Das Problem der Gleichförmigkeit hinter diesen unappetitlichen, von KI generierten Speiseplänen

Zunächst könnten Sie Ihre eigene Vernunft in Frage stellen. Sie betreten ein Café und scannen eine Speisekarte, die voller Bagel-Sandwiches ist, doch jedes Bild wirkt unnatvoll perfekt – fehlerfrei symmetrisch und übermäßig glatt –, was ein instinktives Gefühl auslöst, dass etwas nicht stimmt. Sie bilden sich nichts ein; Ihre Intuition ist korrekt. Generative KI-Bilder sind in die Gastronomiebranche eingedrungen, angetrieben von Modellen, die auf einer engen, „gefälligen“ Ästhetik trainiert wurden, die sich inhärent falsch anfühlt, auch wenn Sie nicht sofort erklären können, warum.

Manchmal sind diese Bilder offensichtlich gefälscht, wie ein Burrito mit einer Käseschicht, die so blasig und geschmolzen ist, dass sie eher wie avantgardistische Kunst denn wie Essen aussieht. Häufiger wirken sie jedoch alltäglich und offenbaren ihre Künstlichkeit erst, wenn Sie innehalten, um sie genau zu betrachten.

„Es ist, als würde ein Außerirdischer versuchen, eine Pizza herzustellen, ohne ihre grundlegenden Prinzipien zu verstehen“, sagte Alex Lisle, CTO von Reality Defender, gegenüber TechCrunch. (Reality Defender ist Teil eines wachsenden Sektors von Startups, die KI-Erkennungs- und Inhaltsverifizierungstools anbieten – ein Markt, der im Wesentlichen aufgrund von Problemen wie diesen existiert.)

Werft einen Stein in New York City, und Sie treffen eine leicht abstoßende KI-generierte Lebensmittelwerbung. pic.twitter.com/lLXVkFIFoG

— Maggie (@maggiemoda) 28. August 2026

Lisle erklärt, dass die Architektur dieser Modelle dazu beiträgt, zu klären, warum Illustrationen auf eine bestimmte Ästhetik konvergieren – eine, in der jede Eisportion perfekt kugelförmig ist und Garnelen so genetisch modifiziert erscheinen, dass sie ihre eigenen Schwänze fressen, was er als „Lovecraftianische Lebensmittelhorror“ bezeichnet.

Große Sprachmodelle (LLMs) und Diffusionsmodelle – die KI-Systeme, die Chatbots wie ChatGPT und Bildgeneratoren wie Midjourney antreiben – werden auf massiven Datensätzen trainiert. Diese Modelle identifizieren Muster innerhalb der Daten, um die Absicht des Nutzers vorherzusagen, wenn sie mit Anfragen wie „Erstellen Sie eine Speisekarte für ein Burgerrestaurant“ aufgefordert werden.

„Vieles davon sieht aus wie eine Chili’s-Speisekarte aus dem Jahr 2015, und dafür gibt es einen Grund“, bemerkte Lisle. „Das war das Korpus an Werken, aus dem die Modelle ihren Stil ableiteten.“

Bildnachweis:ChatGPT Image 2.0

Neue Trainingsdaten sind für KI-Entwickler entscheidend – Amazon hat beispielsweise selten bekannte Bücher beschafft, um sie für Trainingsdaten zu scannen, nur um sie anschließend wegzuwerfen. Es ist unvermeidlich, dass einige KI-generierte Inhalte in diese riesigen Datensätze eindringen. Wenn KI-Modelle jedoch übermäßig auf ihre eigenen Ausgaben trainiert werden, riskieren sie einen Modellzusammenbruch.

„Modellzusammenbruch ist akin zu Rinderwahnsinn … wenn Sie die Ausgaben eines Modells wieder an sich selbst verfüttern, wird die Inzucht schließlich untragbar und das System versagt“, erklärte Lisle. „Was wir hier beobachten, ist Konvergenz, was nicht unbedingt ein Modellzusammenbruch ist.“

Konvergenz ist weniger extrem und verschlechtert die Ausgabequalität, ohne die KI völlig nutzlos zu machen.

