Marketing-Abteilungen testen 2026 reihenweise KI-Tools, um Mitarbeiterfotos, Geschäftsführer-Portraits und sprechende Avatare zu erzeugen. Die Bilder sehen auf den ersten Blick brauchbar aus. Beim zweiten Blick kommt das Gefühl: irgendetwas stimmt hier nicht.
Dafür gibt es einen Begriff. Und eine ganze Reihe Studien, die zeigen, was dieses Gefühl mit Markenwirkung, Vertrauen und Kaufabsicht macht. Der Effekt heißt Uncanny Valley. Er ist über 50 Jahre alt, für die meisten Marketing-Verantwortlichen aber relevanter denn je.
Dieser Artikel erklärt, was hinter dem Phänomen steckt, wo Unternehmen 2026 in die Falle laufen, was die Forschung zur Werbewirkung sagt und welche Regeln ab August 2026 europarechtlich gelten.
Das Wichtigste in 60 Sekunden
- Der Uncanny Valley Effekt beschreibt das Unbehagen, das Menschen empfinden, wenn künstliche Figuren fast, aber nicht ganz wie echte Menschen wirken.
- Bei statischen KI-Gesichtern in Nahaufnahme ist der Effekt für viele Betrachter weitgehend überwunden. Bei Bewegung, Händen und komplexen Szenen nicht.
- 90 Prozent der Konsumenten wollen wissen, ob ein Bild mit KI erstellt wurde (Getty Images 2024). 33 Prozent bewerten Marken schlechter, wenn KI-Bilder erkennbar sind (Clutch 2025).
- Wenn Unternehmen ihre KI-Nutzung mit Kostenersparnis begründen, sinkt das Markenvertrauen messbar (Administrative Sciences 2025).
- Ab dem 2. August 2026 verlangt der EU AI Act eine Kennzeichnungspflicht für KI-generierte Inhalte. Inklusive Dokumentation und Rechteprüfung.
Was der Uncanny-Valley-Effekt eigentlich beschreibt
Der Uncanny-Valley-Effekt beschreibt eine paradoxe Reaktion. Je menschlicher eine künstliche Figur wirkt, desto sympathischer empfinden wir sie. Bis zu einem bestimmten Punkt. Kurz vor der vollständigen Menschlichkeit kippt die Wahrnehmung. Statt Sympathie entsteht Unbehagen. Das Gehirn registriert kleinste Unstimmigkeiten und schlägt Alarm.
Den Begriff prägte 1970 der japanische Robotiker Masahiro Mori in einem Aufsatz im Fachjournal Energy. Mori beschrieb damals, dass die emotionale Akzeptanz gegenüber einem Roboter zunächst mit zunehmender Menschenähnlichkeit steigt. Und dann schlagartig in einen negativen Bereich abfällt. Diese Lücke nannte er das „unheimliche Tal“. Das englische uncanny valley setzte sich später als Fachbegriff durch.
Das Gehirn ist hochspezialisiert darauf, Gesichter zu lesen. Augen, Mund, Mimik, Hauttextur. Wir verarbeiten diese Signale in Bruchteilen einer Sekunde. Sobald ein Gesicht in die Kategorie „menschlich“ rutscht, prüft das Gehirn besonders genau. Findet es dabei subtile Fehler, entsteht ein Wahrnehmungskonflikt: Die Figur ist menschlich genug, um menschliche Maßstäbe anzulegen. Aber nicht menschlich genug, um diese zu erfüllen. Das Ergebnis ist intuitives Misstrauen. Oft, ohne dass der Betrachter benennen kann, woran es liegt.
Bewegung verschärft den Effekt. Ein statisches KI-Portrait wirkt häufig akzeptabel. Sobald aber Mimik dazukommt, fallen kleinste Unstimmigkeiten in Lidschlag, Atembewegung oder Mundwinkel auf. Genau hier liegt das Problem mit sprechenden KI-Avataren.
Wo Marketing-Abteilungen 2026 ins Tal stürzen
Vier Anwendungsfälle tauchen aktuell besonders häufig in Marketing-Briefings auf. In jedem lauert das Tal an einer anderen Stelle.
