AI Event Card: Manus, Genspark und was tatsächlich gedruckt wurde


Ein chinesisches Nachrichten-Netzwerk, das ein Eröffnungsabendessen zur Weltmeisterschaft 2026 in Mexiko-Stadt veranstaltet, hat uns ein vierzeiliges Briefing geschickt: ein A4-Blatt, beide Seiten, die Veranstaltungsagenda auf einer Seite und das Verzeichnis der 36 Gäste auf der anderen, mit mexikanischem papel picado Keyart oben, so kompakt wie möglich, ohne die Lesbarkeit im Druck zu verlieren. Die Namen — zweisprachig Chinesisch + Englisch, mit Titeln wie *中国驻墨西哥合众国大使馆文化专员* und *Weltbank Wirtschaftsexperte; Ehemaliger AI-Marketingstrategieberater, Microsoft Research Asia* — müssen richtig geschrieben sein. Wir haben dasselbe Briefing am selben Morgen durch drei Tools laufen lassen: **Manus** (agentisches AI-Dokumenten-Builder), **Genspark** (browsing AI mit Codeausführung) und unseren eigenen Stapel aus HTML+CSS mit dem Keyart als literal Asset. Zwei der drei lieferten Artefakte, die das Team nicht an einen Drucker schicken konnte. Dieser Beitrag benennt, was jedes Tool falsch gemacht hat und die Fehlerquellen, die jedes AI-Tool treffen können, das gebeten wird, dichte zweisprachige Druckmaterialien zu produzieren. Siehe auch unseren [Vergleich der Bildgenerierungsmodelle](/blog/image-generation-model-comparison) und den [industriellen AI-Fall für Illustrator-IP](/blog/industrial-ai-for-illustrator-ip) für parallele Produktions- und Qualitätsanalysen.
Das Briefing, das drei verschiedene Artefakte produziert hat

Der Screenshot oben ist die tatsächliche Übergabe. Übersetzt, die vier Einschränkungen:
1. Ein A4-Blatt, beide Seiten — ein physisches Artefakt im Zentrum jedes Esstisches für die 36 Teilnehmer und Redner zum Teilen.
2. Kompakt, aber lesbar nach dem Druck — Licht am Esstisch, nicht im Studio. Alles unter 6pt überlebt nicht.
3. Keyart oben — das mexikanische papel picado + adobe-arch + ringelblumen-Plakat, das das Veranstaltungsteam bereits entworfen hat.
4. Die Quelle der Wahrheit lebt in einer Tabelle — das Team hat darauf hingewiesen, dass der AI-generierte Entwurf der Agenda Zeichenfehler hatte und Korrekturen in einem Online-Dokument markiert wurden. Der Render muss die Tabelle respektieren, nicht erfinden.
Was einfach klingt, wird aus zwei Gründen schwierig. Erstens, *Tischkarte* ist mehrdeutig — es kann eine Programmkarte pro gemeinsamem Tisch bedeuten oder eine gefaltete Platzkarte pro Teilnehmer (桌签). Das Briefing sagte das erste; eines der drei Tools wählte das zweite. Zweitens hat das Verzeichnis der 36 Gäste gemischte Schriftarten — nur Latein (Andro Miralrio, Aneta Pavli), Chinesisch mit Romanisierung (王昕息 / Xinxi Wang) und 30+ Zeichen zweisprachige Titel. Jede Zelle muss perfekt gerendert werden. Es gibt keine „gut genug“-Version eines gedruckten Namens auf dem Platz eines Gastes.
Was jedes Tool geliefert hat
Manus: hat ein schönes Artefakt für das falsche Briefing geliefert

Manus interpretierte *Tischkarte* als Platzkarte pro Teilnehmer und produzierte 9 A4-Seiten mit 4-fach gefalteten Karten — 36 individuelle gefaltete Karten, eine pro Abendgast. Die Faltzeltgeometrie ist gut ausgeführt: die obere Hälfte jeder Zelle ist spiegelverkehrt, sodass beim Falten entlang der gestrichelten Linie beide Seiten aufrecht von der anderen Seite des Tisches lesbar sind. Die zweisprachige Typografie-Hierarchie auf jeder Karte ist klar. Namen sind richtig geschrieben.
