Generative AI und PIM: 5 Maßnahmen, um deine Marketingskills zu verbessern
Wir zeigen dir, wie du mit Generative AI und Produktdaten dein Marketing auf die nächste Stufe bringst
- Was ist PIM und warum ist es für Unternehmen so wichtig?
- 5 Anwendungsbereiche von AI im Product Information Management (PIM)
- Was sind die Vorteile der Integration von AI in dein PIM-System?
- Was solltest du bei der Integration von AI in dein PIM-System beachten?
- Welche Tools eignen sich zur Integration von AI in dein PIM?
- Fazit: Kann Generative AI dein PIM-System revolutionieren?
Product Information Management (PIM) Systeme, wie
oder helfen dir, Produktdaten zentral zu verwalten. Dadurch sind sie jederzeit aktuell und vollständig, damit du sie auf deinen Kanälen in Echtzeit ausspielen kannst.Mithilfe von generativen AI-Modellen kannst du diese Daten nun noch effizienter nutzen. In diesem Artikel lernst du von unserem Gastautoren Arndt Kühne fünf spannende Anwendungsfälle kennen, wie du mit Generative AI und Produktdaten dein Marketing schneller skalieren kannst.
Was ist PIM und warum ist es für Unternehmen so wichtig?
Product Information Management (PIM) Systeme ermöglichen es deinem Unternehmen, alle Produktinformationen an einer zentralen Stelle zu verwalten. Das PIM dient als “Single Source of Truth” für alle Produktinformationen und stellt die Daten über Schnittstellen allen relevanten Kanälen zur Verfügung, zum Beispiel deinem Online-Shop oder deiner Webseite.
Ein PIM vereinfacht es, Produktdaten über alle Teams und Touchpoints hinweg aktuell und vollständig zu halten. Das reduziert Fehler, beschleunigt die Time-to-Market und sorgt so für ein besseres Produkterlebnis.
Empfehlenswerte Product Information Management (PIM) Software
Auf unserer Vergleichsplattform OMR Reviews findest du weitere empfehlenswerte Product Information Management (PIM) Tools. Wir stellen über 80 Lösungen vor, die speziell auf die Bedürfnisse von Unternehmen und Marken zugeschnitten sind, die effizientes Produktinformationsmanagement benötigen. Diese PIM-Software bietet umfassende Unterstützung in allen Aspekten des Produktinformationsmanagements. Nutze diese Gelegenheit, die verschiedenen Softwarelösungen zu vergleichen und dabei auf authentische und verifizierte Nutzerbewertungen zurückzugreifen:
5 Anwendungsbereiche von AI im Product Information Management (PIM)
Daten sind die Grundlage jedes AI-Modells. Daten werden benötigt, um AI-Modelle zu trainieren und ihnen Kontext zu geben. Genauso wie dein PIM Produktdaten an deinen Online Shop liefert, kann es auch Daten an AI-Modelle wie OpenAI ChatGPT senden, um automatisierte Prompts zu erzeugen oder anzureichern.
1. (Produkt-)Texte generieren
Bei der Generierung von Texten sind zwei Ansätze zu unterscheiden:
- Automatisierung mit Large Generative AI-Models
- Automatisierung mit regelbasierten AIs
Beide Ansätze haben Vor- und Nachteile, die sie für bestimmte Anwendungen mehr oder weniger geeignet machen. Du musst dich aber nicht für ein Entweder-oder entscheiden. Viele regelbasierte Tools haben Large Generative AI-Modelle, wie ChatGPT, integriert und können so das Beste aus beiden Welten kombinieren. Alternativ kannst du natürlich auch beides einbinden und je nach Anwendungsfall das passende Tool wählen.
Large Generative AI Models (LGAIM)
Large Generative AI Models, wie ChatGPT, sind längst in unserem Alltag angekommen. Bis zum Launch von Threads (Meta) war das Tool von OpenAI die schnellste App mit 100 Millionen Usern.
Large Generative AI Models sind also sehr beliebt, um Texte zu erstellen. Mit den richtigen Prompts lassen sich so in wenigen Minuten Texte erstellen, die sich oft kaum von durchschnittlichen manuell erstellten Inhalten unterscheiden lassen.
Allerdings gibt es zwei häufige Probleme mit Modellen bei der Texterstellung: Halluzinationen und “Bias”.
Unter Halluzinationen versteht man die Eigenschaft generativer AIs, falsche Informationen zu erfinden. Lässt man ChatGPT beispielsweise Produkttexte schreiben, selbst mit Daten direkt aus einem PIM, ist es nicht ungewöhnlich, dass die AI zusätzliche Informationen dazu erfindet, die sie für relevant hält. Das führt dazu, dass Texte plötzlich Produkteigenschaften enthalten, die es gar nicht gibt oder die du vielleicht gar nicht hervorheben möchtest.
