KI-Slop ist ein Prozessproblem
Wörterbücher haben ihm einen Namen gegeben, Plattformen stufen ihn inzwischen herab, und das Publikum spürt ihn. Warum KI-Slop entsteht, was die Belege zeigen und welcher Prozess ihn fernhält.
Zwei Wörterbücher haben letztes Jahr das Vokabular festgelegt. Im November wählte das australische Macquarie Dictionary «AI slop» zum Wort des Jahres und definierte es als minderwertige Inhalte, von generativer KI erzeugt, oft fehlerhaft, um die niemand gebeten hat. Im Dezember wählte die Redaktion des Webster-Wörterbuchs in den USA schlicht «slop»: «digitale Inhalte von geringer Qualität, die meist in grosser Menge mithilfe künstlicher Intelligenz erzeugt werden». Ihr Präsident, Greg Barlow, sagte der Associated Press: «Wenn es um KI geht, ist es fast ein trotziges Wort.»
Der Entwickler Simon Willison lieferte im Mai 2024 den einfachsten Test: «Wenn etwas gedankenlos generiert und jemandem aufgedrängt wird, der nicht danach gefragt hat, ist Slop genau der richtige Begriff dafür.»
Für eine Firma benennt das Wort ein Urteil, das Kunden heute in einer Sekunde fällen. Wir sehen es so: Slop ist keine Eigenschaft des Werkzeugs. Er ist das, was aus einem Prozess ohne Referenzen, ohne Regeln und ohne jemanden, der Nein sagt, herauskommt. Und damit lässt er sich beheben.
Wie Slop im Arbeitsalltag aussieht
Slop ist nicht nur das seltsame Video im Feed. Forschende von BetterUp Labs und dem Stanford Social Media Lab gaben der Büroversion in der Harvard Business Review einen Namen: Workslop, mit KI erstellte Arbeit, die gut aussieht, aber keine Substanz hat. In ihrer Umfrage unter 1'150 Vollzeitangestellten mit Büroarbeit in den USA hatten 40 Prozent im Vormonat solche Arbeit erhalten, und jeder Fall kostete rund zwei Stunden, bis er bereinigt war.
Das Marketing hat seine eigene Version: der Post, der zu jeder beliebigen Firma gehören könnte, das Bild mit dem bekannten Hochglanzlicht, der Text, der in drei Absätzen nichts sagt. Jedes davon kostet in der Herstellung wenig, und bezahlen muss der Leser.
Warum er entsteht
Vier Ursachen tauchen immer wieder auf.
Die erste ist die Voreinstellung. Das Applied-AI-Team von Anthropic erklärte letzten November, warum das eigene Modell ohne Vorgaben immer wieder dieselben sicheren Designs hervorbringt: Es greift auf die wahrscheinlichste Mitte dessen zurück, was es gesehen hat. Das Team nennt das distributional convergence, also ein Zusammenlaufen auf die Mitte, und hält fest, dass Nutzer das Ergebnis als Ästhetik von KI-Slop bezeichnen. Eine Studie in der Fachzeitschrift Patterns fand dasselbe bei Bildern. Forschende liessen ein Bildmodell und ein Modell für Bildbeschreibungen sich gegenseitig füttern, 100 Runden lang, 700 Mal, und jeder Durchlauf driftete in einige wenige generische Motive ab, die sie visuelle Fahrstuhlmusik nannten. Sie vermuten, dass die fehlende Zutat der korrigierende Druck menschlicher Interaktion ist.
Die zweite ist die fehlende Referenz. Ein Prompt beschreibt, eine Referenz zeigt. Ohne echte Bilder des Produkts und des Lichts füllt das Modell die Lücken mit seinem Durchschnitt.
Die dritte ist die fehlende Regel. Das Modell weiss nicht, dass Ihre Marke nie Farbverläufe verwendet, nie etwas eine Lösung nennt und immer das echte Produkt zeigt. Stehen diese Regeln nicht dort, wo die Maschine sie liest, existieren sie für die Maschine nicht.
Die vierte ist die fehlende Prüfung. Willison sagte es unverblümt: «Ungeprüfte, künstlich generierte Inhalte mit anderen Menschen zu teilen, ist unhöflich.»
Das Publikum merkt es, auch wenn es den Unterschied nicht erkennt
Den stärksten Beleg dieses Jahres liefert ein Test von Ipsos und der Newhouse School der Syracuse University, veröffentlicht im Mai. Sie zeigten 3'000 Konsumenten in den USA 20 Anzeigen: zehn, die Menschen für Marken wie Febreze, H&M und Chewy gemacht hatten, und zehn, die KI vollständig aus demselben Briefing erstellt hatte und die genau so verwendet wurden, wie sie generiert worden waren. Nur 25 Prozent derjenigen, die eine KI-Anzeige sahen, waren sich zumindest einigermassen sicher, dass sie von KI stammte. Trotzdem schnitten die Anzeigen von Menschen auf der Ipsos-Messgrösse für die kurzfristige Verkaufswirkung um 14 Prozent besser ab und bei der langfristigen Markenwirkung um 17 Prozent. Die Autoren brachten es auf einen Satz: Glaubwürdig ist nicht gleich überzeugend.
