Mit Agentic Commerce verändern sich die Rahmenbedingungen im Handel. Wenn KI-basierte Systeme Produktempfehlungen übernehmen und sich Kund:innen-Touchpoints verlagern, stellt sich die Frage, welche Rolle Content künftig in der Produktkommunikation spielt. Welche Bedeutung Produktbilder und andere visuelle Formate in diesem Umfeld haben, vor welchen Herausforderungen Unternehmen bei der KI-gestützten Content-Produktion stehen und was es braucht, um personalisierte Inhalte nachhaltig und skalierbar umzusetzen, erzählt Lisa-Maria Reith, Director Market Retail bei unserem ECC CLUB Mitglied Premedia, im Interview.
Agentic Commerce könnte dazu führen, dass Händler:innen einen Großteil der direkten Kund:innen-Touchpoints verlieren. Welche Rolle spielen Produktbilder dann noch im Handel?
Die Frage „Braucht der Handel in Zukunft überhaupt noch Produktbilder?“ hören wir immer häufiger. Meine Antwort darauf ist klar: Ja – sogar mehr denn je. Wenn KI-Agenten Produkte empfehlen, müssen diese Produkte im richtigen Kontext erlebbar sein. Ein generisches Bild auf weißem Hintergrund wird dafür nicht reichen. Produkte müssen in Anwendungsszenarien, unterschiedlichen Umgebungen, an verschiedenen Personen, in vielen Varianten und zunehmend als Video sichtbar werden. Denn gerade Video zeigt schneller, wie ein Produkt funktioniert, wirkt und in den Alltag der Kund:innen passt. Agentic Commerce reduziert den Content-Bedarf also nicht. Im Gegenteil: Er erhöht ihn massiv. Der Handel wird weniger Standard-Content brauchen – aber deutlich mehr kontextualisierten Content, der im richtigen Moment bereitsteht.
Kostenlose KI Tools können heute in Sekunden Bilder erzeugen. Vor welchen Hürden stehen viele Unternehmen, wenn sie ihre Content Produktion auf KI umstellen?
Tools wie Nano Banana, Midjourney oder DALL-E können in Sekunden beeindruckende Bilder erzeugen. Aber im Handel reicht „sieht gut aus“ nicht. Unser FFG-Forschungsprojekt hat gezeigt: KI sollte so eingesetzt werden, dass Content im echten Marketing- und E-Commerce-Alltag skalierbar, korrekt und markenkonform funktioniert. Das heißt ein Produkt muss korrekt dargestellt werden – in Farbe, Form, Material und allen Details. Genau dort stoßen viele Standard-KI-Tools an Grenzen. Sobald ich ein gutes Bild habe und dasselbe Produkt in einem anderen Milieu, an einer anderen Person oder für einen anderen Einsatzzweck zeigen will, sieht es oft plötzlich anders aus. Dazu kommt, dass die KI häufig halluziniert und Details erfindet, die es in Wirklichkeit gar nicht gibt. Für eine kleine Anzahl Bilder ist das vielleicht noch verkraftbar und manuell zu korrigieren. Für hunderte oder tausende Assets im Monat ist das ein echtes Problem.
Wie gehen erfolgreiche Brands die Produktion personalisierter Inhalte an?
Was wir bei unseren Kund:innen sehr klar sehen: Personalisierung funktioniert nicht allein auf Basis von Daten. Der Content, der bei Kund:innen ankommt, muss diese Personalisierung auch einlösen können. Entscheidend ist daher die Kombination aus beidem. Daten sind die Basis, um Kund:innen wirklich zu verstehen. Also “Was interessiert sie?”, “In welcher Situation befinden sie sich?”, “Welche Bedürfnisse, Kaufabsichten oder Signale senden Kund:innen gerade?”. Entscheidend ist dabei auch, Online-Daten mit Daten vom POS zu verbinden. Sonst sieht man immer nur einen Teil der Realität – und trifft Entscheidungen auf Basis der halben Wahrheit. Aber selbst die besten Daten erzeugen noch keine Wirkung, wenn der passende Content fehlt. In diesem Punkt unterscheiden sich Brands, die wirklich Personalisieren. Sie nutzen Daten nicht nur für Zielgruppen und Kampagnenlogik, sondern verbinden sie mit Content, der im jeweiligen Moment echten Mehrwert liefert. Also nicht: ein Produktbild für alle. Sondern Inhalte, die zum Kontext passen – zur Person, zum Einsatzzweck zur konkreten Kaufabsicht und zum Kanal. Das ist der X-Faktor, der Personalisierung für Kund:innen wirklich spürbar macht und zugleich einen nachweisbaren Conversion-Effekt erzielt.
Was braucht es aus deiner Sicht, um Content-Produktion mit KI nachhaltig, wirtschaftlich und in großem Maßstab zu skalieren?
Aus meiner Sicht beginnt es damit, KI nicht als isoliertes Kreativ-Tool zu sehen. Wirklich skalierbar wird sie erst, wenn sie Teil eines sauberen Produktionsprozesses ist. Die Lösung muss auf den konkreten Bedarf abgestimmt sein. Also wenn ein Händler regelmäßig schlechte Freistellerbilder von Lieferanten bekommt, für jedes der Produkte ein Video benötigt oder hunderte Bilder in kürzester Zeit erstellen möchte, muss die KI genau für diese Use Case ausgerichtet sein. Und dabei muss sie maximal konsistent und verlässlich neue Assets erzeugen. Gleichzeitig braucht es eine saubere Anbindung an bestehende Systeme – beim Input genauso wie beim Output. Wenn Bilder manuell heruntergeladen, geprüft und wieder hochgeladen werden müssen, ist der Effizienzgewinn schnell weg und das Bottleneck verlagert sich im Grunde nur. Und ganz wichtig: KI-Content-Produktion darf keine Blackbox sein. Gerade im Enterprise-Umfeld müssen Qualität, Marke und Produktgenauigkeit abgesichert bleiben. An kritischen Stellen braucht es deshalb den sogenannten “Human-in-the-Loop". Am Ende skaliert KI nicht durch einzelne Prompts, sondern durch klare Workflows, enterprisefähige Modelle, Systemintegration und Kontrolle.