KI Texte in der Werbung: immer zweite Wahl

Vorab: Dieser Blog-Artikel behauptet nicht, dass KI-generierte Texte generell schlecht wären bzw. für Marketingzwecke ungeeignet sind. Das wäre falsch. Denn KI-Sprachmodelle schreiben grundsätzlich ordentlich: kohärent (also einem „roten Faden“ folgend), leicht verständlich und grammatikalisch korrekt. Sie kreieren mitunter sogar griffige Formeln, die längst nicht jedem Copywriter einfallen würden. Wer das bestreitet, hat entweder noch nicht mit den neuesten Versionen der etablierten Modelle gearbeitet oder will einfach nur stänkern. Trotzdem funktionieren KI-Texte im Marketing nur bedingt. Das hat verschiedene Gründe.

Die Antwort auf die Frage, warum KI-Texte im Marketing oft nicht die gewünschte Wirkung erzielen, ist mehrteilig. Sie hat aber nichts mit „zu glatt“ oder „zu perfekt“ zu tun. (Diese Begründungen sind tatsächlich ihrerseits KI-generiert. Kein Mensch glaubt, dass maschinengenerierte Texte wegen eines zu hohen Perfektionsgrades nicht funktionieren. Die Phrasen „zu perfekt“ und „zu glatt“ stammen vielmehr von Sprachmodellen, die über die Nachteile von KI-Texten schreiben sollten. Inzwischen sind sie so oft weitergeplappert worden, dass man sie nicht mehr hinterfragt.)

____

Inhalt

1. Drei Gründe, wieso KI-Werbetexte Schwächen haben
   
2. Grund 1: KI arbeitet auf der Basis von Wahrscheinlichkeit
   
3. Grund 2: KI versteht keine Verkaufspsychologie
4. Grund 3: KI lernt aus minderwertigen Daten.
5. Was das in der Praxis bedeutet: Werbung mit KI kann funktionieren – unter bestimmten Bedingungen
   

Drei Gründe, wieso KI-Werbetexte Schwächen haben

In Wirklichkeit erwächst die Wirkungsschwäche von KI-generierten Marketing-Texten aus drei Punkten:

• aus Wahrscheinlichkeitsbasiertheit,
• aus einem Psychologie-Unverständnis
• und aus einer schlechten Datengrundlage.

Sie sind die Ursache dafür, dass KI-Texte in der Werbung nicht das Gelbe vom Ei sind.

Grund 1: KI arbeitet auf der Basis von Wahrscheinlichkeit.

Sprachmodelle funktionieren, vereinfacht gesagt, so: Sie berechnen, welches Wort nach einem bestimmten Wort am wahrscheinlichsten einzufügen ist – unter Zugrundelegung einer riesigen Menge von humangenerierten Texten. Das Ergebnis sind Texte, die statistischen Rechengrundlagen genügen.

Im Alltag ist das beeindruckend. In der Werbung nicht. Da ist es sogar ein strukturelles Problem, denn gutes Copywriting funktioniert prinzipiell genau andersherum: Es zielt auf das Unerwartete, das Überraschende. Eine gute werbliche Headline entsteht nicht dadurch, dass man, wenn man einen Anfang hat, nach der wahrscheinlichsten Fortsetzung sucht. Sie entsteht stattdessen dadurch, dass man nach einer ungewöhnlichen Fortsetzung sucht. Nach einer, die mit Erwartungen bricht.

KI versteht das nicht. Sie agiert probabilistisch und hält das Ergebnis, das am wenigsten auffällig ist, für das beste [1]. Bei einigen Arten von merkantil ausgerichteten Texten ist das in Ordnung – etwa bei Produkt- oder Servicebeschreibungen. Oder bei PR-Texten. Wenn es aber darum geht, Aufmerksamkeit zu erzeugen, dann ist Erwartungskonformität kontraproduktiv. Der „Kampf“ humanes Copywriting vs. KI wird deshalb zumindest in dieser Hinsicht immer zugunsten des Copywritings ausgehen.

Grund 2: KI versteht keine Verkaufspsychologie.

KI hat außerdem keinen Sinn für Psychologie. „Natürlich hat sie das!“, mag jetzt manch einer einwenden, „schließlich gibt’s zahllose Psychologie-Apps!“ Tatsächlich wird künstliche Intelligenz inzwischen auch in der Psychotherapie eingesetzt, und die Ergebnisse sind durchaus vielversprechend [2]. Das bedeutet aber nicht, dass KI Psychologie versteht. Sie kann Psychologieverständnis nur gut imitieren.

Werbung ist bekanntlich angewandte Verkaufspsychologie, denn Menschen kaufen nicht primär Dinge – sie kaufen Vorstellungen. Wenn sie sich für eine Ware entscheiden, dann deshalb, weil sie mit dem Erwerb dieser Ware eine ihnen angenehmen Vorstellung verbinden. Wer sich z. B. ein atmungsaktives Trainingsshirt kauft, kauft nicht in erster Linie das Funktionsgewebe. Er kauft die Vorstellung, das betreffende Shirt zu besitzen und damit Sport zu treiben. Diese Vorstellung ist der eigentliche Kauftreiber; das T-Shirt ist nur das Objekt, auf das die Vorstellung projiziert wird. Texterinnen und Texter wissen das. Sie schreiben deshalb nicht – oder jedenfalls nicht nur – über Produkte, sondern immer auch über Vorstellungen, Assoziationen und Empfindungen.

