KI-Slop

Was ist KI-Slop?

KI-Slop bezeichnet minderwertige, in hoher Menge von KI erzeugte Inhalte, die ohne nennenswertes menschliches Urteilsvermögen veröffentlicht oder ausgeliefert werden. Der Begriff umfasst gleichermaßen Artikel, Bilder, Code und Pull Requests: Ausgaben, die flüssig genug wirken, um auf den ersten Blick durchzugehen, aber Rauschen statt Wert hinzufügen – das sichtbare Symptom von Automatisierung, die ohne dahinterliegenden Review-Prozess läuft.

Die wichtigsten Punkte

• Slop wird durch den Prozess definiert, nicht durch das Werkzeug. KI-generierte Arbeit, die eine echte Spezifikation und ein echtes Review durchlaufen hat, ist kein Slop; ungeprüftes Volumen ist es, egal was es produziert hat.
• Im Engineering zeigt sich Slop als aufgeblähte Pull Requests, boilerplate-lastige Module, die niemand versteht, redundante Abstraktionen und maschinengeschriebene Dokumentation, die Code beschreibt, ohne ihn zu erklären.
• Die Ökonomie treibt das Problem: Die Generierungskosten sind gegen null gefallen, die Review-Kosten nicht – also füllt sich jeder ungeprüfte Kanal mit generiertem Volumen.
• Slop kumuliert sich. Ungeprüfter Code wird zu Verständnisschulden, minderwertiger Content verschmutzt die Trainingsdaten künftiger Modelle, und die Zeit von Maintainern versickert in der Triage maschinell erzeugten Rauschens.
• Das Gegenmittel ist ein Qualitäts-Gate, das mit der Generierung mitskaliert: Spezifikationen, die „fertig" definieren, Evals und Tests, die verifizieren, und menschliches Review bei allem, was zählt.

So funktioniert es

Slop entsteht, wenn sich die Kostenstruktur des Erzeugens umkehrt. Einen plausiblen Artikel, eine Komponente oder einen Bugreport zu produzieren, kostete früher Stunden, was als natürlicher Rate-Limiter gegen Müll wirkte. Generierung kostet heute Sekunden und Cent, während die Kosten für das Bewerten eines einzelnen Artefakts ungefähr gleich geblieben sind. Immer wenn Einreichung günstiger ist als Review, füllt sich die Warteschlange: Content-Farmen fluten die Suche mit generierten Artikeln, Open-Source-Maintainer waten durch maschinengeschriebene Pull Requests und erfundene Schwachstellenmeldungen, und interne Codebasen sammeln Module an, die kein Mensch je gelesen hat. Das Ausmaß der Flut ist dokumentiert: Graphites Analyse von 55.400 Common-Crawl-Artikeln ergab, dass überwiegend KI-generierte Artikel im vierten Quartal 2025 kurzzeitig mit 50,9 Prozent der neuen Web-Artikel die menschgeschriebenen überholten [1].

In Software-Teams hat Slop eine erkennbare Textur. Pull Requests, die vierzig Dateien anfassen, um einen Ein-Zeilen-Bug zu beheben, weil der Agent unterwegs refactort hat und niemand es zurückgestutzt hat. Drei subtil unterschiedliche Retry-Helfer, weil das Modell neu generiert hat, statt wiederzuverwenden. Kommentare, die jede Zeile nur wiederholen, Tests, die behaupten, Mocks würden Mocks aufrufen, und READMEs voller selbstbewusster Füllsätze. Jedes Artefakt für sich sieht in Ordnung aus, und genau das ist die Falle: Der Schaden kumuliert sich, eine Codebasis wächst schneller, als irgendjemand sie versteht. Das ist der Mechanismus hinter der Beobachtung, dass Vibe Coding ohne Review funktionierende Demos und unwartbare Systeme produziert.

Die systemische Version des Problems wirkt auf die Modelle selbst zurück. Sobald generierter Content das öffentliche Web sättigt, wird er zu Trainingsdaten für die nächste Modellgeneration und verschlechtert die Qualität der Quellen, aus denen Modelle lernen. Selbst kuratierte Referenzquellen sind betroffen: KI-Detektoren markieren laut einer Princeton-Studie von 2024 mehr als 5 Prozent der neu erstellten englischen Wikipedia-Artikel als KI-generiert [2]. Deshalb behandeln ernsthafte Teams Herkunft und Kuratierung von Daten sowie Review von Ausgaben als Infrastruktur, nicht als Etikette.

