Wenn sich Inhalte auf Knopfdruck herstellen lassen, wird Masse billig und Exzellenz teuer. Genau das zeigen die Marktdaten zu KI-Content. Was an Wert gewinnt, sind vier menschliche Kompetenzen, die KI nicht repliziert: Geschmack als Urteil mit Maßstab, Empathie als Treibstoff echter Transaktionen, Kuration als Orientierung im Überfluss und kritisches Denken als letzte Kontrollinstanz gegen Halluzinationen. Sie entstehen durch gelebte Erfahrung, und genau deshalb bleiben sie knapp.
Dieser Artikel ist Teil 4 der fünfteiligen Serie „Die Zukunft der Arbeit im KI-Zeitalter".
- Warum KI zuerst die Bürojobs trifft, nicht die Fabrik (8 min, life·society)
- Sichere Berufe im KI-Zeitalter: Dein Karriere-Kompass (10 min, life·society)
- KI in der Sachbearbeitung: Was bleibt, was verschwindet (9 min, work·it)
- Geschmack, Empathie, Kuration: Skills, die KI nicht kann (9 min, life·society)
- KI im Arbeitsalltag: Vom Erlediger zum Dirigenten (11 min, work·it)
Auf Adobe Stock stammt inzwischen fast die Hälfte aller verfügbaren Bilder von einer KI, rund 48 Prozent, Stand April 2025. Im selben Zeitraum sind die Preise für standardisierte, generische Inhalte um 50 bis 80 Prozent eingebrochen. Ein Business-Handshake auf weißem Hintergrund, abstrakte Verläufe, Lifestyle-Fotos nach Schema, SEO-Texte nach Vorlage: Für all das zahlt kaum noch jemand angemessene Preise.
Das ist die unbequeme Seite. Es gibt eine zweite, und sie ist interessanter. Authentischer, kontextueller, kulturell spezifischer Content behält seinen Wert oder wird teurer. Die Polarisierung des Marktes ist real und messbar.
Ein Experiment auf der größten chinesischen Kunst-Outsourcing-Plattform bestätigt das Muster. Nach dem Durchbruch eines starken Bildgenerators sanken die Durchschnittspreise um 64 Prozent. Gleichzeitig stieg das Auftragsvolumen um 121 Prozent und der Gesamtumsatz um 56 Prozent. Profitiert haben nicht die durchschnittlichen Produzenten, sondern die erfahrenen Kreativen, die den Markt ohnehin schon dominierten. Das ökonomische Signal ist eindeutig. Masse wird billig, Exzellenz wird teurer. Wenn sich alles auf Knopfdruck herstellen lässt, wird die Fähigkeit zu unterscheiden, was gut ist, zur knappsten Ressource.
Diese Fähigkeit zerfällt in vier Kompetenzen, die KI nicht repliziert. Sie sind weniger romantisch, als sie klingen, und ökonomisch greifbar.
// 01 / 06Geschmack: das Urteil mit Maßstab
Geschmack klingt nach Lifestyle und Snobismus, ist aber eine der am schwersten erwerbbaren kognitiven Fähigkeiten überhaupt. Er ist nicht dasselbe wie Vorliebe. Geschmack heißt, aus tausend Optionen die zehn herauszufiltern, die wirklich funktionieren, weil man versteht, warum sie funktionieren, und nicht weil ein Algorithmus sie für statistisch wahrscheinlich hält.
Genau hier liegt die Grenze der Sprachmodelle. Sie optimieren auf Wahrscheinlichkeit und produzieren das, was in einem riesigen Trainingskorpus am häufigsten auf eine Eingabe folgte. Das ist keine Kreativität, sondern hochskalierte Interpolation. Schon 2021 prägten die Forscherinnen Bender und Gebru dafür ein treffendes Bild: Sprachmodelle als stochastische Papageien, die Form ohne Inhalt imitieren, Klang ohne Bedeutung, die Struktur der Sprache ohne das Erleben dahinter.