KI-Avatare aus Tools wie HeyGen und Synthesia
Tools wie HeyGen, Synthesia oder D-ID erzeugen aus einem kurzen Trainingsvideo einen sprechenden Avatar. Die Marketing-Logik: Statt für jedes Update ein neues Video zu drehen, kann der „digitale Zwilling“ beliebige Texte einsprechen. Das spart Zeit. Das spart Geld.
In der Praxis fällt das Ergebnis selten unter den Radar. Stimme und Lippenbewegung passen nicht ganz zusammen. Der Blick wirkt starr. Die Mimik wiederholt sich. Das Gehirn der Zuschauer registriert genau diese Punkte zuerst.
Was sich in laufenden Gesprächen mit Unternehmen zeigt: Diese Avatare wirken auf die meisten Zuschauer befremdlich. Nicht dramatisch falsch. Aber so, dass die Botschaft hinten an steht und das Unbehagen vorne.
Headshot-Generatoren und die 40-Bilder-Logik
Headshot-Tools wie BetterPic, Aragon AI oder HeadshotPro liefern für eine vergleichsweise geringe Summe oft 40 bis 80 Bilder pro Person. Das klingt nach einem Premium-Feature. Es ist aber keines.
Die Logik dahinter ist umgekehrt. Bei einer hohen Trefferquote bräuchte ein Tool keine 80 Varianten. Die Vielzahl ist eine Versicherung gegen die Streuung der Qualität. Aus 80 generierten Bildern hat der Nutzer eine realistische Chance, fünf oder zehn brauchbare zu finden. Die anderen 70 zeigen oft Hände mit sechs Fingern, leicht verschobene Augen, unmögliche Hautstrukturen oder verändert geformte Köpfe.
Das ist keine Premium-Logik. Sondern eine Wahrscheinlichkeitsrechnung.
KI-generierte Mitarbeiterbilder auf Websites und LinkedIn
Manche Unternehmen ersetzen das geplante Team-Shooting durch KI-Portraits, die nach denselben Mitarbeitern aussehen sollen. Auf den ersten Blick wirkt das pragmatisch. Auf den zweiten Blick wird es problematisch.
Bewerber, Kunden und Mitarbeiter gleichen Bilder mit der Realität ab. Eine Bewerberin, die sich vor einem Vorstellungsgespräch das Team-Foto anschaut und beim Termin etwas anderes erlebt, registriert die Lücke. Benennen kann sie sie meistens nicht. Aber das Vertrauen ist beschädigt, bevor das Gespräch beginnt.
KI-Personen statt Stockfotos in Werbeanzeigen
Statt Stockfoto-Models nutzen Marken zunehmend KI-generierte Personen für Banner, Anzeigen und Social Ads. Das umgeht Lizenzkosten und liefert beliebig viele Varianten. Was Marken dabei oft übersehen: Viele Konsumenten haben inzwischen ein Auge für KI-Bilder entwickelt. Und wer es einmal erkennt, prüft den nächsten Werbeauftritt der Marke skeptischer.
Was die Studien zur Werbewirkung zeigen
Die Forschung hat in den letzten zwei Jahren mit ungewohntem Tempo aufgeholt. Vier Befunde fallen für Marketing-Verantwortliche besonders ins Gewicht.
90 Prozent wollen Transparenz. Eine globale Studie von Getty Images 2024 mit 30.000 Befragten aus 25 Ländern zeigt: Konsumenten lehnen KI im Marketing nicht generell ab. Sie wollen aber wissen, ob ein Bild mit KI erstellt wurde. 87 Prozent halten Authentizität für entscheidend beim Vertrauensaufbau. 98 Prozent sehen authentische Bilder und Videos als Voraussetzung für Markenvertrauen.
Erkennung scheitert, Misstrauen entsteht trotzdem. Eine Clutch-Studie vom September 2025 zeigt einen viel zitierten Widerspruch: 66 Prozent der Konsumenten halten sich für gut darin, KI-Bilder zu erkennen. Tatsächlich konnten 57 Prozent KI-Fotos nicht korrekt identifizieren. Gleichzeitig sagen 33 Prozent, dass KI-Einsatz ihre Markenwahrnehmung verschlechtert. Nur 16 Prozent finden, dass KI sie verbessert.
