Using generative AI for content management

Die Nachfrage nach persona-basierten Inhalten zu befriedigen, kann für Content-Marketing-Teams eine Herausforderung sein, und es scheint, dass künstliche Intelligenz (KI) die Antwort auf dieses Problem ist. Wir bei Magnolia haben daran gearbeitet, KI für Content-Teams nutzbar zu machen, und mit der Veröffentlichung unseres AI Accelerators haben wir eine Lösung gefunden, die es Redakteuren und Redakteurinnen ermöglicht, die Geschwindigkeit und den Umfang der Inhaltserstellung mit bewährten generativen KI-Tools ihrer Wahl zu erhöhen – ohne die Anwendungsoberfläche und den Workflow zu verlassen, den sie von Magnolia gewohnt sind.

Doch bei der großen Auswahl an generativen KI-Tools ist es nicht immer einfach zu entscheiden, welches das richtige für Sie ist.

Wir gehen auch auf Anwendungsszenarien ein (einschließlich der Frage, wie wir einige dieser Tools bei Magnolia nutzen), auf mögliche rechtliche oder ethische Bedenken und auf die Rolle von KI-Detektoren.

Sind Sie bereit? Dann legen wir los.

Themen wie die Computerlinguistik und die algorithmische Sprachverarbeitung sind heutzutage so häufig in den Schlagzeilen, dass es schwierig ist, die spezifischen Auswirkungen der einzelnen KI-Modelle zu erfassen. Bevor wir uns mit den verschiedenen Tools befassen, sollten wir definieren, was wir unter generativen Modellen im Kontext von Marketing oder Content-Management verstehen.

Mit Ausnahme von virtuellen Assistenten und Produktivitätstools werden Sie in der Marketingwelt hauptsächlich Beispiele für generative KI antreffen und nicht für ein allgemein einsetzbares neuronales Netzwerk. Wenn wir von "generativen KI-Modellen" sprechen, beziehen wir uns auf die Fähigkeit des maschinellen Lernmodells, neue Inhalte zu erstellen. Der Begriff wird also oft verwendet, um Modelle mit einem engen Fokus von KI-Systemen mit universellem Einsatzzweck zu unterscheiden.

Um generative KI-Modelle effektiv nutzen zu können, ist das Verständnis der dahinter stehenden Datenwissenschaft entscheidend. Ohne dieses Verständnis wird es schwierig, Optionen zu vergleichen und zu bewerten.

Viele Unternehmen werben mit der synthetischen Vorverarbeitung ihrer Daten oder mit der Anzahl der Tokens, da sie deren Einfluss auf die Qualität der Ergebnisse erkannt haben. Damit ein Sprachmodell (Large Language Model, LLM) seine Trainingsdaten sinnvoll nutzen kann, müssen Ingenieure und Ingenieurinnen die Informationen für den Algorithmus normieren und kodieren. Begrenzte Datensätze und fehlerhafte Datenbereinigung führen nämlich zu ungenauen Ergebnissen oder zu einem diskriminierenden KI-Algorithmus.

Ebenso bestimmen die Tokens einer jeden generativen KI-Anwendung die Anwendungsfälle, die sie bearbeiten kann. Sie haben vielleicht schon von einem halluzinierenden KI-Chatbot gehört. Die Tokens bestimmen den Rahmen, in dem ein Modell einen Prompt interpretieren kann, bevor es anfängt zu halluzinieren. ChatGPT-4 ist in der Lage, 8 000 bis 32 000 Tokens bzw. 6 000 bis 24 000 Wörter zu verarbeiten. Ein anderes Sprachmodell hat möglicherweise andere Token-Grenzen oder versucht, diese durch einen integrierten Web-Zugang zur Aufnahme neuer Daten auszugleichen.

Falls die Provider keine Informationen zur Verfügung stellen, bieten Tests wie der ROUGE- oder BLEU-Score Metriken für KI-übersetzte oder -zusammengefasste Texte.

Unabhängig davon, für welches Tool Sie sich entscheiden, sollten Sie immer die ethischen und rechtlichen Auswirkungen der Einbindung dieser Tools in Ihre Marketingstrategien bedenken. Die Verwendung generativer KI-Modelle erfordert die Weitergabe zumindest einiger Details, und die Eingabe vertraulicher Unternehmensdaten könnte sich auf Ihre Vertragspflichten auswirken.

Dennoch ermöglicht die Integration eines generativen Modells in Ihre Content-Management-Bemühungen eine optimierte Content-Produktion und kann wertvolle Ressourcen einsparen.

