Positive Beispiele KI in der Arbeitswelt

Der Vortrag war in zwei Teile gegliedert: eine Stunde Input und anschließend eine 30-minütige Diskussion. Eine Stunde ist nicht viel Zeit – deshalb musste ein bisschen von allem Platz finden: von der Frage, warum Künstliche Intelligenz mehr ist als nur ChatGPT, bis hin zu positiven Einsatzgebieten in der Arbeitswelt.

Mir gefällt ja immer das Beispiel des Einsatzes von Drohnen zur Rehkitzrettung. Mithilfe von Wärmebildkameras können Rehkitze in Feldern aufgespürt werden, bevor die Wiesen gemäht werden.

Beim Publikum weckte jedoch vor allem der medizinische Bereich großes Interesse. Dort kann KI den Menschen unterstützen, etwa durch das Analysieren von Datensätzen aus tausenden Mammografie-Aufnahmen, um Brustkrebs früher zu erkennen.

Das Thema Medizin ist für die Zielgruppe natürlich besonders relevant – schließlich ist es in diesem Alter wahrscheinlicher, mit Krankheiten oder Therapieplänen konfrontiert zu sein. Ein Beitrag aus dem Publikum griff das Thema Fehldiagnosen auf – mit der Erkenntnis, dass KI den Menschen unterstützen und so möglicherweise Fehldiagnosen verringern kann.

Wie Senioren ChatGPT nutzen können

Wichtig ist, bei der Zielgruppe anzuknüpfen – nicht alle Funktionen von ChatGPT sind für SeniorInnen relevant. Und ich kenne das auch von mir selbst: Wenn ich zu viel Neues auf einmal höre, kann ich mich am Ende an nichts erinnern.

Ich habe deswegen mit einer einfachen Fragen begonnen: „Hat wer von euch WhatsApp?“
Da war das Lachen fast schon vorprogrammiert – natürlich nutzen sie die Messenger-App.

Wer auf dem Handy tippen und Bilder hochladen kann, hat eigentlich schon alles, was es für den Einstieg in ChatGPT braucht.

Also gehe ich weiter zu Beispielen, wie sie die Funktionen von ChatGPT im Alltag nutzen können.

Ich sammle seit rund zweieinhalb Jahren eigene Cases und Fotos von KI-bezogenen Werbungen, um zu zeigen, wie generative KI im Alltag auftaucht. Aus diesem Pool habe ich nun Beispiele ausgewählt, die – aus meiner Sicht – für SeniorInnen relevant sind – zum Beispiel:

• ein Foto vom Beipackzettel machen, weil die Schrift zu klein ist, und den Text von ChatGPT transkribieren oder vorlesen lassen
• mit dem Voice-Modus von ChatGPT beim Spazierengehen plaudern, weil man muss ja schauen, wo man hintritt. Oder man will einfach nicht tippen.
• grantige E-Mails an Behörden oder die Administration in eine diplomatische Form umschreiben lassen, wenn etwas nicht bewilligt wurde
• Themen in einfacher Sprache erklären lassen, um sich schnell zu orientieren
• Programmanleitungen finden, etwa: „Wo ist bei Word die Tabellenfunktion?“

• usw.

Bei der Vorbereitung habe ich natürlich auch online nach weiteren Beispielen gesucht – in der Hoffnung, dort noch neue Ideen zu finden. Aber das meiste war viel zu generisch – und ehrlich gesagt: Wäre ich eine Pensionistin gewesen, hätte ich das auch langweilig gefunden.

Da hieß es dann etwa: „Man kann mit ChatGPT Reisen planen.“ – aha, ok. Oder: „Man kann seine Medikamente planen und sortieren.“ – mhm, würde ich eher nicht machen.

Sogar auf Amazon werden inzwischen Bücher zum Thema „ChatGPT für SeniorInnen“ verkauft – offensichtlich automatisch generiert und inhaltlich ohne wirklichen Mehrwert.

Grenzen von ChatGPT

Je länger ich selbst mit ChatGPT arbeite, desto mehr fallen mir dessen Grenzen auf und ich verstehe die kritische Frage im Publikum, wofür man das überhaupt braucht und ob es einen nicht einfach faul werden lässt.
Deswegen haben wir auch Beispiele besprochen, wo es offensichtlich zu Halluzinationen kommt, z. B. wie ChatGPT die österreichischen Bundeskanzler darstellt, aber auch weniger offensichtlich, wie sehr das Rezept der originalen Sachertorte aus dem Sacher-Kochbuch bei den Zutaten abweicht.

So haben wir uns dem Thema Desinformation angenähert – und wie wichtig es ist, kritisch zu hinterfragen, ob eine Quelle vertrauenswürdig ist. Da hatten einige auch Hintergrundwissen zum Thema Onlinebanking, und man muss auf die URL achten – das Thema Sicherheit ist also ebenfalls sehr relevant. Es scheint, die Älteren hinterfragen mehr als wir Jüngeren.

Einige Senior:innen meinten am Ende, sie seien froh, damit nicht mehr im Arbeitsleben konfrontiert zu sein – und konnten gleichzeitig nachvollziehen, wie komplex der Umgang mit Information in der heutigen Medienwelt geworden ist.

ChatGPT und medizinische Befunde

Ein Thema, das in der Diskussion ebenfalls aufkam, war die Frage, ob man ChatGPT zur Interpretation medizinischer Befunde nutzen sollte. Natürlich ist es diskussionswürdig, ob es in Ordnung ist, einer KI medizinische Dokumente – und damit auch personenbezogene Daten – anzuvertrauen.

Ich selbst habe mir schon einmal meine Blutwerte von ChatGPT erklären lassen, einfach weil Medizin ein völlig anderes Fachgebiet ist, in dem ich mich nicht auskenne. Es ist schlicht bequemer, eine Zusammenfassung zu bekommen, anstatt jeden Begriff einzeln zu googeln und zu rätseln, was er bedeutet oder wie bestimmte Werte miteinander zusammenhängen.

Dabei achte ich allerdings darauf, keine persönlichen Daten hochzuladen – ich fotografiere zum Beispiel nur die Werte selbst, nicht aber meinen Namen oder andere Angaben. Das mache ich fürs eigene Gewissen – ob die Daten am Ende wirklich nicht doch irgendwie mit meinem Konto verknüpft sind, kann ich nicht sagen.

Am Ende bleibt ein Trade-off: Man nimmt ein gewisses Risiko in Kauf – gewinnt dafür aber Verständnis, Orientierung und Zugänglichkeit in einem komplexen Thema.

Die unerwartete Grenze: Kein AI generierter Tampon möglich

Bei meiner Arbeit unter dem Künstlername Sainte Vienne entwickle ich visuelle Konzepte mit generativer KI im Bereich „Sex, Drugs and Catholicism“. Midjourney ist dabei eines meiner Hauptwerkzeuge – bis ich an eine überraschende Grenze stieß: Ich wollte ein KI Bild Tampon für ein konkretes Projekt generieren.

Das Ergebnis? Trotz verschiedener Prompts, Stile und Umwege war es unmöglich, mit Midjourney einen Tampon zu erstellen. Weder im Herbst 2024 (V6.1) noch in der aktuellen Version V7 (2025) gab es brauchbare Resultate. Letztendlich musste ich auf ein echtes Foto zurückgreifen und es mit Photoshop bearbeiten.

Workflow-Dokumentation: Dutzende Versuche, null Tampons

Was die meisten nicht sehen: die schiere Anzahl an Variationen, die nötig waren, um überhaupt ansatzweise passende Ergebnisse zu erhalten. Meine dokumentierten Versuche zeigen deutlich, wie schwierig es ist, Perioden Produkte mit generativer KI darzustellen.

Besonders absurd wird es beim direkten Vergleich: Während Midjourney problemlos Waffen, Gewalt oder hypersexualisierte Darstellungen des weiblichen Körpers generieren kann, wird ein medizinisches Hygieneprodukt wie ein Tampon aktiv blockiert.

Das Wort „Tampon“ allein führt zu Ausweichbildern:

• Blumen und Pastellfarben
• Weichgezeichnete Verpackungen
• „Feminin“ codierte Symbole
• Alles andere – nur nicht das eigentliche Objekt

Art Attech – Kunst küsst Techno

Das finale Bild war Teil meiner Arbeit für Sainte Vienne. Es wurde im November 2024 bei der Veranstaltungsreihe Kunst küsst Techno #9 am 2. November – organisiert von Art Attech – gezeigt und in weiterer Folge am Karfreitag 2025 bei der 11. Edition zugunsten der Frauenhäuser versteigert.

Die Veranstaltungsreihe kreiert eine Plattform zum Ausstellen und Feiern für Kunstschaffende abseits des klassischen Galeriebetriebs. Kuratiert von Erik Czejka und Valerie Pauß küsst Kunst die Clubkultur und Techno wird zur Inspirationsquelle für die Kunst. Erik bespielt hauptberuflich Plätze und Parks mit mobilen Stadtmöbel: Zuko, Valerie bringt täglich ihr Wissen rund um Kunst im Auktionshaus im Kinsky ein.

KünstlerInnen können sich regelmäßig über offene Calls bewerben:

artattechvienna@gmail.com

Instagram: @artattechwien (5.000 Follower)

designaustria Artikel: Gestalten mit Generativer KI

Zudem wurde das Bild in einem doppelseitigen Artikel im designaustria-Mitteilung veröffentlicht. Der Titel: „Gestalten mit Generativer KI – zwischen kritischer Reflexion und praktischer Anwendung“.