Das Warum entscheidet. Eine experimentelle Studie in Administrative Sciences 2025 mit 418 Teilnehmern testete drei Begründungen für KI-Einsatz. Datenschutz als Motivation: Akzeptanz vergleichbar mit menschlichen Bildern. Visuelle Ästhetik: leicht negativ, aber nicht signifikant. Kostenersparnis: signifikanter Rückgang bei Vertrauen und Kaufabsicht. Wenn Unternehmen also offen kommunizieren, dass sie KI einsetzen, sollte die Begründung nicht „weil günstiger“ lauten.
KI-Influencer senken Markenvertrauen. Eine Studie im Journal of Marketing & Strategic Research 2025 mit 320 Social-Media-Nutzern zeigt: KI-Influencer senken sowohl die wahrgenommene Authentizität als auch das Markenvertrauen im Vergleich zu menschlichen Influencern. 37 Prozent der Befragten haben grundsätzlich kein Interesse an Inhalten virtueller Influencer.
Ein Befund aus dem Lebensmittelmarketing illustriert das Problem besonders eindrücklich. Eine Studie im Fachjournal Appetite 2025 testete 95 Probanden mit 38 Bildern. Das Ergebnis: Fast-perfekte KI-Foodbilder lösten stärkere Abwehrreaktionen aus als Bilder verdorbener Lebensmittel. Der Zwischenbereich „fast realistisch, aber nicht ganz“ ist die gefährlichste Zone. Diese Logik gilt auch für andere Bildkategorien, in denen Menschen abgebildet sind.
Emma von der DZT – die deutsche Lehrstunde
Im Oktober 2024 stellte die Deutsche Zentrale für Tourismus (DZT) ihre KI-Influencerin @EmmaTravelsGermany vor. Emma sollte als „moderne, weltoffene Berlinerin und Freelancerin im Online-Marketing“ in über 20 Sprachen rund um die Uhr für das Reiseland Deutschland werben. Das Konzept klang nach der Zukunft des Destinationsmarketings.
Innerhalb weniger Tage war daraus ein Reputationsproblem geworden.
Medienkritiker analysierten Emma als klassisches Uncanny-Valley-Beispiel: nicht präzise genug, um als echte Person durchzugehen, nicht stilisiert genug, um als klare virtuelle Figur akzeptiert zu werden. Dazu kam ein Chatbot, der auf komplexere Fragen falsche oder ausweichende Antworten gab. Die DZT räumte später öffentlich ein: „Emma ist nicht perfekt an den Start gegangen.“
Aus Marketing-Sicht enthält der Fall zwei Lektionen. Erstens: Eine Figur, die im Uncanny Valley landet, wird selten durch nachträgliche Erklärungen gerettet. Zweitens: Zur visuellen Schwäche kam ein inhaltliches Defizit dazu. Beides verstärkt sich gegenseitig. Ein realistisch wirkender Avatar mit schwacher Substanz erzeugt mehr Misstrauen als eine offen stilisierte Figur mit klarer Funktion.
Hat KI das Tal überwunden?
Die Antwort ist differenziert. Und sie hat sich in den letzten drei Jahren mehrfach verschoben.
Bei isolierten Standbildern von Gesichtern ist das Tal für die meisten Betrachter passiert. Eine Studie von Nightingale und Farid in PNAS 2022 testete 315 Probanden mit 128 Gesichtern, halb echt, halb synthetisch. Die Erkennungsrate lag bei 48,2 Prozent. Also Zufallsniveau. Noch bemerkenswerter: Die KI-Gesichter wurden im Durchschnitt 7,7 Prozent vertrauenswürdiger eingestuft als die echten. Aktuelle Studien zu Diffusion-Modellen wie Stable Diffusion und Midjourney bestätigen den Trend.