Automatisierte Textgenerierung in Pimcore
mit Retresco Textengine, Quelle: Pimcore, hier angewendet von BasilicomLarge Generative AI Models eignen sich daher ausgezeichnet, um kreative Inhalte wie Blogtexte aufzubereiten oder in Chatbots und/ oder Chatbots Tools zu integrieren.
Für Inhalte mit weniger kreativem Spielraum, wie Produkttexte, sind sie jedoch weniger geeignet. Hier kommen regelbasierte Tools ins Spiel.
Regelbasierte Automatisierung
Der Vorteil der regelbasierten Textgenerierung ist, dass du Vorlagen für bestimmte Texte erstellen kannst. In diesen kannst du, wie der Name schon sagt, Regeln definieren. Zum Beispiel kannst du Platzhalter für bestimmte Produktinformationen wie das Gewicht definieren, die dann automatisch mit Informationen aus deinem PIM gefüllt werden.
Du kannst auch festlegen, ob deine Texte bestimmte Wörter enthalten oder explizit nicht enthalten dürfen, um etwa deine Markenrichtlinien einzuhalten.
Im Gegensatz zu ChatGPT & Co. müssen die Templates und Regeln zwar erst definiert werden, dafür müssen die Texte aber nicht mehr nachbearbeitet werden.
Regelbasierte Content-AIs eignen sich daher optimal, um Inhalte automatisiert und in gleichbleibender Qualität zu generieren und in großer Zahl zu produzieren. Das ist schnell und skaliert. In Kombination mit Produktinformationen macht dies vor allem bei Produkttexten und anderen produktbezogenen Inhalten wie FAQs Sinn.
2. Produktbilder generieren
Gute Bilder zu bekommen, ist eine große Herausforderung im Marketing (23,7 % aller Content Marketer sehen visuelle Inhalte als ihre größte Herausforderung). Generative AI ist dabei, das zu ändern. Gartner prognostiziert, dass bis 2027 70 % aller Designaufgaben mit AI automatisiert werden.
Du hast dabei die Wahl zwischen drei Anwendungsbereichen. Du kannst AI nutzen, um komplett neue Bilder aus Prompts generieren zu lassen, du kannst Modelle mit deinen eigenen Bildern trainieren, oder du nutzt bestehende Bilder und lässt sie mit Hilfe von AI verändern.
Auch hier gilt: Generative AI Modelle wie Midjourney, Stable Diffusion oder Runway sind gut geeignet, um Visuals für kreative Inhalte zu erstellen, aber wahrscheinlich nicht in der Lage, aus den Daten in deinem PIM tatsächlich brauchbare Produktfotos zu erzeugen.
Wenn du eine große Anzahl von Produktbildern zur Verfügung hast, kannst du auch ein Modell trainieren, um Produktfotos für dich zu erstellen. Die meisten Unternehmen verfügen jedoch nicht über die erforderliche Anzahl von Fotos, um fotorealistische Ergebnisse zu erzielen. Heutige Modelle sollten mit Datensätzen von mindestens 200 (Stable Diffusion) bis mindestens 500 (Runway) Fotos trainiert werden.
Die Bilder in einem PIM oder auch DAM eignen sich jedoch sehr gut, um bestehende Bilder anzupassen. Du kannst etwa den Hintergrund ändern, um das gleiche Produkt in verschiedenen Umgebungen zu zeigen.
Das hat mehrere Vorteile:
- Du sparst Kosten, weil du das Produkt nur einmal fotografieren musst
- Du kannst die Anzahl der Produktbilder schnell erhöhen (für 75 % aller Käufer sind Produktbilder kaufentscheidend).
- Du kannst Produktbilder personalisieren, indem du zum Beispiel dasselbe Produkt für verschiedene Segmente in unterschiedlichen Umgebungen zeigst.
Wir haben zum Beispiel Pebblelly und Stable Diffusion in Pimcore
integriert, um aus einem einzigen Bild authentische Produktfotos für einen Shop zu generieren. Ein ähnliches Tool bietet mittlerweile auch Adobe Firefly an.
Automatisierte Bildgeneration und -bearbeitung in Pimcore (Bundle aus Dall-E (OpenAi), DreamStudio (StabilityAI) und ein lokales Set-up via Automatic1111 und StableDiffusion-API), Quelle: Pimcore, hier angewendet von Basilicom
Automatisierte Produktbilder erstellen in Pimcore mit Pebblely, Quelle: Pimcore, hier angewendet von Basilicom
3. ALT-Tags generieren
Das Gegenteil von Text-to-Image ist Image-to-Text, also Bilderkennung. Machine Learning zur Bilderkennung ist nicht neu. Facebook (heute Meta) hat bereits 2010 angekündigt, Gesichtserkennung zum Vertaggen von Personen einzusetzen.
