Von der Anfrage zum Custom-Modell: So entsteht Ihr individuelles KI-Modell bei Virtual Marketer

Die Frage, die sich fast jeder Interessent stellt

Sie haben sich durch unsere Seiten geklickt, vielleicht die „Modell anfragen"-Seite bereits geöffnet und den Gedanken durchgespielt, ein eigenes Custom KI Modell für Ihr Unternehmen einzusetzen. Und dann kommt die naheliegende Frage, die uns fast jeder Interessent irgendwann stellt: Was passiert eigentlich, nachdem ich auf „Anfragen" geklickt habe? Wer meldet sich, wie lange dauert das KI Onboarding, und was wird von mir erwartet?

Diese Fragen sind berechtigt. Ein individuelles KI-Modell ist keine Software-Lizenz, die man kauft und sofort aktiviert, es ist ein gemeinsamer Prozess, bei dem Ihr Unternehmen und Ihr Anwendungsfall im Mittelpunkt stehen. Genau deshalb möchten wir in diesem Beitrag transparent machen, wie ein typisches Projekt von der ersten Anfrage bis zum laufenden Betrieb abläuft. Die folgenden Schritte sind als repräsentativer, verallgemeinerter Ablauf zu verstehen, im Detail passen wir jedes Projekt an die jeweilige Ausgangslage an, da sich Datenverfügbarkeit, Zielsetzung und technische Rahmenbedingungen von Unternehmen zu Unternehmen unterscheiden.

Was ein Custom-Modell überhaupt von einem generischen LLM unterscheidet

Bevor wir in den Ablauf einsteigen, lohnt sich eine kurze Einordnung, denn diese Frage taucht in fast jedem Erstgespräch auf: Warum nicht einfach ChatGPT oder ein anderes Standardmodell mit einem guten Prompt nutzen?

Ein generisches Sprachmodell kennt Ihre Marke, Ihre Produkte und Ihre internen Abläufe zunächst nicht. Alles, was es über Ihr Unternehmen „weiß", muss bei jeder Anfrage neu im Prompt mitgeliefert werden, Markenrichtlinien, Beispieltexte, Produktdaten, Formatvorgaben. Das funktioniert für gelegentliche Einzelaufgaben passabel, wird aber bei wiederkehrenden, hochvolumigen Prozessen schnell unpraktisch: lange Prompts, inkonsistente Ergebnisse, hoher manueller Nachbearbeitungsaufwand.

Ein individuelles KI-Modell bei Virtual Marketer unterscheidet sich davon in zwei zentralen Punkten:

• Verankertes Markenwissen: Über Fine-Tuning auf Basis Ihrer eigenen, freigegebenen Inhalte lernt das Modell Tonalität, Wortwahl und Struktur Ihrer Marke, statt sie bei jeder Anfrage neu erklärt zu bekommen.
• Faktische Verankerung in Ihren Daten (RAG): Über Retrieval-Augmented Generation greift das Modell bei Bedarf gezielt auf aktuelle Produktdaten, Dokumentationen oder Wissensbestände zurück, statt aus generischem, möglicherweise veraltetem Trainingswissen zu antworten. Das reduziert Halluzinationen und sorgt dafür, dass Ausgaben auf echten, aktuellen Informationen basieren.

Das Ergebnis ist ein Modell, das nicht bei jeder Anfrage neu „eingenordet" werden muss, sondern Ihre Sprache, Ihre Produkte und Ihre Prozesse bereits kennt, und dadurch zuverlässiger, konsistenter und mit weniger Nachbearbeitung nutzbar ist.

Für Sie als Entscheider zeigt sich dieser Unterschied vor allem im Alltag: weniger manuelle Korrekturen, weniger Zeit für das Formulieren immer neuer Anweisungen und eine deutlich höhere Wahrscheinlichkeit, dass ein Text oder eine Antwort beim ersten Versuch bereits „passt". Genau das ist der eigentliche Mehrwert eines individuellen Modells gegenüber einem clever formulierten Prompt für ein Standardmodell: Es geht nicht um ein einmaliges, kreatives Ergebnis, sondern um verlässliche Qualität in großem Umfang, Tag für Tag.

So läuft ein typisches Projekt ab: Der Prozess in sieben Schritten

Nach dem Absenden Ihrer Anfrage über das Modell-anfragen-Formular beginnt das eigentliche KI Onboarding, ein strukturierter, aber flexibel gestalteter Prozess. Die folgende Übersicht beschreibt einen typischen Projektverlauf, wie er in ähnlicher Form für viele unserer Kunden abläuft, im Einzelfall können einzelne Phasen je nach Ausgangslage kürzer ausfallen oder ineinander übergehen.

