So erstellen Sie konsistente Produktmarketing-Assets
Wie KI-Produktmarketing-Assets entstehen, was sie kampagnenübergreifend konsistent macht und wie Product DNA jedes Asset im großen Maßstab markentreu hält.
ALStudio-Team12 Min. Lesezeit · Product DNA
Auf dieser Seite ▾
KI für Produktmarketing-Assets bezeichnet den Einsatz generativer KI, um die Bilder, Videos, Anzeigen-Creatives und Social-Inhalte zu produzieren, die Marken für die Vermarktung eines Produkts brauchen – statt jedes Asset in einem klassischen Foto- oder Videoshooting zu erstellen. Gut umgesetzt, erzeugt ein einziges Produktprofil ein komplettes Set an Marketing-Assets für alle Formate und Kanäle – in einem Bruchteil der Zeit, die ein manueller Produktionszyklus bräuchte.
Der Reiz liegt auf der Hand: mehr Assets, schneller und zu geringeren Grenzkosten pro Stück. Das schwierigere Problem – das die meisten Teams erst entdecken, wenn sie in großem Volumen produzieren – besteht darin, dass jedes Asset so aussieht, als gehöre es zum selben Produkt und zur selben Marke. Dieser Leitfaden erklärt, was KI-Produktmarketing-Assets eigentlich sind, wie die zugrunde liegende Technologie funktioniert, wo sie typischerweise scheitert und wie ein produktionsreifer Workflow für E-Commerce-Marken, Marketingteams, Agenturen und Unternehmen aussieht.
Was sind KI-Produktmarketing-Assets?
Kurze Antwort: KI-Produktmarketing-Assets sind Bilder, Videos, Anzeigen und Social-Inhalte, die KI-Modelle aus einer Produktreferenz, einem Prompt oder einer gespeicherten Produktidentität generieren – statt sie in einem klassischen Foto- oder Videoshooting aufzunehmen.
Ausführliche Erklärung: Die Kategorie umfasst eine große Bandbreite an Ergebnistypen, darunter:
- Produktfotografie: Katalogbilder, Lifestyle-Aufnahmen, Packshots und Detailaufnahmen
- Produktvideo: kurze Video-Anzeigen, Demo-Clips und filmische Produktvideos
- Anzeigen-Creatives: Paid-Social-Anzeigen, Display-Creatives und plattformspezifische Formate
- Social-Inhalte: organische Posts, Reels, Clips im TikTok-Stil und Karussell-Assets
- Lokalisierte und mehrsprachige Varianten: dasselbe Asset, angepasst an verschiedene Märkte und Sprachen
Warum das wichtig ist: Früher haben Marketingteams jede dieser Kategorien als eigene Produktionslinie behandelt – oft mit eigenen Dienstleistern, eigenen Shootings und eigenen Zeitplänen. KI bündelt das in einem einzigen Workflow rund um das Produkt selbst, und genau das macht Skalierung überhaupt erst möglich.
So funktioniert es: Die meisten Tools generieren jedes Asset unabhängig aus einem Text-Prompt und bestenfalls einem Referenzbild. Fortschrittlichere Systeme speichern ein persistentes Profil des Produkts (manchmal „digitaler Zwilling“ genannt, bei ALStudio Product DNA), das in jedem neuen Asset wiederverwendet werden kann, ohne das Produkt jedes Mal neu hochzuladen oder zu beschreiben.
Warum Marken bei der Produktion von Marketing-Assets auf KI umsteigen
Kurze Antwort: Marken setzen bei Marketing-Assets auf KI, weil sie Produktionszeit und -kosten senkt und Teams weit mehr Varianten, Formate und lokalisierte Versionen erstellen lässt, als ein klassischer Shooting-Plan erlaubt.
Ausführliche Erklärung: Laut dem Creators' Toolkit Report von Adobe, einer im Oktober 2025 veröffentlichten globalen Umfrage unter mehr als 16.000 Creators, nutzen 86 % der Befragten kreative generative KI in ihrer Arbeit, und 81 % gaben an, damit Inhalte erstellen zu können, die sie sonst nicht hätten umsetzen können. Dabei ist zu beachten, dass die Umfrage eher aufstrebende und semiprofessionelle Social-Content-Creators als Kreativteams in Unternehmen abbildete. Die Richtung des Trends deckt sich aber mit dem, was Marketing- und E-Commerce-Teams über ihre eigenen Produktionspipelines berichten: KI ist kein Nebenexperiment mehr, sondern wird zum festen Bestandteil der Marketing-Contentproduktion.
