Kevin Klostermeyer

• In der vorliegenden Arbeit wird untersucht, inwiefern Künstliche Intelligenz (KI) im Social-Media- Management unter Bedingungen hoher Plattformdynamik dazu beitragen kann, Effizienz und Steuerungsfähigkeit zu steigern, ohne dabei Authentizität und Transparenz zu beeinträchtigen. Als Fallbeispiel dient die Traditionsmarke Caramba. Ausgangspunkt der Analyse ist das doppelte Steuerungsproblem: Zum einen gilt es, Echtzeitdaten aus Interaktionen, Reichweiten und Stimmungen zu verdichten, zum anderen sind Kampagnen in volatilen Auktionsumgebungen wirksam zu allokieren. In diesem Kontext fungiert KI als Ermöglicher einer verbesserten Wahrnehmung, Antizipation sowie teilautomatisierten Entscheidungsfindung innerhalb klar definierter Governance-Strukturen, die eine Kennzeichnung synthetischer Inhalte vorsehen. Methodisch ist die Arbeit an einem dreistufigen Design orientiert: Zunächst erfolgt eine theoretische Fundierung auf Basis der Perspektive dynamischer Fähigkeiten. Darauf aufbauend wird ein Instagram-Audit umgesetzt, um die Formatlogik sowie bestehende Governance-Lücken zu analysieren. Abschließend wird ein kontrolliertes Experiment im Werbeanzeigenmanager durchgeführt, das sich auf Awareness-Maßnahmen konzentriert, eine zufällige Zuweisung der Probanden vorsieht und unter konstanten Rahmenbedingungen stattfindet. Dabei werden Varianten ohne Kennzeichnung mit solchen verglichen, die einen expliziten Hinweis „Mit KI generiert.“ tragen. Diese werden durch definierte Creative-Protokolle begleitet und unterliegen einer durchgehenden menschlichen Qualitätskontrolle. Ziel der Untersuchung ist es, zu prüfen, ob KI-generierte Creatives gegenüber manuellen Varianten Effizienzvorteile erzielen können. Wissenschaftlich verbindet die Arbeit die theoretische Logik dynamischer Fähigkeiten mit einer experimentellen Feldprüfung. Praktisch liefert sie ein umsetzbares Design, das Forschungsfragen, Leistungskennzahlen, Prozessbausteine sowie Leitplanken umfasst. Die Ergebnisse zeigen, dass KI-generierte Creatives ohne Kennzeichnung eine weitgehende Gleichwertigkeit zu manuell erstellten Varianten erreichen, während mit expliziter Kennzeichnung tendenziell Effizienzvorteile zugunsten der KI erkennbar sind. Die Aussagekraft bleibt jedoch durch den begrenzten Untersuchungszeitraum, den Kanalfokus und die ausgerichtete Zielsetzung eingeschränkt. Darauf aufbauend sollten Folgeuntersuchungen conversionnahe Ziele und längere Beobachtungszeiträume berücksichtigen, weitere Plattformen und Ausspielumgebungen einbeziehen sowie Wirkungen in Privatkundensegment und bei Geschäftskunden getrennt analysieren.