SECOND BRAIN - KI Marketing Podcast

In dieser Folge von Second Brain sprechen Sebastian Gärtner und Robert Schönholz darüber, wie du mit KI realistische, imperfekte und authentische Bilder erzeugst – ideal für UGC-Style, Produktmarketing und Lifestyle-Visuals. Wir zeigen, warum „Perfektion“ in AI-Generated Content oft unnatürlich wirkt und wie du mit ein paar gezielten Stellschrauben sofort mehr Glaubwürdigkeit erreichst: von Smartphone-Look über Licht-Fehler bis hin zu „Clutter“ (Krimskrams), der Szenen endlich wie echtes Leben aussehen lässt. Wir diskutieren außerdem, welche Modelle aktuell am besten performen (u. a. Nano Banana Pro, ChatGPT und Flux 2) und wie modernes Prompting heute wirklich funktioniert: Bild-Inputs statt nur Text, Referenz-Styles, klare Zuordnung von Input-Bildern (A/B/C) und warum positive Formulierungen oft zuverlässiger sind als „nicht“-Prompts. Ein Schwerpunkt ist die Königsdisziplin: Menschen – mit natürlichen Details wie Hautstruktur, leichten Unreinheiten, realistischen Frisuren und spontanen Blicken, statt Model-Perfektion. Zum Schluss geht’s um Skalierung: Wie du dir universelle Templates baust, die für viele Produkte funktionieren, ohne jedes Mal neu „zu erfinden“, wie Haare, Licht, Tisch und Szene aussehen müssen. Links & Ressourcen: Nano Banana Pro Prompt Guide (offiziell) Prompt Library & UGC Beispiele Sebastian auf LinkedIn: https://www.linkedin.com/in/sebastian-g%C3%A4rtner-520b90151/ Robert auf LinkedIn: https://www.linkedin.com/in/schoenholz/ Takeaways Imperfektion macht KI-Bilder glaubwürdiger und steigert die Performance bei UGC- und Lifestyle-Content. Nano Banana Pro liefert aktuell besonders starke Ergebnisse für Produktdarstellung und Textschärfe; Flux 2 ist nah dran. Image-Inputs (Produkte/Personen/Style-Refs) geben deutlich mehr Kontrolle als reine Text-Prompts. „Clutter“ (Krimskrams), Overexposure und Smartphone-Look sind schnelle Realismus-Hebel. Menschen wirken echter mit natürlichen Details: leichte Hautunreinheiten, unperfekte Haare, Natural Make-up, normale Kleidung. Produkte sollten in Video/Foto-Szenen eher größer platziert werden, damit Details nicht „matschig“ werden. Templates + universelle Prompts sind der Schlüssel, um Bildproduktion für viele Produkte zu automatisieren und zu skalieren. Kapitel (00:00) Intro: Warum Imperfektion KI-Bilder realistischer macht (02:01) Perfekt = unnatürlich: Was schief läuft (03:49) Modelle: Nano Banana Pro vs. Flux 2 (07:00) Prompting: Style-Refs, Bild-Inputs, negative vs. positive Formulierungen (14:16) Authentische Personen: UGC-Setting, iPhone-Look, deutsche/europäische Ästhetik (18:31) Realismus-Tuning: Overexposure, Clutter, Unordnung (23:47) Produktfotografie: Perspektive, Umfeld, „nicht wie ausgeschnitten“ (28:05) Automatisierung: Templates & universelle Prompts für viele Produkte (32:23) Zusammenfassung & nächste Schritte

Die meisten Brands nutzen Video-KI noch falsch und genau darin liegt gerade der größte Vorteil. In dieser Folge von Second Brain sprechen Sebastian Gärtner und Robert Schönholz darüber, was Video-KI heute im Marketing wirklich leisten kann, wo die harten Grenzen liegen und wie du trotzdem zu brauchbaren Ergebnissen kommst. Wir ordnen ein, warum die meisten Modelle noch immer auf kurze Clips (meist 8–15 Sekunden) limitiert sind, weshalb „einen fertigen Werbefilm prompten“ aktuell selten funktioniert – und welche Use Cases sich schon jetzt lohnen. Wir gehen praxisnah durch sinnvolle Anwendungen: Schnittbilder/Problem-Visuals, schnelle Social-Assets, simple Animationen (z. B. Plakat im Wind) und „früher-teure“ Ideen wie Fake-Out-of-Home. Dabei sprechen wir offen über typische Video-KI-Fails (komische