Die erste offizielle Pimcore User Group fand in der Basilicom Zentrale in Berlin statt. Mehr als 70 Pimcore-Nutzer und andere Interessierte trafen sich, um mehr darüber zu erfahren, wie man generative KI in der Content-Produktion mit Pimcore einsetzen kann.
Am 22.03.2023 war es dann endlich so weit: Unter dem Titel "Reality Check AI: Automated Content Production at Enterprise Scale with Pimcore" fand die offizielle Pimcore User Group | Berlin in der Basilicom-Zentrale in Berlin statt. Mehr als 70 Pimcore-Anwender und andere Interessierte trafen sich, um mehr darüber zu erfahren, wie man generative KI in der Content-Produktion mit Pimcore einsetzen kann.
Die Veranstaltung begann offiziell mit ein paar einleitenden Worten von Basilicom-Gründer Arndt Kühne und Pimcore-CEO Dietmar Rietsch zur Begrüßung der Gäste, gefolgt von zwei Vorträgen von Prof. Peter Kabel und Basilicom CTO Christoph Lühr.
Kreative KI: Ein perfekter Sturm - Wie man den Untergang der Content-Industrie übersteht
Prof. Peter Kabel ist Gründer und Professor an der HAW Hamburg und beschäftigt sich seit Jahren mit kreativer KI. Für sein neuestes Projekt, cogniwerk.ai, sammelt und kategorisiert sein Team die verschiedenen kreativen KI-Modelle. Nutzer können aus rund 200 Tools die für sie passenden Anwendungen entdecken.
Anhand aktueller Beispiele zeigte er, dass KI-Modelle längst Einzug in unseren Alltag gehalten haben und wie ChatGPT, Midjourney & Co. die Content-Industrie auf den Kopf stellen und selbst globale Konzerne und deren Geschäftsmodelle herausfordern. Ob Filter auf TikTok und Snapchat oder die automatische Bearbeitung von Handy-Fotos: Seiner Meinung nach bestimmt "Machine Learning" bereits heute unser Verhalten.
Prof. Peter Kabel
Die neuen KI-Modelle werden das Gleiche mit unserer Arbeitsweise erreichen. In naher Zukunft wird es für jede Aufgabe, jedes Thema und jeden Stil ein passendes KI-Modell geben. Der Wettbewerbsvorteil wird auf der Fähigkeit beruhen, kreative KIs richtig einzusetzen. Prompt Crafting, also die Fähigkeit, Ideen und Konzepte als Input für eine KI zu schreiben, die das gewünschte Ergebnis liefert, wird in den kommenden Jahren zu einer der wichtigsten Fähigkeiten werden. Mit dem Hype um KI entsteht bereits ein neuer Markt für Prompting-Tools. Wer KI nicht ausreichend bedienen kann, wird für Tools mit speziellen Schnittstellen zahlen müssen, um wettbewerbsfähig zu bleiben.
Die "KI-Kriege" haben bereits begonnen. Alphabet (Google) ist mit Bard, einem Konkurrenten von ChatGPT, in das Rennen eingestiegen. Microsoft hat Milliarden in Open AI investiert und mit Microsoft Designer einen Herausforderer von Adobe gestartet, die ihrerseits bereits ein KI-basiertes Produkt namens "Adobe Firefly" in die Testphase geschickt haben. Das Fazit des Vortrags. Jeder, der Inhalte digital erstellt, wird unweigerlich mit generativer KI in Berührung kommen. Experten, die die neuen Werkzeuge beherrschen, werden noch effizienter sein und bessere Ergebnisse liefern. Weniger komplexe Aufgaben mit hohen Kosten werden in Zukunft automatisiert werden.
Automatisierte Content-Produktion im Unternehmensmaßstab mit Pimcore
Christoph Lühr ist CTO bei Basilicom und ein Pimconaut der ersten Stunde. Für die Pimcore User Group hat er KI-Tools mit Pimcore verbunden, um Inhalte automatisch zu erstellen. In seiner Präsentation und Demo machte er einen "Reality-Check", ob mit aktuellen Tools Inhalte in Massen in der geforderten Qualität produziert werden können.
Ziel seiner Tests war es, mit Produktdaten aus einem PIM Texte und Produktbilder zu erstellen, die in einem Katalog oder Online-Shop verwendet werden können. Aus den vorhandenen Produktinformationen wurden Prompts generiert, die für die Texte an ChatGPT und für die Bilder an DALL-E und Midjourney geschickt wurden.
Die Ergebnisse waren bereits beeindruckend.
Die Ergebnisse waren schon beeindruckend, aber nicht geeignet, um für die jeweiligen Produkte in einem Shop verwendet zu werden. Das Problem bei den Texten war, dass ChatGPT immer wieder Informationen zusätzlich zu den Produktinformationen aus den Prompts einfügte. Das bedeutete, dass die generierten Texte zwar stilistisch gut waren, aber inhaltlich insgesamt nicht stimmten, weil sie Fehlinformationen zum Produkt enthielten oder Details fehlten.
