellt keine professionelle Steuer- oder Rechtsberatung dar. Bitte konsultiere eine unabhängige Rechts- oder Steuerberatung für Informationen, die spezifisch für dein Land und deine Umstände gelten. Shopify haftet in keiner Weise für deine Verwendung oder dein Vertrauen in diese Informationen.