28 Gemälde. Die Hälfte stammt von menschlichen Künstlern, die andere Hälfte ist KI-generiert, im Stil dieser Künstler. Forschende der Columbia University zeigen sie 119 Menschen und vergeben per Zufall Etiketten: 14-mal „KI“, 14-mal „Mensch“. Ob das Etikett stimmt, ist egal.
Das Ergebnis: Mit KI-Etikett schneiden die Bilder schlechter ab, vor allem beim Können und beim Eindruck, wie teuer ein Bild wirkt. Über 70 Prozent geben zugleich an, sie könnten die Bilder ohne Etikett gar nicht auseinanderhalten.
Das war der erste von sechs Versuchen mit fast 3.000 Personen, online und ohne echten Kunstmarkt. Die Richtung blieb meist dieselbe.
Beim Hören ist es ähnlich: In Finnland lief zweimal dieselbe Tonspur eines Klavierflügels, einmal mit Pianist im Bild, einmal angeblich von einer KI gespielt. 95 von 120 Personen wollten Unterschiede bemerkt haben.
So weit die Forschung. Im Mai 2026 passierte etwas Ähnliches in aller Öffentlichkeit, mit einem echten Monet.
Der Monet auf X
Ein Dienstag im Mai 2026, später Abend. Ein anonymer Konzeptkünstler, der sich Shloms nennt, postet Seerosen auf X. Dazu das Label „Made with AI“. Mit KI im Stil von Monet erzeugt, schreibt er, und fragt: Was genau ist schlechter als beim echten? Die Leute antworten gern. Die Pinselstriche sitzen nicht. Die Spiegelungen sind missraten. Keine Tiefe, keine Seele. Einer schreibt über 700 Wörter, einer zieht einen Hitler-Vergleich.
Am nächsten Tag die Auflösung: Seerosen von Monet, um 1915, Neue Pinakothek München. Shloms hat das Bild nur beschnitten, damit die Signatur fehlt. Die Wahl war Absicht. Von den Seerosen gibt es rund 250, also hat jeder eine vage Vorstellung, aber kaum jemand kennt dieses eine Bild. Und der Name Monet gibt genug Sicherheit, um mitzureden.
Danach wird es unangenehm. Manche geben den Irrtum zu. Andere finden Monet plötzlich überbewertet. Etliche löschen ihre Beiträge. Shloms prägt die Aktion als NFT und verkauft sie für gut 40.000 Dollar.
Das NZZ Folio hat die Geschichte gerade noch einmal erzählt: Das Experiment entlarve uns als inkompetente Wichtigtuer.
Uns? Da lohnt sich ein zweiter Blick.
Was der Monet beweist, und was nicht
Der Monet-Test ist eine Kunstaktion, aber kein kontrolliertes Experiment. Es gibt keine Vergleichsgruppe, und die Frage unterstellt die Antwort schon. Wer gefragt wird, was schlechter ist, sucht nach Schlechtem.
Auch „uns“ ist zu groß. Millionen Aufrufe und einige Hundert Antworten sagen wenig darüber aus, wie das gesamte Publikum das Bild bewertet hat.
Und die Kritik war nicht durchweg Unsinn. Gezeigt wurde ein Ausschnitt, und nicht jeder Monet ist ein Meisterwerk. Der Ölmaler Kendric Tonn hält das Bild laut Fortune für glaubwürdig, aber nicht für erstklassig. Shloms selbst berichtet von einer grellen violetten Kontur um die Seerosen, die jemand als KI-Beweis anführte. Die ist wirklich da.
Die Beobachtung stimmte, die Erklärung nicht.
Dass Herkunftshinweise Bewertungen beeinflussen können, zeigen kontrollierte Studien wie die aus Columbia und Finnland. Welchen Anteil dieser Effekt an den Reaktionen auf X hatte, bleibt offen.
Und nicht jede Abwertung durch ein KI-Etikett ist ein Wahrnehmungsfehler. Wer menschliche Autorschaft schätzt, bewertet auch die Entstehung eines Werks. Problematisch wird es dort, wo die Herkunftsangabe vermeintliche Mängel erst hervorbringt.
Und beim Film?
Hier wird es dünn. Saubere Tests mit ganzen Filmen haben wir bei der Recherche nicht gefunden. Was es gibt, weist nicht in eine Richtung:
- Filmpitches: kein klarer Effekt. In einem Experiment mit 500 US-Teilnehmenden wurde der Hälfte gesagt, dass die Pitches von KI stammen. Die Autoren fanden keine systematische Benachteiligung. Allerdings waren das Texte, keine Filme.
- Kurzvideos: Der Aufwand schrumpft im Kopf. In einer Studie mit 618 Personen wurden zwei von Menschen produzierte Kurzvideos mit unterschiedlichen Herkunftshinweisen gezeigt. Bei gleichem Clip sank mit dem KI-Etikett der wahrgenommene Herstellungsaufwand.
Und dann ist da „Sanxingdui: Future Past“, Chinas erster komplett KI-generierter Kinofilm. Am vierten Tag kamen im Schnitt 0,3 Besucher pro Vorstellung. Verlockend, das aufs Vorurteil zu schieben. Nur lässt sich aus Kassenzahlen nicht trennen, was das Etikett angerichtet hat und was der Film selbst.
Was KI-Filmemacher daraus mitnehmen
Drei Dinge bleiben:
- Der Monet ist kein Schutzschild. „Das ist nur Voreingenommenheit“ ist die bequemste Antwort auf schlechte Kritik. Manchmal stimmt sie. Manchmal ist der Film einfach schlecht. Testen lässt sich zumindest ein Teil davon: Zwei zufällig zusammengesetzte Gruppen sehen denselben Film unter gleichen Bedingungen, eine mit KI-Hinweis, eine ohne. Der Unterschied zeigt, was der Hinweis in diesem Test bewirkt.
- Mit dem Etikett rechnen. In der Musik kommt es bereits: YouTube Music kennzeichnet seit Ende Oktober KI-Musik, Deezer will reine KI-Titel aus der Suche filtern lassen. Ob und wie das beim Film kommt, ist offen. Einplanen sollte man es trotzdem.
- Die Arbeit zeigen. Mehrere Studien deuten darauf hin, dass der wahrgenommene Aufwand zählt. Für Film ist das nicht sauber getestet, aber naheliegend: Making-of, Arbeitsschritte, Entscheidungen offenlegen. Das Studio hinter dem Spiel Humankind 2 hat es aus der Not vorgemacht. Sein Trailer wurde als KI-Schrott beschimpft, dann zeigte es ein Making-of mit echten Menschen, Tieren und Sets. KI sei nicht im Spiel gewesen, sagt das Studio. Effekte aus dem Computer gab es trotzdem.
Am Dienstag noch KI, am Mittwoch ein Monet. Auf der Leinwand hat sich nichts geändert.
Für ganze Filme haben wir so einen Versuch (noch) nicht gefunden.
Vielleicht braucht es ihn gar nicht. Ist die Geschichte gut, wird KI ohnehin ihren Platz finden.


