Das Zeitalter von ASI Slop: Können Urheberrecht, Wasserzeichen und Regulierung Vertrauen wiederherstellen?
Als LinkedIn die Meldeoption „Seems like AI slop“ einführte, erkannte eine auf beruflicher Glaubwürdigkeit aufgebaute Plattform an, dass minderwertige synthetische Inhalte zu einem Vertrauensproblem geworden waren. LinkedIn verbessert außerdem seine Klassifikationssysteme, gibt Autoren private Rückmeldungen, wenn Beiträge unauthentisch wirken, und ersetzt die KI-gestützte Funktion zur Verbesserung von Beiträgen durch ein Korrekturwerkzeug, das die eigene Stimme der Verfasser bewahren soll.
Generative KI hat es nahezu mühelos gemacht, professionell wirkende Inhalte zu produzieren. Urteilsvermögen, Originalität, Überprüfung und Verantwortlichkeit sind dadurch nicht mühelos geworden.
Das Problem liegt nicht darin, dass Maschinen kreativ tätig werden können. Es liegt darin, dass Inhalte heute in gewaltigen Mengen entstehen können, ohne klare Antworten auf vier Fragen: Wer hat sie erstellt? Wessen Arbeit hat sie geprägt? Wer hat sie überprüft? Wer trägt die Verantwortung, wenn sie irreführen, kopieren oder Schaden verursachen?
Was AI Slop ist und was nicht
Der Begriff AI Slop wird häufig für sämtliche mit KI erzeugten Inhalte verwendet. Diese Definition greift zu weit.
Ein recherchierter Artikel, bei dem KI zur Übersetzung, Strukturierung oder redaktionellen Bearbeitung eingesetzt wird, ist nicht mit einem automatisierten Netzwerk gleichzusetzen, das Tausende nachgeahmte Beiträge, gefälschte Bewertungen, synthetische Bilder oder schematische Videos mit kaum menschlicher Kontrolle veröffentlicht. Auch von Menschen verfasste Inhalte können repetitiv, irreführend und inhaltsleer sein.
Aussagekräftiger ist die Unterscheidung zwischen Unterstützung und Ersatz. Unterstützt KI das menschliche Urteilsvermögen oder ersetzt sie es?
Eine in Science Advances veröffentlichte Studie ergab, dass der Zugang zu KI-generierten Ideen einzelne Kurzgeschichten verbesserte, insbesondere bei weniger kreativen Autoren. Gleichzeitig ähnelten sich die entstandenen Geschichten stärker. KI kann ein einzelnes Ergebnis verbessern und zugleich die Vielfalt im gesamten Informationsumfeld verringern.
Große Plattformen ziehen eine ähnliche Grenze. Google stuft KI-generierte Inhalte nicht automatisch als unzulässig ein, warnt jedoch davor, mit generativen Werkzeugen große Mengen an Seiten ohne zusätzlichen Nutzen zu erstellen. YouTube erlaubt KI-gestützte Arbeiten mit eigenständigen Erkenntnissen. Seine Monetarisierungsregeln schließen jedoch generische, repetitive oder massenhaft produzierte Inhalte aus, die hauptsächlich auf möglichst viele Aufrufe ausgerichtet erscheinen.
Der maßgebliche Standard ist daher nicht allein, ob KI eingesetzt wurde. Entscheidend ist, ob ein wesentlicher menschlicher Mehrwert hinzugekommen ist.
Wenn Überfluss Aufmerksamkeit kostet
Pangram, ein Anbieter von KI-Erkennungssystemen, analysierte mehr als eine Million Social-Media-Beiträge, die über seine Browsererweiterung mit freiwilliger Teilnahme erfasst wurden. Das Unternehmen schätzte, dass mehr als 40 Prozent der längeren LinkedIn-Beiträge in seiner Stichprobe vollständig KI-generiert waren.