Aber es ist das falsche Artefakt. Das Briefing verlangte ein gemeinsames A4-Blatt mit der Agenda auf Seite A und dem vollständigen Verzeichnis auf Seite B. Das Abendteam kann 36 individuelle Zelte nicht auf einem Tisch platzieren, der 36 Gäste hat, die ein Programm teilen — das ist ein 10-facher Druckauftrag in Karton, Rillen und Faltarbeit, die das Team nicht eingeplant hat. Schlimmer noch, das Design pro Teilnehmer lässt die Agenda vollständig weg; ein Gast, der auf das Zelt vor sich schaut, erfährt nichts über das Programm.
Die Erkenntnis ist nicht, dass Manus gescheitert ist — es ist, dass es *oberhalb der Ausführung gescheitert ist*. Der agentische Loop optimierte selbstbewusst gegen das falsche Ziel, und das Artefakt, das es produzierte, war *polierter* als das, was es hätte produzieren sollen. Sowohl Manus als auch unser erster Blick auf das Briefing machten denselben Interpretationsfehler. Das einzige, was es auffing, war der menschliche Korrekturschritt, den ein agentisches Build absichtlich übersprang.
Genspark: hat das richtige Artefakt geliefert, das an der Typografie-Schicht defekt ist

Genspark hat das Briefing richtig verstanden — ein A4-Blatt, Agenda auf Seite A, Teilnehmerverzeichnis auf Seite B. Die strukturelle Anordnung ähnelt dem, was wir schließlich geliefert haben: linke Zeitspalte auf der Agenda, 4-Spalten-Raster im Verzeichnis, zweisprachige Zellen. Die Typografie-Schicht hat drei Blocker:
1. CJK-Schriftarten-Fallback-Fehler (Tofu — □). Mehrere chinesische Zeichen auf beiden Seiten werden als das Platzhalterfeld gerendert, das Browser anzeigen, wenn die Schriftart kein Glyph hat. Gensparks serverloses Chrome hatte keine CJK-Schriftart geladen. Der Titel der Agenda liest *寻梦之夜 □ 文明与智能* — selbst der Trennpunkt ist nicht darstellbar.
2. Romanisierungsverfälschung im Verzeichnis. Seite B zeigt Namen wie Wenbo Bao□Wang, wobei lateinische Namensfragmente zwischen benachbarten Zellen bluten. Klassisches LLM-Tabulationsrisiko: Wenn das Modell gebeten wird, ein enges Raster aus einer Liste zu füllen, verliert es die Zeilenbegrenzung.
3. Missbrauch von Keyart + nicht ersetzten Platzhaltern. Der Keyart wird als stempelgroßes Thumbnail in der oberen rechten Ecke von Seite A angezeigt, nicht als das Banner, das im Briefing angefordert wurde. Zwei Curify Logo-Literaltext-Platzhalter wurden nie aus der Fußzeile ersetzt.

Gensparks Fehler ist das Gegenteil von Manus. Manus lieferte ein poliertes Artefakt für das falsche Briefing; Genspark lieferte das richtige Artefakt mit defekter Ausführung. Briefinterpretation korrekt, Rendering-Pipeline kann die zweisprachige Treue nicht einhalten.
Die Lösung: HTML und CSS mit dem Keyart als literal Asset

Unser Team lieferte ein 2-seitiges A4-PDF, das das Abendteam jedem Bürodrucker für Duplexausgaben übergeben kann. Der Weg war absichtlich langweilig: ein einzelnes event-card.html mit eingebettetem Druck-CSS, zwei @page-Regeln, die auf A4-Hochformat eingestellt sind, der Keyart als literal Hintergrundbild verwendet (kein AI-Neu-Rendering), Chrome headless zum Exportieren des PDFs.

