Ein Unternehmen für Verpackungsdesign musste für jede Produktlinie mehrere illustrierte Charaktere erstellen – in der Regel 8 bis 10 Charaktere pro Linie – und dabei eine strenge und wiedererkennbare Markenidentität bewahren. Der traditionelle Prozess war zeitaufwendig und teuer, da jeder Charakter manuelle Design-Iterationen, Prüfzyklen und wiederholte Abstimmungen zum Stil erforderte.

Das Ergebnis war ein doppelter Engpass:

• Erstens führte der stilistische Drift zwischen den Charakteren zu einer fragmentierten visuellen Marke.
• Zweitens war die Skalierbarkeit begrenzt: Die Erstellung von Charakteren für viele Produktlinien konnte Wochen dauern, was es schwierig machte, schnell auf neue Markteinführungen oder saisonale Kampagnen zu reagieren. In diesem Fall dauerte die Erstellung von Kunstwerken für etwa 12 Linien von Anfang bis Ende etwa 4 bis 6 Wochen.

KI-Agenten + n8n-Workflow

Galene.AI ermöglicht einen spezialisierten Agenten, der es Teams ermöglicht, einen Workflow eines Drittanbieters für die kreative Erstellung in natürlicher Sprache zu „steuern“, während das System Anfragen in strukturierte Generierungsschritte übersetzt. Der Agent wird über einen On-Premises-n8n-Workflow orchestriert und nutzt die Galene.AI-APIs, um kontrollierte Stiltransformationen anzuwenden und konsistente Ausgaben zu erzeugen.

Ein typischer Workflow umfasst:

1. Definition des Basis-Charakters und Einrichtung des internen Repositorys
   Ein:e Designer:in erstellt einen Referenzcharakter, z. B. den „Schokoladen“-Charakter, und lädt ihn in das interne Repository als genehmigte visuelle Grundlage hoch. Diese Referenz wird zum Stilanker für alle zukünftigen Variationen.
2. Parameterisierte Anforderungsaufnahme in natürlicher Sprache
   Der:Die Benutzer:in gibt drei Pflichtangaben ein, wie z. B. Zutat, Produktzustand und ein ikonisches Element. Der:Die Benutzer:in kann Änderungen auch in natürlicher Sprache ausdrücken, z. B. „Ersetzen Sie Minze durch eine Erdbeerpflanze.“
3. Semantische Transformation mit Stilerhaltung
   Der Agent wandelt die Benutzeranfrage in einen kontrollierten Transformationsplan um und wendet semantische Bearbeitungen wie Farbpalettenverschiebungen, Accessoire-Änderungen und Symbolhinzufügungen an, während die Grundstruktur konsistent mit dem Referenzcharakter bleibt.
4. Automatisierte Asset-Generierung über Galene.AI-APIs
   Der Workflow generiert die Lieferergebnisse als:
   • Ein PNG-Bild mit 800 x 800 px
   • Eine JSON-Metadaten-Datei mit Tags und Deskriptoren, z. B. #Erdbeere
5. Validierungs- und Neugenerierungsschleife
   Ein:e Prüfer:in überprüft die stilistische Kohärenz und das Fehlen visueller Fehler. Wenn das Ergebnis nicht akzeptabel ist, löst der Agent eine geführte Neugenerierung aus, indem er neue Parameter anfordert oder eine spezifische Korrekturanweisung anwendet.

Strukturierte Ausgabe

Jeder Generierungszyklus erzeugt ein standardisiertes Asset-Paket, das für nachgelagerte Produktions-Workflows konzipiert ist:

• PNG-Charakterbild (800 x 800 px) für schnelle Überprüfung und Iteration
• JSON-Metadatendatei mit Tags, Zutat-Referenzen und Attributdeskriptoren
• Ein kurzes Generierungsprotokoll, das die verwendeten Parameter und die genehmigte Referenzcharakterversion erfasst
• Ein optionales Genehmigungsstatus-Flag und Prüfer:innen-Hinweise zur Nachverfolgbarkeit

Beispielinteraktion:

Benutzeranfrage: „Zutat: Erdbeere. Produktzustand: tiefgekühlt. Ikonisches Element: Erdbeerpflanze. Behalten Sie dieselbe Charakterstruktur wie die Schokoladen-Referenz bei.“

Korrekturanfrage: „Ersetzen Sie Minze durch eine Erdbeerpflanze und passen Sie die Farbpalette an, um zur Erdbeer-Linie zu passen.“

Kontinuierliche Verbesserung

Der Workflow verbessert sich im Laufe der Zeit, während die Markenkontrolle gewahrt bleibt:

• Verstärkung der Markenregeln
  Prüfer:innen-Feedback wird als strukturierte Anleitung erfasst, um Transformationsregeln zu verfeinern und wiederholte Korrekturen zu reduzieren.
• Evolution der Referenz-Assets mit Governance
  Wenn sich die Markenidentität weiterentwickelt, können neue Referenzcharaktere versioniert und genehmigt werden, und der Workflow kann auf den aktualisierten Anker umgestellt werden, ohne den Prozess zu unterbrechen.
• Messung von Qualität und Durchsatz
  Teams verfolgen Iterationen pro Charakter, Genehmigungszeit, Ablehnungsgründe und Charakterdurchsatz pro Linie und optimieren dann Prompts, Tagging und Validierungsgates entsprechend.
• Erweiterung auf neue Formate
  Derselbe Ansatz kann von Charakteren auf andere Verpackungselemente ausgeweitet werden, wie z. B. Symbolsätze, Etiketten oder Kampagnenvisuals, um die Markenkonsistenz über Asset-Typen hinweg zu wahren.