Für Marken mit E-Commerce-Katalogen, Paid-Social-Kampagnen oder Launches in mehreren Märkten ist der Nutzen klar. Ein einzelnes Produkt kann heute Folgendes liefern:
- Dutzende Katalogbilder ohne neues Shooting
- Mehrere Anzeigenvarianten zum Testen, ohne erneut ein Studio zu buchen
- Lokalisierte Versionen für verschiedene Märkte ohne neues Produktionsbudget
- Videoinhalte, ohne ein Filmteam einzuplanen
Warum das wichtig ist: Früher war die Produktionskapazität die Grenze für den Marketing-Output. Je mehr dieser Kapazität KI übernimmt, desto mehr verschiebt sich die Grenze auf etwas völlig anderes: sicherzustellen, dass all das neue Volumen weiterhin wie eine stimmige Marke und ein stimmiges Produkt aussieht.
Wie die Erstellung von Marketing-Assets mit KI tatsächlich funktioniert
Kurze Antwort: Die meisten KI-Tools für Marketing-Assets generieren jedes Bild oder Video von Grund auf neu aus einem Text-Prompt und einer Referenz, ohne Gedächtnis für frühere Ergebnisse. Eine kleinere Gruppe von Plattformen nutzt dagegen eine persistente Identitätsebene, die Produkt- und Markendetails automatisch in jedes neue Asset überträgt.
Ausführliche Erklärung: Auf dem Markt gibt es heute zwei grundlegende Architekturen.
Sessionbasierte und promptbasierte Generierung
Das ist der Standardansatz der meisten universellen KI-Tools für Bild und Video. Jede Generierung basiert auf einem Prompt und bestenfalls einem einzelnen Referenzbild. Nichts über Produkt oder Marke bleibt erhalten, sobald die Session endet. Öffnet eine Kollegin nächste Woche eine neue Session, um eine neue Anzeige zu generieren, muss sie das Produkt von Grund auf neu einführen – und es gibt keine Garantie, dass das Modell dieselbe Form, Farbe oder dieselben Details wie beim letzten Mal reproduziert.
Persistente Identitätssysteme
Eine kleinere Zahl von Plattformen speichert ein wiederverwendbares Identitätsprofil für ein Produkt, einen Charakter, eine Marke oder eine Umgebung und greift bei jeder neuen Generierung automatisch darauf zurück. Bei ALStudio heißt das Product DNA und liegt in einer gemeinsamen Gedächtnisebene namens Constants Studio – neben Brand DNA, Character DNA und Environment DNA. Sobald ein Produkt erfasst ist, steht diese Identität in jedem Studio (Content Studio, Film Studio, Marketing Studio und Editor Studio) zur Verfügung, ohne für jedes neue Asset erneut hochgeladen oder gepromptet werden zu müssen.
Warum das wichtig ist: Die Architektur entscheidet darüber, ob die Produktion von Marketing-Assets tatsächlich über eine Handvoll Assets hinaus skalieren kann. Promptbasierte Generierung funktioniert gut für ein einmaliges Bild. Sie stößt meist an ihre Grenzen, sobald das vierzigste Foto desselben Produkts zum ersten passen muss.
Die zentrale Herausforderung: Marketing-Assets im großen Maßstab konsistent halten
Kurze Antwort: Die größte Einschränkung bei der KI-Produktion von Marketing-Assets ist nicht die Bild- oder Videoqualität, sondern eine stabile Produkt- und Markenidentität über Dutzende oder Hunderte Assets, Formate und Teammitglieder hinweg.
Ausführliche Erklärung: Ein Tool kann ein Produkt über drei oder vier direkt nacheinander generierte Bilder in derselben Session stabil halten – und trotzdem komplett versagen, sobald das Produkt Tage später in einem Video, einem anderen Seitenverhältnis oder der separaten Session eines Kollegen erscheinen soll. Echte Konsistenz muss all das überstehen, nicht nur die ersten paar Ergebnisse.