Daraus folgt ein messbares Problem. KI-Outputs tendieren zur Mitte und konvergieren auf das Bekannte. Forschung zeigt, dass zunehmende KI-Abhängigkeit zu einer Homogenisierung des Wissens führt, einem sogenannten Knowledge Collapse, bei dem die Vielfalt von Inhalten und Perspektiven systematisch schrumpft. Ein Modell, das überwiegend mit KI-Outputs trainiert wird, verliert den Zugang zur Originalperspektive. Wer dagegen echten Geschmack entwickelt hat, durch gelebte Erfahrung, durch Fehler, durch tiefes Verständnis eines Feldes, kann das eine tun, was der Maschine verwehrt bleibt: vom Mittelwert abweichen und dabei richtig liegen.
// 02 / 06Empathie: der Treibstoff echter Transaktionen
Ökonomen haben eine Frage lange unterschätzt: Warum kaufen Menschen von Menschen? Die rationale Antwort wäre Preis und Qualität. Die tatsächliche ist komplizierter und hat mit Vertrauen, emotionaler Resonanz und geteilter Menschlichkeit zu tun.
Forschung zur Vertrauensbildung unterscheidet zwei Ebenen. Menschen bringen KI-Systemen oft kognitives Vertrauen entgegen, also die Überzeugung, dass eine KI eine Aufgabe korrekt erledigt. Viel seltener entsteht affektives Vertrauen, das auf Fürsorge, Verlässlichkeit in emotionalen Momenten und gemeinsamen Werten beruht. Gerade in Entscheidungen mit hohem Einsatz, bei Gesundheit, Geld, Karriere oder Beziehungen, suchen Menschen das zweite.
Klarna hat diesen Unterschied teuer gelernt. Nach der massiven Umstellung auf KI-Kundenservice verzeichnete das Unternehmen einen deutlichen Anstieg der Beschwerden, weil in schwierigen Situationen Empathie fehlte, und holte daraufhin menschliche Mitarbeitende zurück. Echte Empathie ist also kein nettes Extra. Sie entscheidet in Momenten der Unsicherheit darüber, ob ein Kunde bleibt oder geht, und das gilt im B2B-Vertrieb ebenso wie in Beratung, Management und jeder Dienstleistung, die mit echten Lebenslagen zu tun hat. KI kann Empathie simulieren. Was sie nicht kann, ist fühlen, was es bedeutet, unter echtem Druck zu entscheiden, und genau das spüren Menschen intuitiv und sofort.
Vertrauen ist keine Funktion von Korrektheit, sondern von Präsenz, Authentizität und geteilter Verletzlichkeit. Lauter Dinge, die Maschinen nicht haben.
// 03 / 06Kuration: der neue Goldstandard
In einer Welt mit unendlichem Content ist die knappste Ressource nicht mehr Information, sondern Aufmerksamkeit, und die Fähigkeit, sie sinnvoll zu lenken. Kuration ist die Kunst, zu entscheiden, was zählt. Nicht alles produzieren, sondern das Richtige auswählen, einordnen und zugänglich machen. Sie ist die Kombination aus Geschmack, Domänenwissen und dem Gespür dafür, was ein bestimmtes Publikum wirklich braucht.
Die Plattformforschung belegt den Effekt. Generative KI erzeugt auf zweiseitigen Märkten einen starken Konzentrationseffekt. Traffic und Aufmerksamkeit wandern zu wenigen Top-Kuratoren, während die Masse des KI-generierten Contents im Rauschen untergeht. Der Winner-takes-all-Effekt verstärkt sich. Wer eine Stimme hat, die Menschen durch Komplexität, durch Angebote und durch Entscheidungsräume führt, wird zum wertvollen Knotenpunkt in einem sonst unstrukturierten Informationsraum.
Das erklärt, warum Newsletter mit echter Kurationstiefe, handverlesene Communities und Fachleute mit klarer Perspektive im KI-Zeitalter an Wert gewinnen. Sie lösen das eigentliche Problem der Gegenwart. Nicht den Informationsmangel, sondern die Orientierungslosigkeit im Überfluss. Eine Kuratorin mit tiefem Domänenwissen, die weiß, welche Quellen vertrauenswürdig sind, welche Trends substanziell und welche bloß Hype, und die ihr Publikum kennt, ist nicht ersetzbar. Sie ist der Mehrwert.
// 04 / 06Kritisches Denken: die letzte Kontrollinstanz
Sprachmodelle halluzinieren. Das ist keine Schwäche, die das nächste Update behebt, sondern eine strukturelle, mathematisch unvermeidliche Eigenschaft dieser Modelle. Ein LLM optimiert auf statistische Kohärenz, nicht auf Wahrheit. Es kann Aussagen nicht überprüfen, es kann nur Aussagen erzeugen, die wie überprüfte klingen.