Ich hätte mir nicht gedacht, dass genau dieses Bild so viel Aufmerksamkeit bekommt – aber es ist spannend zu sehen, wie sich solche Themen entfalten und Resonanz erzeugen können. Besonders, weil das Bild bewusst mit Symbolik spielt: ein Tampon mit Kreuzanhänger – irgendwo zwischen Kitsch, Tabu und Körperpolitik.

Warum generierte Bilder von Damenhygiene wichtig sind

Vergleichsweise habe ich auch ChatGPT und Adobe Firefly getestet – bei ChatGPT funktionierte das Generieren von Tampons in technischer Hinsicht besser, aber die Ergebnisse waren entweder zu generisch oder nicht visuell einsetzbar.

Gerade im Kontext von Marketing, Aufklärung und Gesundheitskommunikation wären solche AI generierten Tampon-Bilder extrem wertvoll. Auch wenn ich AI Content Moderation grundsätzlich verstehe: Wenn man sich das Marktvolumen im Damenhygiene-Sektor anschaut – wie die Statista Marketing Insights zeigen – dann braucht man dafür auch visuellen Content.

Es ist schade, wenn man genau solche alltäglichen Produkte nicht generieren kann, obwohl sie einen milliardenschweren Markt repräsentieren.

Quelle: Statista Market Insights November 2024 (Consumer Market Damenhygiene):

• Der Umsatz im Damenhygiene-Markt wird 2025 etwa 695,04 Mio. € betragen.
• Bis 2029 wird ein Marktvolumen von 1,01 Mrd. € erwartet (CAGR 9,76 %).
• Mit 1,71 Mrd. € prognostiziert China den größten Umsatz.
• Die Zahl der NutzerInnen wird bis 2029 bei ca. 51,4 Mio. liegen.
• Der durchschnittliche Umsatz pro NutzerIn (ARPU) liegt bei 15,50 €.

Der Fall Théâtre D’Opéra Spatial

2022 gewann Jason Allen mit dem Werk Théâtre D’Opéra Spatial den ersten Preis bei der Colorado State Fair Art Competition in den USA. Das Besondere: Das Bild entstand mithilfe der Bildgenerierungs-KI Midjourney (Version 3). Der Titel, das futuristische Ambiente und Elemente der Renaissance und des Barock verweisen auf die Space-Opera-Ästhetik – vergleichbar mit Star Wars oder Doctor Who.

Jason Allen berichtete, dass er rund 80 Stunden mit der Optimierung seiner Prompts verbracht und 600 bis 900 Bildvarianten generiert habe, bevor er drei Bilder auswählte und sie in Photoshop nachbearbeitete. Trotz dieser intensiven Arbeit wurde er von Teilen der Kunstszene als „Betrüger“ bezeichnet. Für ihn zeigt sich darin die Weigerung mancher Künstler, maschinelle Kreativität als künstlerisch anzuerkennen.

Doch die grundsätzliche Frage bleibt: Wem verdankt man AI-Art – den Maschinen oder den Menschen?

Die lange Geschichte technischer Kunstproduktion

Die Verbindung von Kunst und Technologie ist nicht neu. Schon in den 1950er Jahren konstruierte Jean Tinguely seine Metamatics — Maschinen, die eigenständig abstrakte Zeichnungen anfertigten.

In den 1980er Jahren entwickelte sich die Fraktalkunst, bei der Künstler computergenerierte, mathematisch basierte Strukturen schufen. Auch diese frühe computergestützte Kunst löste Debatten über Autorschaft und künstlerischen Wert aus. Die aktuelle Diskussion um AI-Kunst ist somit eine Fortsetzung einer langen Geschichte des Einsatzes technischer Hilfsmittel in der Kunst.

KI in der Kunstbewertung

In der arte-Dokumentation Wie KI den Kunstmarkt aufmischt wird gezeigt, dass KI längst nicht mehr nur Kunst produziert, sondern auch bei der Bewertung und Authentifizierung eingesetzt wird. Beim Art Market Day – einem internationalen Treffen zur Innovation im Kunstmarkt – wurde das Schweizer Start-up Art Recognition vorgestellt. Die KI analysiert Pinselstriche, Farbauftrag und Komposition und kann so zur Authentifizierung von Kunstwerken beitragen. Ziel ist, mehr Transparenz und Sicherheit auf dem Kunstmarkt zu schaffen.

Doch auch hier stößt die Technologie auf Skepsis: Viele ExpertInnen sehen ihre Rolle als „HüterInnen der Kunst“ infrage gestellt. Fachwissen und das Selbstverständnis unfehlbarer Autorität geraten in Konkurrenz. Die KI kann Fälschungen womöglich zuverlässiger entlarven, könnte aber auch den Kunstmarkt insgesamt grundlegend verändern.

Die digitale Verschiebung des Kunstbegriffs

In den oben genannten arte-Dokumentationen wird gezeigt, dass die Digitalisierung nicht nur die Produktion und Bewertung von Kunst verändert, sondern auch ihre Rezeption. Werke werden zunehmend über Smartphone-Bildschirme betrachtet, unabhängig von ihrer tatsächlichen Größe und Materialität. Das Erleben von Kunst verschiebt sich damit zunehmend von der physischen Präsenz ins digitale Interface.

Ein Beispiel für KI-gestützte Kunst zeigt das Projekt The Next Rembrandt (2016), einer Kooperation von Microsoft, der Universität Delft und dem Mauritshuis Den Haag. Mit Hilfe von 500 Stunden Rechenzeit wurde ein neues, auf bestehenden Werken basierendes Rembrandt-Bild generiert.

Letztlich spiegelt KI die Ideen, Assoziationen und Sehgewohnheiten der Betrachter wider — wie ein „imaginärer Multiplikator“, der Türen zu neuen ästhetischen Erfahrungen öffnet

Pflichtschulungen durch den AI Act?

Ein kurzer Exkurs vorab: Ab dem 2. Februar 2025 verpflichtet der EU AI Act (Artikel 4 Abs. 1 lit. f der Verordnung (EU) 2024/1689) Unternehmen dazu, Mitarbeitende nachweislich über eingesetzte KI-Systeme zu schulen – allerdings nur, wenn es sich um sogenannte Hochrisiko-KI handelt.

Dazu zählen etwa Systeme für Personalentscheidungen, Scoring oder kritische Infrastrukturen wie Medizin oder Justiz. Wer intern mit ChatGPT brainstormt oder Midjourney für Moodbilder nutzt, fällt in der Regel nicht unter diese Regelung.

Trotzdem ist die Botschaft klar: KI ist kein Spielzeug mehr, sondern Teil unseres Arbeitsalltags. Und KundInnen erwarten zu Recht, dass Agenturen über fundiertes Know-how verfügen. Wer intern niemanden hat, der sich dieses Wissen erarbeitet hat, muss es extern dazuholen – etwa in Form einer Creative PrompterIn. Nicht, weil der AI Act es verlangt, sondern weil Professionalität im Umgang mit neuen Technologien ein Qualitätsmerkmal ist.

Jobtitel: Creative Prompter für AI & Editing

Der Begriff Prompt Engineer hat sich mittlerweile etabliert, auch wenn ich persönlich wenig damit anfangen kann – vor allem, weil er in meiner Vorstellung nicht zum klassischen Berufsbild eines Ingenieurs passt (vgl. Wikipedia). „Creative Prompter“ soll vermutlich die Verankerung in der Kreativ- und Werbebranche betonen. Mir ist der Begriff bisher in dieser Form noch nicht begegnet.

Was mir beim Lesen der Anzeige auffällt: Es fehlt eine klare Abgrenzung zu bestehenden Rollen. Der Umgang mit genAI Tools wie Midjourney ist zweifellos ein Handwerk – Prompting erfordert nicht nur technisches Verständnis, sondern auch Erfahrung und gestalterisches Denken. Aber: Prompting allein ergibt noch keine vollständige Rolle. Es ist (meiner Meinung nach) ein Baustein kreativer Arbeit, kein eigenständiger Beruf.

Etwas unklar bleibt für mich auch der Zusatz „& Editing“. Geht es hier um klassische Bildbearbeitung? Um Reinzeichnung? Oder um das finale Aufbereiten von KI-generiertem Material – vielleicht als Ersatz für Stockbilder oder Fotoshootings?

Die Anzeige nennt „Text, Bild, Video“ – also alles. Das kann entweder für ein breites Aufgabenfeld stehen oder dafür, dass man sich als ArbeitgeberIn (verständlicherweise) noch nicht ganz festlegen möchte.

Begriffe wie „intelligente Prompts“, „kreative Exzellenz“ oder „Text, Bild, Video“ klingen stark und vermitteln ein gutes Gefühl – vielleicht ist genau das auch beabsichtigt. Es kann durchaus sinnvoll sein, über Sprache eine emotionale Verbindung zur Rolle aufzubauen. Ob das in diesem Fall gelungen ist, wäre sicher spannend mit jemandem aus dem Employer Branding zu diskutieren – z. B. mit Michaela Bach.

Für mich persönlich als Lesende bleibt die Rolle dennoch zu vage. Ich hätte mir konkretere Aufgabenfelder oder realistischere Erwartungen gewünscht. Für mich bleibt die Rolle schwer einzuordnen – auch wenn das für andere BewerberInnen durchaus ansprechend formuliert sein kann.

Creative Prompter: Viel Verantwortung ohne Ende?

