Schlechter Content ist keine Erfindung der generativen KI. Social Media kannte belanglose Posts, Clickbait, Falschinformationen und massenhaft produzierte Inhalte lange vor ChatGPT. Neu ist etwas anderes: Generative KI kann diesen Content heute schneller produzieren, sprachlich und visuell glätten und so professionell aussehen lassen, dass seine inhaltliche Schwäche nicht mehr auf den ersten Blick erkennbar ist. Aus einfachem Mist wird geschliffener Mist-Content. Genau darin liegt 2026 das eigentliche Qualitätsproblem.

Dass mehr Content nicht automatisch bessere Kommunikation bedeutet, begleitet unsere Diskussionen auf Shift/MarKom schon lange. Bereits 2021 haben wir im Kontext der Social-Media-Entwicklung auf zwei parallele Anforderungen hingewiesen: Kommunikation müsse relevant und authentisch sein, gleichzeitig würden digitale Falschinformationen zu einer wachsenden Herausforderung für Marken und Plattformen. Shift/MarKom: Zurück mit mehr Diskussionen zum Wandel der Kommunikation

Mit dem Aufkommen generativer KI wurde dieses bekannte Problem skalierbar. Im Frühjahr 2023 haben wir beim D2M SUMMIT deshalb bereits vor einem weiter zunehmenden Content Shock gewarnt: Wenn Text-, Bild-, Audio- und Videoerstellung für nahezu alle verfügbar wird, steigt nicht nur die Menge der Inhalte. Auch Desinformation und qualitativ schwache Inhalte lassen sich erheblich leichter produzieren. Unsere damalige Frage war deshalb schon: Was passiert mit der Qualität, wenn die technische Erstellung immer einfacher wird? Shift/MarKom: Von Generative Content bis Hate Speech – die neue Kommunikationsrealität

Einige Wochen später haben wir dieselbe Frage aus Content-Marketing-Sicht noch einmal zugespitzt. Gerade mit ChatGPT & Co., so unsere damalige Einordnung, brauche es ein Gegenmodell zu „weichgespülten" Inhalten: mehr inhaltliche und kreative Qualität, klare Relevanz und eine erkennbare eigene Perspektive. Shift/MarKom: Evergreen-Überlegungen zur Content Marketing Excellence

Drei Jahre später ist die Frage nicht verschwunden. Aber das Problem sieht anders aus.

Der alte Content-Müll sieht heute besser aus

Früher war schlechter automatisierter Content häufig leicht zu erkennen. Texte waren holprig, Bilder fehlerhaft, Videos offensichtlich synthetisch. Genau diese Erkennungsmerkmale verschwinden zunehmend.

Eine 2026 veröffentlichte linguistische Untersuchung verglich menschlich und mit aktuellen Sprachmodellen erzeugte Inhalte. Besonders interessant: KI-generierte Falschinformationen waren im untersuchten Datensatz formaler, strukturierter und positiver formuliert als menschlich verfasste Falschinformationen. Gleichzeitig sank die Erkennungsleistung eines eingesetzten Misinformation-Detektors bei LLM-generierten Inhalten deutlich. Die Untersuchung bezieht sich auf portugiesischsprachiges Material und lässt sich nicht pauschal auf jede Kommunikationssituation übertragen. Sie illustriert aber das neue Problem gut: Falscher oder schwacher Inhalt kann durch generative KI sprachlich plausibler und geordneter erscheinen. iScience: Linguistic characteristics of human- and AI-generated misinformation

Das ist der qualitative Unterschied zum alten Content-Müll.

Generative KI produziert nicht zwangsläufig schlechtere Inhalte. Sie kann aber schwache Ideen, dünne Argumente oder falsche Informationen in eine Form bringen, die professionell aussieht. Grammatik stimmt, Aufbau stimmt, Visualisierung wirkt sauber, Video und Voice-over werden zunehmend überzeugend.

Die formale Qualität steigt schneller als die inhaltliche Qualität.

