Die Studie unterstreicht die Notwendigkeit fundierter Content-Intelligence, um vertrauenswürdige Such-, Entdeckungs- und Empfehlungserlebnisse zu schaffen, die auf generativer KI basieren
NEW YORK – 10. Juni 2026 – Gracenote, der Geschäftsbereich für Content Intelligence von Nielsen, hat heute seinen neuesten Bericht mit dem Titel „Plot holes in AI: Why Ungrounded LLMs Can’t Fix Content Discovery“ veröffentlicht. Die Studie untersucht, wie genau ein führendes großes Sprachmodell (LLM) Fragen zu beliebten Filmen und Fernsehsendungen aus 2.600 Titeln in 13 Ländern beantwortete. Durch den Vergleich von Antworten, die ausschließlich auf Trainingsdaten basierten, mit solchen, die auf der Content Intelligence von Gracenote beruhten, stellte die Studie fest, dass das ungrounded LLM bei 506 Titeln – also fast jedem fünften – alle gemessenen Metadaten falsch darstellte.
Der Bericht erscheint zu einem Zeitpunkt, an dem Streaming-Dienste und andere Unterhaltungsanbieter zunehmend auf große Sprachmodelle (LLMs) zurückgreifen, um den Zuschauern dabei zu helfen, sich in der überwältigenden Auswahl und den fragmentierten Katalogen zurechtzufinden. Die getesteten Details – von Zusammenfassungen und Besetzung bis hin zu Genre, Erscheinungsjahr und Laufzeit – sind genau diejenigen, anhand derer das Publikum entscheidet, was es sich ansehen möchte, und die Dienste nutzen, um Inhalte zu beschreiben, zu organisieren und zu empfehlen. Die Ergebnisse zeigen, warum die KI-gestützte Inhaltssuche nur so gut ist wie die Daten, auf denen sie basiert.
„Den Nutzern ist es egal, woher eine falsche Antwort stammt. Wenn sie falsch ist, geben sie dem Dienst die Schuld“, sagte Tyler Bell, Senior Vice President of Product bei Gracenote. „Deshalb ist eine solide Grundlage so wichtig. Für Unternehmen, die die nächste Generation der Unterhaltungssuche entwickeln, wird generative KI ihr Versprechen nur dann einlösen, wenn sie auf verifizierter Content-Intelligence basiert, die plausible Vermutungen durch genaue Fakten ersetzt – wodurch Reibungsverluste verringert, das Engagement vertieft und die Kundenbindung gestärkt werden.“
Weitere Erkenntnisse sind unter anderem:
- Ähnliche Titel führten das LLM-Modell zu falschen Inhalten. In einem Fall lieferte das Modell zwar den korrekten Titel und das Erscheinungsjahr des Thrillers „Heel“ aus dem Jahr 2025, bezog jedoch die Beschreibung, die Besetzung und das Genre aus „Heels“, einer Starz-Dramaserie, die von 2021 bis 2023 lief. In einem anderen Fall verwechselte es den Horror-Thriller „Trucker“ aus dem Jahr 2024 mit einem gleichnamigen Film aus dem Jahr 2008.
- Jüngste Veröffentlichungen haben erhebliche Lücken aufgezeigt. Das ungenaue Modell war nicht in der Lage, Informationen zu mehreren neuen Titeln zu liefern, darunter „GOAT“, ein Film aus dem Jahr 2026, der weltweit fast 200 Millionen Dollar einspielte, bevor er auf Netflix erschien.
- Selbst Informationen zur Hauptbesetzung erwiesen sich als unzuverlässig. Bei den 100 erfolgreichsten US-Filmen stimmten nur 53 % der Antworten des nicht trainierten LLM zu den Hauptdarstellern mit den tatsächlichen Daten überein.
Wie der Bericht deutlich macht, ist im Jahr 2026 kein LLM frei von Halluzinationen – ein besonderes Risiko für KI-Systeme, von denen erwartet wird, dass sie in großem Maßstab präzise und aktuelle Antworten zu Unterhaltungsinhalten liefern. Für Unternehmen, die KI-gestützte Such-, Entdeckungs- und Empfehlungserlebnisse entwickeln, trägt eine solide Grundlage dazu bei, die Leistungsfähigkeit des Modells in das Vertrauen der Zuschauer umzuwandeln. Die maßgebliche Content Intelligence von Gracenote bietet diese Grundlage auf zwei Arten: über direkte Datenlizenzen oder über den Video MCP Server, der mit dem globalen Entertainment-Wissensgraphen des Unternehmens verbunden ist. Mit diesem Zugang können LLMs über plausibel klingende Halluzinationen hinausgehen und zuverlässigere Antworten liefern, die die Reibung für die Zuschauer verringern, das Engagement vertiefen und die Loyalität stärken.
Gracenote wird die Ergebnisse des Berichts auf der StreamTV Show am 18. Juni in Denver vorstellen. Dort wird Nandita Arora, Senior Director of Product bei Gracenote, an der panel „Reimagining Content Discovery“ teilnehmen. In dieser Sitzung wird erörtert, wie KI, Personalisierung, einheitliche Suche und neue Ansätze für die Benutzererfahrung die Art und Weise verändern, wie Streaming-Dienste Zuschauer mit Inhalten verbinden.
Der vollständige Bericht „Plot Holes in AI: Why Ungrounded LLMs Can’t Fix Content Discovery“ steht hier zum Download bereit.
Methodik
Gracenote testete 2.600 beliebte Film- und Fernsehtitel in 13 Ländern: Australien, Brasilien, Kanada, Frankreich, Deutschland, Japan, Mexiko, den Niederlanden, Südkorea, Spanien, Schweden, Großbritannien und den USA. Die Studie verglich die Antworten eines nicht auf Daten basierenden LLM, das angewiesen war, allein anhand von Trainingsdaten zu antworten, mit Antworten, die über einen MCP-Server auf den globalen Videodaten von Gracenote basierten. Die Antworten wurden anhand objektiver Attribute bewertet, darunter Titel, Beschreibung, Darsteller, Genres, Erscheinungsjahr und Laufzeit, sofern zutreffend. Da diese Attribute unabhängig überprüft werden können, liefern die Ergebnisse einen quantifizierten Überblick darüber, wie sich die Verankerung auf die Genauigkeit und Zuverlässigkeit von KI-generierten Antworten im Unterhaltungsbereich auswirkt.
Über Gracenote
Gracenote ist der Geschäftsbereich für Content Intelligence von Nielsen. Wir standardisieren die Art und Weise, wie das globale Medien- und Unterhaltungsökosystem Inhalte und zugehörige Metadaten indexiert, und ermöglichen so den Austausch zwischen Produzenten, Vertreibern, Plattformen und Werbetreibenden. Mit unserer unübertroffenen Tiefe bei über 50 Millionen Titeln und mehr als 80.000 Kanälen und Katalogen ermöglichen wir moderne Such-, Entdeckungs- und Navigationserlebnisse, die Menschen mit den TV-Sendungen, Filmen, Musikstücken und Sportveranstaltungen verbinden, die sie lieben – in über 70 Sprachen und mehr als 80 Ländern. Weitere Informationen finden Sie unter Gracenote.com oder folgen Sie uns auf LinkedIn.
Medienkontakt
Mark Yamada
mark.yamada@nielsen.com