Diese Zahl ist eine Schätzung, keine vollständige Erhebung. Die Stichprobe stammte von Personen, die Pangrams Erweiterung installiert und sich für die Weitergabe ihrer Scandaten entschieden hatten. Die Einstufungen erfolgten durch Pangrams eigenes Erkennungssystem. Daraus lässt sich nicht beweisen, wie ein einzelner Beitrag entstanden ist.
Dennoch deutet LinkedIns Entscheidung, Nutzern eine Meldeoption für AI Slop anzubieten, auf ein reales Problem hin. Wenn das Veröffentlichen nahezu kostenlos wird, verschwinden die Kosten nicht. Sie verlagern sich auf die Leser, die mehr Zeit darauf verwenden müssen, zu beurteilen, was originell, korrekt, relevant oder überhaupt von Menschen erstellt ist.
Hinzu kommt eine mögliche langfristige Folge. Eine in Nature veröffentlichte Studie zeigte, dass das wahllose Training neuer Modelle mit rekursiv generierten Daten zum Modellkollaps führen kann. Dabei gehen seltene Informationen verloren, und die Ergebnisse bilden die ursprüngliche Verteilung menschlicher Daten immer weniger ab. Das beweist nicht, dass heutige Social-Media-Feeds bereits künftige Modelle verschlechtern. Es zeigt jedoch, warum der Zugang zu tatsächlich von Menschen erstelltem Material für die Qualität von KI selbst wichtig ist.
Rechte beginnen vor der Veröffentlichung
Die Debatte über AI Slop wird häufig als Qualitätsfrage dargestellt. Sie ist zugleich eine Frage der Rechte.
Die erste Frage lautet, wie ein Modell an sein Trainingsmaterial gelangt ist. In der Vorabfassung von Teil 3 seines Berichts kam das US Copyright Office zu dem Schluss, dass sich die Zulässigkeit nach dem Fair-Use-Grundsatz nicht mit einer einzigen Regel für sämtliches KI-Training beurteilen lässt. Nichtkommerzielle Forschung, die keine geschützten Ausdrucksformen reproduziert, kann unter Fair Use fallen. Werden dagegen urheberrechtlich geschützte Werke aus illegalen Quellen kopiert, um konkurrierende kommerzielle Inhalte zu erzeugen, obwohl eine Lizenzierung zu zumutbaren Bedingungen verfügbar ist, ist eine solche Einordnung deutlich unwahrscheinlicher.
Die zweite Frage ist, wem das Ergebnis gehört. Nach Auffassung des Copyright Office kann KI die menschliche Kreativität unterstützen, ohne den Urheberrechtsschutz auszuschließen. Rein KI-generiertes Material ist nach seiner derzeitigen Auslegung des US-Urheberrechts jedoch nicht geschützt, und Prompts allein begründen in der Regel keine Urheberschaft. Menschliche Auswahl, Anordnung, Bearbeitung und gestalterische Beiträge können weiterhin geschützt sein.
Die dritte Frage betrifft die Identität. Synthetische Stimmen, Gesichter und Darbietungen können das Erscheinungsbild oder die Identität einer Person vereinnahmen, auch wenn die herkömmlichen Regeln des Urheberrechts nur bedingt greifen. Das Copyright Office hat die bestehende uneinheitliche US-Rechtslage als unzureichend bezeichnet und ein bundesrechtliches Schutzrecht gegen nicht autorisierte digitale Nachbildungen empfohlen.
Europa verfolgt einen ergänzenden Ansatz. Seit dem 2. August 2025 müssen Anbieter, die KI-Modelle mit allgemeinem Verwendungszweck auf dem EU-Markt in Verkehr bringen, eine Strategie zur Einhaltung des Urheberrechts vorhalten und eine Zusammenfassung der für das Training verwendeten Inhalte veröffentlichen. Diese Maßnahmen lösen nicht jeden Rechtsstreit, erleichtern aber die Prüfung bislang unsichtbarer Datenpraktiken.