Die Ergebnisse sind bereits qualitativ gleichwertig oder besser als die Texte vieler bestehender Anbieter, aber ohne manuelle Nachbearbeitung nicht nutzbar. So kann ChatGPT in Verbindung mit Pimcore bereits viel Arbeit sparen, bietet aber noch nicht die notwendige Skalierbarkeit, um Inhalte für tausende von Produkten zu automatisieren. Ebenso wie bei den Inhalten lieferten auch die automatisch generierten Bilder nicht die gewünschte Qualität. Zwar lassen sich mit den vorhandenen Produktinformationen ansprechende Bilder generieren, doch weichen die Ergebnisse deutlich vom Originalprodukt ab.
Originalbild (links) vs. DALL-E (rechts)
Ein zweiter Test, der mit einer trainierten KI durchgeführt wurde, lieferte bessere Ergebnisse. Hierfür wurden 35 verschiedene Produktbilder mit einem 360°-Bild erstellt, um ein Modell der Firma Mindverse zu trainieren.
Der Prompt konnte sich also auf ein bekanntes Produkt stützen, das zur Inszenierung verwendet wurde. Im Gegensatz zur kreativen KI sind die Ergebnisse des trainierten Modells fast verwirrend realistisch, aber es gibt immer noch Probleme mit dem Logo und einigen Produktdetails im Vergleich zum Originalprodukt.
Für Unternehmen mit ausreichenden Ressourcen und Trainingsdaten könnten solche Modelle in Zukunft eine interessante Alternative sein, für die meisten Unternehmen bieten sie aber derzeit noch nicht die notwendige Skalierbarkeit.
Christoph Lühr, CTO, Basilicom
Generative KI braucht Guardrails, um effektiv zu arbeiten
Die Tests haben gezeigt, dass die KI-Modelle bereits Inhalte in einer sehr hohen Qualität generieren können, aber Produktdaten als alleinige Basis für Prompts liefern nicht die gewünschten Ergebnisse, um eine automatisierte Content-Produktion im großen Stil zu ermöglichen. Wie Prof. Kabel erläutert, bieten diese Prompts nicht genügend Kontext, um die Qualität von manuell erstellten Texten und Fotos zu erreichen. Um diese Lücke zu schließen, hat Christoph zwei weitere Tools in Pimcore integriert und stellt sie in einer Demo vor. Pebblely generiert automatisch Hintergründe für Bilder mit gängigen KI-Modellen wie Stable Diffusion und erkennt die Größe und Ausrichtung eines Produkts, um es richtig in Szene zu setzen.
Retresco ermöglicht Unternehmen die Erstellung von Vorlagen mit individuell definierbaren Regeln zur Generierung von Texten. Mit Hilfe von strukturierten und unstrukturierten Daten können Web-, Produkt- und SEO-Texte automatisch in der gewünschten Qualität, Varianz und Relevanz generiert werden. Das Team um Retresco-CEO Johannes Sommer war selbst bei der User Group anwesend, um an der Demo teilzunehmen und Fragen zu beantworten.
Die auf diese Weise generierten Bilder und Texte waren manuell erstellten Inhalten zum Verwechseln ähnlich. Im Fall von Pebblely gelingt es dem Tool bereits gut, ein Handtuch zu erkennen, auf eine Aufforderung hin passende Hintergründe zu erstellen und das Produkt in einen Kontext zu setzen. Obwohl das Produkt in den Tests eher klein erschien, hätten die generierten Bilder zusammen mit dem passenden Text und den Produktinformationen problemlos in einem Shop verwendet werden können.
Bei den Texten waren die Ergebnisse noch besser. Dank der Vorlage, die auf einem bestehenden Produkttext basierte, enthielten die Texte nur Produktinformationen, die im PIM gespeichert waren.
Die von Christoph definierten Regeln und die dynamischen Inhaltselemente sorgten dafür, dass neu generierte Texte, auch für das gleiche Produkt, eindeutig waren.
Dynamische Vorlage und generierter Text
Die Integration direkt in Pimcore ermöglichte es, Inhalte innerhalb von Sekunden nach einem Klick live zu generieren.
Das Fazit des Realitätschecks: Inhalte können bereits massenhaft und in hoher Qualität automatisch generiert werden, aber noch nicht mit den gängigen KI-Modellen wie ChatGPT, Stable Diffusion oder Midjourney. Unternehmen müssen entweder die Ressourcen aufbringen, um diese Modelle auf ihre Bedürfnisse zu trainieren oder ergänzende Tools wie Pebblely und Retresco einsetzen, um die gewünschte Qualität zu erreichen.
