KI-basierte Textkreation im Content Marketing: Design und Evaluation eines effektiven Prompts
| dc.contributor.author | Steinmann, Nadine | |
| dc.contributor.author | Piazza, Alexander | |
| dc.date | 2024-04-01 | |
| dc.date.accessioned | 2024-05-02T09:02:29Z | |
| dc.date.available | 2024-05-02T09:02:29Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | Die Herausforderung beim Einsatz von generativer Text-KI, wie ChatGPT, besteht darin, die Potenziale effizient zu nutzen und im Hinblick auf die Erreichung von Qualitätszielen optimal einzusetzen. Dabei ist die menschliche Eingabe in die Künstliche Intelligenz (KI) – der Prompt – entscheidend. Der vorliegende Beitrag widmet sich der Frage, wie die KI-basierte Textausgabe bei ChatGPT durch Prompt Engineering gezielt gesteuert werden kann, damit die Textqualität der generativen KI den Erfolgskriterien für Content Marketing Texte entspricht. Die Ergebnisse identifizieren eine effektive Prompt-Struktur für qualitativ hochwertige Content Marketing Texte mit ChatGPT. Insbesondere das Zero-shot Chain-of-Thought und das One-shot bzw. Few-shot Prompting erweisen sich als erfolgreich, da diese Techniken eine gezielte Steuerung des ChatGPT-Outputs in Richtung der Erfolgskriterien ermöglichen. Darüber hinaus werden die aktuellen Schwächen von KI-generierten Texten beschrieben. Dabei werden auch die Grenzen von ChatGPT deutlich, die durch eine kollaborative Wertschöpfung von Mensch und KI zur gemeinsamen Erreichung von Qualitätszielen überwunden werden können. Die theoretisch und praktisch fundierten Ergebnisse und Implikationen der Untersuchung bieten eine Orientierungshilfe für Content Marketer zur effizienten Nutzung von ChatGPT. The challenge in using generative text artificial intelligence (AI) such as ChatGPT is to harness its potential efficiently and optimally in terms of achieving quality goals. In this context, human input to the AI (prompt) is crucial. This article is dedicated to the question of how the AI-based text output of ChatGPT can be specifically controlled by prompt engineering, so that the text quality of the generative AI meets the criteria for successful content marketing texts. The results identify an effective prompt structure for high quality content marketing text copy using ChatGPT. In particular, the Zero-shot Chain-of-Thought, One-shot and Few-shot prompting prove to be successful, as these techniques allow the ChatGPT text output to match the success criteria. In addition, the current weaknesses of AI-generated texts are discussed. This also highlights the limitations of ChatGPT. Through an efficient collaboration between humans and AI these limitations can be overcome and quality goals can be achieved in a joint effort. The theoretically and practically sound results and implications of the research provide guidance to content marketers on the efficient use of ChatGPT. | de |
| dc.identifier.doi | 10.1365/s40702-024-01058-3 | |
| dc.identifier.issn | 2198-2775 | |
| dc.identifier.uri | http://dx.doi.org/10.1365/s40702-024-01058-3 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/44000 | |
| dc.publisher | Springer | |
| dc.relation.ispartof | HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 2 | |
| dc.relation.ispartofseries | HMD Praxis der Wirtschaftsinformatik | |
| dc.subject | Artificial Intelligence | |
| dc.subject | ChatGPT | |
| dc.subject | Co-Creation | |
| dc.subject | Content Marketing | |
| dc.subject | Generative Artificial Intelligence | |
| dc.subject | Generative Künstliche Intelligenz | |
| dc.subject | HCI | |
| dc.subject | Ko-Kreation | |
| dc.subject | Künstliche Intelligenz | |
| dc.subject | Prompt Engineering | |
| dc.title | KI-basierte Textkreation im Content Marketing: Design und Evaluation eines effektiven Prompts | de |
| dc.type | Text/Journal Article | |
| mci.reference.pages | 402-417 |