Thesis
Wenn Werbung sagt, dass sie von der KI ist
Ehrlich sein – und dabei Vertrauen verlieren?
Generative KI erzeugt Werbebilder inzwischen in einer Qualität, die von klassischer Produktfotografie kaum noch zu unterscheiden ist – schneller und deutlich günstiger. Gleichzeitig wächst der regulatorische Druck, solche Inhalte offenzulegen; der EU AI Act macht Transparenz zur Pflicht. Für Marken entsteht daraus ein Zielkonflikt, den die Forschung als „Transparenzdilemma“ bezeichnet: Ausgerechnet die ethisch und rechtlich gebotene Offenlegung könnte genau das Vertrauen beschädigen, das sie schützen soll.
Besonders heikel ist das bei sogenannten Erfahrungsgütern – Produkten, deren Qualität sich vor dem Kauf nicht objektiv prüfen lässt, sondern sich erst beim Benutzen zeigt. Bio-Naturkosmetik ist dafür ein Musterbeispiel: Hautgefühl, Duft und Verträglichkeit muss man der Marke glauben. Nach dem „Word-of-Machine-Effekt“ werten Konsumentinnen und Konsumenten KI in genau solchen sinnlich-emotionalen Kontexten ab. Ein Hinweis „von einer KI erstellt“ könnte hier also besonders teuer werden. Wie teuer wirklich – das war die Frage dieser Thesis.
Der Aufbau: zwei Gruppen, ein einziger Unterschied
Untersucht wurde das in einem randomisierten Online-Experiment im Between-Subjects-Design. Alle Teilnehmenden sahen dieselbe, mit generativer KI erzeugte Werbeanzeige für eine bewusst fiktive Bio-Naturkosmetikmarke – so lassen sich bestehende Markenpräferenzen als Störfaktor ausschließen. Der einzige Unterschied zwischen den Gruppen war ein deutlich sichtbarer Hinweis auf dem Bild, dass es von einer Künstlichen Intelligenz erstellt wurde.

Gemessen wurde anschließend auf siebenstufigen Likert-Skalen: Werbeglaubwürdigkeit (ADTRUST-Skala), Markenauthentizität (nach Morhart et al.) und Kaufabsicht. Zusätzlich wurde die individuelle KI-Kompetenz („AI Literacy“) erhoben – die Vermutung war, dass technisch versierte Menschen anders auf ein solches Label reagieren als Laien. Die internen Konsistenzen der Skalen waren gut bis exzellent (Cronbachs α zwischen .76 und .94).
Ausgewertet wurde in zwei Szenarien. Die Gesamtstichprobe (N = 179, „Intention-to-Treat“) bildet die realistische E-Commerce-Situation ab, in der Werbung beiläufig konsumiert wird. Die bereinigte Stichprobe (N = 125, „Per-Protocol“) enthält nur Personen, die den Hinweis nachweislich bemerkt haben – dort lässt sich der psychologische Mechanismus isolieren.
Das Ergebnis: der Hinweis bewegt fast nichts
| Hypothese | Geprüfter Zusammenhang | Prüfgröße (Per-Protocol, N = 125) | Ergebnis |
|---|---|---|---|
| H1 | Kennzeichnung senkt die Werbeglaubwürdigkeit | t(89,5) = −0,96; p = .342; d = −0,18 | abgelehnt |
| H2 | Kennzeichnung senkt die Markenauthentizität | t(89,8) = −1,63; p = .108; d = −0,30 | abgelehnt |
| H3 | Kennzeichnung senkt die Kaufabsicht | t(78,2) = −1,44; p = .154; d = −0,28 | abgelehnt |
| H4–H6 | KI-Kompetenz mildert die Effekte (Moderation) | alle Interaktionen F ≤ 1,00; p ≥ .319 | abgelehnt |
| H7 | Authentizität vermittelt den Effekt auf die Kaufabsicht | indirekt 0,331; 95 %-KI [−0,065; 0,757]; p = .115 | abgelehnt |
Deskriptiv zeigen sich durchgehend kleine Nachteile für die gekennzeichnete Anzeige – etwa 4,32 statt 4,75 Skalenpunkte bei der Markenauthentizität. Keiner dieser Unterschiede erreicht jedoch statistische Signifikanz. Die Wiederholung in der Gesamtstichprobe (N = 179) bestätigt das Muster: Werbeglaubwürdigkeit p = .354, Markenauthentizität p = .071, Kaufabsicht p = .121. Das Ergebnis liegt also nicht an der kleinen bereinigten Stichprobe allein.