Bei komplexen Szenen, Bewegung und Händen sieht es anders aus. Sobald KI-Bilder Menschen in Bewegung zeigen, mehrere Personen kombinieren oder physikalisch konsistente Lichtverhältnisse darstellen sollen, treten Fehler auf. Hände mit der falschen Fingerzahl waren über Jahre das berühmteste Beispiel. Neuere Modelle haben dieses Problem reduziert. Aber bei komplexen Posen oder mehreren sich überschneidenden Händen im Bild bleibt der Effekt häufig sichtbar.
Auch der Kontext bleibt eine harte Hürde. Schatten, die aus der falschen Richtung fallen. Spiegelungen, die nicht zur Lichtquelle passen. Hintergründe, die unnatürlich verschwimmen. Diese Fehler werden auch von Laien wahrgenommen. Oft, ohne dass sie das Problem benennen können.
Drei Strategien, um das Tal zu umgehen
Aus der bisherigen Forschung und der Praxis erfolgreicher Marken lassen sich drei Strategien ableiten, die das Problem entweder umgehen oder kontrolliert lösen.
Bewusst nicht-menschlich gestalten
Die Münchner KI-Influencerin Noonoouri zeigt seit 2017, wie das funktioniert: bewusst Anime-inspiriert, klar nicht-menschlich, kein Versuch der Täuschung. Das Gehirn ordnet sie sofort korrekt ein. Ergebnis: rund 500.000 Follower, Verträge mit Dior und Warner Music. Das Tal wird nicht überwunden. Es wird umgangen.
Das Prinzip geht auf Mori selbst zurück. Sein ursprünglicher Rat lautete: Wenn eine Figur nicht vollständig menschlich werden kann, soll sie sich gar nicht erst in die Nähe begeben. Ein klar gezeichneter Avatar, eine stilisierte Illustration, eine Cartoon-Figur. All das löst kein Unbehagen aus.
Hybride Workflows etablieren
Die zweite Strategie trennt sauber, wo KI funktioniert und wo nicht. KI für Hintergründe, atmosphärische Stimmungen, Texturen und Variationen. Echte Fotografie für Personen, Produkte und Situationen, in denen Authentizität als Maßstab gilt.
In der Praxis sieht das so aus: Ein realer Werbespot wird gedreht. Hintergründe werden per KI angepasst oder ergänzt. Produktbilder werden klassisch fotografiert und mit KI-generierten Lifestyle-Kontexten kombiniert. Der menschliche Kern bleibt. Die Variantenvielfalt entsteht über KI.
Transparenz statt Verschleierung
Die Studienlage ist eindeutig: Konsumenten akzeptieren KI-Einsatz, wenn er offengelegt wird. Sie strafen ihn ab, wenn sie ihn erst nachträglich entdecken. Eine Untersuchung von SWOOP Analytics 2025 zeigt das auch für die interne Kommunikation: Wer den KI-Einsatz proaktiv kommuniziert, gewinnt Vertrauen. Wer ihn versteckt, verliert es.
Wichtig ist die Begründung. Die bereits zitierte Studie aus den Administrative Sciences zeigt: Datenschutz und Qualität werden als Motivation akzeptiert. Kostenersparnis wird abgestraft.
EU AI Act ab 2. August 2026: was Marketing jetzt umsetzen muss
Mit dem 2. August 2026 wird die Frage „Sollen wir KI-Bilder kennzeichnen?“ europarechtlich entschieden. Artikel 50 des EU AI Acts schreibt eine Kennzeichnungspflicht für KI-generierte Inhalte vor. Für Marketing-Abteilungen, PR-Verantwortliche und Geschäftsführer bedeutet das konkrete Pflichten.
