Google hat gerade Forschung dazu veröffentlicht, wie sich KI-generierter Slop in großem Maßstab erkennen lässt. Wenn du das Internet mit KI-Content flutest, um in der AI Search zu gewinnen, lies den Satz nochmal.
Wir nutzen KI, um Content zu skalieren. Google nutzt KI, um genau das zu erkennen. Das ist jetzt das ganze Spiel.
Und ja, jedes andere KI-Unternehmen arbeitet an etwas Ähnlichem. Sie sind dem besten Erlebnis und den besten Empfehlungen für ihre zahlenden Nutzer verpflichtet, nicht den Firmen, die das System austricksen wollen.
Was im Paper wirklich steht
Die Forschung trägt den Titel Scalable Detection of Adversarial Synthetic Slop and Coordinated Media Abuse. Zwei Dinge daraus sind wichtig, und für keines musst du die Technik darunter verstehen.
Erstens funktioniert es auf Cluster-Ebene. Das System markiert nicht nur eine schlechte Seite, es erkennt ganze Netzwerke koordinierter Accounts, die dieselben synthetischen Muster teilen, und schaltet sie zusammen ab. Wenn ein hoher Anteil eines Netzwerks templatehaften KI-Content erzeugt, fliegt das ganze Netzwerk, nicht nur eine Seite.
Zweitens ist es darauf gebaut, Schritt zu halten. Der ganze Sinn des Designs ist: Wenn Spammer auf ein neues Modell wechseln, kann Google seinen Detektor schnell anpassen, statt ihn von Grund auf neu zu trainieren. Das Katz-und-Maus-Spiel ist auf Googles Seite deutlich kürzer geworden.
Im Paper geht es technisch um Online-Videoplattformen und koordinierten Missbrauch. Aber die Richtung ist eindeutig, und sie bleibt nicht auf Video oder die klassische Google-Suche beschränkt. Wo es einen Index gibt, kommt ein Filter.
Diesen Film haben wir schon gesehen
Genau hier liegt der Punkt, den die meisten gerade falsch sehen.
Ja, es ist heute leicht, in der AI Search zu ranken. Ja, du kannst 2.000 Seiten hochziehen und zusehen, wie ein Teil davon landet. Es fühlt sich an wie ein Cheat-Code.
Um das Jahr 2000 war es in Googles Ergebnissen auch ein Cheat-Code. Keyword-Stuffing funktionierte. Doorway-Pages funktionierten. Linkfarmen funktionierten.
Dann kamen die Gegenmaßnahmen. Und jedes Geschäft, das auf dem Cheat-Code aufgebaut war, wurde von diesen Updates weggefegt.
Genau an diesem Punkt stehen wir mit der AI Search. Früh, unübersichtlich, leicht zu manipulieren, und vor allem: vorübergehend.
Wie das in der Praxis aussieht
Diese Verschiebung sehe ich in unserer eigenen Arbeit. Um den Januar 2026 herum konntest du eine Seite noch aus einem einzigen Prompt zum Laufen bringen. Generieren, veröffentlichen, zitiert werden. Dieses Fenster schließt sich.
Was jetzt funktioniert, ist der unglamouröse Teil: nah ans Geschäft kommen. Ich spreche mit den Leuten in der Firma, die jeden Tag mit den Kunden arbeiten und ihre Probleme lösen. Vieles kommt auch von Reddit und aus Foren, wo Leute ihr Problem in ihren eigenen Worten beschreiben, bevor es jemand in ein sauberes Keyword verpackt hat.
Das Ziel ist, genau an dem Punkt zu landen, an dem jemand ein echtes Problem in deinem Bereich hat und weiß, dass er es hat. Und es dann mit etwas zu beantworten, das nur diese Nähe liefert: echtes Fachwissen, die Lektionen aus der tatsächlichen Arbeit, eigene Daten und Statistiken, eine echte Haltung.
Solche Seiten holen sich spürbar mehr Citations und Impressions, in der AI Search und bei Google. Die templatehaften bekommen zunehmend nichts. Das, was ein Modell aus zwei Prompts produziert, ist genau das, was die Detektoren immer besser erkennen, und genau das, was jeder Wettbewerber auch produzieren kann.
Was du also konkret tust
Die Frage ist nicht "wie viele Seiten schaffe ich dieses Quartal". Die Antwort ist die harte Arbeit, die niemand hören will:
- Weniger Seiten, mehr Substanz. Eine Seite auf echtem Kundenwissen schlägt fünfzig aus dem Prompt.
- Nah ans Geschäft. Die Fragen, für die sich Ranken lohnt, kommen von den Leuten, die Kundenprobleme lösen, und von dort, wo diese Kunden schon reden, nicht allein aus dem Keyword-Tool.
- Veröffentliche, was nur du hast. Deine Daten, deine Zahlen, deine Lessons Learned. Das ist der Teil, in den sich ein Modell nicht hineintemplaten kann.
Die Unternehmen, die die nächsten fünf Jahre der Suche gewinnen, blaue Links und KI, sind nicht die, die Slop am schnellsten skaliert haben. Es sind die, die nach dem Aufräumen noch da sind.
Genau deshalb ist Messung wichtiger denn je: Wenn du nicht siehst, welche Seiten tatsächlich Citations und Impressions in der AI Search holen, kannst du in deinem eigenen Output Substanz nicht von Slop unterscheiden. Wir haben Fento AI gebaut, um genau das sichtbar zu machen, über Google, Bing und die KI-Engines hinweg. Und wenn du zuerst die Messseite willst, fang hier an: Wie du deine echte AI-Search-Sichtbarkeit misst.
Quellen: Google Research: Scalable Detection of Adversarial Synthetic Slop and Coordinated Media Abuse · Search Engine Journal: Google Research Shows How AI Spam Can Be Detected