Bewegungen, ignorierte Anweisungen, unscharfe Produkttexte) – und was du beim Prompting tun kannst, um Kontrolle zurückzugewinnen: Image-to-Video statt Text-to-Video, strukturierte Prompts (z. B. JSON), einfache Actions, klare Kamera-Keywords und Negativ-Prompts (z. B. „avoid black bars“), um klassische Fehler zu reduzieren. Außerdem vergleichen wir relevante Modelle und Tools aus Marketing-Perspektive: warum Veo (Google) oft besonders stabil wirkt, wofür Sora 2 stark ist (UGC-Style, eingebaute Cuts), wann Runway spannend wird (Video-to-Video/Acting-Ansätze) und warum Adobe Firefly für Unternehmen trotz Qualitäts-Trade-off die „Safe-for-Business“-Option ist. Zum Schluss geben wir einen Ausblick, was 2026 realistischer wird: längere Clips, mehr Prompt-Treue, bessere Qualität – und mehr Alltagstauglichkeit. Links: Sebastian auf LinkedIn: https://www.linkedin.com/in/sebastian-g%C3%A4rtner-520b90151/ Robert auf LinkedIn: https://www.linkedin.com/in/schoenholz/ Takeaways Video-KI hat großes Potenzial im Marketing, funktioniert aktuell aber am besten in kurzen, modularen Clips. Die meisten Modelle sind auf 8–15 Sekunden begrenzt – ein Werbespot entsteht weiterhin durch Schnitt & Komposition. Image-to-Video liefert mehr Kontrolle als reines Text-to-Video. Strukturierte Prompts (z. B. JSON) verbessern Ergebnisse bei komplexeren Szenen. Negativ-Prompts helfen, typische Fehler zu vermeiden (z. B. Black Bars, wiederholte Aktionen). Produkttexte bleiben in Video-KI oft kritisch: Produkte lieber größer im Frame darstellen. Veo ist aktuell sehr stabil für Social; Sora 2 ist stark bei UGC-Style und Cuts; Adobe ist relevant für rechtssichere Unternehmensnutzung. Kapitel (00:00) Intro: Video-KI – Power vs. Grenzen (02:39) Limitierungen & Use Cases im Marketing (05:32) Prompting: Struktur, Kamera, Workflow (08:36) Negativ-Prompts für mehr Kontrolle (11:33) Modelle & Tools: Veo, Sora 2, Runway, Adobe (14:44) Qualität, Produkttexte, typische Fehler (17:26) Ausblick: Was als Nächstes kommt (2026)

2026 wird das Jahr, in dem KI im Marketing nicht mehr diskutiert, sondern vorausgesetzt wird. In dieser Folge von Second Brain sprechen Sebastian Gärtner und Robert W. Schönholz über ihre konkreten Vorhersagen für 2026 und darüber, wie sich KI im Marketing endgültig von einem Experiment zu einem festen Bestandteil professioneller Workflows entwickelt. Wir analysieren, warum KI-Bildproduktion inzwischen produktionsreif ist, wo KI-Video noch deutlich aufholen muss und weshalb reine Modell-Power ohne Produktisierung keinen echten Mehrwert schafft. Wir tauchen tief ein in die nächsten Evolutionsstufen von KI-Systemen: Warum AI-Agents mehr sein müssen als nur automatisierte Praktikanten, weshalb End-to-End-Prozesse im Content Marketing unvermeidlich werden und wie sich Interfaces verändern müssen, damit KI im Alltag wirklich nutzbar ist. Dabei diskutieren wir auch die wachsende Rolle von Google im KI-Ökosystem und was das für Marken, Tools und Abhängigkeiten bedeutet. Ein zentrales Thema ist die Akzeptanz von KI-Content in der Werbung. Warum Konsumenten zunehmend weniger unterscheiden, wie Content produziert wurde – solange Qualität, Relevanz und Markenidentität stimmen. Wir sprechen darüber, warum Marken lernen müssen, ihre DNA direkt in KI-Modelle zu übersetzen, und weshalb die Zukunft nicht in „mehr KI“, sondern in besserem KI-Content liegt. Links: Sebastian auf LinkedIn: https://www.linkedin.com/in/sebastian-g%C3%A4rtner-520b90151/ Robert auf LinkedIn: https://www.linkedin.com/in/schoenholz/ Takeaways KI im Marketing 2026: Künstliche Intelligenz wird zum Standardwerkzeug für Werbung, Content und Markenkommunikation. KI-Bildproduktion ist marktreif und ersetzt