PUMA AI Creator: Revolutionierung der Fan-Einbindung und Digitalen Kunst mit Google Cloud

Lisa Ernst · 25.01.2026 · Artificial Intelligence · 9 min

Ein Fußballtrikot ist normalerweise das Ende einer Design-Story: Ein Verein und eine Marke entscheiden, Fans reagieren, und die Diskussion findet nach der Enthüllung statt. Mit dem PUMA AI Creator, kehrte PUMA diese Reihenfolge um. Anstatt „Hier ist das Trikot“ fragte die Marke: Zeigt uns, was ihr machen würdet. Das Ergebnis war nicht nur ein Marketing-Gag. Es war ein messbarer, groß angelegter Test, wie Fan-geführte Kreation aussieht, wenn generative KI, Cloud-Infrastruktur und Spielmechaniken zu einem einzigen Erlebnis verknüpft werden.

Quelle: Eigene Illustration

PUMA (eine der weltweit führenden Sportmarken für Schuhe, Bekleidung und Accessoires) partnered with Google Cloud um direkt in sein digitales Ökosystem zu bringen. Was diese Initiative auszeichnete, war nicht, dass sie KI nutzte, sondern dass sie KI im Einzelhandelsmaßstab einsetzte: Bilder schnell genug, zuverlässig genug und sicher genug zu generieren, um ein massives globales Publikum zu bedienen, ohne das Erlebnis in einen langsamen, fehlerhaften Warteraum zu verwandeln.

In der Praxis bedeutete dies eine Verschiebung von statischem „Marke erzählt / Kunde hört zu“-Storytelling hin zu einer interaktiven Schleife, in der Kunden kreieren, reagieren und abstimmen – und die Marke sammelt dabei echte Engagement-Signale.

Kurzfassung: Highlights des PUMA AI Creator

• Globale Reichweite: 54.000 Nutzer aus 206 Ländern nahmen teil.
• Hohes Erstellungsvolumen: 180.000 Trikot-Designs wurden generiert.
• Community-Feedback-Schleife: 1,7 Millionen Fan-Bewertungen wurden durch Wischen/Abstimmung aufgezeichnet.
• Cloud-Grundlage: Google Cloud Platform mit Google Kubernetes Engine und Nvidia H100 GPUs.
• Geschwindigkeitszuwachs: Generierungszeit von ~60 Sekunden auf ~17 Sekunden für vier HD-Bilder reduziert.
• Kostenkontrolle: 306 Nvidia GPUs wurden während der Live-Phase verwendet, anstatt der anfänglichen Prognose von 600.
• Personalisierungsmotor: Imagen 2 auf Vertex AI ermöglicht regions- und kontextbezogene Produktbilder.
• Kommerzieller Nutzen: Personalisierte Inhalte + Segmentierung verbesserten CTR und AOV; spätere Ergebnisse umfassen messbare Steigerungen (Details unten).

PUMA AI Creator: Eine Fan-geführte Design-Revolution

Der Kern der Story ist der PUMA AI Creator — ein Fan-Co-Creation-Projekt, das sich um Manchester City dreht. PUMA, als offizieller Trikothersteller des Vereins, zeigte nicht nur eine neue Designrichtung auf, sondern lud Fans ein, diese Richtung zu generieren. Das Ziel war ehrgeizig: einen Weg zu einem KI-gestützten, von Fans entworfenen Trikotkonzept für Manchester Citys third kit (2026/27 season).

Die Live-Phase lief vom December 9 to December 20, 2024. In diesem Zeitraum konnten sich Nutzer registrieren und Konzepte über ein browserbasiertes Tool erstellen, das eine 3D-Trikotvorschau mit Text-zu-Bild-Generierung kombinierte. Die Einschränkung war einfach, aber wichtig: eine Texteingabe von up to 300 characters. Dieses Limit erzwingt Klarheit – weniger „ausgefallene Prompts“, mehr Design-Intention.