Vier Designbewegungen:
1. Banner als Raster, nicht als Generierung. Das 3125x5558 Keyart JPG, das das Veranstaltungsteam bereits entworfen hat, wird zu einem CSS background-image, das die oberen 72mm zeigt. Null AI-Beteiligung auf visueller Ebene, null Risiko eines halluzinierten Glyphen auf dem Marken-Asset.
2. Text als tatsächlicher Text. Jeder Name, Titel, jede Zeit und Kapitelüberschrift ist ein echter DOM-Textknoten, der vom CJK-Schriftartenstapel des Host-Browsers bereitgestellt wird (Source Han Serif → Noto Serif CJK → PingFang → Songti-Fallback). Ausgabe ist textauswählbar; jedes Glyph wird identisch in der Vorschau, Adobe Reader und einem Büro-Laserdrucker gerendert.
3. Tabelle als Eingabe. Die 36 Gäste stammen direkt aus attendence.txt (tab-separiert). Kein LLM-Neuschreiben. Wenn eine Zeile falsch ist, ist sie an einem Ort falsch.
4. Druckgeometrie als Mathematik. A4 = 210x297mm. Der 72mm Banner von Seite A + Meta + Header + 5-Kapitel-Agenda + Fußzeile passt in die verbleibenden 205mm nutzbaren. Das 4x9-Raster von Seite B (36 Zellen × ~27mm + Header) passt in 270mm. Zweimal gegen das gerenderte PDF abgestimmt.
Gesamte Bauzeit: ~90 Minuten einschließlich zwei Render-Tuning-Schleifen zur Abstandsregelung auf Seite A. Was ein tatsächlicher Druckdesigner liefern würde — verfasst in HTML+CSS anstelle von InDesign.
Warum zweisprachige Druckmaterialien offene AI-Tools brechen
Drei Fehlerquellen sind systemisch, nicht werkzeugspezifisch. Das nächste AI-Dokumenten-Tool, das Sie ausprobieren, wird standardmäßig mindestens eine treffen, und das nächste danach wird zwei treffen:
1. CJK-Schriftarten-Fallback in serverlosem Rendering. Server-seitiges Chrome (Playwright, Puppeteer, Browserless) erbt den Systemschriftartenstapel seines Containers. Die meisten Linux-Container liefern nur Latein (DejaVu, Liberation). Geben Sie 寻梦之夜 ein und jedes chinesische Glyph wird als .notdef Tofu-Box (□) gerendert. Lösung: ein apt-get install fonts-noto-cjk im Container-Build — aber die Vorschau des AI-Tools zeigt es in Ordnung, weil der *Generierungsschritt* in einer CJK-schriftartgeladenen Umgebung läuft, während der *PDF-Render-Schritt* in einem anderen Container läuft. Der Fehler ist unsichtbar, bis der Benutzer das Artefakt öffnet.
2. LLM-Tabulation, die Zeilenbegrenzungen verliert. Gensparks Wenbo Bao□Wang ist das Modell, das versucht, zwei benachbarte Zeilen des Verzeichnisses zusammenzufügen, während es versucht, sie anzuordnen. Wenn es darum geht, eine 36-Zeilen-Liste in ein 4x9-Raster zu rendern, arbeitet das Modell an der linearen Sequenz; die räumliche zu linearen Zuordnung ist ein nicht triviales Schritt, den es nicht immer korrekt ausführt. Lösung: Geben Sie der Layout-Engine die 36 Zellen als strukturiertes Array und lassen Sie das Modell niemals die Koordinaten neu ableiten.