Zu den häufigsten Fehlermustern gehören:
| Fehlermuster | Ursache | Auswirkung auf Marketing-Assets |
|---|---|---|
| Detail-Drift | Etiketten, Logos, Nähte und Verpackungsdetails werden jedes Mal neu generiert | Anzeigen-Creatives und Katalogbilder zeigen leicht unterschiedliche Versionen desselben Produkts |
| Farb- und Lichtverschiebung | Farbtemperatur und Licht werden bei jeder Generierung unabhängig geschätzt | Ein Produkt wirkt innerhalb einer Kampagne wie ein anderer Farbton |
| Verzerrte Proportionen | Modelle rekonstruieren die Geometrie aus einer Referenz, statt die exakte Struktur zu bewahren | Das Produkt verändert über Formate hinweg subtil Form oder Größe |
| Gedächtnis nur pro Session | Konsistenz bleibt nur innerhalb einer einzelnen Generierungssession erhalten | Teams können bei einer mehrwöchigen Kampagne nicht zuverlässig zusammenarbeiten |
| Formatbindung | Eine Referenz für Bilder lässt sich nicht sauber auf die Videogenerierung übertragen | Fotografie, Video und Anzeigen-Creatives werden zu getrennten Produktions-Workflows |
Warum das wichtig ist: Jedes dieser Fehlermuster hat direkte Kosten. Kundinnen und Kunden, die in einem Listing oder einem Anzeigenset uneinheitliche Produktbilder sehen, verlieren Vertrauen – und speziell im E-Commerce erhöht Inkonsistenz die Retourenquote. Für Markenteams entsteht zudem ein Governance-Problem: Mehrere Versionen des „gleichen“ Produkts kursieren in den Kanälen, ohne Single Source of Truth.
Vorteile KI-generierter Marketing-Assets
- Tempo: Assets, deren Shooting und Bearbeitung Tage dauerte, lassen sich in Minuten generieren
- Kosteneffizienz: geringere Grenzkosten pro Asset, besonders wertvoll bei großen Katalogen
- Volumen und Iteration: Das Testen mehrerer Anzeigenvarianten hängt nicht mehr am Budget für neue Shootings
- Lokalisierung: Dasselbe Produkt lässt sich ohne neuen Produktionszyklus für verschiedene Märkte und Sprachen anpassen
- Formatflexibilität: Eine einzige Produktidentität kann zwischen Fotografie, Video und Social-Formaten wechseln
Grenzen der KI-Generierung von Marketing-Assets
- Konsistenz ist für die meisten universellen Tools weiterhin das schwierigste ungelöste Problem, besonders nach den ersten paar Ergebnissen
- Risiko erfundener Details: KI kann Produktdetails hinzufügen oder verändern, die nie existiert haben, etwa eine Naht oder eine Etikettenvariante – im E-Commerce ein echtes Problem, weil es das Retourenrisiko erhöht
- Komplexe Governance: Ohne zentrales Identitätssystem kursieren in Kampagnen am Ende mehrere Versionen desselben Produkts
- Menschliche kreative Leitung bleibt nötig: KI beschleunigt die Produktion, ersetzt aber keine strategischen und kreativen Entscheidungen
- Die Qualität variiert je nach Modell und Anwendungsfall: Manche Produktkategorien, Materialien und Texturen werden zuverlässiger dargestellt als andere
Typische Fehler von Marken bei der Produktion von KI-Marketing-Assets
- Mehrere Referenzbilder für dasselbe Produkt mischen – das bringt von Anfang an visuelle Inkonsistenz hinein
- Auf eine zentrale Asset-Bibliothek verzichten – so arbeiten verschiedene Teammitglieder mit unterschiedlichen Versionen derselben Produktreferenz
- Bild- und Videogenerierung als getrennte Workflows behandeln, statt von einer gemeinsamen Produktidentität auszugehen
- Die Qualitätsprüfung überspringen, bevor Assets in den Kanälen live gehen
- Assets über einen langen Zeitraum verteilt generieren statt in Batches – das vergrößert den Drift zwischen den frühesten und den spätesten Assets einer Kampagne
Best Practices für konsistente KI-Marketing-Assets
- Nutzen Sie nach Möglichkeit immer dieselbe Master-Produktreferenz und wechseln Sie Referenzen nicht mitten in einer Kampagne
- Legen Sie freigegebene Marken- und Produkt-Assets an einem zentralen Ort ab, auf den das ganze Team zugreifen kann
- Halten Sie Beschreibungen von Licht und Stil über Prompts und Kampagnen hinweg einheitlich
- Generieren Sie zusammengehörige Assets in Batches, statt die Produktion über Wochen zu verteilen
- Verwenden Sie in jedem Format, in dem ein Produkt erscheint, denselben visuellen Stil und dieselbe Kamerasprache
- Nutzen Sie, wo verfügbar, ein persistentes Identitätssystem, statt den Produktkontext für jedes neue Asset neu aufzubauen
Diese Praktiken reduzieren Drift. Doch für jede Marke, die in echtem Volumen produziert, wird manuelles Konsistenzmanagement irgendwann selbst zum Engpass. Ab diesem Punkt ist ein persistentes Identitätssystem die praktikablere Lösung als eine Checkliste.
