„Können wir die Forschung nicht erst mal mit KI vorziehen?” Wenn du im Marketing arbeitest, hast du den Satz im Meeting schon gehört. Oder selbst gesagt.
Forschung ist nötig, aber zäh. Das Recruiting dauert, die Stichprobe stößt ans Budget, und jede Änderung am Fragebogen schiebt den Termin nach hinten.
Daher die Idee: erst mal die KI fragen. Und viele Teams machen das ja längst — das Modell antwortet wie ein Konsument, oder es schreibt die Fragen. Nur: Es geht um die Genauigkeit und um die Stelle, an der das wirklich hingehört.
Denn die Antwort verschiebt alles dahinter. Ersetzt die KI die echte Studie, baust du den Prozess so. Beschleunigt sie nur die Vorstufe, baust du ihn anders. Schauen wir uns zwei Studien an, die genau das entscheiden.
Eine „ziemlich glaubwürdige” KI-Person kam auf 85%
Fangen wir mit der Arbeit von Park und Kollegen an, Stanford und Google DeepMind (Studie).
Der clevere Teil ist der Input. Sie haben 1.052 Leute je zwei Stunden interviewt und aus jedem einzelnen Transkript einen KI-Agenten der jeweiligen Person gebaut. Kein Demografie-Label, sondern Lebensgeschichte und Werte. Die Informationsdichte hat mit der üblichen Drei-Zeilen-Persona nichts zu tun.
Zum Prüfen der Agenten nahmen sie die . Und das Ergebnis? Die KI-Agenten trafen die Antworten der jeweiligen Person zu etwa 85%.
Diese 85% sind keine rohe Trefferquote. Gemessen wird gegen die Antworten derselben Person, als sie die Befragung zwei Wochen später wiederholte. Auch Menschen sind mit sich selbst nicht hundertprozentig konsistent. Heißt: Der Agent kam nah an diese Mensch-gegen-Mensch-Decke heran.
Und ein Punkt zählt mehr als die Schlagzeile. Agenten aus Interviews zeigten weniger Verzerrung zwischen Gruppen als Agenten nur aus Demografie. Der Hebel ist also nicht die Magie des Modells — es ist die Tiefe des Kundenverständnisses, das du reinsteckst.
Fragen schreiben geht schnell. Roh ausspielen, und es geht schief.
Die zweite Studie von Mburu und Kollegen dreht die Rollen um (Studie). Hier antwortet die KI nicht — sie entwirft die Befragung. Ihr SQRA-Verfahren lässt das Modell Fragen schreiben und testet diese Fragen vorab gegen synthetische Antworten, bevor ein Mensch draufschaut.
Was rauskam, war beides zugleich: Tempo und Haken. Das Modell ist schnell bei kontextpassenden Fragen. Aber es schmuggelt auch umständliche Formulierungen und Doppel-Fragen rein (eine Frage, die heimlich zwei Dinge abfragt). Sprich: Der Entwurf ist stark, die Qualitätssicherung bleibt auf der menschlichen Seite des Tisches.
Für „schnell einen ersten Entwurf” ist das echt nützlich. Aber diese Fragen ohne Prüfdurchgang live zu schalten, ist riskant. Da gehört eine klare Linie gezogen.
Zwei gegensätzliche Aufbauten, dieselbe Stolperstelle
Eine Studie macht die KI zum Befragten, die andere zum Fragen-Autor. Gegensätzliche Ansätze. Und trotzdem deckt sich das, was die Genauigkeit entschied, fast punktgenau. In beiden hing das Ergebnis daran, wie reich der Input war und wie viel der Mensch übernahm — nicht daran, wie schlau das Modell ist.
Parks 85% gibt es nur dank des dichten Zwei-Stunden-Interviews. Wird der Input dünn, fällt die Genauigkeit, und die Verzerrung zwischen Gruppen kommt wieder hoch. Mburus Fragen-Generator wirft schnell Entwürfe aus, aber das Aussortieren von Redundanz und Doppel-Fragen blieb halt am Menschen hängen.
Andersrum gelesen ist das die eigentliche Lehre: Was die KI nicht kann, ist eine schwere Entscheidung auf dünnem Material. Genau diese Stelle zu umgehen, ist in der Praxis das ganze Spiel.
Fazit: KI staucht die Vorstufe zusammen, ersetzt aber nicht die Studie
Der Wert von KI-Konsumentenforschung liegt nicht darin, die menschliche Studie komplett zu ersetzen — sondern die Vorstufe zu beschleunigen: Hypothesen und Fragebogen. Stark, wenn dichtes Interview-Material reinfließt; mittelmäßig, wenn der Input dünn ist. Vergisst du dieses Limit, hältst du schnell einen praktischen Entwurf für die Grundlage einer Entscheidung.
Der erste Schritt ist also: alte Kundeninterviews und Voice-of-Customer-Notizen inventarisieren und das aufpolstern, was du dem Modell gibst. Und dann die Grenze festziehen: KI-Output geht bis zur Hypothesen-Prüfung, die echten Entscheidungen — Budgetverteilung, was tatsächlich rausgeht — laufen auf menschlichen Daten. Steht das fest, sparst du dir die meisten „Tempo mitgenommen, Qualität verloren”-Unfälle.
Wenn du beim Thema bleiben willst, wie wackelig KI-Messung selbst sein kann: Der Beitrag zur Auftauchrate und KI-Sichtbarkeit zieht am selben Faden, nur von der Mess-Seite.
Quellen
- Park, J. S. et al. (Stanford University, Google DeepMind), “Generative Agent Simulations of 1,000 People”, arXiv:2411.10109, 2024, arXiv
- Mburu, T. K. et al., “Methodological foundations for artificial intelligence-driven survey question generation”, Journal of Engineering Education, 114(3), e70012, 2025, DOI: 10.1002/jee.70012