Genau deshalb gefällt uns der Begriff AI Slop zunehmend besser als die pauschale Rede von „KI-Content". Er beschreibt nicht die Herkunft eines Inhalts, sondern den Unterschied zwischen Produktionsqualität und tatsächlichem Informations- oder Kommunikationswert.

„Gut genug" wird zum eigentlichen Problem

Eine aktuelle Untersuchung von Ipsos und der S.I. Newhouse School of Public Communications liefert dafür einen zweiten interessanten Beleg. Ipsos ließ 2026 3.000 US-Verbraucher:innen 20 Werbespots bewerten – zehn menschlich entwickelte und zehn vollständig KI-generierte Varianten. Viele Befragte konnten die Herkunft nicht zuverlässig unterscheiden. Ipsos: KI-Ads sind gut genug – und das ist das Problem

Trotzdem gab es einen Unterschied in der Wirkung. Die KI-generierten Anzeigen wurden im direkten Vergleich als weniger kreativ, weniger emotional ansprechend und weniger informativ bewertet. Bei den von Ipsos verwendeten Wirkungskennzahlen lagen die menschlich entwickelten Spots im Durchschnitt höher bei kurzfristiger und langfristiger Wirksamkeit. Ipsos: KI-Ads sind gut genug – und das ist das Problem

Ipsos überschreibt die eigene Auswertung deshalb treffend mit „KI-Ads sind gut genug – und das ist das Problem".

Genau dort liegt auch unsere Slop-Frage.

Der gefährlichste KI-Content ist möglicherweise nicht der offensichtlich schlechte. Er ist gut genug, um veröffentlicht zu werden. Gut genug für den Feed. Gut genug für eine weitere Landingpage. Gut genug für einen automatisierten Newsletter. Gut genug für die nächste Anzeigenvariante.

Aber „gut genug" schafft noch keinen Grund, warum jemand diesen Inhalt beachten, erinnern oder ihm vertrauen sollte.

Das hatten wir bei Social Media schon einmal – nur ungeschliffener

Das Vertrauensproblem dahinter ist ebenfalls nicht neu. Social Media hat schon lange gezeigt, dass Reichweite und Aufmerksamkeit nicht mit Informationsqualität gleichzusetzen sind. Algorithmen belohnen zunächst das, worauf Menschen reagieren. Das kann relevante Information sein – aber ebenso Emotionalisierung, Clickbait oder Falschinformation.

2021 hatten wir deshalb bereits die Verbindung aus Relevanz, Authentizität und dem Umgang mit digitalen Falschinformationen als zentrale Herausforderung für Social-Media-Kommunikation beschrieben. Shift/MarKom: Zurück mit mehr Diskussionen zum Wandel der Kommunikation

2023 haben wir diesen Gedanken im Kontext von Fake News, Hate Speech und Generative Content weitergeführt und auf ein zunehmend emotionalisiertes Kommunikationsumfeld hingewiesen. Shift/MarKom: Von Generative Content bis Hate Speech

Im Juni 2024 kam dann eine weitere Dimension hinzu. Unter der Überschrift „Mehr Content, weniger Aufmerksamkeit" haben wir anhand des Cision State of the Media Reports argumentiert, dass die knapp werdenden Ressourcen nicht Content und Produktionskapazität sind, sondern Relevanz und Glaubwürdigkeit. Shift/MarKom: Mehr Content, weniger Aufmerksamkeit – was Kommunikation 2024 leisten muss

Die Grundaufgabe ist also erstaunlich konstant geblieben.

Was KI verändert, sind Volumen, Geschwindigkeit und Oberfläche.

Der irrelevante Social-Media-Post von früher sah häufig auch nach einem irrelevanten Post aus. Der KI-generierte Beitrag von heute kann dagegen perfekt strukturiert, sauber formuliert, bebildert und vertont sein – und trotzdem nichts zu sagen haben.

Das ist für uns der eigentliche geschliffene Mist-Content.