Schritt für Schritt: Einen Produktions-Workflow für KI-Marketing-Assets aufbauen
- Identität einmal erfassen. Erstellen Sie eine saubere, hochwertige Referenz für das Produkt, die Marke und alle wiederkehrenden Charaktere oder Umgebungen.
- Zentral ablegen. Speichern Sie diese Identität an einem Ort, auf den das ganze Team zugreift, statt einzelne Teammitglieder eigene lokale Referenzen pflegen zu lassen.
- Alle Formate aus derselben Quelle generieren. Nutzen Sie dieselbe gespeicherte Identität für Fotografie, Video, Anzeigen-Creatives und Social-Inhalte, statt jedes Format als eigene Produktionslinie zu behandeln.
- Qualitätsprüfung durchführen. Prüfen Sie vor der Veröffentlichung auf Detail-Drift, erfundene Merkmale und korrekte Proportionen – so, wie eine Marke auch ein klassisches Fotoshooting abnehmen würde.
- Über alle Kanäle ausspielen. Verteilen Sie die fertigen Assets aus einer einzigen konsistenten Quelle auf Paid Social, E-Commerce-Listings, organische Inhalte und lokalisierte Marktkampagnen.
Anwendungsfälle aus der Praxis
E-Commerce-Marken
Eine Skincare-Marke, die eine SKU auf Produktseiten, in Paid Social, in Kurzvideos und in einem Produktfilm launcht, braucht an jedem dieser Touchpoints dieselbe Flasche, dasselbe Etikett und denselben Verschluss. Ohne gemeinsame Identitätsebene produziert bis zum Launch-Tag meist jeder Kanal seine eigene, leicht abweichende Version des Produkts.
Interne Marketingteams
Ein Marketingteam, das ein neues Produkt in mehreren Regionen einführt, muss lokalisierte Varianten erstellen, ohne für jeden Markt Fotografen oder Videografen neu zu briefen. Eine gespeicherte Produkt- und Markenidentität ermöglicht regionsspezifische Assets, während das Produkt selbst identisch bleibt.
Agenturen
Agenturen, die mehrere Marken gleichzeitig betreuen, müssen die Produkt- und Markenidentität jedes Kunden strikt trennen und trotzdem schnell arbeiten. Ein System mit Identitätsprofilen pro Kunde verhindert, dass der visuelle Stil einer Marke in die Kampagne einer anderen durchsickert.
Unternehmen und Marken in mehreren Märkten
Größere Organisationen, die Inhalte für mehrere Sprachen und Märkte produzieren – einschließlich Arabic-first- oder mehrsprachiger Kampagnen –, brauchen einen Workflow, in dem Produkt- und Markenidentität fix bleiben und sich nur Sprache, Format und Lokalisierungsebene ändern.
Referenzbilder vs. persistente Identitätssysteme
Der Vergleich im Überblick:
| Merkmal | Referenzbilder | Persistente Identität (z. B. Product DNA) |
|---|---|---|
| Einrichtung | In jeder Session neu hochladen | Einmal erfasst |
| Nutzung im Team | Individuelle Referenzen pro Person | Für das ganze Team geteilt |
| Wiederverwendung in Kampagnen | Manuell | Automatisch |
| Formatübergreifende Nutzung | Begrenzt | Funktioniert für Fotografie, Video und Anzeigen |
| Governance | Mehrere Versionen möglich | Single Source of Truth |
| Skalierung | Drift nimmt mit dem Volumen zu | Identität bleibt auch im großen Maßstab stabil |
Referenzbilder funktionieren gut für ein einmaliges Projekt oder ein einzelnes Asset. Ein persistentes Identitätssystem wird wertvoll, sobald ein Team Inhalte über mehrere Kampagnen, Kanäle und Teammitglieder hinweg produziert.