Was die EU-Regelung zu Wasserzeichen tatsächlich verlangt
Die Transparenzvorschriften nach Artikel 50 der EU-KI-Verordnung gelten seit dem 2. August 2026. Sie werden häufig als allgemeine Wasserzeichenpflicht beschrieben, sind tatsächlich aber genauer abgegrenzt.
Anbieter müssen KI-generierte oder manipulierte Texte, Audiodateien, Bilder und Videos maschinenlesbar kennzeichnen und deren Erkennung ermöglichen. Ausnahmen gelten, wenn ein System lediglich standardmäßige unterstützende Bearbeitungen vornimmt oder die Eingabe des Nutzers beziehungsweise deren Bedeutung nicht wesentlich verändert. Betreiber müssen Deepfakes sowie KI-generierte Texte zu Angelegenheiten von öffentlichem Interesse deutlich kennzeichnen, wenn keine menschliche Überprüfung oder redaktionelle Kontrolle stattgefunden hat.
Die Vorschriften verlangen somit keinen sichtbaren Stempel „KI-generiert“ auf jedem Satz, der mit KI korrigiert oder neu strukturiert wurde. Ihr Schwerpunkt liegt auf der Nachverfolgbarkeit auf Anbieterebene und auf klarer Offenlegung dort, wo Täuschung oder öffentliche Einflussnahme größere Risiken bergen. Der begleitende Verhaltenskodex ist freiwillig, die Transparenzanforderungen nach Artikel 50 sind hingegen rechtlich verbindlich.
Anthropic hat bereits angekündigt, dass künftige Claude-Modelle generierte Texte mit einem statistischen Wasserzeichen und unterstützte Bilddateien mit C2PA-basierten Herkunftsinformationen versehen werden. Das Unternehmen räumt zugleich Grenzen ein: Umfangreiches Umschreiben kann ein Textwasserzeichen entfernen. Ein Wasserzeichen kann außerdem auf die Beteiligung von Claude hinweisen, ohne zu beweisen, wer das Werk verfasst hat, wem es gehört oder ob sein Inhalt wahr ist.
Warum ein Wasserzeichen nicht genügt
NIST warnt davor, eine einzelne Transparenztechnik als vollständige Lösung zu betrachten. Sichtbare Kennzeichnungen können abgeschnitten werden. Verborgene Wasserzeichen können durch Komprimierung, Filter, Größenänderungen oder Umformulierungen geschwächt werden. Besonders schwierig ist die Kennzeichnung von Texten, da schon kleine Änderungen das Signal abschwächen können. Gleichzeitig müssen Erkennungssysteme zwischen Fehlalarmen und übersehenen KI-Inhalten abwägen.
Herkunftsstandards wie die Content Credentials von C2PA können eine belastbarere Nachweiskette schaffen. Sie ermöglichen es, kryptografisch überprüfbare Informationen darüber anzufügen, woher eine Datei stammt, wie sie bearbeitet wurde und wo KI beteiligt war. Neuere Leitlinien können außerdem vollständig generierte Inhalte von KI-gestützten Bearbeitungen unterscheiden und kenntlich machen, welche Teile eines Dokuments, Bildes, einer Audiodatei oder eines Videos verändert wurden.
Doch Herkunft ist nicht gleich Wahrheit. Ein echtes, von einem Menschen aufgenommenes Foto kann mit einer irreführenden Bildunterschrift versehen sein. Eine KI-generierte Illustration kann dagegen sachlich korrekt und verantwortungsvoll gekennzeichnet sein.
Herkunftsnachweise sollen dem Publikum nicht vorgeben, was es glauben soll. Sie sollen ihm bessere Belege dafür liefern, was es vor sich hat.
Wie synthetische Inhalte reguliert werden sollten
Wirksame Regulierung sollte zwei untaugliche Extreme vermeiden: jede KI-Unterstützung als verdächtig zu behandeln oder davon auszugehen, dass der Markt eine unbegrenzte Flut synthetischer Inhalte von allein korrigiert.
