Eine Präsentation soll nicht nur richtige Inhalte zeigen. Überschriften müssen passen, Grafiken lesbar sein und alle Folien zusammengehören. IBM Research stellt dafür Palette vor: ein angepasstes KI-Modell, das zuerst einen Gestaltungsplan erstellt und anschließend für jede Folie Programmcode schreibt. Ein weiteres Prüfprogramm sucht nach Layoutfehlern und lässt auffällige Folien überarbeiten.
Der Ansatz soll zeigen, wie ein vergleichsweise kleines Modell Präsentationen in einer vorgegebenen Designsprache erzeugen kann. Die Forschenden trainierten es auf Beispielen im IBM-Design. In einem von ihnen berichteten Vergleich erreichte das System gute Ergebnisse; die Einhaltung einer bestimmten Designsprache misst dieser Test allerdings nicht direkt.
Erst planen, dann zeichnen
Eine Folie entsteht bei Palette nicht einfach als fertiges Bild aus einer einzigen Anweisung. Das Modell übernimmt laut IBM Research zwei Aufgaben nacheinander. Zunächst arbeitet es als Planer: Aus einer Gliederung macht es eine strukturierte Beschreibung der Präsentation. Darin stehen unter anderem Farben, Schrift und für jede Folie Inhalt und Anordnung.
Danach wechselt es in die Rolle des Programmierers. Für jede Folie erzeugt es Code mit der JavaScript-Bibliothek PptxGenJS. Dieser Code legt etwa fest, wo Text und Formen stehen und wie groß sie sind. Der Plan lässt sich vorher bearbeiten; die einzelnen Folien können anschließend parallel umgesetzt werden. So muss das Modell nicht gleichzeitig die Geschichte der ganzen Präsentation und jede einzelne Position berechnen.
Üben mit künstlichen Beispielen
Das Team passte ein Modell mit 20 Milliarden Parametern an. Parameter sind vereinfacht gesagt die veränderbaren Werte, mit denen ein Modell Muster verarbeitet. Statt alle diese Werte neu zu trainieren, nutzten die Forschenden einen sogenannten LoRA-Adapter: eine zusätzliche, deutlich kleinere Anpassung am vorhandenen Modell.
Für das Training ließ IBM nach eigenen Angaben rund 1.000 Präsentationen mit ungefähr 10.000 Folien synthetisch erzeugen. Ein größeres Lehrmodell erstellte dafür Pläne und Foliencode. Die Beispiele enthielten auch Begründungen für Gestaltungsentscheidungen. Fehlerhafte Folien wurden dargestellt, geprüft und überarbeitet, bevor sie als Trainingsmaterial dienten.
Das ist für die Aufgabe entscheidend: Ein fertiges Foliendeck allein zeigt nicht, weshalb eine Tabelle gewählt oder ein Textblock verkleinert wurde. Die künstlichen Beispiele sollten dem Modell auch solche Zwischenschritte vermitteln. IBM beschreibt zugleich, dass die Qualität der Vorlagen Einfluss auf die vom Lehrmodell erzeugten Inhalte hatte.
Eine zweite Kontrolle für überlappenden Text
Auch nach dem Training können Elemente übereinanderliegen oder über den Rand ragen. Deshalb wird jede Folie gerendert, also als sichtbare Seite ausgegeben, und geometrisch geprüft. Ein separates Editor-Modell kann markierten Code umschreiben. Die Änderung bleibt laut IBM nur erhalten, wenn die Prüfung eine Verbesserung feststellt.
Die Kontrolle ist auf messbare Fehler im Layout ausgerichtet. Sie ersetzt nicht die redaktionelle Prüfung der Aussagen. IBM nennt erfundene Fakten als besonderes Problem und berichtet, dass geeignete Referenzbeispiele beim Erzeugen der Trainingsdaten wichtig waren.
Was der Vergleich zeigt
IBM verglich Palette anhand von PresentBench, einer Sammlung dokumentbasierter Präsentationsaufgaben. Bewertet wurden unter anderem Gestaltung, Vollständigkeit und Korrektheit. In drei ausgewählten Bereichen erreichte Palette nach Angaben des Teams im Mittel 59,7 Punkte; NotebookLM lag mit 60,8 Punkten davor. In zwei Bereichen führte Palette, bei vortragsorientierten Aufgaben lag es auf Platz drei.
Für diesen Vergleich erstellte allerdings ein separates großes Modell zunächst aus den Quelldokumenten die Pläne, die Palette anschließend in Folien umsetzte. Das Ergebnis beschreibt also diese Kombination und die gewählten Aufgaben. Ob eine Präsentation einer bestimmten Designsprache treu bleibt, erfasst der Benchmark laut IBM nicht. Das Team untersucht außerdem, wie sich eigene PowerPoint-Vorlagen künftig ohne erneutes Training übernehmen lassen. Diese Möglichkeit wird als Forschungsrichtung beschrieben, nicht als bereits belegte Funktion.
Quellen
- IBM Research: Palette: teaching a small model to build decks in your design language, 3. November 2026.
- PresentBench: Datensatz und Aufgaben, abgerufen am 4. November 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