Beim Weiterlesen zeigt sich, was die Rolle grundsätzlich umfassen soll: Zusammenarbeit mit Kreativ- und Strategieteams, das Testen neuer Tools, interne Schulungen und die Aufbereitung von Wissen. Das klingt zuerst nach einem spannenden, vielseitigen Aufgabenfeld, aber:

Was ist der inhaltliche Schwerpunkt? Wer gibt die Briefings? Gibt es direkte Vorgesetzte? Ist die Rolle ins Team eingebettet oder weitgehend eigenständig? Wer ist im Alltag Ansprechperson – und wer führt letztlich das MitarbeiterInnengespräch?

Mir ist natürlich klar, dass nicht alle Details in eine Stellenausschreibung passen. Deswegen würde ich mir bei einem Vorstellungsgespräch eine fundierte Einordnung erwarten: Was hat Priorität? Wie ist die Rolle organisatorisch eingebunden? Was wird regelmäßig verlangt – und was ist eher optional?

Schon ein einfaches Organigramm oder eine RACI-Matrix würden helfen, Zuständigkeiten und Schnittstellen transparent zu machen. Denn wenn eine Person gleichzeitig forschen, produzieren und schulen soll, braucht es klare Prioritäten und verbindliche Rahmenbedingungen – sonst wird aus Innovationsfreude schnell Überforderung.

Ich sehe da eine mögliche Diskrepanz zwischen der Gewichtung, die man selbst der Rolle geben würde – und dem, was kurzfristig von der Managementebene verlangt werden könnte. Das ist ein Nährboden für halbfertige Projekte, abrupte Prioritätswechsel – und am Ende fehlen verwertbare Ergebnisse für das MitarbeiterInnengespräch.

Was dem Creative Prompter-Profil fehlt: Fokus und Alltagstauglichkeit

Mir fehlt ein klarer Fokus: Geht es um operative Zuarbeit für Kreativteams? Um interne Schulungen zu neuen Tools? Oder um Video-Editing für Pitches? Solche Schwerpunkte würden nicht nur BewerberInnen helfen, ihr Portfolio gezielt vorzubereiten – sie würden auch intern zur Klarheit beitragen.

Stattdessen wirkt die Ausschreibung eher wie ein Wunschzettel. Begriffe wie „Best Practices identifizieren“ klingen ambitioniert – gemeint ist vermutlich, dass man Goldideen ins Team einbringt.

Aber: Wer priorisiert? Wer bekommt die Credits? Und wer entscheidet über die Umsetzung? Auch der Punkt „Support für KollegInnen“ lässt mich stutzen – das klingt eher nach Ad-hoc-Hilfe oder IT-Hotline als nach einer strategisch verankerten Rolle.

Hilfreich wären stattdessen konkrete, realistische Aufgabenbeispiele, etwa:

• Du entwickelst KI-Moodboards für KundInnenpräsentationen.
• Du machst Video-Editing für Pitches.
• Du leitest einmal im Monat einen kurzen internen Workshop (30 Minuten).
• Du scoutest neue Tools und teilst deine Ergebnisse zwei Mal pro Monat im Team.

Damit das Aufgabenfeld nicht in alle Richtungen ausfranst, könnte man bestehende Rollen mit KI-Fokus gezielt weiterdenken – zum Beispiel:

• GrafikdesignerIn mit Midjourney-Erfahrung
• VideoeditorIn mit Runway-Skills
• ContentstrategIn mit GenAI-Schwerpunkt
• Interne KI-CoachIn
• TrendscoutIn & Workshopleitung (Schulungen & Best Cases)

Was ein Creative Prompter mitbringen muss

Die Anforderungen an BewerberInnen sind umfangreich – und ambitioniert:
Gefordert werden Kenntnisse in

• Adobe Creative Suite (InDesign, Illustrator, Photoshop),
• Final Cut oder DaVinci,
• Midjourney, DALL·E, ChatGPT, Runway,
• Kamera und Fotografie.

Dazu kommen 2–3 Jahre Berufserfahrung, eigenständige Einarbeitung in KI-Themen, didaktische Fähigkeiten für interne Workshops – und natürlich: Teamplayer-Qualitäten.

All das für ein Monatsgehalt von 2.700 Euro brutto. Das entspricht in etwa dem Gehalt eines fortgeschrittenen GrafikdesignerIn vor fünf Jahren – allerdings ohne KI-Verantwortung, ohne Schulungspflicht, ohne Tool-Scouting.

Der Satz am Ende der Anzeige – „Du bist motiviert und fühlst dich in diese Rolle hineingewachsen“ – wirkt fast wie ein stilles Eingeständnis, dass das Anforderungsprofil überzogen ist. Und doch wird das mögliche Scheitern auf die bewerbende Person zurückgespielt.

Das macht mich nachdenklich: Wer in eine neue Rolle mit unscharfen Grenzen einsteigt, braucht klare AnsprechpartnerInnen, strukturierte Feedbackprozesse und realistische Erwartungen – nicht die implizite Botschaft: „Mach mal.“

Was hier eigentlich gesucht wird, ist ein ganzes Inhouse-Kompetenzzentrum in einer Person. Und das ist – aus meiner Sicht – weder fair noch nachhaltig.

Creative Prompter: Und wie geht’s weiter?

Für mich ist es schon bei einer Jobausschreibung wichtig zu wissen, wo sich das Ganze hinentwickeln könnte. Gerade bei neuen Rollen wie dieser sind Entwicklungsperspektiven ein zentraler Aspekt – aber die Anzeige bleibt hier auffallend still. Was ist eigentlich der Hauptfokus der Position? Contentproduktion? Tool-Testing? Interner Kompetenzaufbau? Nur wenn das klar benannt wird, lassen sich daraus sinnvolle Entwicklungspfade ableiten.

Wird aus dem Creative Prompter später eine Creative DirectorIn mit KI-Fokus? Eine strategische Schnittstelle zwischen Tech und Kreation? Oder vielleicht eine Teamleitung für ein internes KI-Kompetenzzentrum? Ohne solche Perspektiven bleibt die Rolle ein Versuchsballon – und das macht es schwer, sich längerfristig zu binden. Oder man macht den Job ein, zwei Jahre und zieht dann weiter.

Auch die Frage nach Erfolgskriterien bleibt unbeantwortet: Woran wird gemessen, ob jemand gute Arbeit leistet? An der Anzahl der Prompts? An der Präsentationswirkung? An der Zahl der durchgeführten Schulungen?

Je mehr Berufserfahrung ich sammle, desto wichtiger ist es mir, dass messbare Ziele und realistische Entwicklungsmöglichkeiten von Anfang an kommuniziert werden.

Detailfülle als Basis für Fehleranfälligkeit

Ein zentraler Aspekt, den ich während meiner Arbeit festgestellt habe, ist, dass eine höhere Detaildichte in den Bildern oft zu vermehrten Fehlern führt, insbesondere bei der Darstellung von Proportionen. Dies ist ein interessantes Phänomen, das zeigt, dass überladene Bilder nur für Moodboards gut sind, aber zum Beispiel nicht für tatsächliche Sujets. Also zumindest jetzt noch nicht. Der Retuscheaufwand stünde vermutlich in keinem Verhältnis.

Nostalgie hat ihren Preis

Ein weiterer wichtiger Punkt war die Erkenntnis, dass Bilder, die zu perfekt bearbeitet sind, oft ihre nostalgische Qualität verlieren. In meinen Experimenten mit Stichworten wie „vintage grainy VHS footage“ stellte ich fest, dass gerade die Unschärfe die eine nostalgische Atmosphäre erzeugen. Die technische Perfektionierung durch Hochskalierung oder zu detailgenaue Bearbeitung kann diese Wirkung leider mindern.

Technischer Aspekt

Anscheinend hat das Programm ein Problem damit, die Funktion Inpaint bei grobkörnigem Bildmaterial zu verwenden. Selbst nach erneutem Upscale ist die Funktion nicht anwendbar. Also zum Beispiel, wenn ich jetzt die Frisur austauschen wollen würde, würde das nicht funktionieren. Aber woran das liegt, weiß ich (noch) nicht. Da merkt man wieder, dass nicht alles auf Knopfdruck und so schnell geht, wie sich das manch einer wünschen würde.

Und auch bei Photoshop Generative Fill konnte ich keine guten Ergebnisse damit erzielen.

Stoffe und Materialien

Ich lege großen Wert darauf, wie die Kleidung gestaltet ist, insbesondere die Beschaffenheit der Stoffe. Das spielt eine entscheidende Rolle. Auch die Farbtöne sind essenziell, da sie zentrale Elemente sind, die den Charakter einer bestimmten Ära – zum Beispiel in Filmen – authentisch widerspiegeln.

Was ist Adobe Firefly?

Adobe Firefly ist ein generatives KI-System, das auf einem Diffusionsmodell basiert – wichtig zu wissen: Es ist kein Large Language Model (LLM) wie ChatGPT. Seine Hauptaufgabe ist es, aus Textbeschreibungen Bilder zu generieren.

Fast alle NutzerInnen mit einem Adobe Creative Cloud-Abonnement haben Zugriff auf Firefly. Allerdings kann es Ausnahmen geben, z.B. bei Lizenzen für Bildungseinrichtungen. Diese sind häufig lokal beschränkt, und die KI-Funktionen, die sich noch in der Beta-Phase befinden, sind dort oft nicht integriert.

Das Besondere an Firefly ist seine nahtlose Integration in die Adobe Creative Cloud. Die KI-Features finden sich in verschiedenen Adobe-Programmen:

• Adobe Express: Generative Fill, Text zu Vorlage, … 
• Photoshop: Generative Fill, Hintergrund erweitern, Neural Filters, …
• Illustrator: Text to Vector, Generative Neu Einfärbung
• Lightroom: Generatives Entfernen, verbessern – Entrauschen, …
• Zukünftige Updates sollen auch generatives Audio und Video umfassen.