Die Daten sind ernüchternd. Je nach Modell, Domäne und Aufgabe produzieren LLMs bei nicht-trivialen Wissensfragen Fehlerquoten zwischen 1 und 40 Prozent. Im medizinischen Bereich, wo Präzision existenziell ist, lagen unkuratierte GPT-Outputs bei komplexen klinischen Fragen bei nur 38 Prozent Faktizität. Eine Studie zum Einsatz synthetischer Daten im Training fand, dass die Halluzinationsrate dadurch um den Faktor 4,7 steigt. Deepfakes und synthetische Medien verschärfen das Problem zusätzlich. Was man sieht, ist nicht mehr automatisch echt. Was man liest, könnte generiert sein. Was überzeugend klingt, könnte erfunden sein.
In dieser Lage wird kritisches Denken zur Kerninfrastruktur. Die Fähigkeit, Quellen zu bewerten, Widersprüche zu erkennen, Wahrscheinlichkeiten abzuwägen und zu entscheiden, wann man einem KI-Output traut und wann man nachfragt. Das ist keine elitäre Fähigkeit, sondern Medienkompetenz für das 21. Jahrhundert, und sie ist erschreckend unterentwickelt.
Die letzte Kontrollinstanz bleibt der menschliche Verstand. Nicht weil er fehlerlos wäre, sondern weil er, anders als die KI, weiß, dass er irren kann.
// 05 / 06Das Portfolio des 21. Jahrhunderts
Geschmack, Empathie, Kuration und kritisches Denken teilen eine Eigenschaft. Sie entstehen durch gelebte Erfahrung, durch Fehler, durch Auseinandersetzung mit der Welt und mit anderen Menschen. Sie sind das Produkt von Bewusstsein, und genau deshalb lassen sie sich nicht replizieren.
Eine KI hat keinen Körper, keine Biografie, keine echten Konsequenzen. Sie kennt keinen Moment, in dem sie etwas verloren oder etwas wirklich gewollt hat. Sie spiegelt menschliches Denken, aber sie ist kein menschliches Denken. Das ist keine technologiefeindliche Haltung, sondern eine Einladung. Investiere in das, was dich menschlich macht, nicht aus Romantik, sondern weil es das Einzige ist, das auf dem Markt von morgen echte Knappheit hat. Wissen ist inzwischen unendlich verfügbar. Urteil ist es nicht.
Diese Reihe ordnet das größere Bild: warum KI zuerst die Bürojobs trifft, welche Berufe sicher bleiben, wie sich die Sachbearbeitung wandelt und wie man KI im Alltag wie ein Dirigent einsetzt, ohne den eigenen Geschmack abzugeben.
// 06 / 06Quellen
- Untersuchung der Preisbildung auf dem Markt für digitale Microstocks
- The Impact of Generative Artificial Intelligence on Market Equilibrium: Evidence from a Natural Experiment
- AI and the Problem of Knowledge Collapse
- Developing Trustworthy Artificial Intelligence: Insights from Research on Trust (Frontiers)
- Developing Trustworthy Artificial Intelligence (PMC)
- Is AI and Human Co-creation a Strategic Fit for Klarna?
- The Influence of Generative AI on Content Platforms: Supply, Demand, and Welfare Impacts
- Hallucination is Inevitable: An Innate Limitation of Large Language Models
- Synthetic Data in AI: Performance Gains versus Hallucination Risk
- Check: A Hybrid Continuous-Learning Framework for Factual Reliability in Clinical Language Models
- Problems of Data Unreliability When Using AI in Educational Activities
Quellen und Methodik: Dieser Artikel stützt sich auf Marktdaten zu KI-Content auf Adobe Stock (2025), empirische Studien zur Marktveränderung durch generative KI (Natural Experiment, China 2023/2024), Forschung zu menschlich-KI-Vertrauensdynamiken (Frontiers in Psychology 2024), formale Studien zur Unvermeidlichkeit von LLM-Halluzinationen (arXiv 2025) und Forschung zum Knowledge Collapse durch KI-Homogenisierung (arXiv 2024). Alle empirischen Aussagen sind mit Primärquellen belegt.