Angesichts der Fülle an Tools und Funktionen ist es unmöglich, ein einziges KI-Tool für Ihre Text-Anforderungen zu empfehlen. Wir beginnen mit einigen Anwendungsszenarien, gefolgt von unseren Empfehlungen.

Die hier vorgestellten Lösungen für natürliche Sprachverarbeitung führen zu unterschiedlichen Ergebnissen innerhalb verschiedener Benutzeroberflächen. Um den kontrollierten Trainingsprozess, die Content-Generierung und -Optimierung skalierbar zu beschleunigen, bietet eine composable Digital-Experience-Plattform wie Magnolia eine Kombination von Tools in einheitlichen Benutzeroberflächen und Redaktions-Workflows.

Denken Sie daran, wenn Sie generative KI-Technologien ausprobieren, denn einige lassen sich in Plattformen wie unsere integrieren, was Ihnen mehr Flexibilität bietet und hilft, das mühsame und fehleranfällige Kopieren und Einfügen sowie den zeitaufwändigen Kontextwechsel zwischen mehreren Tools zu vermeiden.

Wie können also solche Programme zur Texterstellung bei der täglichen Redaktionsarbeit helfen? Werfen Sie einen Blick darauf, wie wir ChatGPT und Amazon Comprehend in Magnolia integriert haben, um die folgenden Anwendungsfälle zu unterstützen:

Tools zur Bildgenerierung sind mit einigen der gleichen Herausforderungen konfrontiert wie andere KI-Modelle, seien es rechtliche Erwägungen oder die Frage, inwieweit sich das Verfahren auf Prompts statt auf Vorlagen stützt. Allerdings haben Anwendungen, die KI-Funktionen für die Bilderzeugung bieten, tendenziell etwas mehr Probleme mit der Bereitstellung eines konsistenten Brandings über alle Inhalte hinweg.

Dennoch können sie im Prozess der Content-Erstellung hilfreich sein, da sie andere Bedürfnisse bedienen als Grafikdesigner:innen. Manchmal können sie einem Kunden oder einer Kundin einfach dabei helfen, eine grobe Idee zu vermitteln oder grafische Muster in einem Detailgrad auszufüllen, der für viele sonst nicht machbar wäre. Hier sind einige Tools, die Sie für Ihre Bildbearbeitung in Betracht ziehen sollten:

Bei Magnolia haben wir DALL-E und Amazon Rekognition integriert, um den Lebenszyklus Ihrer Inhalte zu unterstützen:

Auch wenn wir uns bereits mit Anwendungen wie ChatGPT oder Copy.ai befasst haben, die über bestimmte Übersetzungsfunktionen verfügen, sind wir der Meinung, dass diese Kategorie einen eigenen Bereich für unterschiedliche Funktionen verdient, die sonst nicht zur Anwendung kommen würden. In unserem Vergleich lassen wir einige offensichtliche Funktionen außen vor und konzentrieren uns auf diejenigen, die für Content-Produktions- und Marketing-Teams am wichtigsten sind.

KI-Übersetzung ermöglicht Ihnen den Zugang zu Märkten, die sonst unerreichbar wären, aber es ist wichtig, Ihre Prioritäten festzulegen, um die richtige Lösung für Ihre Strategie zu finden. Sicherlich ist die Qualität der Übersetzung für jeden von Bedeutung. Sie sollten jedoch abschätzen, ob sich die Investition in eine genauere Übersetzung lohnt. Vielleicht beginnen Sie mit einer groben Übersetzung, um die demografischen Gegebenheiten zu verstehen, und investieren in eine fein abgestimmte Lokalisierung, nachdem Sie einige Daten gesammelt haben.

Diese Überlegungen sind wichtig, denn es ist leicht, sich nur auf die Sprachunterstützung und die Qualität zu versteifen. Es ist zwar schön, ein Tool zu haben, das theoretisch in 30 weitere Sprachen übersetzen kann, aber vielleicht sollten Sie sich für eine andere Lösung entscheiden, weil sie sich besser in ein anderes Tool integrieren lässt oder den einen Workflow bietet, den Ihr Team braucht, sei es eine anpassbare Benutzeroberfläche oder SEO-Funktionen.

Bei Magnolia haben Sie in unserem Übersetzungsmodul die Wahl zwischen Google, Microsoft, Translate.com und DeepL. Wir bieten auch die Integration von AT Language Solutions an, einer Agentur für Übersetzungen und digitales Marketing, für diejenigen, die es vorziehen, bei der menschlichen Übersetzung zu bleiben.

Schließlich müssen wir uns mit dem großen Thema der Erkennung von KI befassen. Es ist nur natürlich, dass einige Menschen zögern, KI sofort zu übernehmen, und wir sollten alle Fragen stellen, um zu verstehen, wie diese neue Welle von Technologien in unser Leben passt. Wir sind nicht hier, um das ethische Problem zu lösen, das sich aus der Nutzung von KI ergibt, sondern lediglich, um zu erörtern, wie einige versuchen, es anzugehen.