Finden Sie hier eine Übersicht aller KI-Anwendungen von Adobe.

Der Firefly Bildgenerator

Eines der bekanntesten Firefly-Features ist der Bildgenerator, der mittlerweile in seiner dritten Version vorliegt. Er erstellt fotorealistische Bilder und Illustrationen basierend auf einfachen Texteingaben direkt im Browser. Zudem ist er in Adobe Express und Google Bard integriert.

Als jemand, der täglich mit verschiedenen KI-Bildgeneratoren arbeitet, sehe ich Vor- und Nachteile:
Das Interface ist deutlich übersichtlicher als beispielsweise Midjourney auf Discord, was ihn besonders attraktiv für die breite Masse macht. Ein weiterer Pluspunkt ist die Mehrsprachigkeit – Textprompts sind in über 100 Sprachen möglich. Allerdings neigen die generierten Bilder oft zu einem eher kitschigen, stockfoto-ähnlichen Stil – die Gründe dafür werde ich im nächsten Abschnitt erläutern.

Besonders hervorzuheben ist die Struktur– und Stil-Referenz-Funktion. Sie ist äußerst wertvoll, wenn man präzise Layoutvorstellungen hat und das Bild entsprechend anpassen möchte. Sehen Sie hier ein Beispiel. 

Ein kurzes Fazit vorab: Der Firefly-Bildgenerator eignet sich hervorragend für den Einstieg in die KI-Bildgenerierung. Das intuitive Interface und die schnellen Ergebnisse machen ihn zum idealen Werkzeug für erste Experimente. Für professionelle PrompterInnen mit spezifischen stilistischen Anforderungen ist er meiner Meinung nach jedoch zu limitiert.

Fun Fact: Für die Nutzung der Funktionen werden Credits verbraucht.

Beta-Programme als Hintertür? Adobe’s KI-Trainingsstrategie unter der Lupe

Aber woher kommen eigentlich die Trainingsdaten für Adobe Firefly? Die aktuellen Firefly-KI-Modelle wurden offiziell auf einem klar definierten Datensatz trainiert:

• Lizenzierte Inhalte: Hauptsächlich Adobe Stock-Bilder
• Gemeinfreie Inhalte: Materialien, bei denen das Urheberrecht abgelaufen ist
• Offen lizenzierte Inhalte: Solche, die frei verfügbar und legal nutzbar sind

Im Juni 2024 kam es jedoch zu einem Aufschrei in der Creative-Community: Adobe wurde verdächtigt, zusätzlich Nutzerdaten zum KI-Training zu verwenden – etwas, das das Unternehmen stets von sich wies. 

Bei meinen Recherchen stieß ich auf ein aufschlussreiches Dokument zu den Lizenzvereinbarungen vom 12.6.2023: Adobe plant demnach offiziell nicht, Inhalte von Unternehmenskunden zum KI-Training zu verwenden – mit einer Ausnahme: Beta-, Verbesserungs- und Feedback-Programme.

Diese Ausnahme erscheint besonders brisant, wenn man bedenkt, dass Adobe in seiner Creative Cloud eine eigene Rubrik für Beta-Versionen unterhält. Diese Beta-Programme erfreuen sich großer Beliebtheit, da NutzerInnen stets danach streben, neue Funktionen als Erste zu testen. Eine clevere Strategie von Adobe?

Diese Entwicklung wirft kritische Fragen auf: Wie transparent ist Adobe’s Umgang mit Nutzerdaten wirklich? Und welche Rolle spielen Beta-Programme in der längerfristigen KI-Strategie des Unternehmens? Ist das nicht eigentlich ein guter Grund, Adobe Dateien nicht mehr in der Adobe Cloud zu speichern, sondern lokal?

Adobe Stock als Basis für Firefly

Adobe Stock, eine umfangreiche Plattform für Stock-Bilder, Videos und Vektorgrafiken, dient als wesentliche Grundlage für das Training von Adobes generativem KI-Modell Firefly. Inhalte, die von Mitwirkenden hochgeladen wurden, sind Teil des Trainingsdatensatzes, und ein Opt-Out war und ist nicht möglich, sofern Künstler weiterhin ihre Werke bei Adobe Stock anbieten wollten.

Eine entscheidende Änderung trat mit der Veröffentlichung des Adobe Stock Contributor Agreement Additional Terms am 1. März 2022 und dessen Wirksamwerden am 15. April 2022 in Kraft. In dieser Vereinbarung wurde Adobe eine weitreichende Lizenz eingeräumt, um hochgeladene Inhalte für die Entwicklung neuer Funktionen und Dienste zu nutzen. Diese Änderung erfolgte ohne expliziten Hinweis auf geplante KI-Trainings, was für viele Mitwirkende später zu Überraschung und Kritik führte.

Dazu eine sehr gute Aufbereitung Sie dazu in einem Blogbpost von alltageinesfotoproduzenten.de

Kompensationszahlungen von Adobe

Erst nach Abschluss der Beta-Phase von Firefly führte Adobe ein Bonuskompensationsprogramm ein. Die Details wurden im September 2023 bekannt gegeben, als Mitwirkende, deren Inhalte für das Training verwendet wurden, eine einmalige Bonuszahlung erhielten.

Der Bonus basierte weniger auf der Nutzung für das KI-Training, sondern vielmehr auf der Anzahl genehmigter Bilder und deren Lizenzhäufigkeit zwischen Juni 2022 und Juni 2023. Die Berechnungsgrundlage für die Zahlung von Adobe sind somit Portfoliogröße und Umsatz.

Der Mindestbetrag für die Auszahlung wurde bei der ersten Auszahlungsrunde 2023 vorübergehend von 25 USD auf 1 USD gesenkt. Für das Jahr 2024 gilt folgendes: „Der Bonus ist nicht garantiert, er variiert für jede(n) berechtigte(n) Anbieter(in) und wird nach Ermessen von Adobe ausgezahlt.“

Hier ist ein Screenshot mit den Details. Darauf ist ersichtlich, dass eine Auszahlung erst dann angefordert werden kann, wenn der Betrag ≧ 25  USD ist.

Ein Blick in die Zukunft

Auf der Adobe MAX 2023 wurde ein spannender Ausblick auf die Zukunft von Firefly präsentiert: Adobe plant, Kreativen die Möglichkeit zu geben, das Modell mit ihren eigenen Assets zu trainieren. Dies würde es erlauben, Inhalte zu erstellen, die dem individuellen Stil und Branding entsprechen, ohne durch die Daten anderer Kreativer beeinflusst zu werden.

Für Unternehmen wäre das eine vielversprechende Entwicklung, da sie Firefly mit ihren Markenassets maßgeschneidert einsetzen könnten. Allerdings könnte dies auch eine Strategie von Adobe sein, Verantwortung abzuwälzen: Wenn die NutzerInnen die Datenbank selbst mit ihren Assets füttern, könnte Adobe argumentieren, keinen Einfluss auf die Inhalte zu haben – eine geschickte Art, sich aus der Verantwortung zu ziehen.

Learnings bei der Recherche

Während der Arbeit an diesem Blogartikel wurde mir deutlich, wie viele verschiedene FAQ-Seiten Adobe anbietet und wie umfangreich das dort gebündelte Wissen ist. Die schiere Menge an Informationen macht es unglaublich schwierig, den Überblick zu behalten und eine „Single Source of Truth“ zu etablieren. Inhalte sind über diverse Plattformen verteilt, darunter:

• community.adobe.com
• Adobe auf Discord
• blog.adobe.com
• helpx.adobe.com

Ein weiteres wichtiges Learning ist, wie essenziell Screenshots als Belege für eigene Recherchen sind. Inhalte auf verlinkten Seiten können sich jederzeit ändern – sei es aus rechtlichen Gründen oder zur Optimierung der Kommunikation. Screenshots schaffen Transparenz und sichern die Argumentation vor späteren Änderungen oder dem Verlust der Originalquellen. Dies ist besonders wichtig, wenn man langfristig auf die Informationen zurückgreifen möchte.

Was ist MAXQDA?

MAXQDA ist eine Software, die seit vielen Jahren Forschende bei der Analyse qualitativer und quantitativer Daten unterstützt. Mit Funktionen wie Kodierung, Textanalyse und Visualisierungswerkzeugen ermöglicht sie eine tiefgehende Untersuchung von Interviewdaten, Literatur, Social Media-Inhalten und vielem mehr. Forschende nutzen MAXQDA, um Muster in Texten zu erkennen, Theorien zu entwickeln und umfassende Berichte zu erstellen.

Ich bin es gewohnt, dass die meisten Programme auf Englisch sind, und deswegen finde ich es immer wieder entspannend, wenn ich Software wie MAXQDA in meiner Muttersprache verwenden kann. Besonders schätze ich die vielen hilfreichen Video-Tutorials und PDF-Guides, die es auf Deutsch gibt. ​​MAXQDA-Guides sind in folgenden Sprachen verfügbar: Englisch, Deutsch, Türkisch, Portugiesisch, Spanisch, Japanisch und Französisch.

Die MAXQDA AI Assist Funktion

AI Assist bietet diverse Funktionen, um generative Sprachmodelle in MAXQDA effizient zu nutzen. Es ermöglicht automatische Zusammenfassungen von Texten oder Codierungen und schlägt passende Codes sowie Subcodes vor. Im AI Chat kann durch Fragen und Prompts direkt mit den Daten interagiert werden. Die Basis des AI Assist ist das GPT-Modell (ChatGPT).