1. Erstgespräch: Ihre Ziele und Ihr Anwendungsfall verstehen

Am Anfang steht ein unverbindliches Kennenlerngespräch, in dem es nicht um Technik, sondern um Ihr Geschäft geht. Was möchten Sie mit dem Modell erreichen, Produktbeschreibungen automatisieren, Kundenanfragen im Markenton beantworten, interne Wissensabfragen vereinfachen? Wer sind die Nutzer des Modells, intern oder extern? Wie sieht der aktuelle Prozess aus, den das Modell ablösen oder ergänzen soll? Dieses Gespräch dient dazu, ein gemeinsames Verständnis für das eigentliche Geschäftsziel zu entwickeln, bevor überhaupt über Modellarchitektur gesprochen wird.

2. Daten- und Markenassessment

Im nächsten Schritt schauen wir uns gemeinsam an, welche Daten und Materialien bereits vorhanden sind. Dazu gehören typischerweise bestehende Produkttexte, freigegebene Marketinginhalte, Styleguides oder Markenrichtlinien, sowie, je nach Anwendungsfall, strukturierte Produktdaten oder Dokumentationen. Dieses Assessment zeigt zwei Dinge: erstens, wie konsistent und markenkonform die vorhandenen Inhalte tatsächlich sind, und zweitens, wo möglicherweise Lücken bestehen, die vor dem eigentlichen Training noch geschlossen werden sollten.

3. Modell-Scoping: Was ist realistisch?

Auf Basis der Ziele und der verfügbaren Daten legen wir gemeinsam einen realistischen Rahmen fest. Nicht jeder Wunsch lässt sich mit der vorhandenen Datenbasis gleich gut umsetzen, und das sprechen wir offen an. Hier wird auch entschieden, ob eher ein fein-abgestimmtes Modell, ein RAG-basierter Ansatz oder eine Kombination aus beidem am besten zu Ihrem Anwendungsfall passt. Ziel dieser Phase ist ein klar umrissener, überprüfbarer Projektumfang, lieber ein enger definierter erster Anwendungsfall, der zuverlässig funktioniert, als ein zu breites Versprechen, das die Datenlage nicht trägt.

4. Pilotphase: Proof-of-Concept mit begrenztem Umfang

Statt gleich das gesamte Sortiment oder alle Kommunikationskanäle abzudecken, beginnen wir in der Regel mit einer eng begrenzten Pilotphase, zum Beispiel einer einzelnen Produktkategorie, einem Textformat oder einem klar abgegrenzten Anwendungsfall. Diese kontrollierte Testumgebung erlaubt es, das Modell mit überschaubarem Aufwand zu trainieren, die Ergebnisse zu prüfen und Anpassungen vorzunehmen, bevor größere Ressourcen investiert werden.

5. Review und Iteration

Die Ergebnisse der Pilotphase werden gemeinsam mit Ihrem Team bewertet: Trifft das Modell den gewünschten Ton? Sind die Formate korrekt? Wo treten noch Abweichungen auf? Diese Rückmeldungen fließen direkt in weitere Trainingsiterationen ein. Dieser Schritt wird bei Bedarf mehrfach durchlaufen, bis die Ergebnisse den Erwartungen entsprechen, erfahrungsgemäß ist dies der Schritt, der am meisten über die spätere Qualität im Alltag entscheidet.

6. Vollständiger Rollout mit Monitoring

Sobald die Pilotergebnisse überzeugen, wird das Modell schrittweise auf den vollen geplanten Umfang ausgeweitet, etwa auf das gesamte Produktsortiment oder alle relevanten Kommunikationskanäle. Die Integration erfolgt üblicherweise über eine API-Anbindung an Ihr bestehendes CMS, Ihre E-Commerce-Plattform oder Ihre internen Systeme. Auch nach dem Go-Live begleiten wir den Betrieb mit Monitoring, um Qualität und Konsistenz der Ausgaben im Blick zu behalten.

7. Laufende Optimierung

Ein individuelles KI-Modell ist kein einmalig abgeschlossenes Projekt, sondern entwickelt sich mit Ihrem Unternehmen weiter. Neue Produkte, veränderte Markenrichtlinien oder zusätzliche Anwendungsfälle können in weiteren Trainingszyklen einfließen. In regelmäßigen Abständen prüfen wir gemeinsam mit Ihnen, ob das Modell noch optimal auf Ihre aktuellen Anforderungen abgestimmt ist, und passen es bei Bedarf nach.

