KI-Kennzeichnung in der Werbung lässt Klickraten um ein Drittel einbrechen

Eine empirische Untersuchung zweier US-Universitäten zeigt eine Asymmetrie beim Einsatz von Bild-KIs im Marketing: Während komplett generierte Anzeigen die Klickraten signifikant steigern, scheitert der Versuch, menschliche Arbeit durch KI lediglich aufzuhübschen. Zudem führen Kennzeichnungen zu massiven Performance-Einbußen.

Die zentrale Erkenntnis der Studie sei eine signifikante Leistungsdiskrepanz zwischen zwei Anwendungsarten: Anzeigen, die von einer KI komplett neu entworfen wurden ("Gen AI created"), performen deutlich besser als solche, bei denen die KI lediglich bestehende, von Menschen gemachte Entwürfe bearbeitet hat ("Gen AI modified").

In einer Feldstudie, die über das Google Display Netzwerk (GDN) ausgespielt wurde, erzielten die vollständig KI-generierten Werbemittel eine um 19 Prozent höhere Klickrate (CTR) als die menschliche Kontrollgruppe. Das GDN ist ein Werbesystem, das Banneranzeigen auf Millionen von Webseiten, in Apps und Videos platziert, um Nutzer kontextabhängig zu erreichen.

Im Gegensatz dazu konnten die KI-modifizierten Anzeigen, bei denen Funktionen wie Inpainting oder Bild-zu-Bild-Transfer genutzt wurden, um Elemente wie Hintergründe oder Gesichter anzupassen, keine signifikanten Verbesserungen erzielen oder schnitten sogar schlechter ab.

Visuelle KI benötigt kreative Freiheit

Die Forschenden erklären dieses Phänomen mit der Theorie der "Output Constraints" (Ausgabebeschränkungen). Während textbasierte KI-Modelle oft bessere Ergebnisse liefern, wenn sie Texte redigieren statt sie komplett neu zu schreiben, verhält es sich bei visueller KI genau umgekehrt.

Bei der Modifikation bestehender Bilder muss sich das Modell an enge Vorgaben halten. Die Studie zeigt, dass solche KI‑modifizierten Anzeigen von Konsumentinnen und Konsumenten als weniger realitätsnah wahrgenommen werden. Diese geringere Realitätsnähe wirkt sich negativ auf die Kaufabsicht aus.

Wenn die KI dagegen von Grund auf generiert, kann sie visuelle Dimensionen wie Komposition, Farbe, Stil und Perspektive frei gestalten. Die Analyse zeigt, dass solche komplett generierten Anzeigen sich auf einen Blick leicht erfassen lassen und stärkeres emotionales Engagement hervorrufen.

Der Effekt wird stärker, wenn die KI zusätzlich das Produktverpackungsdesign entwirft. In den Experimenten erzielte die Kombination aus KI‑erstellter Anzeige und KI‑gestaltetem Verpackungsdesign die besten Werte bei Kaufabsicht und Klickrate. Das spricht dafür, dass visuelle KI am wirksamsten ist, wenn sie ganzheitlich neue Werbemittel einschließlich Verpackung entwirft.

Transparenzhinweise vernichten Werbewirkung

Ein für die Werbepraxis kritisches Ergebnis betrifft die Kennzeichnung von KI-Inhalten. Dies gewinnt durch den EU AI Act an Brisanz: Das Gesetz verlangt, dass direkte Interaktionen mit KI-Systemen (z. B. Chatbots) sowie künstlich erzeugte Inhalte und Deepfakes eindeutig und maschinenlesbar als solche markiert werden. Vor diesem Hintergrund untersuchten die Autoren den tatsächlichen Effekt solcher Transparenzhinweise.

Das Ergebnis zeigt einen direkten Zielkonflikt zwischen Transparenz und Ökonomie: Wurden die Anzeigen den Konsumenten gegenüber offen als "KI-generiert" oder "KI-bearbeitet" deklariert, brach die Performance ein. Im Feldversuch reduzierte der Hinweis auf die KI-Involvierung die Klickrate um rund 31,5 Prozent (1,17 Prozentpunkte) gegenüber den menschlichen Anzeigen ohne Label. Selbst bei identischem visuellen Inhalt führte allein das Wissen um die KI-Urheberschaft zu einer schlechteren Bewertung durch die Konsumenten.

Die Ergebnisse legen nahe, dass Marketingabteilungen visuelle KI primär in frühen Phasen der Kreation für die Generierung kompletter Konzepte einsetzen sollten, statt sie als Werkzeug für späte Korrekturen an menschlichen Entwürfen zu nutzen.

Vergangenes Jahr skizzierte OpenAI die Vision eines "AI First"-Marketings, das weit über die bloße Inhaltserstellung hinausgeht. Das Unternehmen sieht in neuen KI-Modellen nicht mehr nur Werkzeuge für einfache Routinearbeiten, sondern strategische "Denkpartner", die komplexe Datenanalysen durchführen und langfristige Strategien entwickeln können.