Die Funktion muss jedoch separat gebucht werden. Das hat den Grund, dass bewusst entschieden werden sollte, ob KI im Projekt eingesetzt werden soll. Die Texte werden nämlich an OpenAI geschickt. Nachdem sie dort verarbeitet wurden, werden sie aber anschließend gelöscht und NICHT für das KI-Training genutzt.

Funktionen von AI Assist

Transkripte erstellen:
Die Transkripte in MAXQDA sind übersichtlicher als die von Microsoft Teams. Allerdings erkennt AI Assist das Wort „ChatGPT“ manchmal falsch, wie etwa als „Jet GePeTe“. Diese Fehler werden in den Zusammenfassungen des AI Assist nicht automatisch behoben, können jedoch in ChatGPT direkt ausgebessert werden. Mehr dazu hier.

Vorschläge für Hauptcodes
AI Assist kann für markierte Textstellen automatisch neue Codes vorschlagen. Es analysiert den Inhalt und bietet potenzielle Codes an, die für die Textstelle relevant sind. Diese Vorschläge können dann in das Codesystem integriert werden. Mehr dazu hier. 

Ich habe die Codes im Vorfeld durch Brainstorming mit ChatGPT entwickelt und sie anschließend manuell in MAXQDA angelegt, anstatt AI Assist zur Code-Erstellung zu nutzen.

Subcode-Vorschläge:
AI Assist kann Vorschläge für Subcodes basierend auf den bereits codierten Segmenten eines Hauptcodes machen. Diese Vorschläge werden im Code-Memo gespeichert und können optional um Beispiele ergänzt werden. Mehr dazu hier.

AI Coding (Beta):
AI Coding unterstützt das automatische Codieren einzelner Dokumente und bietet dabei Vorschläge für Textsegmente, die nach den definierten Codierkriterien codiert werden sollen. Forschende behalten dabei die volle Kontrolle über die Codierung. Mehr dazu hier.

Chat mit codierten Segmenten:
Mithilfe des AI Chats können Forschende Fragen zu codierten Segmenten stellen und Antworten erhalten, die Verweise auf spezifische Abschnitte enthalten. Der Chatverlauf wird gespeichert. Diese Funktion ermöglicht tiefere Einblicke in spezifische Themenbereiche der codierten Daten. Mehr dazu hier.

Chat mit Dokumenten:
Mit AI Assist können BenutzerInnen interaktive Chats zu einem gesamten Dokument führen, um verschiedene Blickwinkel zu reflektieren oder Entscheidungen zu überprüfen. Der Chatverlauf wird archiviert und kann später eingesehen werden. Mehr dazu hier.

Diese Funktion hat mir extrem geholfen, um sicherzustellen, dass nichts übersehen oder vergessen wurde.

Begriffsdefinitionen:
Unbekannte Begriffe können markiert und durch AI Assist erklärt werden. Diese Erklärungen werden als Memo im Dokument gespeichert, was die Nachvollziehbarkeit erleichtert. Mehr dazu hier.

Zusammenfassungen erstellen:
AI Assist kann lange Absätze oder Dokumente automatisch zusammenfassen. Diese Funktion ist besonders hilfreich für Berichte, die in einer anderen Sprache erstellt werden müssen als das Interview. Zusammenfassungen können als Sätze oder Bulletpoints dargestellt werden und werden im Summary-Grid gespeichert. Mehr dazu hier.

Paraphrasieren:
Texte können automatisch paraphrasiert und als Paraphrase in MAXQDA gespeichert werden. Diese Funktion eignet sich besonders für die Analyse und das Erstellen kurzer Zusammenfassungen von langen Textabschnitten. Mehr dazu hier.

Limitationen

Ein großes Problem – oder auch ein Vorteil, je nachdem, wie man es betrachtet – bei AI Assist ist, dass es nicht in der Lage ist, Szenarien oder Informationen zu improvisieren oder zu ergänzen, die nicht explizit im Text vorkommen. Das bedeutet, dass der Chat oft mit „Das kam nicht vor“ antwortet, auch wenn das gesuchte Thema möglicherweise anders formuliert wurde. In solchen Fällen habe ich mich oft verleitet gefühlt, auf ChatGPT zurückzugreifen, was viele aus verständlichen Gründen jedoch vermeiden wollen.

Ein weiteres Limit zeigt sich bei der Zusammenfassung im Grid Summary: Wenn zu wenig Input vorhanden ist, kann AI Assist keine Zusammenfassung erstellen.

AI Assist funktioniert am besten innerhalb bestimmter Textmengen. Die maximale Textlänge für Chats beträgt beispielsweise 100.000 Zeichen, und bei codierten Segmenten können bis zu 120.000 Zeichen analysiert werden. Über diese Grenzen hinaus arbeitet AI Assist nicht mehr zuverlässig und liefert keine vollständigen Ergebnisse.

Es ist immer wichtig, die generierten Ergebnisse sorgfältig zu überprüfen, da AI Assist nicht immer präzise arbeitet. Die Zusammenfassungen können vage oder ungenau wirken – sie klingen gut, enthalten aber wenig Substanz. Dies kann besonders problematisch werden, wenn mehrere Personen an einem Projekt arbeiten und auf die Interpretation anderer angewiesen sind, insbesondere bei komplexen oder sensiblen Inhalten wie Gewalt oder Hassreden. In solchen Fällen erfasst AI Assist bestimmte Inhalte möglicherweise nicht richtig oder liefert keine adäquate Zusammenfassung. Zudem können inhaltliche Nuancen oder kulturelle Kontexte, die für die Analyse entscheidend sind, übersehen werden, was eine manuelle Nachbearbeitung erforderlich macht.

Feedbackkutlur bei MAXQDA

Während meiner Arbeit mit dem Programm ist mir aufgefallen, dass es hilfreich wäre, wenn ich im Summary Grid die Felder auch in Orange markieren könnte, um anzuzeigen, wo noch einmal nachgearbeitet werden muss. Diesen Vorschlag habe ich an den Support weitergegeben, und es war beeindruckend, wie schnell sie reagiert haben. Kurz darauf erhielt ich sogar einen Fragebogen zum AI Assistant, was zeigt, dass sie aktiv an Nutzerfeedback interessiert sind.

Insgesamt habe ich bei der gesamten Content-Aufbereitung (Website, unterstützende Ressourcen, Videos) stets das Gefühl gehabt, dass MAXQDA großen Wert auf die Meinungen der UserInnen legt und deren Feedback ernst nimmt.

Feedbackkutlur bei MAXQDA

Während meiner Arbeit mit dem Programm ist mir aufgefallen, dass es hilfreich wäre, wenn ich im Summary Grid die Felder auch in Orange markieren könnte, um anzuzeigen, wo noch einmal nachgearbeitet werden muss. Diesen Vorschlag habe ich an den Support weitergegeben, und es war beeindruckend, wie schnell sie reagiert haben. Kurz darauf erhielt ich sogar einen Fragebogen zum AI Assistant, was zeigt, dass sie aktiv an Nutzerfeedback interessiert sind.

Insgesamt habe ich bei der gesamten Content-Aufbereitung (Website, unterstützende Ressourcen, Videos) stets das Gefühl gehabt, dass MAXQDA großen Wert auf die Meinungen der UserInnen legt und deren Feedback ernst nimmt.

Was ist Design Thinking?

Beginnen wir von vorne. Design Thinking hat nichts mit Grafikdesign zu tun. Der Begriff „Design“ impliziert zwar, dass dieser Prozess nur für die Kreativbranche relevant ist, aber das ist ein Missverständnis. Design Thinking ist ein vielseitiger Ansatz, der menschenzentrierte Prozesse nutzt, um kreative Lösungen für komplexe (Business-)Probleme zu finden. Im Kern wird eine Denkweise gefördert, die neue, innovative Ideen entwickelt, um in einem wettbewerbsorientierten Markt bestehen zu können.

Dieser Prozess wird mal in fünf, mal in sechs Schritten dargestellt, aber im Wesentlichen geht es darum, die Bedürfnisse der Nutzerinnen zu verstehen und Empathie dafür zu zeigen. Ziel ist es, das Problem aus der Sicht der Kundinnen zu betrachten und wirklich kundenorientierte (optimale) Lösungen zu schaffen.

Herbert Simon, eine zentrale Figur im Design Thinking, brachte es treffend auf den Punkt:

Eine Randnotiz: Simon war nicht nur ein Pionier in der kognitiven Psychologie und Managementwissenschaft, sondern auch in der künstlichen Intelligenz tätig, was für diesen Artikel ein weiteres interessantes Detail ist. [Quelle]

Einführung in das Fallbeispiel

Um die einzelnen Schritte des Design-Thinking-Prozesses zu durchlaufen, fragte ich ChatGPT nach einer innovativen Dienstleistung für Hunde. 

Es schlug unter anderem einen hundefreundlichen Taxi-Service vor, was mir gut gefiel. Daraufhin recherchierte ich kurz bei Google. Tatsächlich bietet Taxi40100 diesen Service bereits an: Hunde fahren kostenlos mit. Obwohl ich diesen Service schon mehrmals hätte nutzen können, kannte ich ihn nicht. 

Das zeigt, dass Unbekanntes nicht zwangsläufig neu ist. Nur weil etwas für mich neu ist, bedeutet es keine Innovation am Markt.

Nehmen wir jedoch an, Taxi40100 hätte diesen Service noch nicht im Angebot und das Unternehmen stünde vor einem echten Problem.