Der überraschendste Befund: das Label wird schlicht übersehen
Schon bei der Datenbereinigung trat ein Effekt zutage, der praktisch womöglich bedeutsamer ist als die Hypothesentests selbst: 56,25 Prozent der Personen, denen der Hinweis eingeblendet worden war, gaben in der Manipulationskontrolle an, ihn gar nicht wahrgenommen zu haben. Dieses Muster – in der Werbeforschung als „Banner Blindness“ bekannt – passt zur Realität des digitalen Scrollens, in der visuelle Reize in Sekundenbruchteilen gefiltert werden.

Ebenfalls bemerkenswert: Die KI-Kompetenz der Teilnehmenden macht keinen Unterschied. Keine der drei Moderationsanalysen wurde signifikant. Technikaffine und Laien bewerteten die gekennzeichnete Anzeige praktisch gleich.
Was Unternehmen daraus mitnehmen können
- Transparenz ist kein Selbstläufer nach unten. In dieser Stichprobe hat die offene Kennzeichnung KI-generierter Werbung weder Glaubwürdigkeit noch Kaufabsicht messbar beschädigt – selbst im naturnahen Segment, in dem der Konflikt am größten sein sollte.
- Der Hebel ist Authentizität, nicht Produktionstechnik. Die wahrgenommene Markenauthentizität hängt sehr stark mit der Kaufabsicht zusammen (Pfadkoeffizient 0,767; p < .001). Wer in glaubwürdige Markenbotschaften investiert, gewinnt mehr als durch die Frage, ob ein Bild fotografiert oder generiert wurde.
- Aufwendiges Targeting nach Technikaffinität lohnt sich nicht. Da die KI-Kompetenz die Wirkung nicht verändert, lässt sich KI-Werbung einheitlich über Segmente hinweg ausspielen.
- Kennzeichnung und Performance schließen sich nicht aus. Ein dezent platzierter Hinweis erfüllt die Transparenzanforderung, wird im Alltag aber häufig schlicht überlesen – das senkt das Risiko für Klick- und Konversionsraten, verlagert aber auch die Frage, wie wirksam solche Kennzeichnungen regulatorisch überhaupt sind.
Wo die Studie an ihre Grenzen stößt
- Ein nicht signifikantes Ergebnis ist kein Beweis für „kein Effekt“. Das 95-%-Konfidenzintervall für die Markenauthentizität reicht von −0,96 bis +0,10 Skalenpunkten. Ein moderater Rückgang ist mit den Daten also durchaus vereinbar – er ließ sich bei dieser Stichprobengröße nur nicht nachweisen.
- Gemessen wurde eine hypothetische Kaufabsicht, kein tatsächlicher Kauf. Zwischen Absicht und Verhalten klafft in der Konsumforschung regelmäßig eine Lücke.
- Die Datenbereinigung war asymmetrisch: Unaufmerksame ließen sich nur in der Experimentalgruppe identifizieren, weil es in der Kontrollgruppe kein entsprechendes Kontrollobjekt gab. Das kann die Gruppenvergleiche verzerren.
- Untersucht wurde ein einziger statischer Werbereiz für ein Low-Involvement-Produkt. Bei teureren oder riskanteren Käufen und bei bewegten Formaten wie Reels oder TikTok kann die Reaktion anders ausfallen.
- Die Stichprobe ist eine Gelegenheitsstichprobe (Altersspanne 18 bis 84 Jahre, Durchschnitt rund 47 Jahre) und nicht bevölkerungsrepräsentativ.
Fazit
Der befürchtete „KI-Backlash“ blieb in diesem Experiment aus. Konsumentinnen und Konsumenten gehen mit generativer KI in der Werbung offenbar pragmatischer um, als die Branchendebatte vermuten lässt: Sie bewerten das Produktversprechen und die visuelle Qualität – wie das Bild entstanden ist, tritt in den Hintergrund. Für Marken heißt das, dass sich Effizienzgewinne der KI und ehrliche Kommunikation nicht ausschließen müssen. Offen bleibt, wie sich das Bild bei bewegten Formaten, hochpreisigen Produkten und mit echten Marktdaten statt hypothetischer Kaufabsichten verändert – und wie wirksam eine Kennzeichnung ist, die über die Hälfte der Zielgruppe gar nicht bemerkt.
Quellen:
Morhart, F., Malär, L., Guèvremont, A., Girardin, F., & Grohmann, B. (2015). Brand authenticity: An integrative framework and measurement scale. Journal of Consumer Psychology, 25(2), 200–218. doi.org/10.1016/j.jcps.2014.11.006