„Und das Bild des E-Autos an der Ladesäule mit geöffnetem Motorraum, das ist ja ganz schnell mit KI erstellt.“ Sehen Sie das ähnlich? Dann sollten Sie jetzt weiterlesen. Sind Sie eher skeptisch? Dann liegen Sie vermutlich gar nicht so falsch.
Gleich vorweg: Generative KI eröffnet auch in der B2B-Kommunikation enorme Möglichkeiten. Beeindruckende Bilder lassen sich in Sekunden erzeugen, verschiedene Varianten schnell durchspielen, bestehendes Bildmaterial effizient perfektionieren. Die Künstliche Intelligenz wird die Arbeitsweise in Agenturen also nicht erst in Zukunft verändern – sie tut es schon längst. Die damit verbundenen Möglichkeiten sind faszinierend und begeisternd – haben besonders bei technischen Darstellungen aber auch ihre Grenzen.
KI-generierte Bilder in der B2B-Kommunikation. Viele Möglichkeiten und noch mehr Tücken.
Warum KI bei technischen Darstellungen an ihre Grenzen stößt.
Wir wollten es vor einiger Zeit genauer wissen. Im Eigenversuch haben wir ein halbes Dutzend Bildmotive vergangener B2B-Kampagnen durchgespielt und geprüft, wie weit wir mit per künstlicher Intelligenz generierten Visuals kommen. Das Ergebnis war ziemlich eindeutig: Bei emotionalen oder natürlichen Motiven – also Menschen, Tieren, klassischen Szenen oder Landschaften – funktionieren die KI-Modelle erstaunlich gut. Schnell, überzeugend, oft mit Volltreffern nach wenigen Prompts. Sobald es aber um die Visualisierung von Technik ging, waren die Ergebnisse mehr als ernüchternd.
Sobald es technisch wird, wird es schwierig.
Gerade im B2B-Umfeld und bei technischen Lösungen zählt nämlich nicht nur der erste visuelle Eindruck, sondern die fachliche Präzision und Funktionalität – und zwar bis ins Detail. Und genau hier stoßen aktuelle KI-Systeme immer noch schnell an ihre Grenzen.
In unseren Versuchen sind wir bei technischen Darstellungen fast durchgängig gescheitert: Anbauteile saßen an den abenteuerlichsten Stellen, waren frei erfunden oder falsch kombiniert. Proportionen stimmten nicht und Anbindungen führten im Kreis oder ins Leere. Manchmal widersprachen dargestellte Details zudem grundlegenden physikalischen Prinzipien. Auf den allerersten Blick sieht das oft sogar recht plausibel aus – für Fachleute ist es aber sofort als fehlerhaft zu erkennen.
Generative KI versteht weder Technik noch Physik
Der Grund liegt in der Funktionsweise der Systeme. Generative KI „versteht“ Technik nicht, sie rekombiniert Muster aus Trainingsdaten. Ihr fehlt das Verständnis für Funktionalität, Geometrie oder physikalische Grundgesetze. Hinzu kommt: KI-Modelle wie DALL-E oder Nano Banana trainieren hauptsächlich auf riesigen Datensätzen mit natürlichen Bildmotiven, nicht auf technischen Darstellungen. Entsprechend mangelhaft ist die Präzision bei strukturierten, funktionalen Elementen. Diese reicht teilweise für eine erste visuelle Plausibilität, aber nicht für technische Korrektheit. Ebenso deutlich wird das auch bei Diagrammen, Grafiken oder schematischen Darstellungen: Achsen sind oft konfus beschriftet, Werte inkonsistent und Zusammenhänge frei erfunden oder schlicht unlogisch.
Dass das kein Einzelfall ist, zeigen auch externe Einschätzungen. Forscher betonen immer wieder, dass selbst Top-KI-Modelle bei Charts oder technischen Visualisierungen scheitern, da Trainingsdaten fehlen. Und auch das Stanford Institute for Human-Centered Artificial Intelligence (HAI) weist regelmäßig auf die Grenzen generativer Modelle bei strukturierten, faktenbasierten Aufgaben hin. Nicht zuletzt die MIT Technology Review beschreibt die Neigung von KI-Systemen, zwar überzeugend wirkende, aber inhaltlich falsche Details zu „halluzinieren“ – ein Phänomen, das gerade in technischen Kontexten der B2B-Kommunikation kritisch ist.
Fazit – Neue Chancen auch für das B2B-Marketing, aber mit klaren Grenzen.
Für Marketing und Vertrieb in technischen Unternehmen bedeutet das: KI-Tools sind ein starkes Werkzeug – aber weder Allheilmittel noch Selbstläufer. Sie eignen sich hervorragend für kreative Einstiege, die Visualisierung von ersten Ideen oder als Grundlage für emotionale Kampagnenmotive. Wenn es jedoch um die Finalisierung geht – wo Produkte, fachliche Details und technische Funktionalitäten zu 100 Prozent stimmen müssen – bleiben etablierte Darstellungen wie Produktfotografien, 3D-Renderings auf Basis von Konstruktionsdaten oder klassisch erstellte Diagramme und Grafiken gepaart mit menschlicher Expertise unverzichtbar.
Zurück zum E-Auto mit Ladesäule und Motorraum: Das Bild war mit ChatGPT schnell erstellt. Im Wortsinn offen hingegen bleibt die Frage, warum Laden nicht mit geschlossener Motorhaube funktioniert.