#1 Understand: Das Problem verstehen

Die Geschichte beginnt wie folgt:

Taxi40100 kämpft mit negativem Feedback und sinkenden Anfragen. Bei Gesprächen mit dem Kundenservice zeigt sich, dass viele Kundinnen ihre Hunde mitnehmen möchten, was jedoch gegen die aktuellen AGBs des Unternehmens verstößt. Diese Einschränkung führt zu wachsender Frustration, die sich in den Google-Bewertungen widerspiegelt.

Warum dürfen Hunde eigentlich nicht einfach im Taxi mitfahren?

Ein Brainstorming mit ChatGPT bringt erste Probleme ans Licht: Allergien, die Autos schneller verschmutzen, was andere Fahrgäste stören könnte, sowie Fahrerinnen, die Angst vor Hunden haben oder keine Erfahrung im Umgang mit ihnen haben. Zudem müssen Tiere während der Fahrt gesichert sein, was zusätzliche Herausforderungen mit sich bringt.

In einer kurzen Umfeldrecherche mit Perplexity entdeckt die Marketingabteilung, dass einige Konkurrentinnen bereits einen hundefreundlichen Fahrservice zum gleichen Preis wie für Menschen anbieten. Das weckt Interesse, aber das Controlling bleibt skeptisch. Es verlangt mehr Informationen zu den möglichen Zusatzkosten wie Reinigung, Versicherungen und Ausbildung der Fahrerinnen. Diese Aspekte müssen erst gründlich durchkalkuliert werden.

Das Marketing soll mehr über die Konkurrenz und deren Dienstleistungen herausfinden. Ein reger Mailverkehr zwischenControlling und Marketing beginnt. Doch das Marketingteam hat nicht genug Zeit, um den ganzen Tag zu recherchieren.ChatGPT hilft zwar bei der Informationssammlung, aber das Controlling braucht präzise Zahlen und Fakten, keine allgemeinen Zusammenfassungen.

#2 Observe: Die Nutzerinnen beobachten

Während ihrer Online-Recherche stellt das Marketingteam fest, dass man, nur weil man selbst einen Hund besitzt, nicht unbedingt alle Bedürfnisse von Hundebesitzern perfekt kennt.

Um ein besseres Verständnis zu gewinnen, bittet das Marketing den Kundenservice, verstärkt darauf zu achten, wie viele Anfragen es zum Hundetransport gibt und welche Gründe die Kundinnenn für ein Taxi nennen. Mit Hilfe von ChatGPT wird ein einfaches Formular zum Ankreuzen erstellt, das diese Informationen strukturiert erfasst.

Gleichzeitig nimmt sich das Team die Google-Rezensionen vor. Ein Google-Scraper überträgt die Rezensionen in eine Excel-Tabelle, die auf die wesentlichen Inhalte bereinigt wird. Diese Tabelle wird anschließend an ChatGPT übergeben, um herauszufinden, was die Kunden bezüglich Hundetransporte sagen.

ChatGPT wird in verschiedenen Analysen eingesetzt:

• Analyse von Rezensionstexten: ChatGPT analysiert die Rezensionstexte, um Muster, häufige Themen oder Schlüsselwörter zu identifizieren.
• Sentiment-Analyse: Es bewertet den Tonfall und die Stimmung in den Rezensionen, um positive, negative oder neutrale Sentiments zu erkennen.
• Zusammenfassung: ChatGPT erstellt eine Zusammenfassung, die ein Diagramm mit Schlüsselwörtern und deren Häufigkeit enthält, ideal für die Präsentation am Nachmittag.

Zusätzlich hilft ChatGPT dabei, Nutzerfeedback zu entschlüsseln, insbesondere wenn unklar ist, was der Nutzer genau meint. Oft stellt sich die Frage: „Wie meint sie das jetzt genau meinen?“

Disclaimer: ChatGPT fehlen die empathischen Fähigkeiten, um Emotionen so zu interpretieren, wie Menschen es können. Daher sollte die menschliche Intuition in die Auswertung einfließen.

Durch die Analyse ergeben sich mehrere häufige Gründe, warum Hundebesitzer ein Taxi benötigen:

• Kein Auto: Für den Transport zum Tierarzt, Hundefriseur oder Schwimmteich.
• Verletzte Besitzerin: Fahrunfähigkeit aufgrund von Unfall oder Krankheit.
• Verletzter Hund: Der Hund hat sich beim Spazierengehen verletzt und benötigt schnelle tierärztliche Versorgung.
• Große oder mehrere Haustiere: Schwierigkeiten, diese in öffentlichen Verkehrsmitteln zu transportieren.
• Abgelegene Wohnorte: Transportbedarf in ländlichen oder schlecht erschlossenen Gebieten.
• Tiere, die nicht allein bleiben können: Manche Haustiere können nicht allein gelassen werden und benötigen daher einen Transport.

Ein Insight nach der Recherche ist, dass viele ältere Damen zwar häufig beim Taxi anrufen, aber keine Google-Bewertung hinterlassen.

#3 Point of View: Den Standpunkt der Nutzerinnen verstehen

Die Marketingabteilung hat zunehmend Gefallen an dem Projekt gefunden und möchte sich noch intensiver mit ihren Kundinnen beschäftigen. Der nächste Schritt: Personas erstellen. 

Anrufe, Google-Feedback und Eindrücke der Taxifahrerinnen haben bestimmte Muster offenbart und dienten als erste Basis für die Erstellung von vier Persona-Profilen. Diese wurden anschließend im KI-Tool „Write with Laika“ angelegt, als sogenannte „Brains“. Dabei war es besonders wichtig, das Wording und die Formulierungen der Kundinnen zu berücksichtigen, um die Sprache der Zielgruppe authentisch widerzuspiegeln.

Jetzt war man in der Lage, Szenarien und Nutzerverhaltensweisen auf Knopfdruck zu simulieren. Alternativ lässt sich dies auch mit GPTs von ChatGPT umsetzen. Die Marketingabteilung ist sich bewusst, dass die emotionalen Einblicke oft generisch sein können und nicht tief genug in die Bedürfnisse der Nutzerinnen eintauchen, aber es ist eine gute Basis. Es geht darum, im Vorfeld mit einer gewissen Wahrscheinlichkeit Pain Points und Gains zu entdecken.

#4 Ideate: Die Ideenfindungsphase

In der Ideate-Phase des Design Thinking Prozesses nutzt das Marketingteam Miro, um Ideen zu bündeln und zu strukturieren. Die AI-Funktionen von Miro erleichtern die Handhabung und bieten oft Lösungsvorschläge, die „Aha-Erlebnisse“ auslösen. Zudem testen sie Mymap. ai, das auf ChatGPT basiert und neue Aspekte aufzeigt, die berücksichtigt werden sollten.

Besonders das Controlling und die Rechtsabteilung schätzen es, wenn potenzielle (kostenintensive) blinde Flecken frühzeitig aufgedeckt werden.

Als Zahlenmenschen fragen sie dann gerne: „Ist dieser Punkt wirklich notwendig? “ Das Marketing kann jedoch – dank ChatGPT gut vorbereitet – zehn Gründe nennen, die dafür sprechen.

Beide Parteien merken: ChatGPT generiert mehr Ideen, als ein Mensch in derselben Zeit hervorbringen könnte. Allerdings bleibt die Bewertung der Ideen hinsichtlich Konkurrenz, Originalität und (finanzieller) Machbarkeit eine Herausforderung, die sorgfältige menschliche Analyse erfordert.

Alles in allem war es ein produktives Meeting. Man einigt sich auf eine Testphase von sechs Monaten und darauf, welche SMART-Ziele erreicht werden sollten.

Sehen Sie hier, was das Marketing entwickelt hat:

#5 Prototyping: Ein Testobjekt erstellen

In der Prototyping-Phase erstellt das Marketingteam mithilfe von ChatGPT und Midjourney Bild- und Textmaterial für Canva, das mittlerweile ebenfalls über KI-Tools verfügt (Magic Studio). Diese Werkzeuge ermöglichen es dem Team, schnell Inhalte zu generieren und zu kuratieren, sodass die besten Ideen übrig bleiben. 

Außerdem verwenden sie Uizard, um der internen Grafikerin eine Vorstellung für eine Unterseite der Website zu geben. Die Grafikerin erstellt mit Figmas AI Assistant ebenfalls schnelle Entwürfe, die als visuelle Prototypen zum Durchklicken dienen. 

Diese Phase bereitet dem Marketing besonders viel Spaß, da hier kreative Konzepte in konkrete Designs umgesetzt werden. Die Kombination aus KI-gestützten Tools und dem Know-how der Designer führt zu ansprechenden Ergebnissen, die auch die Geschäftsleitung überzeugen.

Was hier am meisten begeistert, ist, dass dieser Prozess nicht mehrere Wochen dauert, sondern intern in viel kürzerer Zeit durchgeführt wird.

#6 Testing: Produkt in der echten Welt testen

Ob die neue Dienstleistung gut ankommt, wird sich noch zeigen. Im ersten Monat sitzt neben der Taxifahrerin eine Person, die den Prozess überwacht, um nah am Geschehen zu sein.

So erhält das Marketing direktes Feedback von den Kundinnen und kann Verbesserungen schnell umsetzen. Dabei fällt auf, dass die Besitzerinnen oft Fotos von ihren Lieblingen im Taxi machen. Das könnte doch irgendwie genutzt werden.

