Wir setzen KI bei der Erstellung von Werbematerialien für ARVAL ein – den größten Akteur auf dem Markt für Operating-Leasing

Viele Produkte und Dienstleistungen basieren in erster Linie auf rationalen Entscheidungen. Der Kunde trifft dabei keine impulsive Wahl, sondern entscheidet anhand des Preises, der technischen Daten, der langfristigen Wirtschaftlichkeit und des Vergleichs mit Alternativen. Operatives Leasing ist genau ein solcher Fall. Es geht um die Finanzierung und das gesamte Dienstleistungsökosystem rund um das Fahrzeug, wobei es auf den ersten Blick so aussehen mag, als ginge es dabei ausschließlich um Zahlen.

Tatsächlich spielen aber auch hier Emotionen eine entscheidende Rolle. Der erste Eindruck vom Fahrzeug, die Vorstellung von seiner Nutzung oder die Lebenssituation, die der Kunde damit verbindet, entscheiden oft darüber, ob er sich überhaupt mit dem rationalen Teil der Auswahl befasst. Genau in diesem Spannungsfeld zwischen der Rationalität des Produkts und den Emotionen der Entscheidungsfindung erhielten wir nach dem Gewinn der Ausschreibung für Arval den Auftrag, den kreativen Teil der Kampagnen für das Jahr 2026 zu entwerfen. Das Ziel war es, ein Format zu finden, das diese beiden Welten miteinander verbindet – präzise, faktenbasierte Kommunikation und gleichzeitig eine visuelle und emotionale Ebene, die im digitalen Umfeld die Aufmerksamkeit auf sich zieht. Neben klassischen Bannern haben wir uns daher entschieden, intensiv mit kurzen, mithilfe von KI generierten Videos zu arbeiten.

Aufgabe: Wie kann man Kunden für Operating-Leasing auf eine andere Art ansprechen?

Die grundlegende Herausforderung war relativ einfach: Wie lässt sich das Operating-Leasing visuell so vermitteln, dass es sowohl Interessenten für Neuwagen als auch für Gebrauchtwagen anspricht und gleichzeitig nicht zu allgemein oder austauschbar wirkt?

Traditionelle Formate haben in diesem Segment klar definierte Grenzen: Informationen zum Fahrzeug, Preis, Vorteile, Vergleiche. In einem Umfeld, in dem der Nutzer innerhalb weniger Sekunden zwischen verschiedenen Inhalten wechselt, reicht es jedoch nicht aus, lediglich zu informieren. Es ist notwendig, mit visueller Dynamik zu arbeiten und die Aufmerksamkeit sofort zu wecken. Wir haben uns daher entschlossen, den Videoteil der Kampagnen in zwei unterschiedliche Konzepte aufzuteilen, die sich sowohl im visuellen Stil als auch in der Art und Weise unterscheiden, wie sie die Aufmerksamkeit des Zuschauers einfangen.

Zwei unterschiedliche Ansätze zur Kreativität

Das erste Konzept basierte auf dem einfachen Prinzip, das Produkt in seiner natürlichen Umgebung zu zeigen. Nach einer Recherche zu den Kommunikationsstrategien der ausländischen ARVAL-Niederlassungen ließ wir uns von der slowakischen inspirieren, die mit einem fotorealistischen Fahrzeugmodell vor einem stilisierten, fast schon Science-Fiction-artigen Hintergrund arbeitete. Uns haben vor allem die Kamerabewegung und die Klarheit der Botschaft beeindruckt. Wir sind jedoch einen etwas anderen Weg gegangen. Wir haben jedes Auto in seinen natürlichen Kontext eingebettet, damit es sich nicht um einen abstrakten Hintergrund handelt, sondern um Situationen, in denen das jeweilige Fahrzeug Sinn ergibt.

Der Mercedes der E-Klasse taucht in einem modernen Stadtviertel auf, wo er seinen Premium-Charakter optisch unterstreicht. Den Hyundai i30 haben wir in die Kulisse einer Landstraße und eines Wochenendausflugs eingebettet, wobei wir den familiären Einsatz in den Vordergrund stellen. Bei der Marke Kia haben wir uns hingegen auch auf offizielle Materialien des Automobilherstellers gestützt, die ein modernes städtisches Umfeld zeigen, und bei ausgewählten Modellen sind wir noch einen Schritt weiter in Richtung einer futuristischen Welt gegangen, die dem Design des Fahrzeugs selbst entsprach.