3. Mehrdeutigkeit des Briefings, die durch agentische Schleifen verstärkt wird. Ein menschlicher PM, der *Tischkarte* hört, würde fragen *meinen Sie eine Karte pro Teilnehmer oder ein Programm pro gemeinsamem Tisch?* und klären. Eine agentische Schleife wählt eine Interpretation, plant, generiert und liefert. Bis Sie die Ausgabe sehen, überprüfen Sie ein 90%% fertiges Artefakt für das falsche Briefing — und die versunkene Kosten-Schwerkraft von *es sieht fertig aus* macht den Interpretationsfehler schwerer zu erkennen.
Entscheidungsrahmen: wann AI-Bildgen, wann HTML+CSS, wann AI-Assist plus menschliche Kuratierung
Dieses Briefing wurde für HTML+CSS ausgewählt. Ein Pinterest-Pin-Briefing wählt für die Bildgenerierung. Ein 30-Vorlagen-Familieninhalt wählt für AI-Assist + menschliche Kuratierung. Drei Faustregeln:
AI-Bildgen wenn das Artefakt ein einzelnes Hauptvisual mit niedriger Textdichte ist, das Publikum sieht es auf dem Bildschirm (geringe Glyphenfehler verzeihbar), und *fast richtig* ist akzeptabel. Marketing-Heroes, soziale Karten, Moodboards, Produktmockups. Siehe unseren Leitfaden zur Stilübertragung und Workflow für die Produktfoto-Generator.
HTML+CSS (vorlagenbasiert oder handgefertigt) wenn jedes Glyph perfekt sein muss, das Artefakt für Druck oder PDF bestimmt ist, das Layout rasterförmig mit vielen Zellen ist und der Inhalt eine einzige Quelle der Wahrheit hat. Veranstaltungsprogramme, Konferenzausweise, Namensschildblätter, Rechnungen, Zertifikate, Menüs, Sitzpläne für Hochzeiten. Die Rendering-Pipeline muss die richtigen Schriftarten enthalten; der Inhalt muss aus der Quelle der Wahrheit kommen, ohne LLM-Neuschreiben.
AI-unterstützt + menschlich kuratiert wenn das Volumen hoch ist (50-500 Artefakte), die visuelle Identität konsistent sein muss und die Inhaltsfelder strukturiert sind. Curifys tägliche Drops produzieren auf diese Weise Hunderte von zweisprachigen nano-Vorlagen Inspirationen pro Woche — gpt-4o-mini verarbeitet strukturierte Felder + Aliase, die Vorlagen-Prompt-Pipeline kümmert sich um die visuellen Elemente, ein Mensch überprüft die Charge vor der Synchronisation. Siehe den Fall für grenzüberschreitenden E-Commerce-SEO für die parallele strukturierte Inhaltsverarbeitung.
Der Fehler, den alle drei Tools bei diesem Briefing gemacht haben: *zweisprachige Event-Druck* als ob es *zweisprachiges Marketingbild* wäre. Teile Worte. Teile nicht die Treue.
Wo dieser Ansatz noch Grenzen hat
Der HTML+CSS-mit-Keyart-als-Asset-Ansatz ist nicht bedingungslos. Drei ehrliche Vorbehalte:
Funktioniert nur, wenn der Keyart bereits existiert. Wenn das Veranstaltungsteam kein gestaltetes Plakat geliefert hätte, wäre die Generierung des Keyarts selbst ein separater Bildgenerierungsauftrag (wo AI-Tools tatsächlich glänzen — siehe die oben genannten Bereichsdefinitionen). Der Weg hier geht davon aus, dass die markenvisuelle Ebene abgeschlossen ist; wir legen Text darüber.
Drucktypografie erfordert immer noch Designurteil. Zwei Render-Tuning-Schleifen zur Abstandsregelung auf Seite A fanden statt, weil die erste Renderung überlief und die 21:15 Finale-Zeile abgeschnitten wurde. Die 12pt Uhr / 9.5pt Kapitel / 7pt Redner-Hierarchie wurde nach Augenmaß gegen das gerenderte PDF abgestimmt, nicht durch Formel abgeleitet.