Wie verschiedene KI-Plattformen Identität und Konsistenz angehen
| Plattform | Ansatz |
|---|---|
| Higgsfield | Soul ID, eine wiederverwendbare Identitätsreferenz, die Drift für ein bestimmtes Motiv reduzieren soll |
| Runway | Gen-4 References für die Konsistenz von Charakteren, Objekten und Umgebungen innerhalb eines Workflows |
| ALStudio | Product DNA, Brand DNA, Character DNA und Environment DNA, gespeichert im Constants Studio und geteilt in Content Studio, Film Studio, Marketing Studio und Editor Studio |
Der entscheidende Unterschied zwischen diesen Ansätzen ist nicht, ob es eine Konsistenzfunktion gibt. Sondern ob die Identität über einen gesamten Produktions-Workflow hinweg verfügbar bleibt – einschließlich Video und mehrerer Formate –, ohne für jedes neue Asset erneut eingeführt werden zu müssen.
Wenn Sie derzeit für jede neue Anzeige und jeden neuen Post den Produktkontext neu aufbauen, lohnt sich ein Test, wie eine persistente Identitätsebene diesen Workflow verändert. Starten Sie kostenlos mit ALStudio und generieren Sie ein komplettes Set an Marketing-Assets aus einem einzigen Produktprofil.
Warum die KI-Produktion von Marketing-Assets in MENA- und GCC-Märkten an Fahrt gewinnt
Marketingteams in MENA- und GCC-Märkten stehen vor einer Produktionsaufgabe, für die KI besonders gut geeignet ist: dieselbe Kampagne auf Englisch und Arabisch zu produzieren, oft in mehreren regionalen Dialekten und Formaten, ohne das Produktionsbudget zu verdoppeln. Eine persistente Produkt- und Markenidentität, die in beiden Sprachen funktioniert, beseitigt einen der größten Engpässe der regionalen Contentproduktion: die visuelle Konsistenz jedes Mal neu aufbauen zu müssen, wenn eine Kampagne zwischen Märkten oder Sprachen wechselt.
Der Ansatz von ALStudio: Constants Studio und die Consistency Engine
ALStudio ist ein Creative AI Operating System für Marken, Agenturen, E-Commerce-Teams und Unternehmen, die Marketing-Assets über Bilder, Videos, Anzeigen und mehrsprachige Kampagnen hinweg konsistent produzieren müssen.
Im Zentrum dieses Systems steht das Constants Studio, eine gemeinsame Gedächtnisebene, die Folgendes speichert:
- Product DNA
- Brand DNA
- Character DNA
- Environment DNA
- Visuelle Stile, Farbsysteme und Logos
Einmal erfasst, steht diese Identität in jedem Studio zur Verfügung – Content Studio, Film Studio, Marketing Studio und Editor Studio –, ohne wiederholte Uploads oder Prompt Engineering für jedes neue Asset. Das bezeichnet ALStudio als Consistency Engine: ein System, das persistente Identität über Produkte, Charaktere, Umgebungen und Marken hinweg bewahrt, statt sich jedes Mal auf einen neuen Prompt und eine neue Referenz zu verlassen.
Fazit
KI für Produktmarketing-Assets hat das Tempoproblem gelöst. Die meisten Teams können bereits mehr Bilder, mehr Videos und mehr Anzeigenvarianten generieren als mit einem klassischen Produktionsplan. Was eine brauchbare Pipeline für Marketing-Assets von einer wirklich skalierbaren unterscheidet, ist Konsistenz: sicherzustellen, dass das vierzigste Asset noch wie dasselbe Produkt und dieselbe Marke aussieht wie das erste.
Dafür braucht es mehr als einen guten Prompt oder ein einzelnes Referenzbild. Es braucht einen Workflow rund um eine persistente Produkt- und Markenidentität, die jedes Format und jedes Teammitglied erreicht. Wenn Ihr Team Marketing-Assets für mehrere Kanäle produziert und erste Abweichungen zwischen ihnen bemerkt, starten Sie kostenlos mit ALStudio und erleben Sie, wie Product DNA jedes Asset in Ihrem gesamten kreativen Workflow konsistent hält.