Wenn Sie eine KI auffordern, eine Fast-Food-Speisekarte zu generieren, wird sie wahrscheinlich Entwürfe von Wendy’s, Burger King oder McDonald’s referenzieren. Da diese bestehenden Speisekarten einen ähnlichen Stil teilen, werden die Ausgaben der KI diese Ästhetik nachahmen und sie weiter verstärken, wenn die generierte Speisekarte anschließend zu den Trainingsdaten hinzugefügt wird.

Lebensmittelwerbung sieht jedoch immer besser aus als die Realität, ähnlich wie ein Big Mac in einem McDonald’s-Werbespot, bei dem jede Schicht von einem Requisitenkünstler für maximale Anziehungskraft sorgfältig arrangiert ist. Dieser Effekt kann in KI-generierten Inhalten verstärkt werden.

„Die Optimierung von Datensätzen priorisiert ‚Gefälligkeit‘ oder das Vermeiden von Beleidigungen, was zu Homogenisierung führt“, sagte Lee Rainie, Direktor des Zentrums zur Erforschung der digitalen Zukunft an der Elon University, gegenüber TechCrunch. „KI ist bekannt dafür, die Kanten sowohl in Bildern als auch in Sprache zu glätten.“

In kleinerem Maßstab tritt diese Glättung auf, wenn Benutzer eine Speisekarte mit einem KI-Bildgenerator generieren und wiederholte Bearbeitungen vornehmen. Auf X demonstrierte ein Benutzer namens Labtec, was passiert, wenn eine von ChatGPT generierte Speisekarte 100 Mal bearbeitet wird, und zeigte, wie das Essen allmählich sein realistisches Aussehen verliert. (Wir replizierten das Experiment und beobachteten ähnliche Ergebnisse.)

„Das Endergebnis macht mich tatsächlich unwohl“, schrieb Labtec.

Ich habe eine Restaurant-Speisekarte in ChatGPT erstellt und sie dann 100 Mal bearbeitet, um zu sehen, wie diese abscheulichen Brei-Speisekarten zustande kommen. Das Endergebnis macht mich tatsächlich unwohl pic.twitter.com/sDIUKlabdp

— Labtec (@labtec901) 19. August 2026

Restaurants könnten diesem Problem zum Opfer fallen, indem sie ihre KI-generierten Speisekarten wiederholt verfeinern und kleinere Details wie Preise oder Artikelnamen anpassen. Bei jeder Bearbeitung werden die Lebensmittelbilder etwas runder und glatter.

„Menschen haben ein fast unerklärliches Gefühl beim Betrachten von KI-generierten Inhalten im Vergleich zu echten Bildern“, sagte Rainie. „Es gibt eine Sensibilität, mit der Menschen manchmal Schwierigkeiten haben, Worte zu finden, aber sie erkennen sie, wenn sie sie sehen. Ich glaube, dass dies der Grund ist, warum die Gegenreaktion gegen Restaurants, die KI-Speisekarten verwenden, so ausgeprägt ist.“

Es gibt wissenschaftliche Belege für unsere Abneigung gegen diese KI-Speisekarten. Forscher der Universität Duisburg-Essen in Deutschland fanden heraus, dass KI-generierte Lebensmittelbilder einen „Uncanny-Valley“-Effekt auslösen, bei dem fast realistische Lebensmittelbilder mehr Ekel und Unbehagen hervorrufen als offensichtlich gefälschte. Dieses Unbehagen wird durch den aktuellen kulturellen Kontext rund um KI verstärkt.

Wenn Verbraucher negativ auf diese Bilder reagieren, sollten Restaurants ihre Nutzung von KI-generierten Speisekarten überdenken. Die Implikationen perfekt gebräunter Hamburgerbrötchen gehen jedoch über das Dining hinaus.

„Sehen und Hören war immer Glauben, bis zu dem Punkt, an dem sogar unsere Rechtssysteme auf der Idee basieren, dass der Goldstandard für Beweise abgefilmte Geständnisse und Videoaufnahmen sind“, sagte Lisle. „Das ist nicht mehr der Fall. Die Welt hat sich grundlegend verändert, zum Besseren oder Schlechteren.“