KI hat keinen Zugang zu dieser Ebene. Sie „weiß“ zwar auch, dass Menschen Vorstellungen statt Waren kaufen – weil das in Marketingbüchern steht, die als Trainingsdata genutzt wurden –, aber da sie selbst keine Emotionen hat, weiß sie auch nicht, wie sie Emotionen effektiv triggern könnte. Deshalb probiert sie es mit Überreden: Sie schreibt über die Vorzüge von Funktionsgewebe im Sport und garniert das Ergebnis mit halbgaren Motivationssprüchen. Dabei versucht sie, durch logisch-emotionale Appelle glaubwürdig zu wirken [3]. Sie nutzt Überzeugungstechniken und „denkt“, das sei gute Werbung. Ist es aber nicht. Der wesentliche Unterschied zwischen menschlichem Copywriting und KI-Texten besteht mithin darin, dass das Copywriting Kaufpsychologie anwendet und KI nur so tut, als würde sie das machen.

Grund 3: KI lernt aus minderwertigen Daten.

Erfahrene Texterinnen und Texter haben im Laufe ihrer Karriere in ihren Gehirnen eine interne Datenbank aufgebaut. Darin ist abgespeichert, was funktioniert hat und was nicht. Welche Headlines haben konvertiert? Welcher Ansatz ist bei welcher Zielgruppe gut angekommen, welcher ist gefloppt? Dieses Wissen resultiert aus hunderten Kundenfeedbacks, Kampagnenanalysen, A/B-Tests und eigenen Beobachtungen.

KI hat diese Datenbank nicht. Ihre Basis sind Trainingsdaten – und deren Qualität ist nicht die beste. Sprachmodelle werden nämlich mit Texten aus dem Internet trainiert, und ein wachsender Teil davon ist selbst KI-generiert. Eine Graphite-Studie aus dem Jahr 2026 ergab, dass seit Ende 2024 die Zahl der von KI geschrieben Texte im Web größer ist als die Zahl der humangenerierten Texte [4]. KI lernt also vorwiegend von sich selbst. Von Blogartikeln, die kein Mensch geschrieben hat. Von Produktbeschreibungen, die aus Prompts entstanden sind. Von Social-Media-Posts, die ein Menschen bestenfalls die Idee geliefert hat (wenn überhaupt), die aber von Sprachmodellen formuliert worden sind. Diese Texte wurden häufig algorithmisch optimiert und waren z. T. nie dazu gedacht, Menschen zu erreichen. Sie sollten vornehmlich dazu dienen, Reichweite zu generieren.

Dass KI sich bei der Erstellung von Werbetexten z. T. auf KI-Texte stützt, merkt man den Ergebnissen an: Der sogenannte „KI-Slop“ führt zu Werbetexten, die sprachlich einwandfrei sind und in puncto SEO und GEO auch gut performen, aber nicht verkaufen. Sie stammen nämlich von Texten ab, die auf „Gefundenwerden“ statt auf Werbewirkung optimiert waren. (KI wurde und wird meistens dazu benutzt, für Maschinen zu schreiben – nicht für Menschen.) Man kann festhalten: Copywriter stützen ihre Texte auf das, was gut war. KI stützt ihre Texte auf das, was häufig zu finden war.

Was das in der Praxis bedeutet: Werbung mit KI kann funktionieren – unter bestimmten Bedingungen

KI-Texte können im Marketing eine akzeptable Option sein – wenn die Zielgruppe sehr groß und der Originalitätsanspruch niedrig ist, und wenn zudem für Texterstellung kein Geld ausgegeben werden soll. Produktbeschreibungen für einen Online-Shop mit tausend ähnlichen Artikeln? Check. FAQ? Check. Newsletter-Texte? Check.

Man muss dafür billigend in Kauf nehmen, dass die Werbewirkung dieser Texte überschaubar sein wird. Ja, KI-geschriebene Newsletter konvertieren. Aber sie konvertieren schlechter als handgeschriebene Newsletter. Wenn es nämlich darum geht, Überzeugungsarbeit zu leisten, funktionieren KI-Texte in der Werbung schlecht. Und noch schlechter funktionieren sie, wenn es um Überraschung geht. Bei Slogans, Claims, Headlines, Kampagnenideen – kurzum bei allem, was im Gedächtnis bleiben soll –, ist KI immer nur zweite Wahl.

Und das ist die eigentliche Geschichte. KI-generierte Texte sind im Großen und Ganzen gut, und ihre Schwäche ist nicht auffällige „Glätte“ oder ein zu hoher Perfektionsgrad. Ihre Schwäche ist der Umstand, dass sie sehr wahrscheinlich sind.

1. I. Bogost (2022): “ChatGPT Is Dumber Than You Think.” (https://www.theatlantic.com/technology/archive/2022/12/chatgpt-openai-artificial-intelligence-writing-ethics/672386/)
2. Deutschlandfunk Kultur (2026): KI in der Psychotherapie: Der Chatbot als Therapeut (https://www.deutschlandfunkkultur.de/ki-psychotherapie-chatgpt-100.html)
3. Harvard Businss School (2026): “Persuasion Bombing: Why Validating AI Gets Harder the More You Question It” (https://aiinstitute.hbs.edu/persuasion-bombing-why-validating-ai-gets-harder-the-more-you-question-it/)