Was künstliche Intelligenz in der Marktforschung kann und was nicht

Künstliche Intelligenz hat in der Marktforschung binnen kurzer Zeit einen festen Platz gefunden. Sinnvoll ist sie überall dort, wo Arbeit gleichförmig, aber aufwendig ist. Offene Nennungen lassen sich vorstrukturieren und in Kategorien einsortieren, statt sie vollständig von Hand zu codieren. Fragebögen lassen sich vorab auf Verständlichkeit prüfen, auf missverständliche Formulierungen, auf Suggestivfragen, auf Begriffe, die in der Zielgruppe anders verstanden werden als am Schreibtisch. Interviewmitschnitte lassen sich transkribieren, umfangreiches Textmaterial vorsortieren, Wiederholungen und Muster sichtbar machen.

Der Gewinn liegt auf der Hand: Die Studie wird schneller fertig, und ein Teil des Budgets bleibt dort, wo er mehr bewirkt, etwa in einer größeren Stichprobe oder in zusätzlichen Tiefeninterviews.

Zwei Grundsätze müssen allerdings immer und nicht diskutierbar eingehalten werden: Erstens bleibt jedes Ergebnis prüfpflichtig: Eine automatisch erstellte Codierung ist ein Vorschlag, den ein Mensch kontrolliert und korrigiert. Zweitens gehören personenbezogene Daten und vertrauliche Kundendaten nicht ungeprüft in ein KI-Werkzeug. Beides ist Handwerk und keine Nebensache.

Die Grenze liegt beim Befragten selbst

Wo KI derzeit nicht überzeugt, ist der Versuch, echte Befragte zu ersetzen, also Antworten zu simulieren, statt sie zu erheben. Das klingt verlockend, weil es Zeit und Geld spart. Es übersieht aber, was Marktforschung eigentlich misst.

Echte Menschen antworten nicht nur logisch. Sie antworten emotional, manchmal widersprüchlich, und sie ändern ihre Meinung im Verlauf eines Gesprächs. Vor allem aber ist niemand vollständig informiert. Jeder Kunde kennt nur einen Ausschnitt des Marktes, hat eigene Erfahrungen gemacht, hat eine bestimmte Werbung gesehen oder eben nicht. Genau diese unterschiedlichen, unvollständigen Perspektiven ergeben zusammen das Bild, das ein Unternehmen braucht.

Hinzu kommt das Entscheidende: Echte Menschen machen echte Erfahrungen. Sie berichten davon, und diese Erfahrungen prägen zugleich ihre Sicht auf alles Weitere. Solche Erfahrungen entstehen in der Welt, unabhängig von jeder Studie. Sie sind weder planbar noch aus dem ableitbar, was ohnehin schon bekannt ist. Genau das fehlt einem Modell: Es antwortet aus dem, was in seinen Trainingsdaten plausibel erscheint, und liefert deshalb die erwartbare Antwort, nicht die überraschende.

Untersuchungen zu sogenannten „synthetischen Befragten“ zeigen genau dieses Muster: Modelle treffen den Durchschnitt oft passabel, geben aber zu wenig Streuung wieder, glätten Minderheitenpositionen und reproduzieren eher gesellschaftliche Stereotype als die tatsächliche Vielfalt der Ansichten. Sie liefern das Erwartbare.

Die wertvollste Erkenntnis einer Studie ist aber meist die, mit der niemand gerechnet hat: der Grund für eine Abwanderung, den im Unternehmen niemand auf dem Schirm hatte, oder die Hürde, die im Kaufprozess an einer ganz anderen Stelle liegt als vermutet. Sie stammt immer von jemandem, der etwas erlebt hat.

Was das für Ihre Studie bedeutet

Ich setze KI dort ein, wo sie Aufwand spart und die Qualität nicht beeinträchtigt, und mache das transparent. Erhoben wird bei echten Menschen. So bleiben die Ergebnisse das, was sie sein sollen: keine plausible Theorie, sondern eine belastbare Grundlage für Entscheidungen.