klassische Prozesse in vielen Anwendungsfällen. KI-Video steht vor dem Durchbruch, benötigt aber deutliche Qualitätssteigerungen. Produktisierung von KI-Modellen entscheidet über ihren wirtschaftlichen Erfolg. Google wird eine zentrale Rolle im globalen KI-Marketing-Ökosystem einnehmen. AI-Agents müssen eigenständig denken und handeln, statt nur menschliche Abläufe zu kopieren. Gute User Experience wird zum entscheidenden Faktor für KI-Tools. Akzeptanz von KI-Werbung steigt, wenn Qualität und Markenidentität stimmen. Marken müssen lernen, ihre Brand-DNA direkt in KI-Systeme zu integrieren. Die Zukunft der Werbung ist KI-getrieben, aber qualitäts- und strategiezentriert. Kapitel (00:00) Intro: Warum wir gedanklich schon in 2026 leben (02:20) KI-Vorhersagen für Marketing & Werbung (14:28) Produktisierung von KI-Modellen (20:10) Die Zukunft von KI-Interfaces & User Experience (20:39) End-to-End-Prozesse im Content Marketing (22:52) Die Rolle von AI-Agents (26:02) Markenidentität und KI (32:18) Akzeptanz von KI-Content in der Werbung

Coca-Cola & McDonald's: Ist KI-Werbung zu Weihnachten ein PR-Desaster oder die Zukunft? In dieser Folge von Second Brain analysieren Sebastian Gärtner und Robert W. Schönholz die aktuellen, KI-generierten Weihnachtskampagnen Spots von Coca-Cola und McDonald's. Wir beleuchten, warum diese Spots trotz hohem Production Value teilweise auf massive Kritik stoßen und was das über den aktuellen Stand der KI-Video-Generierung aussagt. Wir tauchen ein in die technischen Herausforderungen und die öffentliche Wahrnehmung: Warum wirkt manche KI-Werbung "seelenlos" und andere faszinierend? Wir schauen uns an, wie Produktionsfirmen ihre Workflows anpassen müssen, um in dieser neuen Ära relevant zu bleiben, und warum die reine Masse an generierten Clips noch keine Qualität garantiert. Dabei geht’s vor allem um die Psychologie der Konsumenten: Wie viel "Uncanny Valley" verträgt eine emotionale Brand wie Coca-Cola? Wir diskutieren die Kontroverse um die Botschaft des McDonald's Spots und fragen uns, ob das Misstrauen gegenüber KI-Werbung berechtigt ist. Außerdem werfen wir einen Blick in die Zukunft hybrider Marketingstrategien, bei denen klassisches Handwerk und generative AI verschmelzen. Links: Sebastian auf LinkedIn: https://www.linkedin.com/in/sebastian-g%C3%A4rtner-520b90151/ Robert auf LinkedIn: https://www.linkedin.com/in/schoenholz/ McDonalds AI: https://www.youtube.com/watch?v=LYz-5cL-BhA Coca Cola AI: https://www.youtube.com/watch?v=Yy6fByUmPuE Coca Cola AI Behind the Scenes: https://www.youtube.com/watch?v=URT_pX74_qA  Takeaways - KI im Weihnachtsgeschäft: AI-Advertising nimmt eine immer prominentere Rolle in saisonalen Kampagnen ein. - Kritik trotz Budget: Der neue Coca-Cola Spot zeigt, dass hoher technischer Aufwand nicht automatisch vor negativer Kritik schützt. - Psychologie vor Technik: Die Akzeptanz von KI-Werbung hängt stark von der emotionalen Wirkung und dem Vertrauen der Konsumenten ab. - Polarisierung: Die Stimmung gegenüber KI im Marketing ist gespalten; technische Unsauberkeiten verstärken die Ablehnung. - Wandel der Produktion: Produktionsfirmen müssen lernen, KI iterativ in ihre Prozesse zu integrieren, statt sie nur als Gimmick zu nutzen. - Hybride Zukunft: Erfolgreiche Kampagnen werden künftig wohl auf einen Mix aus menschlicher Kreativität und KI-Effizienz setzen. Kapitel (00:00) Intro: KI im Marketing (01:44) Analyse: Coca-Cola's Christmas Spot (09:36) Tech-Deep-Dive & Produktions-Herausforderungen (17:10) Die psychologische Wirkung von KI-Werbung (24:29) Kontroverse um den McDonald's AI Spot (32:01) Vergleich: Coca-Cola vs. McDonald's (39:47) Die Zukunft von KI in Werbung und Produktion