Wer in der Branche arbeitet, kennt die etablierten Systeme. Bestehende Lösungen produzieren Kataloge, Beileger und Prospekte seit Jahren weitgehend regelbasiert: PIM-Daten rein, Templates definieren das Layout, Vorlagen-Engines erzeugen die Seiten. Der manuelle Anteil liegt bei sauber aufgesetzten Produktionen erfahrungsgemäß bei rund 20 Prozent — fokussiert auf Detailkorrekturen, Sonderlayouts und Inhaltspflege.
Diese 20 Prozent sind genau die Stellen, an denen KI gerade Wirkung zeigt. Nicht als Ersatz für die etablierte Template-Logik, sondern als Ergänzung dort, wo regelbasierte Systeme an Grenzen stoßen.
Die letzten Prozente sind die teuersten
Wer schon einmal eine Katalogproduktion betreut hat, kennt das Muster: 80 Prozent der Seiten laufen sauber durch das Template-System. Die letzten 20 Prozent kosten gleich viel Zeit wie die ersten 80. Sonderprodukte, die nicht ins Standardraster passen. Bilder mit Hintergrund, der noch entfernt werden muss. Texte, die gekürzt oder umgeschrieben werden müssen, weil sie aus dem PIM zu lang kommen. Manuelle Korrekturen nach Druckabnahme.
Klassische Werbemittel-Suiten lösen diese Aufgaben über Skripting, manuelle Eingriffe oder externe Tools. KI verschiebt die Grenze nach oben — von rund 80 auf bis zu 90 Prozent automatisierten Produktionsanteil. Der entscheidende Punkt: Diese letzten zehn Prozentpunkte sind in vielen Häusern für die Hälfte des Aufwands verantwortlich.
Wo KI heute konkret etwas beiträgt
Bildverarbeitung außerhalb der Studio-Norm. Klassisches Cropping mit Fokuspunkten ist Standard. KI-Modelle erweitern das um Aufgaben, die regelbasiert kaum lösbar sind: Hintergrundfreistellung bei realen Aufnahmen (nicht nur Pack-Shots im Studio), Schattenrekonstruktion bei freigestellten Produkten, automatische Retusche kleinerer Aufnahmefehler. Was vorher in Photoshop bei einem Bildbearbeiter landete, läuft jetzt in der Pipeline mit.
Generierung und Anpassung von Texten. Produkttexte aus Stammdaten zu erzeugen ist nicht neu — Template-Logik erlaubt das seit Jahren, aber mit harten Grenzen bei Tonalität und Variantenreichtum. KI-Modelle, die direkt auf das PIM zugreifen und auf Marken-Tonalität trainiert sind, liefern verschiedene Längen für verschiedene Kanäle (Print-Kurzbeschreibung, SEO-Webtext, Social-Media-Caption) aus einer Datenbasis. Die Qualität reicht in vielen Fällen für direkten Produktiveinsatz mit minimaler Nachredaktion.
Semantische Qualitätsprüfung. Hier liegt der größte Sprung. Klassische Prüfsysteme erkennen formale Fehler: Auflösung zu niedrig, Farbraum falsch, Pflichtangabe fehlt. Was sie nicht erkennen, sind kontextabhängige Probleme — überlaufender Text, der inhaltlich nicht passt, Bildausschnitte, in denen das Hauptmotiv abgeschnitten wirkt, Preise, die im Layout formal korrekt sind, aber gegen das aktuelle PIM verstoßen, weil sich zwischen Datenexport und Drucklegung etwas geändert hat. KI-Modelle prüfen genau diese Ebenen.
Layout-Adaption über Formate. Vom Print-Master zur Social-Media-Variante zur App-Anzeige zum Newsletter-Banner: Klassisch wird pro Format ein eigenes Template hinterlegt. KI-Engines passen Layouts dynamisch an, indem sie Hierarchien und Kompositionsregeln aus dem Master-Layout ableiten. Das spart die Pflege von zehn bis fünfzehn Format-Templates pro Kampagne.
Was KI heute (noch) nicht kann
Bei aller Begeisterung: Die Grenzen sind real. Kreative Entscheidungen — was eine Kampagne emotional transportieren soll, welcher Bildstil zum Markenkern passt — bleiben menschliche Aufgaben. Komplexe Freisteller mit Glas, Haaren oder transparenten Stoffen brauchen weiterhin Nacharbeit. Und in regulierten Branchen wie Pharma oder Finanzdienstleistungen ist die Beweispflicht so hoch, dass automatisierte Prüfungen die manuelle Endkontrolle nicht ersetzen, sondern nur entlasten.
Der Erfolg hängt zudem massiv davon ab, wie eng KI-Funktionen mit den Datenquellen verzahnt sind. Eine Insellösung ohne PIM- und DAM-Anbindung produziert mehr Korrekturaufwand, als sie spart.
Wann lohnt sich der Einstieg?
Wer bereits mit einer etablierten Werbemittel-Suite arbeitet, sollte KI-Funktionen nicht als Ersatz, sondern als Erweiterung denken. Der Business-Case wird dort scharf, wo der manuelle 20-Prozent-Anteil regelmäßig groß genug ist, um echte Personalkapazität zu binden — typischerweise bei Häusern mit hoher Kataloghäufigkeit, vielen Regionalisierungen oder umfangreichen Bildbearbeitungs-Anteilen.
Für Unternehmen ohne bestehende Template-Logik ist die Reihenfolge umgekehrt: Erst die Basis-Automatisierung über PIM, DAM und Template-Engine etablieren — dann KI-Module ergänzen, wo die spezifischen Engpässe liegen.
Was 2026 zählt
Der Vorsprung kommt nicht durch das beste Einzelmodell, sondern durch Workflow-Integration. Ein DAM, das automatisch taggt; ein PIM, das Texte vorgenerieren lässt; eine Layout-Engine, die beides zusammenbringt; eine Prüfschicht, die semantisch arbeitet — das ist die Richtung. Wer KI als Bündel von Modulen denkt, die nahtlos in bestehende Produktionsketten passen, gewinnt die letzten zehn Prozentpunkte. Wer sie als isolierte Spielerei betrachtet, hat in zwei Jahren mehr manuelle Arbeit als nötig.
← Zurück zum Blog