Literatur vom gleichen Autor/der gleichen Autor*in
plus bei Google Scholar

Bibliografische Daten exportieren
 

Ideenfindung und Konzeptgestaltung in der Produktentwicklung mittels generativer künstlicher Intelligenz

Titelangaben

Baier, Daniel ; Rese, Alexandra ; Randazzo, Danilo:
Ideenfindung und Konzeptgestaltung in der Produktentwicklung mittels generativer künstlicher Intelligenz.
In: Bruhn, Manfred ; Burmann, Christoph ; Kirchgeorg, Manfred (Hrsg.): Marketing.Neu.Denken : Impulse für eine Disziplin im Wandel. - Wiesbaden : Springer Gabler , 2026 . - S. 313-342
ISBN 978-3-658-49370-7
DOI: https://doi.org/10.1007/978-3-658-49371-4_13

Abstract

Eine interessante Anwendungsmöglichkeit von ChatGPT und anderer Formen generativer künstlicher Intelligenz ist es, benutzerfreundlich große unstrukturierte Datenmengen (Texte, Bilder, Kombinationen aus beidem) zu verdichten und darauf basierend Fragen oder Anweisungen in gewünschtem Format und Stil in natürlicher Sprache zu beantworten. Man denke etwa an Kundenbewertungen eines Produkts in einem Online-Shop und die Frage des Herstellers, welche Kundenwünsche und -bedürfnisse geäußert wurden und wie er das Produkt darauf basierend verändern soll. Wir geben einen Überblick über bisherige und mögliche Einsätze derartiger generativer künstlicher Intelligenz in der Produktentwicklung und erläutern am Beispiel eines Hausgeräteherstellers, wie eine Ideenfindung und Konzeptgestaltung mittels ChatGPT erfolgen kann. Im Abgleich mit der Literatur diskutieren wir zudem Stärken und Schwächen dieses Einsatzes.

Weitere Angaben

Publikationsform: Aufsatz in einem Buch
Begutachteter Beitrag: Ja
Institutionen der Universität: Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre > Lehrstuhl Betriebswirtschaftslehre XIV - Marketing und Innovation > Lehrstuhl Betriebswirtschaftslehre XIV - Marketing und Innovation - Univ.-Prof. Dr. Daniel Baier
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 300 Sozialwissenschaften > 330 Wirtschaft
Eingestellt am: 28 Mai 2026 05:26
Letzte Änderung: 28 Mai 2026 05:26
URI: https://eref.uni-bayreuth.de/id/eprint/97730