Doch während Meta die Funktion bereits wieder eingestellt hat, ist AI zur Bilderkennung in Verbindung mit deinem PIM oder DAM dagegen heute sinnvoller denn je. Zwei praktische Beispiele, die dir viel manuelle Arbeit abnehmen können.
- Du kannst die Bilderkennung nutzen, um dir Tags vorschlagen zu lassen oder Bilder gleich automatisch zu vertaggen.
- Du kannst die Bildbeschreibung der AI als Alt-Tag hinterlegen.
Besonders die Alt-Tags solltest du aktuell im Auge behalten, denn 2025 tritt der European Accessibility Act in Kraft. Dann müssten (fast) alle E-Commerce-Seiten barrierefrei zugänglich sein. Derzeit sind jedoch 55 % aller Bilder im Internet nicht mit einem Alt-Tag versehen.
Bilderkennung in Pimcore mit Astica, Quelle: Pimcore, hier angewendet von Basilicom
Automatisierte Bildbeschreibungen in Pimcore mit Astica
4. Hyper-Personalisierung
Personalisierung im Marketing ist keine neue Idee, OMR Reviews listet mehr als 40 verschiedene Tools zur Website-Personalisierung (Juli 2023). Hinzu kommen Tools wie CRM-Systeme, DXP- oder CEP-Plattformen, die darauf abzielen, personalisierte Kundenerlebnisse zu schaffen.
Die Personalisierung basiert dann aber meist auf Regeln und Segmenten.
Die nächste Evolutionsstufe ist die Hyper-Personalisierung. AI ermöglicht es dir nun, Content für jeden User individuell zu erstellen, in Echtzeit auszuspielen und so die komplette User Journey zu personalisieren.
Die Produktdaten aus deinem PIM können dazu einen wichtigen Beitrag leisten. Zusammen mit den Nutzerdaten aus deiner CDP oder CRM kannst du sie nutzen, um Texte und Bilder genau auf die Wünsche deiner Kundschaft anzupassen.
Voraussetzung dafür ist allerdings ein vollständig integrierter MarTech-Stack mit Tools, die ausreichend Möglichkeiten zur Personalisierung bieten. Beispielsweise bieten viele CRM-Tools derzeit nicht die Möglichkeit Platzhalter für personalisierte Bilder zu hinterlegen.
5. Mit AI zu besseren Ergebnissen bei der internen Suche
43 % aller User nutzen als Erstes die Suchfunktion eines Online-Shops. Trotzdem bieten 42 % aller Websites ein schlechtes Sucherlebnis, weil sie beispielsweise keine Synonyme für ihre Produktkategorien erkennen. Viele Unternehmen setzen in ihren Tools und auf ihren Websites immer noch auf die klassische Volltextsuche. Das funktioniert gut, wenn deine User bereits wissen, wonach sie suchen, liefert aber schlechte Ergebnisse, wenn sie nach Konzepten oder Kontext suchen.
Ergebnisse bei imdb.com für die Suche “detektiv london”, Quelle: imdb.com
Eine Lösung dafür können vektorbasierte Suchmaschinen sein. Ein Vektor stellt die Entfernung zu einer Eigenschaft dar. Ein einfaches Beispiel für Vektoren sind Koordinaten. Wenn du nach Berlin suchst, ist Hamburg näher gelegen als London. Dasselbe Prinzip kannst du auf jede beliebige Eigenschaft anwenden. Zum Beispiel ist die OMR näher an der Eigenschaft Marketing als die CEBIT.
Das gleiche Prinzip wird bei Large Language Models verwendet, um Sprache zu verstehen. Wenn du ChatGPT einen Text analysieren lässt, zum Beispiel eine Produktbeschreibung, erstellt die AI automatisch Vektoren. Diese Vektoren kannst du über die (Embeddings-) API auch in einer Vektordatenbank speichern und durchsuchbar machen. Das funktioniert mit Daten in deinem PIM genauso wie mit Texten auf deiner Website, solange du Content hast, den eine AI analysieren kann, kannst du dir so deine eigene AI-Suche bauen.
Vorteile vektorbasierter Suchmaschinen:
- Bessere Suchergebnisse
- Inhalte und Produkte können auch im Kontext gesucht werden
- Inhalte und Produkte können automatisch in jeder Sprache gesucht werden, mit der das LLM trainiert wurde (selbst wenn der Content nicht in der Sprache verfügbar ist)
Semantische Suche über eine Vektor-Datenbank in Pimcore, Quelle: Pimcore, hier angewendet von Basilicom
Das funktioniert prinzipiell auch mit multimedialen Inhalten wie Videos. Allerdings sind die aktuellen Generationen der dafür notwendigen multimodalen AIs noch nicht weit genug entwickelt, um gute Ergebnisse zu liefern.