Die erklärten Einstellungen zeigen in dieselbe Richtung. In einer Umfrage von The Harris Poll mit den 4As und Infillion im Juni sagten 73 Prozent der Konsumenten, sie würden einer Anzeige eher misstrauen, wenn sie vermuteten, dass sie mit KI gemacht wurde, und 63 Prozent sagten, sie würden mit geringerer Wahrscheinlichkeit bei einer Marke kaufen, die KI-generierte Anzeigen einsetzt.
Eine globale Umfrage unter 22'000 Konsumenten in 22 Märkten, in Auftrag gegeben vom Werbeprüfer DoubleVerify und im Juli veröffentlicht, ergänzt die Nuance, auf die es ankommt. 42 Prozent sagten, minderwertige oder unheimlich wirkende KI-Werbung würde ihr Bild einer Marke verschlechtern, während 40 Prozent ausgefeilte, professionelle KI-Anzeigen positiv sahen. CEO Mark Zagorski fasste es so zusammen: «Nicht die KI selbst entscheidet über das Engagement. Das tut die Qualität des Ergebnisses.»
Die Plattformen halten dagegen
Die Plattformen sind von Duldung zu Regeln übergegangen. In seinem Brief für 2026 widmete YouTube-CEO Neal Mohan dem Umgang mit KI-Slop einen eigenen Abschnitt und sagte, YouTube baue auf den Systemen gegen Spam und Clickbait auf, um die Verbreitung minderwertiger, repetitiver Inhalte einzudämmen. Im Juli legte YouTube laut TechCrunch fest, womit sich kein Werbegeld mehr verdienen lässt: generische, repetitive oder nach Schablone gemachte Videos, Inhalte, die darauf angelegt sind zu verstören, und KI-Personas, die über heikle Themen wie Gesundheit und Finanzen sprechen.
Pinterest führte im Oktober 2025 Einstellungen ein, mit denen man weniger KI-Bilder sieht, und zwar in den Kategorien, in denen sie sich häufen: Beauty, Kunst, Mode und Wohnen. Deezer gab im Juli bekannt, dass vollständig KI-generierte Tracks auf dem Höhepunkt im Juni mehr als die Hälfte aller neuen Musik ausmachten, die täglich angeliefert wurde, aber nur 1 bis 3 Prozent der Streams. Deezer hält sie aus den algorithmischen Empfehlungen und den redaktionellen Playlists heraus.
Die Richtung ist überall dieselbe. Was mit KI gemacht ist, ist erlaubt. Was in Masse und ohne Sorgfalt gemacht ist, wird nach unten gedrückt.
Wie wir ihn fernhalten
Wir machen jeden Tag Bilder, Filme und Posts mit KI, also mussten wir diese Frage in der Praxis beantworten, mit einem Schritt für jede Ursache.
Festgelegte Stile. In Reel wird jeder Stil aus echten Referenzen aufgebaut, mit Licht, Objektiv und Set, gewählt wie von einem Fotografen, und so lange getestet, bis der Kunde ihn freigibt. Jedes Bild und jeder Clip folgt diesem Rezept, und so sieht das hundertste Bild aus wie das erste.
Markenregeln im Gehirn. Studio erfasst einmal die DNA, die Stimme, die Positionierung und die Textregeln einer Marke und legt sie fest. Twin bewahrt die Regeln der Firma und ihre Art zu schreiben in seinem KI-Gehirn auf, damit jeder Assistent innerhalb dieser Regeln arbeitet, statt zu raten.
Menschen bei den Ideen und bei der Auswahl, und eine Prüfung, bevor etwas hinausgeht. In Reel werden Ideen, Referenzen und Stile vereinbart, bevor etwas entsteht, jedes Ergebnis wird geprüft, bevor der Kunde es sieht, und ein Mensch wählt jedes Bild und jeden Clip aus, der verwendet wird. In Tempo wird jede Idee getestet, bevor sie eingeplant wird, und ein Mensch gibt jeden Post frei.
Wir wollen, dass KI so viel von der Arbeit erledigt, prüft und beschleunigt, wie sie kann. Die Ideen, die Auswahl und die Verantwortung für das, was hinausgeht, bleiben bei Menschen, denn dort wird über Qualität entschieden, und dort steht ein Name auf dem Spiel.
Was eine Firma tun kann
Beginnen Sie bei den vier Ursachen. Sammeln Sie zwanzig echte Bilder, auf die Sie stolz sind, und nutzen Sie sie als Referenzen. Schreiben Sie Ihre Markenregeln dort auf, wo jedes Werkzeug sie lesen kann: die Farben, die Wörter, die Sie verwenden, und jene, die Sie nie verwenden, und wie das Produkt immer aussehen muss. Bestimmen Sie die Person, die auswählt, und geben Sie ihr das Recht, zum grössten Teil dessen, was die Maschine macht, Nein zu sagen. Setzen Sie zwischen den Generator und die Öffentlichkeit eine Prüfung, jedes Mal.
Slop kostet wenig in der Herstellung und viel, sobald man dafür bekannt ist. Die Lösung heisst nicht weniger KI. Sie heisst mehr Urteilsvermögen rund um die KI.