Wie das Erlebnis funktionierte (Schritt für Schritt)

1. Registrieren auf der Plattform und erhalte 10 Design-Credits.
2. Einen Prompt schreiben (max. 300 Zeichen) und Trikotkonzepte in einer 3D-Browser-App generieren.
3. Designs speichern in einer Galerie und Favoriten in die engere Wahl ziehen.
4. Bis zu zwei Designs einreichen als Wettbewerbsbeiträge (zwei Einreichungsmöglichkeiten pro Nutzer).
5. Abstimmen und verdienen : andere Designs durch Wischen bewerten; every 10 votes schalte 2 zusätzliche Credits frei und halte die Teilnahme nach Verbrauch der ersten Credits am Laufen.
6. Communities belohnen : Manchester City Fans („Cityzens“), Mitglieder der DEEPOBJECTS.ai Community und PUMA NFT-Halter erhielten double credits, , was die engagiertesten Gruppen zu den aktivsten Kreativen machte.

Diese Schleife (Erstellen → Teilen → Abstimmen → Credits verdienen → Wieder erstellen) ist kein Zufall. Es ist ein klassischer Engagement-Motor, aber hier ist er an ein KI-Backend in Produktionsqualität gebunden. Das Output-Volumen zeigt, dass es funktioniert hat: 180,000 designs und 1.7 million ratings von 54,000 users in 206 countries — alles innerhalb einer 10-day Live-Phase.

Ivan Dashkov (Head of Emerging Marketing Tech bei PUMA) fasste die Initiative als Beweis dafür zusammen, dass PUMA technologisch führend sein will, auch wenn es noch kein etabliertes Playbook gibt. Und das ist wirklich der Punkt: Es ging nicht nur um Trikots – es war ein Stresstest für „KI + Handel + Community“ in der realen Welt.

Quelle: sgieurope.com

Ivan Dashkov PUMA Porträt. Dieses Bild zeigt einen lächelnden Mann in einer PUMA Jacke vor dem Hintergrund eines modernen Flurs. Es dient als sauberes und natürliches Porträt, passend zur Suchanfrage "Ivan Dashkov PUMA portrait". Das Bild ist gut beleuchtet und frei von ablenkenden Überlagerungen oder Text, was es ideal für einen Inline-Blog-Bildplatz macht.

Unter der Haube: Google Cloud und Generative KI

Coole Kampagnen sterben an langweiligen Problemen: Latenz, Skalierung, Parallelität und Kosten. Wenn Tausende von Nutzern auf „Generieren“ klicken und das System zusammenbricht, ist der Zauber weg. Damit sich der PUMA AI Creator sofort anfühlt (oder zumindest schnell genug), brauchte PUMA eine Infrastruktur, die globale Spitzenlasten bewältigen konnte, ohne in Timeouts zusammenzubrechen.

PUMA partnered with FTR als federführende Agentur, Modern English für die Frontend-/Backend-Entwicklung der App und Slalom für das KI-Backend und die skalierbare Cloud-Infrastruktur. Slalom migrierte eine lokale Version der App – die ursprünglich ComfyUI + a Stable Diffusion image generation model nutzte – in eine containerisierte Bereitstellung auf Google Kubernetes Engine (GKE).

Ein wichtiges architektonisches Element war ein benutzerdefiniertes Warteschlangensystem zum Sortieren, Puffern und Sequenzieren von Benutzeranfragen, das darauf ausgelegt war, bis zu 50,000 incoming prompts. zu tolerieren. Diese Art der Pufferung hält das Benutzererlebnis stabil, wenn die Nachfrage chaotisch ist.

Der zweite Erfolgsfaktor war die Hardware: Nvidia H100 GPUs. Im letzten 15 days before launch, konzentrierten sich Slalom und ein Google-Expertenteam auf Leistungsengpässe und GPU-Optimierung – und der Erfolg war dramatisch. Die Generierungszeit sank von ungefähr 60 seconds auf etwa 17 seconds für four high-definition images.