Vid 1: Wir haben GenAI in die Erstellung von Werbemitteln für ARVAL integriert, was uns geholfen hat, bei der Videoproduktion erheblich Zeit zu sparen

Das zweite Konzept basiert auf einem völlig anderen Prinzip. Es geht nicht um eine statische Einbettung in die Umgebung, sondern um eine Transformation. Wir haben uns von den Kurzformaten in den sozialen Netzwerken inspirieren lassen, die visuell auf das aus der Filmreihe „Transformers“ bekannte Motiv der Transformation anspielen. Ein altes Auto fährt die Straße entlang und verwandelt sich innerhalb weniger Sekunden optisch in ein neues Modell. Dieser Moment wird durch Sounddesign ergänzt, das eine entscheidende Rolle für den Gesamteindruck spielt. Das Ziel ist nicht nur, die Veränderung zu zeigen, sondern einen kurzen, dynamischen visuellen Moment zu schaffen, der die Aufmerksamkeit bis zum Ende fesselt.

Sackgassen: Wo KI aufhört, ein triviales Werkzeug zu sein

Erste Versuche haben gezeigt, dass die bloße Verfügbarkeit von Werkzeugen nicht automatisch zu einem funktionalen und visuell realistischen Ergebnis führt.

Für die Erstellung haben wir uns für die Plattform openart.ai entschieden, die Dutzende von Modellen zur Generierung von Bildern und Videos bietet. Es stellte sich jedoch schnell heraus, dass das Problem nicht darin bestand, „irgendetwas zu generieren“, sondern darin, ein konsistentes und korrektes Ergebnis zu erzielen.

Die erste große Sackgasse war die Wahl des Modells. Für die Generierung statischer Bilddaten stehen 33 verschiedene Modelle zur Verfügung, für Videos weitere 24. Jedes davon reagiert anders auf die eingegebene Eingabeaufforderung, geht anders mit Realitätsnähe um und interpretiert die bereitgestellten Referenzfotos auf unterschiedliche Weise. Die Auswahl der richtigen Kombination aus Modellen und Prompts erwies sich als eigenständige Aufgabe, die Tage des Testens und Hunderte erfolgloser Ergebnisse erforderte.

Eine zweite Sackgasse ergab sich hinsichtlich der Konsistenz der Fahrzeuge. Die KI-Modelle neigten dazu, das Design der Autos zu verändern, verschiedene Fahrzeuggenerationen zu vermischen oder verschiedene Marken zu einem einzigen Hybridobjekt zu kombinieren. Genau das ist in der automobilen Kreativität inakzeptabel.

Das dritte Problem trat in der Animation selbst auf. Auch wenn das Ergebnis optisch gut wirkte, offenbarten die Details oft die Grenzen generativer Modelle. Ein typisches Beispiel waren statische Logos auf einem fahrenden Auto oder die Diskrepanz zwischen der Bewegung der Räder und ihren Spiegelungen. Auf den ersten Blick funktionierte das Video, doch bei genauerer Betrachtung wurde deutlich, dass die Physik nicht konsistent war.

Der Prozess: vom Befehl bis zum fertigen Video

Letztendlich haben wir den gesamten Produktionsprozess in mehrere Schritte gegliedert, die sich bei jeder Ausgabe wiederholen.

Zu Beginn entsteht ein statisches Bild. Dieses wird anhand einer genau definierten Eingabe generiert, die anschließend mithilfe eines LLM so angepasst wird, dass sie einem bestimmten Modell im Tool entspricht. Dabei spielt die Arbeit mit Referenzfotos eine große Rolle. Wir fügen dem Prompt ein reales Foto des jeweiligen Fahrzeugs hinzu, wodurch wir kreative Abweichungen des Modells deutlich einschränken. Dieser Schritt hat sich als entscheidend erwiesen. Solange die KI nur über eine textuelle Beschreibung verfügt, sind die Ergebnisse sehr unterschiedlich. Sobald ihr eine visuelle Referenz vorliegt, erhöht sich die Genauigkeit des generierten Modells deutlich.

Auf dieser statischen Grundlage folgt die Videogenerierung. Wiederum mit Hilfe eines LLM passen wir die Eingabeanweisung an, diesmal mit Fokus auf Kamerabewegung, Szenendynamik und die gewünschte Art der Animation. Das Ergebnis ist ein kurzer Videoclip, der auf einem genau definierten Bildmaterial basiert.

Die letzte Phase der Bearbeitung erfolgt manuell in DaVinci Resolve Studio, wo unsere Cutter die einzelnen Ausschnitte zusammenfügen, mit Textinformationen ergänzen und für bestimmte Kampagnen fertigstellen.