AI Slop entsteht nicht durch KI, sondern durch fehlende Auswahl

Auch cmm360 beschreibt AI Slop 2026 als massenhaft produzierten automatisierten Content, der glaubwürdig erscheinen kann, aber geringe Substanz besitzt oder fehlerhafte Informationen enthält. Die Autor:innen verweisen zudem auf ein weiteres Risiko: Veröffentlichte KI-Inhalte können von Such- und Retrieval-Systemen wiederum aufgegriffen und als Quellen für weitere Antworten verwendet werden. cmm360: KI-Slop – Wenn das Internet sich selbst entwertet

Wir würden die Grenze dennoch nicht zwischen menschlichem und maschinellem Content ziehen.

Ein Mensch kann belanglosen Content produzieren. Und ein KI-gestützter Prozess kann einen sehr guten Beitrag hervorbringen.

Entscheidender erscheinen uns drei Fragen:

• Substanz: Enthält der Inhalt eine eigene Information, Erfahrung, Idee oder Einordnung?
• Intentionalität: Gibt es einen erkennbaren Grund, warum genau dieser Inhalt in genau dieser Form entsteht?
• Verantwortung: Hat jemand das Ergebnis geprüft, ausgewählt und bewusst zur Veröffentlichung freigegeben?

Slop entsteht dort, wo Skalierbarkeit diese drei Schritte verdrängt.

Wenn die Produktionsmöglichkeit selbst zur Idee wird

Der aktuelle OMR-Beitrag zum Thema illustriert diesen Unterschied anhand mehrerer Kampagnen. Bei einer Waterdrop-Kampagne wird die stark KI-geprägte Inszenierung selbst zum wesentlichen kreativen Element; OMR dokumentiert dazu deutliche Kritik in den Reaktionen. Als Gegenbeispiel wird eine Kampagne von Lyfe.ads beschrieben: Dort stand zunächst eine menschlich entwickelte Idee – die Darstellung eines Kassenbons als Tampon und Blutspur zur Visualisierung der finanziellen Belastung durch Menstruationsprodukte. KI wurde anschließend zur technischen Umsetzung eingesetzt. OMR Reviews: AI Slop – Content-Müllhalde oder Marketing-Goldgrube?

Das sind Einzelbeispiele und keine Wirkungsstudie. Aber sie machen die Prozessfrage deutlich:

Beginnen wir mit einem Kommunikationsproblem und nutzen KI anschließend zur Umsetzung – oder beginnen wir mit dem KI-Tool und suchen danach einen Anlass, den erzeugten Output zu veröffentlichen?

Im zweiten Fall wird die technische Möglichkeit schnell mit einer kreativen Idee verwechselt.

Diese Versuchung wächst, weil die Grenzkosten weiterer Varianten drastisch sinken. OMR beschreibt beispielsweise ein Zwei-Personen-Team, das mithilfe generativer Werkzeuge mehr als 40 Creatives pro Woche für ein monatliches Mediabudget von 80.000 Euro produziert. OMR Reviews: AI Slop und Creative Velocity

Aus Performance-Sicht kann diese Geschwindigkeit sinnvoll sein. Viele Varianten ermöglichen Tests und Optimierungen.

Aber irgendwann dreht sich die Logik um: Wir produzieren nicht mehr, weil wir eine weitere relevante Idee haben, sondern weil wir eine weitere Variante produzieren können.

Genau davor haben wir bei KI-Content seit 2023 gewarnt

In unserem eigenen redaktionellen Umgang mit ChatGPT war deshalb schon 2023 der wichtigste Schritt nicht die Generierung, sondern die Prüfung. Wir beschrieben damals, wie Entwürfe Zeile für Zeile auf Fakten, Quellen, Kontext und Tonalität überprüft werden. Unsere Schlussfolgerung war bereits damals: Die Produktivität entsteht nicht automatisch durch schneller erzeugte Texte, sondern durch ein funktionierendes Zusammenspiel aus KI-Entwurf und menschlicher Prüfung. Shift/MarKom: Nach dem Sommer – wie generative KI die Content-Redaktion 2023 verändert

Später haben wir diesen Ansatz erweitert. Die entscheidenden Fragen vor der Content-Produktion lauteten für uns: Ist das Thema überhaupt relevant? Welche eigene Information oder Perspektive können wir hinzufügen? Welche Aussagen müssen belegt werden? Und welchen Content können wir bewusst nicht produzieren? Shift/MarKom: Mehr Content, weniger Aufmerksamkeit

Gerade die letzte Frage wird mit generativer KI wichtiger.