Ganz gleich, ob Sie eine Qualitätskontrolle durchführen oder herausfinden wollen, ob Ihr KI-Tool unwissentlich in Ihrem Namen plagiiert und damit den Ruf Ihrer Marke gefährdet, Tools wie ZeroGPT oder der Plagiatschecker von Smodin bieten eine Lösung. Die Frage ist nur, ob sie halten können, was sie versprechen.

In den meisten Fällen werden Sie leider enttäuscht sein, und der Grund dafür liegt nicht bei den Providern. Ihre Absichten mögen sogar gut sein. Aufgrund der Vielzahl von KI-Modellen ist das Erkennen von Plagiaten oder KI-generierten Texten jedoch nicht so einfach, wie man es sich wünschen würde. Deshalb sehen Sie oft Versprechen für hohe Genauigkeitsraten neben dem Hinweis auf die Möglichkeit von Fehlalarmen.

In den letzten Jahren haben wir uns alle weiterentwickelt und erkennen eklatant mechanischen Sprachgebrauch, der offensichtlich Sprachmodelle verrät. Es stimmt auch, dass einige Modelle ganze Textabschnitte übernommen und plagiiert haben, womit das Bewusstsein des Modells für ethische Grundsätze ins Spiel kommt.

Für Sie ist es wichtig zu wissen, dass Sprachmodelle mehr tun, als Texte zu kopieren und einzufügen, und dass sowohl die Produktions- als auch die Analysetools von uns verlangen, uns in ungewöhnlich kurzer Zeit anzupassen. Wenn Sie rechtliche Bedenken haben oder sich beim Einsatz von KI unwohl fühlen, ist das keine Schande. Sie sollten jedoch über die jüngsten Entwicklungen informiert bleiben und zumindest über die neuen Möglichkeiten Bescheid wissen, um zu verstehen, was Ihre Konkurrenz treibt.

Es scheint fast so, als ob die Frage nicht lautet, ob man KI-Tools einsetzen sollte, sondern vielmehr, welche. Das Angebot ist unendlich groß und wird mit der Zeit weiter wachsen. Die größte Herausforderung für diejenigen, die gerade erst anfangen, besteht darin, ein Tool zu finden, das ihren Bedürfnissen und Anwendungsfällen entspricht.

Allerdings müssen einige Unternehmen neben ihren inhaltlichen Anforderungen auch ihr rechtliches Umfeld und ihre Partnerschaften berücksichtigen. Es besteht zwar kein Zweifel daran, dass KI-Modelle alles von Blogtexten bis hin zu LinkedIn-Carousels generieren können. Doch sollten Sie zumindest die technischen Unterschiede zwischen den verschiedenen Produkten berücksichtigen, sei es in Bezug auf die Anzahl der Tokens oder die Datenschutzrichtlinien. In jedem Fall müssen Sie sich darüber im Klaren sein, dass die Daten, mit denen Sie ein Modell füttern, potenziell dazu verwendet werden können, es zu trainieren und daraus Regeln abzuleiten, die Ihr Unternehmen, seine Partner und Kundschaft schützen.

Alles in allem bieten KI-Modelle einen unglaublichen Produktivitätsschub für Content-Produktionsteams. Wenn Ihnen die Idee gefällt, einem Bot Ideen zu entlocken oder bestimmte administrative Aufgaben zu automatisieren, Sie sich aber nicht für eine entscheiden können, ist das verständlich. Sie sollten auch bedenken, dass in den kommenden Jahren das Tempo, in dem neue KI-Tools und -Dienste auftauchen werden, noch höher sein wird, sodass es wichtig ist, flexibel zu bleiben, um neue Tools zu integrieren und zu nutzen. In diesem Fall kann eine DXP wie die von Magnolia Ihnen die Flexibilität geben, zwischen verschiedenen Tools zu wechseln. Dies bietet den Komfort einer bekannten Schnittstelle und einer sicheren Softwareumgebung sowie die Möglichkeit, später auf ein anderes Tool umzusteigen, wenn es Ihren Anforderungen besser entspricht.

In diesem 3-minütigen Video sehen Sie, wie KI-Texterzeugung, Bilderzeugung und Übersetzung in Magnolia funktionieren.

Und wenn Sie bereit sind, generative KI einzusetzen, empfehlen wir Ihnen auch dieses 60-minütige Webinar, in dem wir eine ausführliche Demo zeigen und die dringendsten Fragen behandeln.