36-Zellen-Raster skaliert, bis es nicht mehr geht. Ein Abendessen mit 60 Gästen zwingt das Verzeichnis auf zwei Seiten oder verkleinert Zellen unter 5pt, wo die Lesbarkeit bricht. Über ~50 Gäste ist der richtige Schritt ein Verzeichnis-Pamphlet, nicht ein einzelnes gemeinsames Blatt — anderes Briefing, anderes Tool.
Häufige Fragen:
*F: Hätten Sie stattdessen InDesign oder Figma verwenden können?* Ja. Wir haben HTML+CSS für die Iterationsschleife verwendet — jeder *verkleinere das Banner um 20mm und passe es neu an* Zyklus ist ein Chrome-headless-Neulauf. Für einmalige Aufträge ist InDesign in Ordnung; für Aufträge, die wir später als Vorlage erwarten, gewinnt HTML an Iterationsgeschwindigkeit.
*F: Warum nicht Nano Banana oder DALL-E verwenden, um das gesamte Blatt als ein Bild zu rendern?* Weil jeder Name richtig geschrieben sein muss. Aktuelle Bildgenerierungsmodelle, einschließlich Nano Banana Pro, führen auf dichten zweisprachigen Texten auf nicht null Raten Zeichenfehler ein. Für eine gedruckte Platzierung, bei der ein falsch gerendertes Glyph ein ernstes Ereignis ist, nehmen Sie den deterministischen Weg. Siehe den Vergleich der Bildgenerierungsmodelle für die Treuebenchmarks.
*F: Wie lange hat das gedauert?* ~90 Minuten zum Erstellen (einschließlich der Korrekturschleife zur Briefinterpretation), 5 Minuten zum Rendern, 0 Minuten Font-Debugging, da Chrome headless auf macOS den System-CJK-Stapel aufnimmt. Manus und Genspark benötigten jeweils ~10 Minuten zur Generierung, plus die Zeit, um zu triagieren, dass jedes Artefakt nicht versendet werden konnte.
*F: Wird das für unser Hochzeits-Sitzplan / Konferenzausweisblatt / Restaurantmenü funktionieren?* Ja, mit denselben Einschränkungen: Quelle-der-Wahrheit-Datei existiert, Markenassets existieren, Druckgeometrie ist berechenbar. Das HTML befindet sich unter raw/[your-project]/event-card.html und wird mit einem Chrome-Befehl neu gerendert.
Tools & Resources
Learn about the best tools available...
Wo Curify passt — und wo nicht
Wir haben diese Tischkarte von Hand erstellt — HTML, CSS, Chrome headless, das Keyart JPG des Veranstaltungsteams. Der Grund, warum wir in 90 Minuten druckbereit geliefert haben, lag nicht an der Toolchain; es war der *Geschmack*, der daraus resultiert, dass wir die Curify zweisprachige Inhalts-Pipeline täglich betreiben. Wir liefern über 235 nano-Vorlagen in 10 Regionen mit Tausenden von zweisprachigen Inspirationen pro Monat; wir haben jede CJK-Schriftart und Tabulationsfehlerquelle getroffen, die ein AI-Tool treffen kann, und wir wissen, in welchen Bereich jedes Briefing gehört, bevor wir ein Pixel generieren.