Regeln sollten im Verhältnis zu den Auswirkungen stehen. Privates Brainstorming und gewöhnliches Korrekturlesen bergen andere Risiken als automatisierte politische Botschaften, Identitätsnachahmung, gefälschte Bewertungen, synthetische Nachrichten oder massenhafte Veröffentlichungen zur Manipulation von Such- und Empfehlungssystemen.
Offenlegung sollte auf mehreren Ebenen erfolgen. Maschinenlesbare Kennzeichnungen, sichtbare Hinweise in risikoreichen Kontexten, Plattformhinweise und Herkunftsnachweise sollten einander ergänzen, statt sich auf ein einziges Erkennungssystem zu verlassen. Auch NIST empfiehlt, technische Verfahren mit institutionellen, pädagogischen und regulatorischen Maßnahmen zu verbinden, anstatt einen einzelnen Mechanismus als vollständige Antwort zu behandeln.
Die Rechte von Urhebern sollten über den gesamten Lebenszyklus hinweg gelten: vom rechtmäßigen Zugang zu Trainingsmaterial und der Lizenzierung, wo sie erforderlich ist, bis zum Schutz vor nicht autorisierten Nachbildungen und klaren Rechtsbehelfen bei Verletzungen.
Menschliche Verantwortung muss erkennbar bleiben. Ein Herausgeber sollte sich seiner Verantwortung nicht mit dem Hinweis entziehen können, dass eine KI das Material erstellt habe. Die Person oder Organisation, die sich für die Veröffentlichung, Verbreitung oder Monetarisierung entscheidet, bleibt für die Prüfung verantwortlich.
Auch Plattformen prägen den Markt. Wenn Algorithmen Masse, Empörung und ständiges Posten belohnen, wird KI diese Anreize industrialisieren. Suchmaschinen und soziale Plattformen sollten deshalb nicht nur prüfen, ob Inhalte synthetisch sind, sondern auch, ob sie täuschen, keine Eigenständigkeit aufweisen und in einem Umfang produziert werden, der echte Beiträge verdrängt.
Der wahre Preis unbegrenzter Inhalte
AI Slop ist mehr als bloß schlecht gemachter Inhalt. Er ist ein Warnsignal dafür, was geschieht, wenn die Produktionskosten einbrechen, während die Prüfung weiterhin menschlichen Aufwand erfordert.
Die Antwort besteht nicht darin, KI-erstellte Werke abzulehnen. Es geht darum, die Merkmale zu bewahren, die nützliche KI-Unterstützung mit Urheberschaft, Einwilligung, Originalität und Vertrauen vereinbar machen.
Wasserzeichen können helfen. Das Urheberrecht kann Rechte schützen. Plattformregeln können die Verstärkung begrenzen. Herkunftsnachweise können die Entstehungsgeschichte sichtbar machen.
Keine dieser Maßnahmen genügt allein.
Wenn KI die Erstellung nahezu kostenlos macht, müssen Offenlegung und Verantwortlichkeit möglicherweise zum Preis für massenhafte Veröffentlichungen werden.
Quellen
Zu den juristischen und technischen Primärquellen gehören die Leitlinien und Verhaltenskodizes der Europäischen Kommission zur KI-Verordnung, die dreiteiligen KI-Berichte des US Copyright Office, der NIST-Bericht zur Transparenz synthetischer Inhalte, die C2PA-Spezifikationen und Umsetzungshinweise sowie Anthropics Ankündigung zu Wasserzeichen. Begutachtete Forschung aus Science Advances und Nature stützt die Ausführungen zu Qualität, kreativer Vielfalt und rekursivem Training mit synthetischen Daten. LinkedIns aktuelle Reaktion wird durch die Berichterstattung von TechCrunch und Pangrams veröffentlichte Analyse dokumentiert. Deren Grenzen bei Stichprobenauswahl und Erkennung werden im Artikel erläutert. Die offiziellen Richtlinien von Google und YouTube liefern den Kontext zur Inhaltsqualität auf Plattformen.