Praxisprojekt Erstellung und Nutzung eigener GPTs

Aufgabenstellung

Erstelle einen eigenen Custom GPT (Thema frei wählbar) mit den folgenden Mindestvoraussetzungen:

1. Verbinde mindestens zwei Custom GPT-Techniken (z. B. Role und Feedback).
2. Nutze mindestens zwei Gesprächsaufhänger (z. B. interaktive Fragen, Multiple-Choice-Antworten).
3. Nutze eine Action (Automatisierung) oder binde eine Wissensdatei ein (z. B. FAQ, Richtlinien).

Projektvorstellung StyleDecode AI

StyleDecode AI ist ein Custom GPT zur Analyse und strukturierten Aufbereitung visueller Stile aus Referenzbildern, mit Fokus auf den Bereichen Fashion-, Beauty- und Editorial-Fotografie.

Das System extrahiert die Bild-DNA aus dem vom Nutzer hochgeladenen Referenzbild, das sogenannte Decoded Style Model, und übersetzt dieses in neue vom Nutzer festlegbaren Anwendungen mit der Referenz-Bilder-DNA.

Ziel ist es, visuelle Ästhetik in eine klar strukturierte Form zu überführen, die für die KI-gestützte Bildgenerierung und kreative Content-Produktion genutzt werden kann, um beispielsweise für Marken eine konsistente Bildsprache zu gewährleisten.

Die Automatisierung sorgt dafür, dass der Anwender das Decoded Style Model per E-Mail anfordern und später wiederverwenden kann, ohne jedes Mal erst ein Referenzbild hochladen zu müssen.

Ein Beispiel:

Der Nutzer möchte den Stil eines Bildes einer Autowerbung für ein Luxus-Parfum verwenden.

Kernaussage

StyleDecode AI ist ein Creative-Intelligence-System, das visuelle Bildstile in strukturierte Daten und kontextuelle Anwendungsszenarien übersetzt. So werden aus Inspirationen reproduzierbare, professionelle KI-Content-Workflows.

Problemstellung

In der modernen Content-Produktion und KI-gestützten Bildgenerierung gibt es ein zentrales Problem:

Hochwertige visuelle Stile sind nur schwer in Worte zu fassen, da sie aus einer komplexen Kombination aus Licht, Kamera, Styling und Farbästhetik bestehen.

Typische Probleme:

• Nutzer können visuelle Stile nicht präzise beschreiben.
• Marken und Creator verlieren die Konsistenz in ihrer visuellen Sprache.
• gewünschte Bildästhetiken lassen sich nicht zuverlässig reproduzieren.
• Kreative Ideen lassen sich nicht zuverlässig in reproduzierbare Ergebnisse übersetzen.
• Es dauert lange, bis ein geeignetes Bild erstellt wurde.

Lösung

StyleDecode AI analysiert das Referenzbild vom Nutzer und zerlegt es in seine visuellen Bestandteile. So synthetiziert StyleDecodAi die Stil-DNA des Referenzbildes, Decoded Style Model genannt. Mit dem Decoded Style Model kann dann ein neuer Bildprompt für neue Anwendungen im selben Stil des Referenzbildes übersetzt werden ohne originale Elemente zu kopieren.

StyleDecode AI analysiert das vom Nutzer hochgeladene Referenzbild und zerlegt es in seine visuellen Bestandteile. So synthetisiert StyleDecode AI die Stil-DNA des Referenzbildes, das als Decoded Style Model bezeichnet wird. Mithilfe des Decoded Style Models kann anschließend ein neuer Bildprompt für neue Anwendungen im Stil des Referenzbildes erstellt werden, ohne dass originale Elemente kopiert werden.

StyleDecode AI löst dieses Problem durch eine mehrstufige Transformation:

1. Visuelle Analyse eines Referenzbildes
2. Extraktion des Decoded Style Models
3. Ableitung kontextueller, kreativer Anwendungsszenarien
4. Auswahl des Bildmodells, um die technischen Besonderheiten und Formulierungen im Prompt zu berücksichtigen
5. Fokuslenkung: Hier legt der Anwender fest, was ihm besonders wichtig ist, z. B. Farben oder Komposition.
6. Generierung zielgerichteter KI-Prompts

Zielgruppe

• Social-Media-Content-Creator
• Fashion- und Beauty-Brands
• Fotografen und Kreativagenturen
• E-Commerce-Unternehmen
• AI Content Creator (Midjourney-, Flux- und GPT-Image-Nutzer)

Nutzen / Value

• Reproduzierbarkeit komplexer visueller Stile
• Standardisierung von Bildästhetiken für Marken
• Reduzierung manueller Prompt-Iteration
• Schnelleres Übersetzen von Inspiration in Produktion
• Konsistente visuelle Identität über verschiedene Kanäle hinweg

Technische Umsetzung

Das System basiert auf mehreren Prompting-Techniken:

Rollenbasiertes Prompting (Vision Analyst + Creative Director)

Die Hauptrolle spielt das Visual Intelligence Pipeline-System, welches das Referenzbild dekodiert und später in einen Prompt mit derselben DNA übersetzt.