Diese Phase unterscheidet ein individuelles Modell grundlegend von einer einmalig gekauften Software-Lösung: Statt eines starren Endprodukts entsteht eine Grundlage, die mit Ihrem Unternehmen mitwächst. Ändert sich Ihr Sortiment, passt sich die Markensprache an, oder kommt ein neuer Anwendungsfall hinzu, muss das nicht bei null beginnen, vorhandenes Training und bestehende Datenanbindungen lassen sich in aller Regel erweitern statt komplett neu aufbauen.

Was Sie als Kunde beisteuern sollten

Die Qualität eines individuellen KI-Modells hängt maßgeblich von der Qualität der Zusammenarbeit ab. Damit der Prozess reibungslos läuft, ist es hilfreich, wenn Sie von Anfang an Folgendes bereitstellen können:

• Beispiele bestehender Inhalte: Produkttexte, Marketingmaterialien, Support-Antworten oder andere Textbeispiele, die den gewünschten Stil bereits widerspiegeln.
• Zugang zu Produkt- beziehungsweise Unternehmensdaten: Je nach Anwendungsfall etwa ein Produktfeed, eine Datenbank oder Dokumentationen, auf die das Modell zurückgreifen soll.
• Markenrichtlinien: Vorgaben zu Tonalität, Wortwahl, Dingen, die vermieden werden sollen, sowie formale Vorgaben wie Textlängen oder Struktur.
• Eine feste Ansprechperson: Jemand aus Ihrem Team, der Rückmeldungen zu Pilotergebnissen geben kann und als zentraler Kontaktpunkt für Rückfragen während des Projekts zur Verfügung steht.

Je klarer und vollständiger diese Grundlagen zu Beginn vorliegen, desto zügiger und zielgerichteter kann das Projekt voranschreiten. Fehlen einzelne Bausteine, ist das kein Ausschlusskriterium, wir besprechen dann gemeinsam, wie sich die Lücke am sinnvollsten schließen lässt, sei es durch die Erstellung zusätzlicher Referenztexte oder eine angepasste Projektplanung.

Wie lange dauert das eigentlich?

Eine pauschale Zeitangabe wäre unseriös, denn die Dauer hängt stark vom Umfang des Anwendungsfalls, der Datenlage und der Komplexität der Integration ab. Als grobe Orientierung gilt jedoch: Von der ersten Anfrage bis zu einem einsatzbereiten Pilotmodell vergehen je nach Umfang typischerweise mehrere Wochen. Der vollständige Rollout auf den gesamten geplanten Umfang kann je nach Projektgröße entsprechend länger dauern, insbesondere wenn mehrere Iterationsrunden oder eine tiefere Systemintegration erforderlich sind.

Wichtiger als eine feste Deadline ist aus unserer Sicht, dass jede Phase sorgfältig durchlaufen wird, insbesondere die Pilotphase und die anschließende Review-Runde. Ein Modell, das übereilt in den vollen Betrieb geht, verursacht später oft mehr Korrekturaufwand als eine etwas längere, aber gründliche Vorbereitungsphase.

Ein typisches Beispiel aus der Praxis

Zur Veranschaulichung ein typisches Beispiel, wie es in ähnlicher Form bei einem mittelständischen B2B-Unternehmen ablaufen könnte: Ein Anbieter technischer Komponenten mit einem umfangreichen Produktkatalog und einem kleinen Marketingteam stellte über das Anfrageformular den Wunsch, Produktbeschreibungen und technische Datenblätter automatisiert im firmeneigenen Ton zu erstellen, bislang ein zeitaufwändiger, manueller Prozess.

Im Erstgespräch stellte sich heraus, dass zwar ein umfangreicher Produktfeed vorhanden war, die vorhandenen Texte im Markenstil jedoch aus unterschiedlichen Jahren und mit unterschiedlicher Tonalität stammten. Im Daten- und Markenassessment wurde gemeinsam mit dem Kunden eine kleinere, aber konsistente Auswahl an Referenztexten zusammengestellt, die den gewünschten Stil klar repräsentierte. Beim Scoping einigten sich beide Seiten darauf, zunächst nur eine Produktkategorie als Pilotumfang zu wählen, statt gleich den gesamten Katalog abzudecken.

