HYGH hat mit den APIs von OpenAI ein Tool entwickelt, das Fotos direkt auf Werbetafeln vorschaut

Die Oberfläche, die HYGHs zentrale Lücke schließt

HYGH vernetzt mehr als 4.000 digitale Displays in ganz Deutschland – von Schaufenster-Screens bis hin zu dem nach eigenen Angaben größten 3D-LED-Werbebildschirm des Landes. Das eigentliche Geschäftsproblem ist visueller Natur: Werbetreibende müssen sehen, wie eine Kampagne auf diesen Screens wirkt, bevor sie sich entscheiden – und die Erstellung entsprechender Vorlagen war bisher langwierig.

Die Antwort des Unternehmens ist ein Kampagnen-Vorschau-Tool auf Basis der OpenAI APIs. Laut Quelle kann ein Werbetreibender ein Produktfoto schießen und es sich sofort auf HYGHs öffentlichen Screens angezeigt ansehen. Das ist ein konkretes Frontend: ein Aufnahmeschritt, ein Generierungsschritt und die Darstellung des Ergebnisses im Kontext einer echten Screen-Platzierung.

Früher hat es viel länger gedauert, Material für Pitches zu erstellen. Jetzt können wir mit individuellen kreativen Arbeiten viel schneller das Interesse von Kunden wecken.Montana Labs

Das ist relevant, weil die Oberfläche für HYGHs interne Agentur das eigentliche Produkt ist. Der Wert liegt nicht in einem Chatbot-Fenster, sondern darin, die Distanz zwischen der Idee eines Kunden und einem betrachtbaren Mock-up auf dem Medium, das HYGH tatsächlich verkauft, zu verkürzen.

Zwei Wege von ChatGPT zu produktiv genutzter Software

Die Ankündigung beschreibt zwei unterschiedliche Entwicklungspfade. Der erste betrifft interne Tools: Entwickler nutzen Codex, um Code aufzusetzen, Projektdateien anzulegen und Prototypen schnell lauffähig zu machen. HYGH gibt an, in einer Woche fünf kleinere interne Tools eingeführt zu haben und inzwischen etwa zwei nutzbare MVPs pro Woche zu liefern – gegenüber zuvor ein bis zwei Monaten.

Der zweite Pfad ist das kundenseitige Vorschau-Tool, das direkt auf den OpenAI APIs aufgebaut ist und nicht innerhalb von ChatGPT läuft. Dieser Unterschied ist für alle relevant, die dies als Frontend-Fallstudie lesen: ChatGPT Business hat die interne Entwicklungsschleife beschleunigt, aber die kundenseitige Erfahrung erforderte eine echte API-Integration und die Eigenverantwortung für die Oberfläche.

Der kreative Workflow liegt zwischen beiden Ansätzen. Das Team von HYGH entwirft Texte und generiert Visuals in ChatGPT Business und verfeinert sie anschließend in Design-Tools oder Sora. Das Ergebnis wird von Menschen finalisiert; das Modell übernimmt das Problem der leeren Seite, das Link wiederholt als den eigentlichen Flaschenhals nennt.

Struktur der Nutzung, nicht nur Nutzung an sich

HYGHs Bericht ist ungewöhnlich konkret, was das Betriebsmodell angeht. Mitarbeitende nutzten ChatGPT bereits privat, daher wurde der Wechsel zu ChatGPT Business als Strukturgewinn verstanden: ein gemeinsamer Workspace, Admin-Kontrollen und ein DSGVO-bewusster Umgang mit Daten – für ein europäisches Unternehmen eine echte Rahmenbedingung.

Das Unternehmen veranstaltet wöchentlich einen 'Workflow Wednesday', bei dem Mitarbeitende Automatisierungen vorstellen und Erfahrungen teilen. Links Beobachtung, dass Menschen KI unterschiedlich intensiv nutzen und dass jüngere Mitarbeitende sie 'nicht wie Google benutzen, sondern damit leben', zeigt einen bewussten Versuch, ungleich verteiltes internes Wissen aktiv zu verbreiten, statt es einfach vorauszusetzen.

Geteilte Projekt-Links werden dabei besonders erwähnt: Teammitglieder sehen nicht nur das Endergebnis, sondern auch, wie es entstanden ist. Für ein Unternehmen, das zwei MVPs pro Woche liefert, ist diese Sichtbarkeit der Methode entscheidend dafür, dass wiederverwendbares Wissen in einem kleinen Team nicht verloren geht.

Was HYGHs Vorschau-Tool für API-first-Frontends bedeutet

Die übertragbare Lektion ist hier eng gefasst und konkret. HYGH hat ChatGPT Business genutzt, um die interne Planung und Entwicklung von Software zu beschleunigen – doch die differenzierende Kundenerfahrung, ein Produkt fotografieren und es auf einem öffentlichen Screen sehen, liegt in einer eigens gebauten Oberfläche auf den OpenAI APIs, nicht in einem universellen Assistenten.

Diese Trennung ist die praktische Erkenntnis für Teams, die auf diesen Modellen aufbauen: interne Geschwindigkeit und ein produktiv geschaltetes Produkt-Frontend sind zwei getrennte Probleme. Ersteres lässt sich fertig einkaufen und von unten nach oben einführen. Letzteres erfordert weiterhin die Entscheidung, welche Interaktion man selbst verantwortet, sie an die eigenen Daten und das eigene Screen-Netzwerk anzubinden und die Verantwortung für das zu übernehmen, was der Nutzer letztlich sieht. HYGHs Vision vom 'Internet of Public Screens' kommt nur voran, weil genau dieses zweite Element gebaut wurde.