Was sind die Vorteile der Integration von AI in dein PIM-System?
Die Integration eines AI-Tools in dein PIM hilft dir, viele der bekannten Vorteile eines PIM zu verstärken und eröffnet dir gleichzeitig völlig neue Möglichkeiten, die bisher technisch nicht realisierbar waren.
AI-Tools können dir dabei helfen, manuelle Aufgaben, wie das Vertaggen von Inhalten, das Hinterlegen von Alt-Tags oder das Schreiben und Übersetzen von Produkttexten zu beschleunigen oder komplett zu automatisieren. Das spart dir Arbeit und verkürzt die Time-to-Market für neue Produkte oder Märkte weiter.
Einige Maßnahmen, wie Hyper-Personalisierung, insbesondere bei Omnichannel-Kampagnen, werden erst durch den Einsatz von AI skalierbar.
Kurzum: Nahezu jeder Prozess und jede Maßnahme, die die Verarbeitung von Daten aus deinem PIM, wie
oder beinhaltet, kann mithilfe von AI automatisiert oder zumindest effizienter gestaltet werden.Was solltest du bei der Integration von AI in dein PIM-System beachten?
Bevor du AI strategisch einsetzt, solltest du als Erstes die Verfügbarkeit deiner Daten prüfen. Das gilt für Anwendungen mit deinem PIM, genauso wie für alle anderen Systeme. Für dein PIM bedeutet das, dass dein Datenmodell alle relevanten Produktdaten abbildet und du eine hohe Datenqualität benötigst.
Wenn für einen Großteil der Produkte in deinem PIM Informationen fehlen, wirst du Schwierigkeiten haben, brauchbaren Content für sie zu produzieren.
Außerdem sollte dein PIM bereits mit allen relevanten Ausgabekanälen verbunden sein. Es macht keinen Sinn, Produkttexte für tausende Produkte zu generieren, wenn du diese dann manuell in dein CMS oder Shopsystem übertragen musst.
Nicht zuletzt solltest du dir überlegen, ob und welche Informationen du aus deinem PIM mit einem AI-Anbieter teilen möchtest. Deine AI- und Datenstrategie sollte daher auch klare Compliance-Richtlinien enthalten.
Welche Tools eignen sich zur Integration von AI in dein PIM?
Das wichtigste Tool ist zunächst einmal nicht das AI-Modell, das du einsetzen möchtest, sondern dein PIM. Dein PIM sollte schnittstellenoffen sein, denn dann hast du die freie Wahl, welche AI-Modelle du integrieren möchtest, solange diese auch über eine entsprechende API verfügen. Open Source PIM Systeme haben zusätzlich den Vorteil, dass du auf Anwendungen aus der Community zurückgreifen kannst.
Je nachdem, welche anderen Tools und Daten du nutzen möchtest, empfiehlt es sich auch, AI-Modelle zu verwenden, die du lokal installieren kannst. Das ist zum Beispiel bei den Modellen von Stability AI, wie Stable Diffusion, der Fall. Dadurch ist es einfacher, sensible Produktinformationen oder Kundendaten zu nutzen, weil diese nie dein eigenes System verlassen.
Auf OMR Reviews kannst du dir außerdem eine Auswahl an Business Strategy Beratungenund Agenturen, wie beispielsweise Forbeyond, anschauen, die dir im Bereich Produktdaten-Management helfen.
Am Ende kommt es aber natürlich darauf an, welche Aufgaben die AI für dich übernehmen soll und wo du den größten Effizienzgewinn erzielen kannst.
Fazit: Kann Generative AI dein PIM-System revolutionieren?
Generative AI kann viele Prozesse in deinem PIM wesentlich effizienter gestalten und den Zeitaufwand erheblich reduzieren. Der größte Mehrwert von AI liegt jedoch darin, wie du die Daten in deinem PIM nutzen kannst, um deine Marketing- und Vertriebsaktivitäten in anderen Kanälen zu verbessern.
AI wird also nicht dein PIM-System selbst revolutionieren, aber zusammen mit deinem PIM kann AI dein Marketing und deine Conversionrates revolutionieren.
Arndt Kühne ist Gründer und Geschäftsführer der Data- und Experience-Management-Agentur Basilicom mit Hauptsitz in Berlin. Seit über 20 Jahren berät und implementiert Basilicom digitale Plattformen mit dem Fokus auf PIM/MDM, DXP, E-Commerce und Automatisierung für Kunden wie Krombacher, Fleurop und die Deutsche Bahn.