Bei telefonischen Beschwerden wendet das Marketing häufig die 5-Why-Methode an, um die Ursachen der Probleme zu ermitteln. Mit Einverständnis der Kundinnen werden die Gespräche aufgezeichnet und transkribiert, um Muster zu erkennen und Verbesserungen abzuleiten. Zur Analyse der Transkripte nutzt das Marketing MAXQDA mit seinen AI-Funktionen sowie ChatGPT. Diese Tools ermöglichen es, tiefer in die Daten einzutauchen und häufige Themen oder Probleme zu identifizieren.

Präsentation der Ergebnisse

Nach sechs Monaten präsentiert das Team die Ergebnisse der neuen Dienstleistung. Dabei haben sich viele Dateien angesammelt: PDFs, Word-Dokumente und Screenshots. ChatGPT hilft dabei, diese Informationen zu organisieren. Ziel ist es, die Daten mit ChatGPT so zu strukturieren, dass sie für alle verständlich sind. Das Tool erstellt mühelos Zusammenfassungen der wichtigsten Details und visualisiert die Ergebnisse in Grafiken wie z.B. Tabellen oder Balkencharts.

Nach der Präsentation hat man den Break-even-Point noch nicht erreicht, aber das Controlling ist optimistisch, dass man diesem Ziel in sechs Monaten näher kommt.

Neural Filters in Photoshop

Sie haben ein Adobe-Konto? Sehr gut! Dann verfügen Sie ziemlich wahrscheinlich auch über Photoshop, was Ihnen die Arbeit massiv erleichtern wird.

In diesem Programm gibt es die Neural Filters, die mittlerweile beeindruckende Möglichkeiten bieten, um alte Fotos aufzuwerten. So können beispielsweise alte Schwarz-Weiß-Fotos eingefärbt werden, ähnlich wie bei kolorierten Postkarten von früher. Wenn jemand auf den Fotos ein allzu grimmiges Gesicht macht, kann dies zum Lächeln gebracht werden.

Auch Kratzer oder andere Schäden von vintage Fotografien können entfernt werden. Diese Funktionen ermöglichen es, alten Erinnerungen neues Leben einzuhauchen und sie in voller Pracht im Fotoalbum zu präsentieren.

Generative Füllung in Photoshop

Eine weitere Funktion in Photoshop ist die generative Füllung. Mit ihr kann man störende Elemente in Fotos leicht entfernen oder fehlende Teile ergänzen. Beispielsweise kann eine unliebsame Person oder ein unpassender Gegenstand aus dem Bild entfernt werden, was früher stundenlange manuelle Arbeit erfordert hätte. 

Auch kann der Bildausschnitt verändert werden, etwa durch das Hinzufügen von mehr Himmel oder die Korrektur einer ungünstigen Schulterposition. Besonders hilfreich ist diese Funktion, wenn Fotos mit dem Handy aufgenommen wurden und Lichtpunkte durch den Blitz auf dem Bild sind. Dies ist besonders relevant, wenn analoge Fotos mit einem Handy fotografiert wurden, da hier oft unerwünschte Reflexionen entstehen. Diese Reflexionen können mit der generativen Füllung effektiv entfernt werden.

Topaz Photo AI

Topaz Photo AI ist ein weiteres nützliches Tool, insbesondere wenn gescannte Fotos vergrößert werden sollen, zum Beispiel bei sehr alten und kleinen Fotos. Es ermöglicht das Hochskalieren von Bildern, sodass auch kleine Bildausschnitte großformatig dargestellt werden können. Dadurch können Fotos in einem Album viel beeindruckender präsentiert werden und entfalten somit eine ganz neue Wirkung.

Dieses Tool ist besonders praktisch, wenn nur eingescannte Fotos aus einem analogen Fotoalbum existieren und die Originalnegative nicht mehr zur Verfügung stehen.

Allerdings ist Vorsicht geboten: Das Ergebnis sollte immer kontrolliert werden, da die KI manchmal unnatürliche Effekte erzeugen kann.

 Bilder mit Midjourney und Adobe Firefly

Zuerst mag man nicht daran glauben, dass Bildgeneratoren in einem Fotoalbum hilfreich sein könnten, da es ja um die eigenen Fotos geht. Doch hier sind einige Möglichkeiten, wie sie eingesetzt werden können:

• Lückenfüllung: Wenn im Fotoalbum Platz auf einer Seite ist, weil es zu wenig Fotos gibt, können generative KI-Tools genutzt werden, um fehlende Inhalte zu ergänzen.
• Vermeidung von Urheberrechtsproblemen: Statt Bilder von Google zu verwenden, können benötigte Bilder, wie z.B. ein Blumenstrauß, einfach mit einem Bildgenerator erstellt werden, um rechtliche Diskussionen zu vermeiden.
• Hintergrundbilder und Muster: Generative KI-Tools können genutzt werden, um schöne Hintergrundbilder und Muster zu erzeugen.
• Erstellung persönlicher Erinnerungen: Diese Tools ermöglichen es, visuelle Interpretationen von erzählten Erinnerungen zu schaffen, wie z.B. der erste Schultag oder ein besonderer Urlaub, von dem keine Fotos existieren.
• Kreative Kinderzeichnungen: Ich habe diese Tools genutzt, um Kinderzeichnungen zu interpretieren und daraus kreative und einzigartige Bilder zu machen, die für einen WOW-Effekt bei der Geschenksübergabe und für Gesprächsstoff während der Party sorgen sollen.

Texte mit ChatGPT

ChatGPT ist ein vielseitiges Werkzeug, das mir nicht nur beim Schreiben und Überarbeiten von Texten geholfen hat, sondern auch dabei, mein Fotoalbum noch persönlicher und unterhaltsamer zu gestalten.

• Textkontrolle: ChatGPT erleichtert die Arbeit enorm, indem es hilft, Texte von anderen zu kontrollieren oder selbst ansprechende Beschreibungen zu verfassen. Oft fällt es schwer, selbst Texte zu verfassen, doch mit ChatGPT fällt es leicht, den Anfang zu machen und etwas beizutragen.
• Erstellung von Überschriften: Auch bei der Erstellung von Überschriften für die einzelnen Seiten des Fotoalbums war es eine große Hilfe. Zum Beispiel: „10 Headlines zu den Themen Fashion, Karriere, Reisen und Hobbys, die zusammenpassen.“
• Bildunterschriften: ChatGPT kann Bildunterschriften erstellen, die den Fotos Kontext und Bedeutung verleihen.
• Lustige Horoskope: Außerdem kann ChatGPT lustige Horoskope schreiben, die das Album unterhaltsam ergänzen.
• Quizfragen: ChatGPT kann mit wenigen Informationen Quizfragen erstellen, die das Album noch interaktiver und spannender machen.

Wichtige Aspekte beim Erstellen von Fotoalben

Während dieses Projektes sind mir einige interessante Gedanken gekommen, die für Sie nützlich sein könnten.

Datenaufbereitung

Menschen haben unterschiedliche Kenntnisse in Technik und Datenaufbereitung. Viele, die nicht regelmäßig mit Grafik- und Datenaufbereitung arbeiten, haben wenig Verständnis für die Anforderungen an die Bildqualität. Oft wurden mir Fotos in einem Word-Dokument oder per WhatsApp geschickt, was zu Qualitätsverlusten führt. Dies zeigt, dass man oft annimmt, andere hätten dasselbe Wissen wie man selbst, was jedoch nicht der Fall ist. Wenn Sie für das Sammeln von Daten zuständig sind, erstellen Sie einfach einen Ordner auf Google Drive und bitten Sie alle, die Daten dort hochzuladen. Bitten Sie die Menschen, die Fotos einzuscannen und auf eine Auflösung von 300 dpi zu achten. Das hilft ungemein.

Layout

Am besten ist es, wenn Sie schon im Vorhinein wissen, wie das Endprodukt aussehen soll, ob es digital oder gedruckt wird, und mit welcher Software Sie das Layout erstellen.

Wenn es lediglich digital sein soll, verwenden Sie Layout- und Designtools wie Canva. Auch bei Canva gibt es hilfreiche generative AI-Anwendungen mit dem Magic Studio. Die Jahresgebühr beträgt ca. 100 EUR.

Wenn es gedruckt werden soll und Sie über Grafikprogramme verfügen, ist CEWE Fotobuch die beste Alternative. Auch hier gibt es bereits KI-basierte Möglichkeiten, die Fotoprodukte aufzuwerten, wie z.B. den Hintergrund zu erweitern. Super bei CEWE sind die Layoutvorschläge, die den Gestaltungsprozess erleichtern.

Ich habe mein Fotoalbum in InDesign erstellt, damit ich das PDF über einen Copyshop (z.B. Druckraum) drucken lassen konnte. Falls Sie mehrere Exemplare drucken wollen, ist druck.at eine weitere Möglichkeit.

#1: Visibility of System Status

Rückmeldung – Desktop: Ein Typing-Indikator erscheint, sobald die BenutzerInnen Anfragen senden, und signalisiert, dass das System eine Antwort generiert. Dies stellt sicher, dass die BenutzerInnen wissen, dass ihre Anfrage empfangen und verarbeitet wird.

Rückmeldung – Mobile: Bei der mobilen Anwendung gibt es sowohl visuelle, akustische als auch haptische Rückmeldungen. Es gibt einen Kreis, der zu einer Denkblase oder zu Audiosignalen morpht. Während ChatGPT nachdenkt, ertönt ein klickendes Wartesignal, begleitet von einer Vibration.

Antworten in Echtzeit: Die Antworten erscheinen, während sie generiert werden, was das Engagement der BenutzerInnen fördert. Mich zum Beispiel erinnert das immer an Tom Riddles Tagebuch aus Harry Potter.