Was kennzeichnungspflichtig wird:
- Deepfakes, also realistisch wirkende Bilder, Videos oder Audios, die mit KI erstellt oder verändert wurden
- KI-Texte, die öffentlich verbreitet werden: Werbetexte, Produktbeschreibungen, Berichte
- KI-Interaktionen wie Chatbots und virtuelle Assistenten
Wie kennzeichnet werden muss:
| Kanal | Anforderung |
|---|---|
| Printmedien | Deutlicher Hinweis im Layout, z.B. „KI-generiertes Motiv“ |
| Websites | Sichtbarer Hinweis direkt am Bild oder im unmittelbaren Kontext |
| Social Media | Kennzeichnung durch Symbol oder Text |
| Interne Dokumente | Bei Veröffentlichung nach außen gelten die gleichen Regeln |
Dokumentationspflicht. Unternehmen müssen für jedes veröffentlichte KI-Bild vorhalten können: welches Tool und welche Modellversion verwendet wurde, wann das Bild erstellt und veröffentlicht wurde, in welchem Kontext es eingesetzt wird und welche Rechteprüfung stattgefunden hat. Eine ausführliche Übersicht der Anforderungen liefert die Ecovis-Kanzlei.
Wer ab August 2026 ohne diese Strukturen arbeitet, hat ein doppeltes Problem: rechtliches Risiko plus den bereits beschriebenen Vertrauensverlust durch nicht offengelegte KI-Nutzung.
Empfehlungen nach Kommunikationsbereich
Externe Markenkommunikation
Hybride Workflows einsetzen: KI für Hintergründe, atmosphärische Kontexte, Compositing. Echte Fotografie für Menschen und Produktabbildungen. KI-Einsatz proaktiv kommunizieren, statt ihn zu verstecken. Wo KI-Personen sinnvoll sind, bewusst stilisieren. Nicht versuchen, sie als echt durchgehen zu lassen.
Nicht geeignet: vollständig KI-generierter emotionaler Content ohne menschlichen Kern, KI-Gesichter in Kontexten mit hohem Vertrauensbedarf wie Gesundheit, Finanzen, Krisenkommunikation.
Food und Product Marketing
Hier liegt das Problem laut der bereits erwähnten Appetite-Studie besonders nah an der Wahrnehmungsgrenze. Fast-perfekte KI-Foodbilder lösen messbar stärkere Abwehrreaktionen aus als Bilder verdorbener Lebensmittel. Der Grund: Essen ist ein hochsensibler Reizbereich. Das Gehirn prüft Lebensmittel auf Verzehrbarkeit, bevor der Verstand das Bild bewusst einordnet.
Für Produktabbildungen bleibt echte Fotografie der Standard. KI eignet sich für atmosphärische Hintergründe, abstrakte Motive und Lifestyle-Kontexte, in denen das Produkt selbst nicht im Fokus steht. Wer Lebensmittel direkt zeigen will, sollte den Mittelweg zwischen klar stilisiert und fotografisch authentisch meiden. Genau dort liegt das Tal.
Employer Branding und Recruiting
KI eignet sich für Konzeptdarstellungen wie Innovation, Flexibilität oder Teamdynamik als abstraktes Motiv. Team-Fotos und Bilder von Unternehmenskultur sollten authentisch entstehen. Bewerber gleichen Bilder mit der Realität ab. Eine Untersuchung aus dem Recruiting zeigt: Sobald übermäßig polierte oder synthetische Bilder erkannt werden, kippt das Vertrauen.
Nicht geeignet: KI-generierte Mitarbeiterbilder, die echte Personen ersetzen oder ergänzen sollen.
Interne Kommunikation
KI für Illustrationen, Newsletter-Header oder Onboarding-Grafiken einsetzen. Bei emotionalen Botschaften wie Restrukturierung, Stellenabbau oder Erfolgsfeiern immer menschliche Autorenschaft sichtbar machen. Mitarbeiter erkennen den Unterschied. Eine KI-generierte Botschaft der Geschäftsführung in einer Restrukturierungsphase richtet mehr Schaden an, als sie spart.
PR und Medienarbeit
KI als Drafting-Tool für Pressemitteilungen einsetzen, mit anschließender menschlicher Qualitätskontrolle. KI-generierte Pressefotos klar kennzeichnen. Ab August 2026 ist das ohnehin Pflicht. Eigene Studien, Daten und Insights produzieren: KI-Suchsysteme bevorzugen diese als Quellen, was die Sichtbarkeit in KI-generierten Antworten steigert. Eine Ketchum-Studie März 2026 zeigt: KI-Systeme wie ChatGPT genießen bei Kaufentscheidungen in Deutschland inzwischen mehr Vertrauen als klassische Werbung oder Influencer.