Geschwindigkeit war nicht der einzige Gewinn. Auch die Effizienz verbesserte sich: Während der Live-Phase lief das System auf 306 Nvidia GPUs, anstelle einer anfänglichen Prognose von 600. Dieser Unterschied ist wichtig, da besonders GPU-intensive KI-Workloads leicht zu explodierenden Kosten führen können.

Quelle: indiamart.com

Nvidia H100 GPU-Karte. Dieses Bild zeigt eine Seitenansicht einer NVIDIA H100 PCIe-Karte auf einem sauberen weißen Hintergrund. Es zeigt deutlich die Halterung, Anschlüsse und das Gesamtprofil der Karte und ist somit eine hervorragende Darstellung der physischen Hardware. Die klare Präsentation und das Fehlen von Überlagerungen machen es ideal für einen Inline-Blog-Bildplatz.

Warum die Infrastrukturdetails wichtig sind

• Wahrgenommene Kreativität hängt von der Reaktionsfähigkeit ab: wenn „Generieren“ zu lange dauert, steigen Nutzer aus.
• Warteschlangen schützen das Erlebnis: Pufferung verhindert, dass Traffic-Spitzen das System zum Absturz bringen.
• GPU-Effizienz = Kostenkontrolle: Die Halbierung des prognostizierten GPU-Bedarfs verändert die Wirtschaftlichkeit des Betriebs ähnlicher Kampagnen.
• Container-Orchestrierung ermöglicht Skalierung: GKE hilft bei der Verwaltung eines verteilten Systems unter unvorhersehbarer Nachfrage.

Imagen 2 auf Vertex AI: Personalisierung, die sich lokal anfühlt

Der AI Creator machte Schlagzeilen, aber PUMAs umfassendere KI-Story dreht sich um Imagen 2 on Vertex AI zur Generierung dynamischer, kontextbewusster Produktbilder – nicht nur „coole KI-Bilder“, sondern Bilder, die dem entsprechen, worauf ein bestimmter Nutzer an einem bestimmten Ort reagieren könnte. personalisierter Handel

Das Konzept ist einfach: Dasselbe Produkt kann in verschiedenen Umgebungen präsentiert werden, um zur lokalen Kultur und Präferenz zu passen. Ein Kunde in Japan sieht möglicherweise einen Lifestyle-Schuh, der auf den Straßen von Ginza, abgebildet ist, während ein Trailschuh in der Nähe der Ausläufer von Mount Fuji. erscheint. Diese Art der Lokalisierung ist manuell nicht skalierbar, wird aber machbar, wenn die Pipeline automatisiert wird.

Imagen unterstützte PUMAs Content-Teams auch bei sich wiederholenden Bildbearbeitungsaufgaben – Schattierung, Komposition, Farbgenauigkeit, Auflösung und Produktpositionierung. Die betrieblichen Auswirkungen sind einfach: weniger manuelle Produktionszeit, schnellere Einführung von Kampagnen und kürzere Markteinführungszeiten in allen Regionen.

Breitere KI-Übernahme und zukünftige Pläne

PUMA hatte bereits Anfang des Jahres wichtige Teile seines E-Commerce-Ökosystems (einschließlich puma.com) zu Google Cloud migriert. Laut den gemeldeten Ergebnissen der Initiative unterstützte der Umzug eine bessere Personalisierung und half, die average order value (AOV), zu steigern, während gleichzeitig die für Produkteinführungen erforderliche Zeit reduziert wurde.

Die nächsten Schritte konzentrieren sich auf die Skalierung des Ansatzes: PUMA plant, die Imagen 3 (das neuere Text-zu-Bild-Modell von Google) zu erkunden, um die Kampagnenerstellung zu erweitern, und beabsichtigt, den Einsatz von Vertex AI Search for Retail über zusätzliche Tochtergesellschaften hinweg zu erweitern, um die Entdeckung, Relevanz und Konversionsleistung zu stärken.