#2: Match Between the System and the Real World

Menschliches Verhalten: Für mich wirkt es menschlich, wenn ChatGPT nicht sofort antwortet, sondern so wirkt, als ob das System „nachdenkt“. Auch die menschlich wirkenden Stimmen schaffen Vertrauen.

Chatverlauf: Die Unterhaltung mit ChatGPT verläuft wie ein Nachrichtenchat, d.h. rechts erscheinen meine Nachrichten und links ihre Antworten.

Verständlichkeit von Symbolen: Es gibt einige leicht verständliche Icons, wie zum Beispiel eine Büroklammer als Symbol zum Anhängen von Dateien oder Daumen hoch bzw. Daumen runter für die Bewertung von Nachrichten. Das einzige Symbol, das mich irritiert, ist das Kopfhörersymbol für den Voice-Modus; ein Mikrofonsymbol (=Sprechen) wäre für mich hier besser verständlich. 

#3: User Control and Freedom

Freiheit der Formulierung: BenutzerInnen können ihre Fragen oder Anfragen frei formulieren und jederzeit ihre Meinung ändern oder das Thema wechseln. Man muss auch keine ganzen Sätze schreiben, Stichwörter reichen auch aus.

Stop-Funktion: Wenn BenutzerInnen merken, dass ChatGPT etwas schreibt, das ihnen nicht gefällt, kann der Vorgang sofort abgebrochen werden, indem man auf den „Stop“-Knopf drückt. So kann die Wartezeit verkürzt werden, wenn man bereits weiß, dass einem das Ergebnis nicht gefällt.

Archivierung: Ältere Chats können archiviert oder gelöscht werden und verschwinden somit aus der Seitenleiste.

Kopierfunktion: Beim Kopieren des Textes muss man ihn nicht mehr in ein Textformat zwischenspeichern, da es jetzt einen Kopierknopf gibt. Das hängt oft mit dem Kopieren in Word zusammen, welche Variante da am besten geeignet ist, weil beim einfachen Kopieren bestimmte Eigenschaften des Textes mitkopiert werden.

Automatische Nutzung von Chats: Die Chats werden automatisch zum Trainieren eines neuen Datasets genutzt. Man kann zwar auswählen, dass man das nicht möchte, aber dann hat man keinen Zugriff auf ältere Chats. Die Benutzerkontrolle wird somit eingeschränkt.

Modelländerung: BenutzerInnen können das Modell ändern.

Bearbeitung von Nachrichten: BenutzerInnen können Nachrichten (Prompts) bearbeiten, wenn sie merken, dass sie nicht zum gewünschten Ergebnis kommen.

Vorlesefunktion: Es gibt eine Vorlesefunktion sowohl am Desktop als auch mobil. Das bietet sich für eine Art von „Konversation“ an sowie für Menschen, die Schwierigkeiten beim Lesen am Bildschirm haben.

#4: Consistency and Standards

Konsistentes Design: Das Design und die Interaktionsmuster von ChatGPT sind grundsätzlich konsistent über die mobile und Desktop-Anwendung hinweg. Der Voice-Modus ist jedoch nur auf Mobilgeräten verfügbar.

„Inconsistency“ im Sinne von Änderungen: Da ich ChatGPT täglich verwende, fallen mir Änderungen sofort auf, wie der Unterschied zwischen den Modellen 3.5 und Version 4.o. Ein Beispiel hierfür sind längere Antworten oder die automatische Wiederholung des gesamten Absatzes. Obwohl ich nur einen Satz korrigiert haben wollte, wird mir ein gesamter Artikel neu präsentiert. Das kann frustrierend sein. Ich vermute aber, dass dies daher kommt, dass BenutzerInnen oft das gesamte Ergebnis kopieren wollen und nicht einzelne, ausgebesserte Sätze. Dann wurde auch noch meine Lieblingsstimme Sky im Voicemodus ausgetauscht, da diese vermutlich auf Scarlett Johanssons Stimme basiert.

Standardmäßige Platzierung von Icons: Die konsistente Icon-Platzierung (z.B. Seitenleiste, Abmeldung, Einstellungen) hilft mir bei der einfachen Erkennung von Funktionen und reduziert Fehler und Frustration.

#5: Error Prevention

Automatische Korrekturen: ChatGPT ignoriert Rechtschreibfehler und versucht, Verständnisprobleme proaktiv zu lösen. Wenn ChatGPT etwas nicht versteht, bittet sie um Klarstellung.

Warnmeldungen: Bei irreversiblen Aktionen wie dem Löschen eines Chats werden Warnmeldungen angezeigt, die BenutzerInnen über die potenziellen Konsequenzen informieren, sodass sie vorsichtig vorgehen und informierte Entscheidungen treffen können.

Scroll-Hint: Es gibt auch einen Scroll-Hinweis, der anzeigt, dass die Antwort weiter unten fortgesetzt wird, sodass BenutzerInnen das Ende der Nachricht nicht vergessen.

#6: Recognition Rather than Recall

Konversationshistorie: Das Anzeigen der Chat-Historie in der Seitenleiste ermöglicht den BenutzerInnen einfachen Zugriff und die Möglichkeit, laufende oder vergangene Gespräche ohne Erinnerung an frühere Interaktionen oder Suchvorgänge wieder aufzurufen.

Kurzzeitgedächtnis: Durch das Behalten des Konversationskontexts ermöglicht es ChatGPT den BenutzerInnen, auf frühere Eingaben Bezug zu nehmen, wie z.B. das Stellen einer Anschlussfrage. Mittlerweile kann man auch einzelne Abschnitte in einem Absatz markieren und sich direkt darauf antworten lassen.

#7: Flexibility and Efficiency of Use

Schnelle Interaktionen: Erfahrene BenutzerInnen können schnelle Interaktionen durchführen, während neue BenutzerInnen durch unterstützende Hinweise (z.B Mouse Over) geführt werden.

Einstiegsanweisungen: Zu Beginn werden Dinge vorgeschlagen, die man ausprobieren kann, damit BenutzerInnen ins Tun kommen.

Vorlesefunktion: Man kann sich Texte auch vorlesen lassen, was besonders bei langen Texten von Vorteil ist.

Mehrsprachigkeit: ChatGPT unterstützt mehrere Sprachen. Ich kann sogar nur in Emojis schreiben.

Custom Instructions: BenutzerInnen können ihre Präferenzen definieren, wodurch die Personalisierung verbessert und relevantere, auf die BenutzerInnen zugeschnittene Interaktionen ermöglicht werden.

Shortcuts: Die Bereitstellung von Shortcuts, wie das Stellen einer neuen Frage oder das Erstellen eines neuen Chats, ermöglicht es den BenutzerInnen, schnell Aktionen auszuführen oder auf Informationen zuzugreifen. Ich kann entweder die Enter-Taste drücken oder auf einen Pfeil bei der Schreibleiste klicken.

Hier finden Sie mehr Shortcuts.

#8: Aesthetic and Minimalist Design

Einfaches Interface: Das Interface von ChatGPT ist einfach gehalten, ohne unnötige visuelle Ablenkungen, was die Nutzererfahrung verbessert.

Einklappbare Seitenleiste: Die Seitenleiste (samt älterer Unterhaltungen) kann eingeklappt werden, was besonders für Screenshots praktisch ist.

Schriftarten und Farben: Klare und gut lesbare Schriftarten sowie eine angenehme Farbgestaltung mit harmonisch aufeinander abgestimmten Grautönen tragen zur Übersichtlichkeit bei. Die Schriften und Farbtöne finden Sie im Corporate Design Manual.

Vereinfachte Typografie: Die Verwendung klarer und leicht lesbarer Schriftarten stellt sicher, dass der Text leicht zu lesen und zu verstehen ist und nicht überwältigend wirkt.

Claude-Vergleich: Der Claude-Chatbot hat ein nahezu identisches Design, was die Konsistenz in der Branche unterstreicht.

#9: Help Users Recognize, Diagnose, and Recover from Errors

Hilfreiche Tipps und Anleitungen: ChatGPT bietet in der Regel hilfreiche Tipps und Anleitungen innerhalb des Chats oder über externe Links, um Fragen oder Probleme zu lösen.

Rechtschreibkorrekturen: BenutzerInnen müssen keine perfekte Rechtschreibung haben; das System versteht fehlerhafte Eingaben.

Proaktive Fehlermeldungen: BenutzerInnen werden (gelegentlich) über potenzielle Ungenauigkeiten in Nachrichten informiert, was ihnen hilft, Fehler zu erkennen und zu verstehen.

Fehlermeldungen: ChatGPT zeigt Fehlermeldungen an, wenn BenutzerInnen den Voicemodus nicht mehr nutzen können, weil zu viele Anfragen gestellt wurden oder etwas schiefgelaufen ist, etwa wenn die Anfrage nicht bearbeitet werden kann oder wiederholt missverstanden wurde.

Auf Halluzinationen hinweisen: Unterhalb der Eingabezeile steht präventiv der Satz. “ChatGPT kann Fehler machen. Überprüfe wichtige Informationen.”

#10: Help and Documentation

Klarheit der Fehlermeldungen: Fehler werden klar kommuniziert, z.B. wenn etwas möglicherweise nicht den Richtlinien entspricht, wenn das System down ist oder wenn man zu viele Anfragen innerhalb einer bestimmten Zeit getätigt hat. Es wird auch angegeben, um welche Uhrzeit der Service wieder voll genutzt werden kann.

FAQs: Eine Sektion mit häufig gestellten Fragen (FAQs) hilft den BenutzerInnen, schnell Antworten auf häufige Fragen und Probleme zu finden, was Frustration und Verwirrung reduziert.