Technischer Kontext
Ich habe mir die Behauptungen rund um content2brain angesehen, und meine Ingenieurs-Skepsis war sofort geweckt. Für die KI-Automatisierung im Marketing klingen solche Dinge verlockend: Man lädt ein Video hoch, erhält eine angebliche Aufmerksamkeitskarte des Gehirns und wählt einen Gewinner aus. Aber unter der Haube ist das alles nicht so magisch.
Wenn es sich wirklich um Metas TRIBE v2 handelt, wurde das Modell mit fMRI-Daten von über 700 gesunden Freiwilligen trainiert, nicht mit dem „digitalen Gehirn der Menschheit“. Das ist für die Verhältnisse der Neurobildgebung, wo die Stichproben oft lächerlich klein sind, schon ganz gut, aber immer noch zu begrenzt, um starke Rückschlüsse auf das reale Verhalten des Publikums zu ziehen.
Mich stört hier noch etwas anderes. fMRT erfasst indirekte Signale unter Laborbedingungen, und dann wird dem Modell beigebracht, Reaktionen auf Video, Audio und Text vorherzusagen. Ich sehe also nicht die Kaufabsicht, nicht die Werbemüdigkeit auf TikTok, nicht den kulturellen Kontext, sondern eine saubere Laborprojektion.
Und hier passt die Analogie mit der Wärmebildkamera bei einem Auto perfekt: Man sieht, wo es heiß ist, aber das ist noch keine vollständige Motordiagnose. Für einen groben Vergleich von Videos untereinander mag das nützlich sein. Bei Aussagen wie „dieses Creative wird mehr Verkäufe bringen“ würde ich den Ton jedoch drastisch dämpfen.
Eine weitere Nuance: Das Modell kann Zero-Shot-Vorhersagen über die Gehirnreaktion auf neue Inhalte treffen, was wirklich interessant ist. Ich würde es als frühen Ideenfilter testen, wenn man schwache Konzepte schnell vor der teuren Produktion aussortieren muss. Aber nicht als die letzte Quelle der Wahrheit.
Auswirkungen auf Unternehmen und Automatisierung
Wer gewinnt? Marketingteams, die eine vorläufige Sortierebene für Creatives benötigen, ohne teure Studien durchführen zu müssen. In diesem Zusammenhang erscheint die Integration künstlicher Intelligenz sinnvoll: Das Modell liefert eine grobe Bewertung, und danach folgen A/B-Tests, der Funnel und reale Konversionen.
Wer verliert? Diejenigen, die mit diesem Tool ein echtes Publikum und eine vernünftige Analyse ersetzen wollen. An dieser Stelle entsteht normalerweise teure Selbsttäuschung im Dashboard.
Ich würde solche Modelle nur als unterstützendes Signal in KI-Lösungen für Unternehmen positionieren, nicht als Zentrum der Entscheidungsfindung. Bei Nahornyi AI Lab bauen wir genau solche Architekturen: wo ein Modell die Auswahl nützlich beschleunigt, aber nicht die Realität ersetzt. Wenn Ihre Creatives das Budget schon vor dem Start aufbrauchen, lassen Sie uns den Prozess prüfen und eine KI-Automatisierung ohne Tricks und leere Versprechungen aufbauen.