Iteration und Debugging

Der schwierigste Teil des gesamten Prozesses war nicht die eigentliche Produktion, sondern die Stabilisierung des Workflows. Die Auswahl eines geeigneten Modells und dessen Kombination mit Prompt Engineering nahm etwa zwei Tage reine Arbeitszeit in Anspruch. In dieser Phase haben wir die einzelnen Modelle nacheinander getestet, jeweils mit identischer Aufgabenstellung, um ihr Verhalten zu verstehen.

LLM hat uns in diesem Prozess als Analysewerkzeug geholfen. Wir haben ihm das gesamte Vorhaben, eine Liste der verfügbaren Modelle und die gewünschten Ergebnisse beschrieben. Auf dieser Grundlage haben wir eine Auswahlliste mit Kandidaten erstellt, die wir anschließend manuell getestet haben. Weitere Iterationen betrafen die Konsistenz der Fahrzeuge. Hier haben wir den Prompt schrittweise so angepasst, dass er die genaue Angabe von Marke, Modell und Baujahr enthielt. Erst die Kombination aus textlicher Genauigkeit und visuellen Referenzen führte zu stabilen Ergebnissen. Aus dem statischen Modell generieren wir mithilfe von KI ein Video, das wir anschließend manuell nachbearbeiten.

Die Sichtweise des Redakteurs: Eine Veränderung der Arbeitsweise

Ein interessanter Nebeneffekt des gesamten Prozesses war eine Veränderung der Herangehensweise an die Videoproduktion. Aus Sicht unseres Cutters Antonín Pulkrab, der sich seit mehr als 15 Jahren unter anderem im Rahmen seiner Zusammenarbeit mit dem Tschechischen Fernsehen mit der Videoproduktion beschäftigt, verändert sich die Rolle grundlegend. Der klassische Arbeitsablauf beginnt mit einer Vision und der direkten Arbeit mit dem Material. In diesem Fall entsteht das Material jedoch nicht im Voraus, sondern erst auf der Grundlage einer Beschreibung.

Das bedeutet, dass sich die Arbeit von der Ebene der Bearbeitung hin zur Ebene der genauen Beschreibung des Ergebnisses verlagert. Der Redakteur wird eher zum Dirigenten des Auftrags als zum Schöpfer des visuellen Materials. Die Veränderung ist vor allem insofern grundlegend, als die kreative Kontrolle teilweise durch die Fehlerkontrolle und die Iteration des Ergebnisses ersetzt wird.

Im Vergleich zu klassischen Bannerformaten konnten wir bei diesen KI-generierten Videos kampagnenübergreifend eine fast doppelt so hohe Klickrate und gleichzeitig etwa die Hälfte der Kosten pro Klick verzeichnen. Bei einem Teil der Performance-Kampagnen zeigte sich zudem ein Rückgang der Kosten pro Conversion um 25–30 %. 

Fazit: Schnelle Produktion mit hoher Variabilität

Das daraus resultierende System ermöglicht es, kurze Marketingvideos innerhalb weniger Stunden zu erstellen, oft sogar in weniger als zwei Stunden. Gleichzeitig sind die Produktionskosten deutlich niedriger als bei der klassischen Videoproduktion. Der verwendete Tool-Stack, einschließlich openart.ai, arbeitet mit einem Credit-Modell, bei dem der Preis für ein Video im unteren Hunderter-Bereich liegt. Aus Sicht der Skalierbarkeit ist dies ein entscheidender Fortschritt. Er ermöglicht es, verschiedene kreative Konzepte, Variationen der Botschaft sowie visuelle Stile schnell zu testen, ohne dass hohe Produktionskosten anfallen.

Der Hauptvorteil dieses Ansatzes liegt in einer erheblichen Zeitersparnis, geringen Produktionskosten und der Möglichkeit, kreative Konzepte schnell zu iterieren. Gleichzeitig bringt das System jedoch auch Einschränkungen mit sich. Die größte davon ist die eingeschränkte kreative Kontrolle des professionellen Redakteurs. Anstatt mit dem Bild zu arbeiten, wird der Großteil der Energie auf die Arbeit mit dem Text und dessen Genauigkeit verlagert. Kreative Entscheidungen werden teilweise an Modelle delegiert, die bei der Interpretation der Realität ihre eigenen Grenzen haben.

Das eröffnet jedoch gleichzeitig neue Möglichkeiten. Es geht nicht mehr nur darum, „Videos schneiden zu können“, sondern genau zu definieren, wie das Ergebnis aussehen soll, und es schrittweise der Realität anzunähern.