Zum Inhalt

Cookie-Einstellungen

Sie entscheiden je Kategorie, welche Dienste wir nutzen dürfen; vorausgewählt ist nichts. Ihre Wahl gilt für alle Seiten unter fh‑wedel.de, wird 12 Monate in einem Cookie gespeichert und lässt sich jederzeit im Footer unter „Cookie-Einstellungen“ ändern oder widerrufen. Datenschutz

Notwendig

Immer aktiv

Speichert Ihre Wahl, damit die Einwilligung funktioniert. Immer aktiv.

  • EinwilligungsverwaltungFachhochschule Wedel gGmbH
    Anbieter
    Fachhochschule Wedel gGmbH, Feldstraße 143, 22880 Wedel
    Zweck
    Speichert Ihre Entscheidung über Cookies und Dienste, damit wir Sie nicht bei jedem Aufruf erneut fragen.
    Cookies
    • fhw_einwilligung12 Monate
    • fhw_widerspruch12 Monate
    Drittland
    keins (EU)

Statistik

Wir messen, wie viele Menschen unsere Seiten besuchen und welche Beiträge sie lesen, um das Angebot zu verbessern.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google Analytics 4Google Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, wie unsere Seiten genutzt werden, etwa welche Seiten aufgerufen werden und woher die Besuche kommen.
    Cookies
    • _ga2 Jahre
    • _ga_*2 Jahre
    Drittland
    USA (Data Privacy Framework)
  • MatomoFachhochschule Wedel gGmbH (eigener Server)
    Anbieter
    Fachhochschule Wedel gGmbH (eigener Server), Feldstraße 143, 22880 Wedel
    Zweck
    Misst auf unserem eigenen Server, welche Seiten und Beiträge aufgerufen und gelesen werden und woher die Besuche kommen.
    Cookies
    • _pk_id*13 Monate
    • _pk_ses*30 Minuten
    • _pk_ref*6 Monate
    Drittland
    keins (EU)

Marketing

Wir zeigen Werbung für die FH Wedel bei Google, Facebook, Instagram und TikTok (auch Menschen, die unsere Seiten besucht haben) und messen, ob sie wirkt. Dabei gelangen Daten in die USA und nach China.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google AdsGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, ob Besuche auf unsere Anzeigen zurückgehen, und zeigt unsere Anzeigen Besucherinnen und Besuchern erneut (Remarketing).
    Cookies
    • _gcl_*3 Monate
    Drittland
    USA (Data Privacy Framework)
  • Meta-PixelMeta Platforms Ireland Limited
    Anbieter
    Meta Platforms Ireland Limited, Merrion Road, Dublin 4, D04 X2K5, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf Facebook und Instagram und zeigt sie passenden Zielgruppen.
    Cookies
    • _fbp3 Monate
    • _fbc3 Monate
    Drittland
    USA (Data Privacy Framework)
  • TikTok-PixelTikTok Technology Limited
    Anbieter
    TikTok Technology Limited, 10 Earlsfort Terrace, Dublin, D02 T380, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf TikTok und zeigt sie passenden Zielgruppen.
    Cookies
    • _ttp13 Monate
    • _tt_enable_cookie13 Monate
    • ttcsid*siehe Anbieter
    Drittland
    Drittländer einschließlich China (Standardvertragsklauseln)

Externe Medien

Wir zeigen eingebettete Videos und andere Inhalte fremder Anbieter direkt auf unseren Seiten; dabei erhält der Anbieter Daten wie Ihre IP-Adresse.

  • YouTubeGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Spielt eingebettete Videos von YouTube ab, nachdem Sie ein Video geladen haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
Alle Artikel

Thesis

Wenn Werbung sagt, dass sie von der KI ist

Ein Online-Experiment mit 179 Teilnehmenden prüft, ob der Hinweis „Created by AI“ auf einer Naturkosmetik-Anzeige Glaubwürdigkeit, Markenauthentizität und Kaufabsicht senkt. Ergebnis: kein signifikanter Effekt, und 56 Prozent übersahen den Hinweis.

  • Veröffentlicht am
  • Verfasst von Felix Bettenworth, B. Sc. E-Commerce
  • Betreut von Prof. Atilla Wohllebe
  • Teilen

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.

Zwei identische Naturkosmetik-Anzeigen mit Cremetiegel: Kontrollgruppe ohne Hinweis (n = 83), Experimentalgruppe mit „Created by AI“ (n = 96).
Abb. 1: Titelbild: Aufbau des Experiments – identische Anzeige mit und ohne KI-Hinweis

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

HypotheseGeprüfter ZusammenhangPrüfgröße (Per-Protocol, N = 125)Ergebnis
H1Kennzeichnung senkt die Werbeglaubwürdigkeitt(89,5) = −0,96; p = .342; d = −0,18abgelehnt
H2Kennzeichnung senkt die Markenauthentizitätt(89,8) = −1,63; p = .108; d = −0,30abgelehnt
H3Kennzeichnung senkt die Kaufabsichtt(78,2) = −1,44; p = .154; d = −0,28abgelehnt
H4–H6KI-Kompetenz mildert die Effekte (Moderation)alle Interaktionen F ≤ 1,00; p ≥ .319abgelehnt
H7Authentizität vermittelt den Effekt auf die Kaufabsichtindirekt 0,331; 95 %-KI [−0,065; 0,757]; p = .115abgelehnt

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.

Punktdiagramm: Mit KI-Hinweis liegen alle drei Mittelwerte leicht niedriger als ohne Hinweis, keiner der Unterschiede ist signifikant.
Abb. 4: Mittelwerte für Werbeglaubwürdigkeit, Markenauthentizität und Kaufabsicht
Pfaddiagramm: Nur der Pfad von Markenauthentizität zu Kaufabsicht ist signifikant (0,767); die Pfade vom KI-Hinweis sind nicht signifikant.
Abb. 2: Pfadmodell – Authentizität treibt die Kaufabsicht, der Hinweis nicht

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.

Punktraster mit 96 Quadraten: 54 Personen übersahen den KI-Hinweis, 42 nahmen ihn bewusst wahr – 56,25 Prozent übersahen ihn.
Abb. 3: 56,25 % der Experimentalgruppe haben den Hinweis nicht bemerkt

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