Der Bereich für zweisprachige Druckmaterialien ist genau das, wofür Curify als nächstes gebaut wurde. Was Sie in der *event-card.html* -Lösung gesehen haben — Keyart-als-Asset-Banner, Tabelle-als-Quelle-der-Wahrheit, Text-als-Text-Rendering, Druckgeometrie-Mathematik — ist vorlagenfähig. Die gleiche Struktur gilt für Abendprogramme, Konferenzausweisblätter, Rednerbriefingbücher, Museumsausstellungstafeln, mehrsprachige Restaurantmenüs, Hochzeits-Sitzpläne. Heute sind dies einmalige Aufträge, die wir pro Kunde handschriftlich erstellen; das natürliche Curify-Produkt ist die Vorlagebene über dieser Struktur — wählen Sie ein Layout, fügen Sie Ihre Tabelle hinzu, fügen Sie Ihr Keyart hinzu, wählen Sie Ihre Regionen, rendern Sie als druckfertiges PDF. Wenn Sie eine Verlegeroperation oder eine Veranstaltungsreihe betreiben und diese Struktur mehr als einmal im Monat treffen, sprechen Sie mit uns — wir suchen Produktionsdesignpartner, während wir die Druckspur 2026 ausliefern.
Was Curify bereits gut macht, heute:
- Tägliche zweisprachige Inhaltsdrops — 5-15 neue Inspirationen/Tag über den 235-Vorlagen-Katalog, mit automatisch getaggten Such-Aliassen (EN + ZH) und 10-locale i18n. Siehe die meistbesuchten nano-Vorlagen.
- Zweisprachige Landingpages im programmatischen SEO-Maßstab — Spielbuch in unserem Webflow programmatischen SEO-Integrationsleitfaden und Inhaltsautomatisierungsfallstudie.
- Vorlagenbasierte visuelle Artefakte für Verleger — siehe den Verleger-Anwendungsfall für das Betriebsmodell.
Der ehrliche Anruf: Wir haben diesen Weg mit handgeschriebenem HTML+CSS *dieses Mal* verwendet, weil das Volumen eins war. Der nächste Kunde mit derselben Struktur erhält eine Vorlage — und der Zyklus verstärkt sich. Wenn dieser Bogen resoniert, nehmen Sie Kontakt auf.
Drei Prinzipien für AI in zweisprachigen Druckmaterialien
Wenn Sie kurz davor stehen, ein AI-Tool zu beauftragen, ein Veranstaltungsprogramm, Konferenzausweisblatt, Hochzeits-Sitzplan oder ein beliebiges zweisprachiges Druckartefakt zu produzieren, bei dem jeder Name richtig geschrieben sein muss:
1. Lesen Sie das Briefing laut vor, bevor Sie generieren. Mehrdeutigkeit kumuliert sich in agentischen Schleifen. *Tischkarte* ist mehrdeutig; *Veranstaltungsprogrammkarte, die auf jedem gemeinsamen Tisch platziert wird* ist es nicht. Zwei Minuten im Voraus, eine Rückreise gespart.
2. Wenn Texttreue wichtiger ist als visuelle Raffinesse, lassen Sie die Bildgenerierung aus dem Rendering-Prozess heraus. Verwenden Sie AI für das Markenvisual-Asset; verwenden Sie HTML+CSS (oder ein Druckdesign-Tool) für die Textebene.
3. Die Quelle der Wahrheit muss außerhalb der AI leben. Eine Tabelle, eine JSON-Datei, ein Datenbankexport — überall, wo die AI nicht umschreiben kann. Die Aufgabe der AI ist es zu rendern; die Aufgabe der Quelle der Wahrheit ist es, richtig zu sein.
Wenn Sie mit einem ähnlichen Briefing konfrontiert sind, kopieren Sie event-card.html, tauschen Sie Ihre Tabelle aus, tauschen Sie Ihr Keyart aus, rendern Sie neu. Siehe den Curify-Verleger-Anwendungsfall für das Engagementmodell oder die Curify Webflow programmatische SEO-Integration für den hochvolumigen zweisprachigen Inhaltsworkflow.
Take the next step
Putting what you read into practice.
Verwandte Artikel
Creator Tools
Midjourney vs Nano Banana Pro vs Stable Diffusion: Vergleich 2026

Industrielle KI für Illustrator IP: Warum generische Modelle bei Serienkonsistenz, Musterpräzision und Druckbereitschaft scheitern