Quelle: geekwire.com

Thomas Kurian Google Cloud CEO Porträt. Dieses Bild zeigt einen lächelnden Mann in einem blauen Button-Down-Shirt, der direkt in die Kamera schaut, vor einem schlichten weißen Hintergrund. Es handelt sich um ein sauberes und natürliches Porträt, frei von ablenkenden Elementen oder Textüberlagerungen. Dies macht es zu einer ausgezeichneten Wahl für einen Inline-Blog-Bildplatz, der eine professionelle und klare Darstellung von Thomas Kurian erfordert.

Auf der Analyse-Seite nutzt PUMA die Machine-Learning-Funktionen von Google Cloud über BigQuery , um die Kundenbindung durch erweiterte Zielgruppensegmentierung zu vertiefen. Der Ansatz verwendet proprietäre Daten, um benutzerdefinierte ML-Modelle zu erstellen, prädiktive Erkenntnisse zu generieren und Konversionen über Berührungspunkte hinweg genauer zuzuordnen.

Zu den gemeldeten Leistungsgewinnen aus dieser Segmentierungsarbeit gehören eine 4.6% increase in conversion rates, 6% increase in AOV, und eine 149.8% increase in click-through rates für die drei wichtigsten Zielgruppensegmente im Vergleich zu anderen Werbezielen.

Schlüsseltechnologien und Partner für den PUMA AI Creator

Was andere Marken lernen können (ohne das Trikot zu kopieren)

Die Trikot-Story ist spezifisch, aber die Mechanismen sind allgemein anwendbar. Wenn man den Football-Kontext weglässt, bleibt ein wiederholbares Muster: creation + feedback + personalization + infrastructure. Hier sind die Lektionen, die wichtig sind, wenn Sie über KI im Handel nachdenken.

• Beginnen Sie mit einem Anwendungsfall, der den Leuten wichtig ist: Fans generieren Designs nicht, weil KI existiert; sie tun es, weil Identität und Gemeinschaft existieren.
• Design-Einschränkungen verbessern die Ergebnisse: ein 300-Zeichen-Prompt-Limit reduziert Rauschen und macht die Absicht klarer.
• Machen Sie die Teilnahme nachhaltig: Credits + Abstimmungsbelohnungen halten Nutzer auch nach dem ersten „Wow-Moment“ bei der Stange.
• Engineering ist das Produkt: Warteschlangen, Skalierung und GPU-Effizienz entscheiden, ob sich das Erlebnis hochwertig oder fehlerhaft anfühlt.
• Planen Sie die Governance frühzeitig: Generative Systeme benötigen Moderation, Prompt-Filterung und markensichere Grenzen (insbesondere auf globaler Ebene).

Fazit

Der PUMA AI Creator ist ein klares Beispiel dafür, was passiert, wenn generative KI als mehr als eine Neuheit behandelt wird. PUMA nutzte KI, um Fans in den kreativen Prozess einzubeziehen, aber die eigentliche Leistung war operativ: die Bereitstellung eines globalen, hochvolumigen, KI-gesteuerten Erlebnisses, das reaktionsschnell, messbar und kostenbewusst blieb. PUMA nutzte KI, um Fans in den kreativen Prozess einzubeziehen, aber die eigentliche Leistung war operativ: die Bereitstellung eines globalen, hochvolumigen, KI-gesteuerten Erlebnisses, das reaktionsschnell, messbar und kostenbewusst blieb.

In zehn Tagen erzeugte die Kampagne ein Maß an Beteiligung (Designs + Bewertungen), von dem die meisten Marken nur träumen können – und das, während sie einen modernen KI-Stack präsentierte: containerisierte Generierung auf GKE, optimierte Leistung auf Nvidia H100 GPUs und Personalisierung über Vertex AI. Wenn dies die Richtung ist, in die sich der Einzelhandel bewegt, ist die Lektion einfach: Die Zukunft des E-Commerce sind nicht nur „Empfehlungen“. Es ist interaction — und zunehmend co-creation.