Häufige Fragen zum Uncanny Valley Effekt
Was bedeutet Uncanny Valley auf Deutsch?
Uncanny Valley heißt wörtlich übersetzt „unheimliches Tal“. Der Begriff beschreibt einen paradoxen Effekt: Künstliche Figuren werden bis zu einem bestimmten Grad an Menschenähnlichkeit als sympathisch wahrgenommen. Kurz vor vollständiger Menschlichkeit kippt die Wahrnehmung in Unbehagen um. Dieser Einbruch ist das „Tal“ im Namen.
Woran erkenne ich KI-generierte Bilder?
Bei aktuellen KI-Modellen ist die Erkennung schwierig geworden. Klassische Hinweise wie falsche Fingerzahlen oder verzerrte Brillen werden seltener. Verlässlicher sind heute: unstimmige Schatten und Reflexionen, eine zu glatte Hauttextur, zu perfekte Symmetrie im Gesicht, ein leicht starrer Blick sowie Hintergründe, die im Detail nicht physikalisch konsistent sind. Bei bewegten Bildern fallen Mimik-Wiederholungen und unstimmige Lippenbewegungen auf.
Dürfen Unternehmen KI-Bilder ohne Kennzeichnung verwenden?
Bis zum 1. August 2026 bestehen in Deutschland keine flächendeckenden Kennzeichnungspflichten. Ab dem 2. August 2026 verlangt der EU AI Act eine Kennzeichnung für realistisch wirkende KI-generierte Bilder, Videos und Audios. Auch ohne gesetzliche Pflicht raten Studien zu Transparenz: Wer nachträglich entlarvt wird, verliert Vertrauen deutlich stärker, als wer offen kommuniziert.
Wann tritt die Kennzeichnungspflicht für KI-Bilder in Kraft?
Die zentrale Kennzeichnungspflicht aus Artikel 50 des EU AI Acts gilt ab dem 2. August 2026. Sie umfasst Deepfakes, KI-Texte mit öffentlicher Verbreitung und KI-gestützte Interaktionen wie Chatbots. Unternehmen müssen ab diesem Datum zusätzlich dokumentieren, welches Tool, welche Modellversion und welcher Nutzungskontext bei jedem KI-Bild zum Einsatz kam.
Wo sollten Marketing-Abteilungen ganz auf KI verzichten?
Verzichten Sie auf KI bei: Mitarbeiterportraits, die echte Personen darstellen sollen; Geschäftsführer-Bildern für Pressemappen und Websites; emotional aufgeladenen Botschaften in der internen Kommunikation; und überall, wo Konsumenten den Bildinhalt direkt mit der Realität abgleichen können. In diesen Kontexten ist der Vertrauensschaden bei Entdeckung höher als die Einsparung.
Fazit
Der Uncanny Valley Effekt ist kein Modebegriff. Sondern eine über 50 Jahre alte Beobachtung mit handfesten Marketing-Folgen. Die Studienlage 2024 bis 2026 zeigt eindeutig: Konsumenten akzeptieren KI, aber nur bei Transparenz und mit nachvollziehbarer Begründung. Heimliche Nutzung wird abgestraft. Kostenmotive senken das Vertrauen. Fast-perfekte Darstellungen erzeugen mehr Abwehr als offen künstliche.
Wer 2026 sauber arbeiten will, trennt zwei Fragen sauber: Wo bringt KI tatsächlich Effizienz, ohne Markenwert zu kosten? Und wo bleibt der menschliche Kern Pflicht, weil das Vertrauen sonst kippt?
Mit dem EU AI Act ab August 2026 wird die Entscheidung ohnehin europarechtlich strukturiert. Wer sich jetzt eine klare Linie überlegt (Was wird mit KI gemacht, was nicht, was wird wie gekennzeichnet), hat im Sommer 2026 keinen Stress.
Wenn Sie Beobachtungen und Praxis-Einordnungen zu Bildern, KI und Unternehmenskommunikation regelmäßig lesen möchten: Ich teile sie auf LinkedIn.
