AI Slop erkennen und vermeiden: Was StoryScope zeigt

Wer AI Slop^?Abwertend für maschinell erzeugte Texte, die glatt, beliebig und schematisch wirken, weil sie einem erkennbaren KI-Muster folgen. erkennen und vermeiden will, sollte nicht auf verräterische Wörter oder holprige Sätze achten, sondern auf die Struktur einer Geschichte. Das ist der Kern der Studie StoryScope von der University of Maryland und Google DeepMind. Laut einer Auswertung des Fachblogs Automateed vom 10. Juli 2026 untersuchte sie 61.608 Geschichten. Der dort trainierte Klassifikator^?Ein trainiertes Modell, das Texte automatisch einer Kategorie zuordnet, hier: menschlich oder KI-verfasst. trennt menschliche und maschinell erzeugte Texte mit 93,2 Prozent Genauigkeit – und zwar selbst dann, wenn man alle stilistischen Signale wie Wortwahl und Satzrhythmus entfernt und nur die Erzählstruktur betrachtet.

Das dreht die übliche Debatte um. Bisher galt: KI-Texte klingen glatt, floskelhaft, austauschbar. Die Studie zeigt, dass das Problem tiefer sitzt. Maschinen bauen Geschichten anders auf als Menschen, und dieser Bauplan bleibt sichtbar, auch wenn die Sprache poliert ist.

Was hat StoryScope tatsächlich gemessen?

StoryScope wertete allein narrative Entscheidungen aus, nicht die Sprache. Grundlage waren 10.272 Prämissen von menschlichen Autorinnen und Autoren. Zu jeder Prämisse erzeugten fünf führende Sprachmodelle eigene Geschichten – macht 61.608 Texte. Der Klassifikator prüfte Handlungsaufbau, Figurenführung, den Zeitpunkt von Enthüllungen und die Art der Enden.

Der entscheidende Punkt: Die 93,2 Prozent Trefferquote entstehen laut Automateed rein aus der Erzählarchitektur. Wortwahl, Lexik und Rhythmus blieben bewusst außen vor. Wenn ein Modell also seinen Stil verbessert, ändert das an der Erkennbarkeit wenig, solange die Struktur schematisch bleibt.

Woran erkennt man AI Slop in der Erzählstruktur?

Vier Muster tauchen in KI-Geschichten deutlich häufiger auf als in menschlichen Texten. Sie sind messbar und lassen sich nach der Automateed-Auswertung beziffern:

• Überdeutliche Themenbenennung: In 77 Prozent der KI-Erzählungen wird das Thema explizit ausgesprochen, bei menschlichen Texten nur in 52 Prozent. Die Maschine erklärt ihre Moral lieber, als sie zu zeigen.
• Fehlende Nebenhandlungen: 79 Prozent der KI-Geschichten enthalten keine Subplots, bei menschlichen Texten sind es 57 Prozent. Der Plot läuft geradeaus, ohne Umwege.
• Körperlich formulierte Emotionen: In 81 Prozent der KI-Texte erscheinen Gefühle als Körperempfindung („ihr Herz raste“), bei Menschen nur in 38 Prozent.
• Streng chronologische Struktur: Enthüllungen kommen linear nacheinander, Enden sind sauber aufgeräumt. Rückblenden, Lücken oder uneindeutige Schlüsse fehlen.

Ein Detail härtet den Befund: Jedes der fünf Modelle hinterlässt einen eigenen strukturellen Fingerabdruck, in rund 68 Prozent der Fälle einem konkreten Modell zuzuordnen. Die Einförmigkeit ist also nicht nur ein KI-Problem, sondern teilweise sogar herstellerspezifisch.

Wie machen Sie generierte Texte weniger schematisch?

Die Studie liefert die Diagnose, und aus den Zahlen ergeben sich vier klare Gegenhebel. Wer generierte Texte weiterverarbeitet, kann jeden dieser Punkte gezielt umkehren:

1. Thema nicht ausbuchstabieren. Statt einer explizit formulierten Moral auf Subtext setzen. Die Aussage sollte sich aus Handlung und Dialog ergeben, nicht aus einem Erklärsatz.
2. Nebenhandlungen einbauen. Abschweifungen und Szenen, die nicht direkt der Hauptlinie dienen, brechen das dominante Muster ohne Subplot^?Eine Nebenhandlung, die parallel zur Haupthandlung läuft und die Geschichte vielschichtiger macht..
3. Emotionen vielfältig zeigen. Gefühle über Denkprozesse, Widersprüche und Ambivalenz darstellen, nicht überwiegend über Herzklopfen und Magengrummeln.
4. Chronologie brechen. Rückblenden, Vorgriffe, Zeitsprünge und offene Enden laufen dem sauberen KI-Plot entgegen.

Aus meiner Beratungspraxis: Diese Hebel greifen nur, wenn Sie den Prompt^?Die Eingabe oder Anweisung, mit der ein KI-Modell zu einer Antwort oder einem Text veranlasst wird. entsprechend führen und danach redigieren. Ein Modell, das man mit „schreib eine Geschichte über Mut“ bittet, liefert fast zwangsläufig das schematische Muster. Wer stattdessen konkrete Szenen, eine Nebenfigur und eine bewusst uneindeutige Schlussszene vorgibt, verschiebt die Struktur spürbar. Wenn Sie das systematisch für Ihr Team lernen wollen, lohnt sich ein praxisnahes Prompt-Training, das den Umgang mit ChatGPT im Arbeitsalltag strukturiert, sofern Textproduktion bei Ihnen eine Rolle spielt.

Was bedeutet das für Unternehmen und Marketing?

Für den Geschäftsalltag liegt die Übertragung nahe. Was für Fiktion gilt, prägt auch Blogtexte, Case Studys und Kampagnentexte: Die typische KI-Dramaturgie ist linear, moralisch eindeutig und ohne Reibung. Genau das erzeugt jene Beliebigkeit, die Leserinnen und Leser als AI Slop empfinden – so zeigt es auch die Diskussion um KI-Slop auf LinkedIn und die Frage der redaktionellen Verantwortung.

Das deutschsprachige Magazin The Digioneer fasste die StoryScope-Ergebnisse in seinem KI-News-Beitrag vom 4. Juli 2026 so zusammen: KI-Geschichten erklärten ihre Moral „gern einen Tick zu ausführlich“ und bevorzugten „brave, geradlinige Handlungen“. Der nächste Schritt für Ihr Unternehmen ist deshalb kein Werkzeugwechsel, sondern eine redaktionelle Regel: KI liefert den Rohtext, ein Mensch bricht die Schematik und fügt Subtext, Abweichung und Ambivalenz hinzu.

Die Ausgangsfrage lässt sich damit klarer beantworten, als der Hype vermuten ließe. AI Slop erkennt man nicht an einzelnen Wörtern, sondern an einem zu ordentlichen Bauplan. Und man vermeidet ihn, indem man diesen Bauplan gezielt stört, statt auf das nächste, angeblich menschlicher schreibende Modell zu warten.