Denn die neue Produktionsökonomie belohnt zunächst das Mehr. Redaktionelle Qualität entsteht aber häufig durch das Nein: Dieser Entwurf ist zu generisch. Dieses Bild passt nicht. Diese Variante sagt nichts Neues. Diese Aussage ist nicht ausreichend belegt. Dieser Beitrag braucht niemand.

Kuration wird damit zu einer produktiven Leistung.

YouTube beginnt, diese Grenze selbst zu ziehen

Dass das kein rein redaktionelles Luxusproblem ist, zeigt YouTube. CEO Neal Mohan hat den Begriff „AI slop" in seinem Jahresausblick 2026 selbst verwendet. YouTube wolle seine etablierten Systeme gegen Spam, Clickbait sowie minderwertige und repetitive Inhalte weiterentwickeln, um Low-Quality-AI-Content einzudämmen. YouTube: The future of YouTube 2026

Im Juli hat die Plattform ihre Monetarisierungsregeln dazu weiter präzisiert. Betroffen sind nicht KI-Inhalte als solche, sondern vor allem massenproduzierte, repetitive und andere als „inauthentic content" eingeordnete Formate. TechCrunch: YouTube clarifies policies around AI slop

Das ist eine wichtige Unterscheidung.

YouTube sanktioniert nicht die Verwendung des Werkzeugs, sondern eine Produktionslogik.

Wenn selbst eine Plattform, deren Geschäftsmodell von großen Content-Mengen lebt, repetitive Massenproduktion begrenzen will, zeigt das, dass maximale Produktionskapazität nicht automatisch maximalen Plattformwert erzeugt.

Vertrauen leidet nicht erst bei Falschinformation

Dabei wäre es zu eng, AI Slop nur als Desinformationsproblem zu behandeln. Die meisten belanglosen KI-Posts enthalten vermutlich keine nachweisbar falsche Information.

Das Problem kann subtiler sein.

Eine Marke veröffentlicht immer mehr visuell perfekte, aber austauschbare Inhalte. Ein Unternehmen produziert Fachartikel, deren Aussagen korrekt sind, aber keinerlei eigene Erfahrung oder Einordnung enthalten. Ein Social-Media-Team skaliert Antworten und Kommentare, bis kaum noch erkennbar ist, ob überhaupt jemand auf der anderen Seite zugehört hat.

Keiner dieser Inhalte muss falsch sein.

Trotzdem kann ein Vertrauensproblem entstehen, weil Menschen zunehmend schlechter erkennen können, wo tatsächliche Aufmerksamkeit, Erfahrung und Verantwortung in die Kommunikation eingeflossen sind.

Die Ipsos-Untersuchung macht diesen Unterschied anschaulich. Die getesteten KI-Spots waren durchaus glaubwürdig und teilweise kaum als KI-Produktion erkennbar. Trotzdem schnitten sie bei emotionaler Wirkung und längerfristiger Markenwirkung schwächer ab. Ipsos: KI-Ads sind gut genug – und das ist das Problem

Die formale Perfektion kompensiert damit nicht automatisch fehlende Eigenständigkeit.

Die KI-Kennzeichnung löst das Qualitätsproblem ebenfalls nicht

Ab dem 2. August 2026 greifen die Transparenzpflichten aus Artikel 50 des EU AI Acts für bestimmte KI-generierte oder manipulierte Inhalte. EU AI Act, Artikel 50

Der im Juni veröffentlichte Code of Practice on Transparency of AI-generated Content soll Anbieter und professionelle Anwender bei der Umsetzung unterstützen. Europäische Kommission: Code of Practice on AI-generated Content

Für die Slop-Diskussion ist diese Entwicklung relevant, löst das Problem aber nicht.