Featured-Snippet-Absatz (52 Wörter): KI für Produktmarketing-Assets bezeichnet Bilder, Videos, Anzeigen und Social-Inhalte, die KI aus einer Produktreferenz statt aus einem klassischen Fotoshooting generiert. Die größte Herausforderung ist nicht die Bildqualität, sondern Produkt- und Markenidentität über jedes Asset, jedes Format und jedes Teammitglied hinweg im großen Maßstab konsistent zu halten.
Featured-Snippet-Aufzählung: KI-Produktmarketing-Assets umfassen typischerweise:
- Produktfotografie (Katalog-, Lifestyle- und Detailaufnahmen)
- Produktvideos und kurze Video-Anzeigen
- Paid-Social- und Display-Creatives
- Organische Social-Inhalte
- Lokalisierte und mehrsprachige Asset-Varianten
Vergleichstabelle: Siehe Tabelle „Referenzbilder vs. persistente Identitätssysteme“ in Abschnitt 10.
Häufig gestellte Fragen
5 kurze Antworten auf die häufigsten Fragen zu Product DNA.
Worin unterscheidet sich die Produktion von Marketing-Assets mit KI von einem klassischen Fotoshooting oder einer Produktionsagentur?
KI generiert Assets aus einer gespeicherten Produktreferenz oder einem Prompt statt aus einem physischen Shooting – Terminplanung, Studio- und Crewkosten entfallen. Der Kompromiss: Die Konsistenz über einen großen Batch von Assets muss aktiv gesteuert werden, entweder durch manuelle Disziplin oder ein persistentes Identitätssystem, denn KI garantiert nicht automatisch, dass das vierzigste Asset zum ersten passt.
Kann KI Marketing-Assets über eine gesamte Multichannel-Kampagne hinweg konsistent halten?
Ja, aber die Konsistenz hängt stark vom zugrunde liegenden System ab. Tools, die auf einer persistenten Produktidentität statt auf einem einzelnen Referenzbild pro Session aufbauen, schneiden bei Fotografie, Video und Anzeigenformaten deutlich besser ab. Sessionbasierte Tools halten die Konsistenz meist nur für eine Handvoll Ergebnisse, bevor Drift sichtbar wird.
Was kostet die Produktion von Marketing-Assets mit KI im Vergleich zu einem klassischen Shooting?
Die Kosten variieren je nach Plattform und Tarif, doch die entscheidende wirtschaftliche Veränderung liegt in den Grenzkosten pro Asset. Ein klassisches Shooting hat weitgehend fixe Kosten, egal wie viele finale Assets genutzt werden. KI-generierte Assets lassen sich dagegen in viel größerem Volumen aus derselben erfassten Produktidentität erstellen – so sinken die Kosten pro Asset mit steigendem Volumen.
Brauchen Agenturen für KI-Marketing-Assets einen anderen Workflow als interne Marketingteams?
Der Kern-Workflow ist ähnlich, doch Agenturen brauchen in der Regel eine strengere Trennung zwischen Kunden, denn die Produkt- und visuelle Identität einer Marke darf nie in die Kampagne einer anderen einfließen. Eine Plattform mit Identitätsprofilen pro Kunde und zentraler Asset-Ablage erledigt das zuverlässiger als eine improvisierte Referenzverwaltung.
Worin unterscheidet sich Product DNA von Funktionen wie Soul ID oder Referenzsystemen anderer KI-Tools?
Identitätsfunktionen wie Soul ID und Referenzsysteme verbessern die Konsistenz innerhalb eines bestimmten Workflows oder einer Session. Product DNA ist dafür ausgelegt, über eine gesamte Produktionspipeline hinweg zu wirken – einschließlich Fotografie, Video, Anzeigen-Creatives und Lokalisierung –, ohne dass das Produkt für jedes neue Asset oder Format erneut eingeführt werden muss.
Noch Fragen? Fragen Sie das Team oder buchen Sie eine Demo.
Setzen Sie das mit ALStudio in die Praxis um
Speichern Sie Ihre Brand DNA einmal und planen, generieren, lokalisieren und veröffentlichen Sie dann markengerechte Kampagnen aus einem einzigen Workspace.