Für vorgeschlagene Ideen oder ein benutzerdefiniertes Briefing wurde die temporäre Rolle des Creative Directors eingerichtet, um möglichst professionelle Beispiele zu erhalten, die die Qualität der Briefings für den Fokusbereich stark erhöhen.

Strukturierte Output-Generierung

Die Technik Chain of Thought stellt sicher, dass jeder Schritt der Pipeline genau bestimmt werden kann. Es wurden elf feste Schritte festgelegt, die nacheinander und vollständig ausgeführt werden müssen. Überraschungen oder unerwarteten Gesprächsverläufe werden vermieden.

Validierung

Validierung an mehreren Stellen, um Fehler so gut es geht zu vermeiden.

Die Input-Validierung sorgt beispielsweise dafür, dass Bilder, aus denen sich kein Stil gewinnen lässt, wie Tabellen, Textdokumente (als Bild) oder Websites/UI, abgelehnt werden.

In der Domain Optimization Layer wird später noch einmal validiert, ob die gewünschte Anwendung zum primären Optimierungsbereich (Beauty/Fashion/Luxury) passt. Das Feedback steuert später, wie kreativ die Prompt Transformation Engine das Briefing berücksichtigen muss.

Wenn der Nutzer angibt, ein gespeichertes Decoded Style Model verwenden zu wollen, wird geprüft, ob es sich wirklich um ein solches handelt.

Entscheidungslogik über kreative Anwendungsszenarien

Wenn die kreativen Anwendungsszenarien nicht im primären Fokus auf Beauty/Fashion liegen, wird das Modell angewiesen, diese kreativer auszulegen. Eine Blockierung der Transformation wird bewusst vermieden, jedoch wird der Nutzer durch eine Warnung darüber informiert, dass seine Anwendung kreativ ausgelegt wird und somit zu unerwünschten Ergebnissen führen könnte.

Kontextbasierte Prompt-Transformation

Das Modell bekommt das Decoded Style Model und die die Nutzerwünsche wie die Anwendung, Bildmodell, Stilgewichtung und der Domain Optimization Layer welches die stärke der Kreativität der Tranformations steuert als Kontext um daraus ein Prompt in der gewünschten Anwendung mit der Referenz-Bilder-DNA zu transformieren.

Automatisierung mit Make

Auf Wunsch wird eine Aktion mit einem Make-Webhook generiert, welches das vollständige Decoded Style Model als JSON an den Nutzer sendet, sobald dieser seine E-Mail-Adresse angibt. Damit können später im selben Stil schnell neue Prompts für neue Anwendungen übersetzt werden, ohne jedes Mal erst ein Referenzbild hochladen, validieren lassen und die Generierung des Decoded Style Models abwarten zu müssen. Ein neues Briefing kann sofort ausgewählt werden. Das ist ein echter Gamechanger für die Produktivität.

StyleDecode AI Flowchart

Weiter unten ist ein zusammengefasster Flowchart des GPT über den Ablauf. Für den kompletten Flowchart wurde auch eine detaillierte Grafik erstellt.

1. Upload Referenzbild / Eingabe Decoded Style Model (dann alle Schritte bis zur Anwendungswahl überspringen) ↓
2. Eignungsprüfung, ob Stil auf dem Referenzbild erkannt wird ↓
3. Visuelle strukturierte Analyse ↓
4. Decoded Style Model Erstellung und Ausgabe der Zusammenfassung ↓
5. (User Choice 1) Anwendungsauswahl: Neues Thema (was in die Referenzbild DNA übersetzt werden wird) ↓
6. (User Choice 2) Auswahl Image-Modell ↓
7. (User Choice 3) Welches Stilelement hervorheben (z. B. Beleuchtung, Komposition, Ausgeglichen)? ↓
8. Domain Optimization Layer prüft, ob die Anwendung im Beauty-/Fashion-Fokusbereich liegt. Falls nicht, wird die Erstellung nicht blockiert, sondern es wird darauf hingewiesen, dass es kreativ interpretiert wird. Zusätzlich steuert dieser Schritt die Kreativität der finalen Ausgabe. ↓
9. Ausgabe: Finaler AI-Prompt + Beschreibung + Varianten + Möglichkeiten neue Anwendung auszuwählen, Bild generieren zu lassen, Decoded-Style-Model per E-Mail zuschicken lassen