KI-generierte Bildinhalte im Marketing

Inhaltsverzeichnis

1. Einleitung

2. Grundlagen und Definitionen – Text-zu-Bild-Generatoren, Social-Media-Advertising, Fashion Marketing

2.1. Technische Grundlagen von Text-zu-Bild-Generatoren

2.2. Grundlagen aus dem Fashion Marketing

2.3. Social Media Advertising

3. Theoretischer Bezugsrahmen, Forschungsstand und Forschungshypothesen in Bezug auf die Untersuchung

3.1. Theoretischer Bezugsrahmen: S-O-R-Paradigma

3.2. Theoretischer Bezugsrahmen: Prompt-Entwicklung

3.3. Forschungsstand

3.4. Herleitung und Aufstellung der Hypothesen

4. Experimentelle Studie – PLS-SEM-MGA

4.1. Untersuchungsdesign und Methodik

4.2. Entwicklungskriterien zur Prompt-Entwicklung im Rahmen des experimentellen Designs

4.3. Kriterien für die PLS-SEM-MGA-basierte Untersuchung

4.4. Operationalisierung der Konstrukte

4.5. Stichprobenbeschreibung

5. Ergebnisse

5.1. Hauptkomponentenanalyse (HKA)

5.2. Beurteilung der Messmodelle

5.3. Beurteilung des Strukturmodells und Pfadanalyse

5.4. Beurteilung MICOM und Multigruppenanalyse (MGA)

5.5. Weitere Ergebnisse

5.6. Diskussion und Interpretation

6. Fazit

Zielsetzung & Themen

Die vorliegende Arbeit untersucht die Akzeptanz von KI-generierten Bildinhalten im Marketing-Kontext. Ziel ist es zu ermitteln, ob und wie KI-generierte Bilder im Vergleich zu echten Fotografien die Wahrnehmung von Konsumenten beeinflussen und welche Faktoren – wie Attraktivität, Lebendigkeit oder Einzigartigkeit – dabei eine entscheidende Rolle für die Werbewirkung und Kaufintention spielen.

• Analyse der Werbewirkung von Text-zu-Bild-Generatoren im Fashion Marketing.
• Anwendung des S-O-R-Paradismas (Stimulus-Organismus-Reaktion) zur Modellierung von Konsumentenverhalten.
• Einsatz des methodischen Verfahrens PLS-SEM-MGA zur experimentellen Untersuchung und zum Gruppenvergleich.
• Evaluation der Akzeptanz von durch Midjourney generierten Bildern gegenüber realen Werbebildern.
• Untersuchung technischer und psychologischer Voraussetzungen für die Identifizierung von KI-generierten Inhalten durch Konsumenten.

Auszug aus dem Buch

Zusammenfassung der Kapitel

1. Einleitung: Einführung in die Thematik der bildgenerierenden KI und Definition des Forschungsinteresses im Kontext des Marketings.

2. Grundlagen und Definitionen – Text-zu-Bild-Generatoren, Social-Media-Advertising, Fashion Marketing: Vermittlung der technischen Grundlagen generativer Modelle (GANs, VAEs, Diffusionsmodelle) und theoretische Einordnung von Fashion-Marketing und Social-Media-Werbung.

3. Theoretischer Bezugsrahmen, Forschungsstand und Forschungshypothesen in Bezug auf die Untersuchung: Darlegung des S-O-R-Paradismas und der Prompt-Entwicklung sowie Herleitung der Forschungsstudien-Hypothesen auf Basis bestehender Literatur.

4. Experimentelle Studie – PLS-SEM-MGA: Detaillierte Beschreibung des Untersuchungsdesigns, der Kriterien zur Bildgenerierung und der statistischen Vorgehensweise mittels PLS-SEM und MGA.

5. Ergebnisse: Präsentation und statistische Auswertung der Studiendaten inklusive Hauptkomponentenanalyse, Mess- und Strukturmodellprüfung sowie Interpretation der Gruppenvergleiche.

6. Fazit: Zusammenfassende Bewertung der Anwendbarkeit von KI-generierten Bildern im Marketing und Implikationen für die Unternehmenspraxis sowie zukünftige Forschung.

Schlüsselwörter

Werbewirkung, Text-zu-Bild-Generatoren, KI-generierte Bilder, S-O-R-Paradigma, Prompt-Entwicklung, Fashion Marketing, Social Media Advertising, Akzeptanz, Kaufintention, PLS-SEM, Multigruppenanalyse, Deepfake, Konsumentenverhalten, Künstliche Intelligenz, Bildsynthese.

Häufig gestellte Fragen

Worum geht es in dieser Masterthesis primär?

Die Arbeit untersucht, wie KI-generierte Bilder in der Werbung – speziell im Bereich Fashion Marketing – wahrgenommen werden und ob sie in Sachen Werbewirkung und Akzeptanz mit realen Fotos mithalten können.

Welches wissenschaftliche Modell liegt der Untersuchung zugrunde?

Als theoretische Basis dient das S-O-R-Paradigma (Stimulus-Organismus-Reaktion), welches Stimuli (Bild-Eigenschaften) mit internen Prozessen (Involvement) und Verhaltensreaktionen (Akzeptanz) verknüpft.

Welche Herausforderungen bei der Prompt-Erstellung werden thematisiert?

Es wird aufgezeigt, dass Prompt-Engineering weitgehend erfahrungsbasiert ist und durch die Anwendung systematischer Schemata zur Konsistenzsicherung beim Generierungsprozess für experimentelle Zwecke optimiert werden kann.

Was ist das Ziel der angewandten statistischen Methoden?

Durch den Einsatz von PLS-SEM-MGA soll die komplexen Wirkbeziehungen zwischen Bildeigenschaften und Konsumentenreaktionen analysiert und signifikante Unterschiede bei der Wahrnehmung zwischen verschiedenen Testgruppen aufgezeigt werden.

Was sind die wesentlichen Erkenntnisse bezüglich der Identifizierung von KI-Bildern?

Die Studie kommt zu dem Schluss, dass Probanden KI-generierte Bilder im Durchschnitt nicht besser von realen Bildern unterscheiden können als dies durch reinen Zufall der Fall wäre.

Welche Rolle spielt die Attraktivität der abgebildeten Personen?

Die wahrgenommene Attraktivität der Models gilt laut den Ergebnissen als stärkster Prädiktor für eine positive Einstellung gegenüber einem Werbebild, unabhängig davon, ob das Bild KI-generiert oder echt ist.

Warum wurde die 5.2 Version von Midjourney für die Studie gewählt?

Diese Version galt zum Zeitpunkt der Untersuchungen als das Modell, das die qualitativ hochwertigsten und für Marketingzwecke am besten geeigneten Bilder erzeugen konnte.

Welche Bedeutung haben die experimentellen Gruppenvergleiche?

Die Vergleiche zwischen den KI-Gruppen (mit unterschiedlichen Prompt-Strategien) und der Real-Gruppe zeigen, dass die Unterschiede in der Wirkung oft nur marginal sind, was für die hohe Leistungsfähigkeit moderner Bildgeneratoren und deren Potenzial im Marketing spricht.