Alles, was euer Team mit KI produziert, sieht aus wie das aller anderen

Warum KI-generierte Arbeit überall gleich aussieht

Eine Kreativdirektorin öffnet dreißig KI-generierte Konzepte und findet keinen Grund, eines davon zu bevorzugen. Sie sind solide. Sie sind aber auch austauschbar – und, schlimmer noch, sie sehen aus wie das, was die Agentur zwei Straßen weiter nächste Woche präsentieren wird.

Das liegt nicht an schlechten Prompts. So funktioniert die Technologie.

Dylan Field, CEO von Figma, hat den Mechanismus im Oktober 2025 in Lenny's Podcast beschrieben: Was eine KI zuerst ausgibt, ist per Definition generisch, weil es der Durchschnitt aus allem ist, was sie je gesehen hat. Merriam-Webster hat 2025 „slop" zum Wort des Jahres gewählt – minderwertige digitale Inhalte, die in Masse von KI produziert werden. Der Begriff hat sich durchgesetzt, weil man die Gleichförmigkeit spürt, bevor man sie benennen kann.

Das Durchschnittsproblem

Ein Modell erzeugt zu einem Prompt die wahrscheinlichste Ausgabe. Wahrscheinlich heißt verbreitet. Und verbreitet heißt: Alle anderen bekommen es auch.

Was das mit einer Gruppe macht, ist untersucht. Anil Doshi und Oliver Hauser haben 2024 in Science Advances eine Studie veröffentlicht, in der Autorinnen und Autoren mit KI-Unterstützung schrieben. Die assistierten Geschichten wurden als kreativer bewertet als die ohne Hilfe. Verglich man die Texte jedoch untereinander, ähnelten sich die KI-unterstützten deutlich stärker. Einzeln besser, als Gesamtheit enger.

Diesen Tausch macht gerade jedes Team, ohne es zu merken. Die Arbeit jedes Einzelnen wird besser. Die Arbeit des Unternehmens nähert sich der aller anderen an.

Warum das Geld kostet

Das Produkt einer Agentur ist das, was ein Kunde nirgendwo sonst bekommt. Der Vorteil einer Marke ist ihre Wiedererkennbarkeit. Ein Game-Studio lebt von einem Look, den sonst niemand hat.

Wenn KI jedem Wettbewerber denselben Durchschnitt in die Hand drückt, taugt Ausgabemenge nicht mehr als Unterschied – die haben alle. Was bleibt, ist der Moment, in dem ein Mensch die dreißig Entwürfe ansieht und den einen auswählt, der nicht der Durchschnitt ist. Oder alle dreißig verwirft.

Diese Entscheidung waren früher die letzten fünf Minuten eines Projekts. Heute steckt darin fast der gesamte Wert.

Das Problem: Niemand entscheidet

So läuft das Meeting: dreißig Optionen, alle in Ordnung, keine offensichtlich richtig. Jeder hat einen leisen Favoriten. Niemand will die anderen neunundzwanzig abservieren. Am Ende heißt es „Lasst uns das noch sacken lassen", die Optionen wandern in einen Ordner, und die sicherste geht per Default in Produktion.

Man sieht, was hier passiert ist: Niemand hat sich für generisch entschieden. Generisch hat gewonnen, weil niemand dagegen argumentiert hat.

Genau das ist Geschmack in der Praxis. Keine Stimmung, sondern jemand, der dreißig brauchbare Optionen ansieht und sagt: diese hier, aus diesen Gründen, die anderen neunundzwanzig sind erledigt. Jemand muss bereit sein, diesen Streit laut auszutragen.

Teams haben keinen Raum für diesen Streit

Die Optionen liegen in einem Slack-Thread, hintereinander gestapelt. Bei der fünften hat man die erste schon vergessen. Oder sie liegen in Drive, jede Datei einzeln, verglichen aus dem Gedächtnis.

David Kirsh an der UC San Diego erforscht seit Jahrzehnten, wie Menschen mit Dingen außerhalb ihres Kopfes denken. Sein Befund ist einfach: Menschen denken besser, wenn sie alles gleichzeitig nebeneinander sehen. Ein Thread kann das nicht. Ein Ordner auch nicht.

Also vergleicht die Gruppe nie wirklich. Sie reagiert reihum auf das, was gerade auf dem Bildschirm ist. Am Ende gewinnt die stärkste Meinung im Raum – oder der Termin. Und niemand kann später rekonstruieren, warum die Arbeit so aussieht, wie sie aussieht.

Behaltet eure Tools

Designt in Figma. Speichert Dateien in Drive. Verwaltet Arbeit in Jira. Macht Workshops in Miro. Keines dieser Tools ist für den Moment gebaut, in dem dreißig Optionen auf dem Tisch liegen und ein Team neunundzwanzig davon streichen muss.

Was wir gebaut haben

ALLO ist ein Canvas für genau diesen Moment. Die Optionen liegen nebeneinander, zusammen mit Briefing und Referenzen. Feedback hängt direkt an dem, worum es geht, statt in einem Thread zu versickern. Das Team sieht alles auf einmal, diskutiert vor der Arbeit und legt sich fest. Die Entscheidung bleibt bei dem, was sie ausgelöst hat – auch sechs Monate später ist die Begründung noch da.

ALLO erzeugt die Arbeit nicht. Macht sie dort, wo ihr sie ohnehin macht.

Die Modelle werden besser, und der Durchschnitt, den sie liefern, wird auch besser. Er bleibt trotzdem der Durchschnitt. Das Einzige, was eure Arbeit nach euch aussehen lässt, ist, dass jemand entschieden hat.

FAQ

Warum sehen KI-generierte Inhalte alle gleich aus? Modelle liefern die wahrscheinlichste Ausgabe, und die ist ein Durchschnitt ihrer Trainingsdaten. Teams, die ähnliche Modelle auf ähnliche Weise prompten, bekommen ähnliche Ergebnisse. Dylan Field von Figma bringt es auf den Punkt: Der erste KI-Output ist per Definition generisch.

Macht KI Teams weniger kreativ? Individuell nicht. Eine Studie von Doshi und Hauser in Science Advances (2024) zeigte, dass KI-unterstütztes Schreiben als kreativer bewertet wurde als unassistiertes. Die assistierten Texte ähnelten sich aber stärker untereinander – die kollektive Originalität sank, während die individuelle Qualität stieg.

Wie verhindert man, dass KI-Arbeit generisch wirkt? Jemand muss den Durchschnitt zurückweisen. Also: Eine Person oder ein Team sieht sich alle Optionen zusammen an, vergleicht sie direkt und legt sich mit Gründen auf die eine fest, die nicht die sicherste ist.

Was ist „AI slop"? Merriam-Websters Wort des Jahres 2025, definiert als minderwertige digitale Inhalte, die in Masse von KI erzeugt werden. Gemeint ist Output, der technisch in Ordnung und komplett vergessbar ist.

Ersetzt ALLO Figma oder Miro? Nein. Arbeitet weiter in Figma und macht eure Workshops in Miro. ALLO ist der Ort, an dem die Optionen verglichen und eine Richtung festgelegt wird – nach dem Erstellen, vor dem Ausliefern.