Eine Kennzeichnung sagt zunächst etwas über den Entstehungsprozess eines Inhalts. Sie sagt nichts darüber, ob der Inhalt gut ist.

Ein korrekt gekennzeichneter KI-Beitrag kann völlig belanglos sein. Ein menschlich produzierter Beitrag ebenfalls.

Die regulatorische Transparenzfrage und die redaktionelle Qualitätsfrage sollten deshalb nicht verwechselt werden.

Kennzeichnung schafft Transparenz über die Produktion. Qualität entsteht durch Auswahl, Substanz und Verantwortung.

Content Governance muss deshalb vor der Generierung beginnen

Die Antwort auf AI Slop kann aus unserer Sicht nicht darin bestehen, nach der Produktion noch schnell einen Menschen auf „Freigeben" klicken zu lassen.

Der Prüfschritt ist notwendig – aber zu spät, wenn vorher niemand entschieden hat, warum ein Inhalt überhaupt entstehen soll.

Für einen belastbaren KI-gestützten Content-Prozess würden wir deshalb fünf Fragen voranstellen:

• Welches Kommunikations- oder Informationsproblem lösen wir?
• Welche eigene Substanz bringen wir ein?
• Welche Teile darf KI generieren und welche Entscheidungen bleiben bewusst menschlich?
• Wie werden Fakten, Quellen, Tonalität und Wirkung geprüft?
• Wer trägt am Ende die redaktionelle oder kommunikative Verantwortung?

Erst danach stellt sich die Tool-Frage.

Das führt zurück zu unserer Content-Marketing-These aus den vergangenen Jahren: Technik kann die Produktion beschleunigen. Sie ersetzt nicht die Entscheidung darüber, welcher Content überhaupt relevant genug ist, um produziert zu werden. Shift/MarKom: Evergreen-Überlegungen zur Content Marketing Excellence

Fazit: Neu ist nicht der Mist – sondern seine Skalierbarkeit und seine Oberfläche

AI Slop ist deshalb für uns kein vollständig neues Content-Phänomen.

Das Social Web hatte schon immer irrelevante Inhalte, Falschinformationen, Clickbait und Beiträge, die allein für algorithmische Aufmerksamkeit produziert wurden. Wir haben seit Jahren über Content Shock, Relevanz, Glaubwürdigkeit und die Notwendigkeit redaktioneller Qualität diskutiert. Shift/MarKom: Zurück mit mehr Diskussionen zum Wandel der Kommunikation

Generative KI verändert jedoch drei Dinge gleichzeitig:

Sie senkt die Produktionskosten. Sie erhöht die Produktionsmenge. Und sie verbessert die formale Oberfläche schwacher Inhalte.

Genau die dritte Veränderung wird leicht unterschätzt.

Der Mist sieht heute besser aus.

Er ist sprachlich glatt, visuell sauber und kann sich nahtlos zwischen professionell produzierten Inhalten einordnen. Das macht ihn nicht automatisch überzeugend – wie die aktuelle Ipsos-Untersuchung zeigt. Es macht aber seine inhaltliche Leere schwerer erkennbar. Ipsos: KI-Ads sind gut genug – und das ist das Problem

Die wichtigste Aufgabe von Content-Teams verschiebt sich damit erneut. Wir brauchen nicht mehr nur Menschen, die Content herstellen. Wir brauchen Menschen, die Unterschiede erkennen, Entscheidungen treffen und auch guten Output verwerfen können.

Vielleicht ist das die eigentliche Definition redaktioneller Qualität im KI-Zeitalter:

Nicht alles zu veröffentlichen, was sich professionell produzieren lässt.

Denn geschliffener Mist bleibt Mist.