Die Pilotphase kombinierte ein fein-abgestimmtes Modell für die Tonalität mit einer RAG-Anbindung an den bestehenden Produktfeed, damit technische Angaben stets aktuell und korrekt blieben. Nach zwei Review-Runden, in denen das Marketingteam Rückmeldung zu Formulierungen und technischer Genauigkeit gab, entsprachen die Ausgaben den Erwartungen. Anschließend wurde das Modell schrittweise auf den gesamten Produktkatalog ausgeweitet und über eine API in das bestehende Content-Management-System integriert. Seither wird das Modell im laufenden Betrieb überwacht und bei neuen Produktlinien oder Anpassungen der Markensprache regelmäßig nachjustiert.

Dieses Beispiel ist bewusst allgemein gehalten und dient der Veranschaulichung, der tatsächliche Ablauf, Umfang und Zeitrahmen hängt in jedem Projekt von den individuellen Gegebenheiten Ihres Unternehmens ab.

Häufige Fragen von Interessenten

Muss ich bereits genau wissen, wofür ich das Modell einsetzen möchte?

Nein. Eine grobe Vorstellung des Anwendungsfalls ist hilfreich, aber die genaue Ausgestaltung entwickeln wir gemeinsam im Erstgespräch und in der Scoping-Phase. Viele Kunden starten mit einer allgemeinen Zielsetzung, die im Projektverlauf konkretisiert wird.

Was, wenn meine Daten nicht perfekt aufbereitet sind?

Das ist der Normalfall, nicht die Ausnahme. Ein zentraler Teil des Daten- und Markenassessments besteht genau darin, gemeinsam mit Ihnen zu klären, was bereits nutzbar ist und wo eventuell noch nachgearbeitet werden muss. Perfekt aufbereitete Daten sind keine Voraussetzung für den Projektstart.

Bin ich nach der Anfrage sofort vertraglich gebunden?

Nein. Das Erstgespräch dient zunächst dem gegenseitigen Kennenlernen und der Einschätzung, ob und wie ein individuelles Modell für Ihren Anwendungsfall sinnvoll ist. Erst danach folgt eine konkrete Projektplanung.

Kann ich auch klein anfangen und später erweitern?

Ja, das ist sogar der übliche Weg. Die Pilotphase mit begrenztem Umfang ist bewusst so angelegt, dass Sie das Modell und die Zusammenarbeit mit überschaubarem Risiko testen können, bevor eine Entscheidung über den vollständigen Rollout ansteht.

Was passiert, wenn die Pilotergebnisse nicht überzeugen?

Dann wird nicht sofort in den Rollout gegangen. Stattdessen schauen wir gemeinsam, woran es liegt: Sind die Trainingsdaten nicht repräsentativ genug, ist der Anwendungsfall zu weit gefasst, oder braucht es zusätzliche Iterationsrunden? Genau dafür existiert die Review-Phase, sie soll Schwachstellen aufdecken, bevor größere Ressourcen in einen vollständigen Rollout fließen, nicht erst danach.

Arbeitet Virtual Marketer mit meinen bestehenden Systemen zusammen?

In der Regel ja. Die Integration erfolgt meist über Standard-Schnittstellen zu gängigen CMS- und E-Commerce-Plattformen. Welche technische Anbindung im Detail sinnvoll ist, klären wir im Rahmen des Scopings gemeinsam mit Ihrem technischen Ansprechpartner, sofern vorhanden.

Der nächste Schritt liegt bei Ihnen

Ein individuelles KI-Modell entsteht nicht über Nacht, sondern in einem strukturierten, gemeinsamen Prozess, von der ersten Anfrage über eine sorgfältig getestete Pilotphase bis zum vollständigen, überwachten Rollout. Genau dieser schrittweise Ansatz sorgt dafür, dass das Ergebnis am Ende wirklich zu Ihrer Marke, Ihren Daten und Ihren Zielen passt, statt auf generischen Annahmen zu beruhen.

Wenn Sie sich einen unverbindlichen ersten Eindruck verschaffen möchten, wie ein individuelles KI-Modell für Ihr Unternehmen aussehen könnte, laden wir Sie zu einer Demo ein. Wenn Sie bereits eine konkrete Idee für Ihren Anwendungsfall haben und den Prozess direkt anstoßen möchten, können Sie Ihr individuelles KI-Modell direkt anfragen, wir melden uns zeitnah für das erste Gespräch.