Beispiel

Ein Startup verdrahtet einen KI-Agenten mit seinem Issue-Tracker und lässt ihn übers Wochenende für jedes „Good First Issue" einen Pull Request öffnen. Montagmorgen gibt es 31 offene PRs. Jeder kompiliert, die meisten bestehen die CI, und die beiden Senior-Engineers beginnen mit dem Review. Beim achten PR erkennen sie das Muster: Der Agent hat mehrere Issues gelöst, indem er die exakten Reproduktionsschritte aus dem Report als Sonderfall behandelt hat, vier neue Utility-Module hinzugefügt, die bestehende Helfer duplizieren, und Tests geschrieben, die das aktuelle Verhalten bestätigen – einschließlich eines Bugs. Das Review von 31 maschinengenerierten PRs würde das Paar fast eine Woche kosten, mehr als die Fixes selbst zu schreiben. Sie schließen den Batch, behalten drei und ändern den Prozess: Der Agent arbeitet jetzt anhand schriftlicher Spezifikationen mit Abnahmekriterien, ein Issue nach dem anderen, mit verpflichtendem menschlichem Review-Gate. Der Durchsatz sank, der Anteil nützlichen gemergten Codes stieg. Das ist der Unterschied zwischen KI-Codegenerierung als Disziplin und Slop-Produktion.

Häufige Missverständnisse

Das Missverständnis wirkt in beide Richtungen, und die falsche Lehre ist verbreitet: der Schluss, KI-Ausgaben seien von Natur aus Slop, weshalb man die Werkzeuge verbietet. Slop ist ein Prozessversagen im KI-Kostüm. Dieselben Modelle produzieren, an eine präzise Spezifikation gebunden, durch Tests und Guardrails eingeschränkt und von jemandem reviewt, der für das Ergebnis verantwortlich ist, Arbeit, die einer Senior-Messlatte genügt. Teams, die die Werkzeuge verbieten, verlieren den Hebel und bekommen oft trotzdem Slop – still und leise, von Engineers, die ungeprüfte Chat-Ausgaben einfügen. Teams, die den Prozess steuern – Spezifikation rein, Verifikation und Review raus –, bekommen die Geschwindigkeit ohne den Schlamm. Das Erkennungsmerkmal von Slop ist nie, dass ein Modell beteiligt war; es ist, dass kein menschliches Urteilsvermögen beteiligt war.

FAQ

Woher stammt der Begriff KI-Slop? Er entstand um 2023–2024 aus der Internetkultur als Bezeichnung für die Flut generierter Bilder und Artikel mit geringem Aufwand, die soziale Feeds und Suchergebnisse überschwemmte – in Analogie zu Spam. Seitdem hat sich der Begriff auf jede Domäne ausgeweitet, die in ungeprüfter generierter Ausgabe ertrinkt, einschließlich Code, und ist in den Mainstream-Sprachgebrauch übergegangen, seit ihn Wörterbücher und Stilrichtlinien aufgegriffen haben.

Ist jeder KI-generierte Content Slop? Nein. Das Label haftet am Fehlen von Urteilsvermögen, nicht am Generator. Ein maschinell entworfenes Dokument, das ein Experte spezifiziert, faktengeprüft und redigiert hat, ist schlicht ein Arbeitsergebnis. Eine von Menschen geschriebene Listicle, die nur produziert wird, um eine Keyword-Quote zu füllen, qualifiziert sich – abgesehen vom Buchstaben der Definition – als Slop. Volumen ohne Verantwortlichkeit ist das Wesentliche. Suchergebnisse spiegeln diesen Unterschied bereits wider: Obwohl rund die Hälfte neuer Artikel KI-generiert ist, fand Graphites Studie 2025, dass 86 Prozent der bei Google Search rankenden Artikel von Menschen geschrieben und nur 14 Prozent KI-generiert sind [3].

Wie verhindern Engineering-Teams, dass Agenten-Ausgaben zu Slop werden? Drei Kontrollen, gemeinsam angewendet. Upstream: Spezifikationen mit Abnahmekriterien, damit der Agent auf definierte Ergebnisse statt auf plausibel aussehende Diffs optimiert. Midstream: automatisierte Verifikation – Tests, Typprüfungen, Evals und Größenbegrenzungen für Änderungen. Downstream: verpflichtendes KI-Code-Review mit einem namentlich benannten menschlichen Verantwortlichen pro Änderung. Teams, die eine Schicht auslassen, werden am Ende durch die Schicht ausgebremst, die sie beibehalten haben.

Quellen

1. Graphite. Analyse von 55.400 Common-Crawl-Artikeln: überwiegend KI-generierte Artikel erreichten im vierten Quartal 2025 einen Anteil von 50,9 % an neuen Web-Artikeln. https://graphite.io/five-percent/ai-now-writes-as-many-online-articles-as-humans-do. Abgerufen im August 2026.
2. Brooks et al., Princeton. KI-Detektoren markieren mehr als 5 % der neu erstellten englischen Wikipedia-Artikel als KI-generiert. https://arxiv.org/abs/2410.08044. Abgerufen im August 2026.
3. Graphite. 86 % der bei Google Search rankenden Artikel sind von Menschen geschrieben, 14 % sind KI-generiert. https://graphite.io/five-percent/ai-content-in-search-and-llms. Abgerufen im August 2026.