Wenn Sie etwas älter sind, erinnern Sie sich vielleicht an das Raumschiff Enterprise, das ursprüngliche Raumschiff aus dem frühen Star-Trek-Universum, mit seinem berühmten Captain Kirk, dessen Mission es war, unbekannte Regionen des Weltraums zu erforschen, neue Grenzen zu erschließen und wissenschaftliche Erkenntnisse zu erweitern. In jeder Episode trat die Enterprise in eine völlig neue Welt ein, die in Teilen dem Leben auf der Erde ähnelte, aber dennoch so anders war, dass neue Herausforderungen zu bewältigen waren. Heute betritt auch die Marktforschung dank generativer künstlicher Intelligenz (GenAI) eine völlig neue Welt. ChatGPT, eines der bekanntesten Tools in diesem Bereich, wurde erst im November 2022 kommerziell eingeführt, hat jedoch unsere Welt verändert, ähnlich wie ein kleines Kind, das ein Familienleben völlig umkrempelt. Im Folgenden diskutieren wir, was KI bereits leistet, was wahrscheinlich sehr bald machbar sein wird und welche neuen Fragen sich aus dieser Entwicklung ergeben.

Bereits heute hat KI einen erheblichen Einfluss auf jeden Schritt des Marktforschungsprozesses. Während einige Auswirkungen subtil sind, ebnen andere Innovationen den Weg für tiefgreifendere Veränderungen. Im nächsten Abschnitt wird kurz umrissen, was bereits möglich ist und was in den nächsten 12 bis 24 Monaten wahrscheinlich auf uns zukommt. Abbildung 1 bietet einen Überblick über KI-Fähigkeiten in der Marktforschung und die damit verbundenen Vorteile. Die genannten Lösungen sind bereits verfügbar oder befinden sich bei zahlreichen Unternehmen und Start-ups im Prozess der Entwicklung. 

 

Auch wenn formal gesehen weiterhin Marketingmanager oder Marktforscher entscheiden, wie Budgets eingesetzt werden, müssen diese Entscheidungen nicht mehr ausschließlich auf Erfahrung, Bauchgefühl oder Input von anderen Personen basieren. Heute können KI-Tools automatisch Forschungsfragen aus CRM-Systemen oder Social-Media-Plattformen ableiten und, sobald sie grünes Licht erhalten, Forschungsvorschläge mit Zielen und Hypothesen erstellen. Die Situation ist vergleichbar mit der Entwicklung beim Autonomen Fahren. Fahrzeuge übernehmen zunehmend die alltäglichen Aufgaben des Fahrens, z.B. die Einhaltung der Geschwindigkeitsbegrenzung auf einer Autobahn. In Zukunft werden sich KI-Tools in der Marktforschung ähnlich wie selbstfahrende Autos zu autonomen Forschungsplanungsagenten entwickeln, die zunehmend basierend auf KPIs und Geschäftszielen selbstständig entscheiden, welche Forschung erforderlich ist und welche nicht. Das Resultat wird ein Always-on-System sein, das kontinuierlich Probleme identifiziert, geeignete Methoden auswählt, Stichprobengrößen ermittelt und Trade-offs zwischen Zeit, Kosten und Präzision simuliert, um den Return des Marketingforschungsinvestments zu optimieren.

> KI-optimierte Stichproben

Jede Forschung ist nur so gut wie die Daten, auf denen sie basiert. Diese Regel gilt mit und ohne KI. Schon heute hilft KI dabei, Betrug und den Einsatz von Bots zu erkennen – ein Problem, das auch bei Online-Panels immer relevanter wird. KI kann zusätzlich fehlende Befragte ersetzen oder vorhandene Antworten gewichten, um Non-Response Bias in der empirischen Forschung auszugleichen. In Zukunft wird die Befragung realer Personen zunehmend mit Silicon Sampling kombiniert werden. Dabei handelt es sich um synthetische Befragte, die auf der Grundlage einer Kombination aus früheren Umfrageantworten, Kaufdaten und Bevölkerungsstatistiken kalibriert werden und als digitale Zwillinge bestehender Konsumenten dienen. Silicon Samples werden vermutlich niemals die Erkenntnisse aus der Befragung realer Personen vollständig ersetzen, gewinnen jedoch zunehmend an Bedeutung als Bestandteil hybrider Stichproben. Wer diese Idee für bedenklich hält, sollte seine Einstellung überdenken. Die Datenqualität von Online-Panels nimmt stetig ab, oft weil reale Personen vorgeben, den jeweils geforderten demographischen Kriterien zu entsprechen. Gleichzeitig steigt die Qualität synthetischer Daten. Abzuwägen, was besser ist, wird in naher Zukunft noch schwieriger werden.

> KI-gestützte Erstellung von Fragebögen

Die Erstellung von Fragbögen und Leitfäden war schon immer einer der mühsamsten Schritte der empirischen Marktforschung. Ein Großteil dieser Arbeit kann nun automatisiert werden: die Auswahl der richtigen Skalen zur Messung komplexer Konstrukte, die Formulierung untendenziöser qualitativer Fragen und die Implementierung fortschrittlicher Filter- und Quotenregeln. Das Gleiche gilt für das Testen von Fragebögen vor dem Start einer Umfrage, damit die oft schwer zu rekrutierenden Befragten nicht nach dem Start steckenbleiben oder vor der letzten Frage aufgeben. KI kann Umfragen und Diskussionsleitfäden verfassen und hyperrealistische Stimuli für Anzeigen oder Konzepte entwickeln. Mit einem Klick kann KI nicht nur Umfrage-Leitfäden in viele Sprachen übersetzen, sondern dabei auch feinere kulturelle Unterschiede berücksichtigen. Schon bald wird KI auch in der Lage sein, Umfragen dynamischer zu gestalten. Sie kann Stimuli erstellen, die in Echtzeit auf vorherige Eingaben der Befragten reagieren. Fragebögen oder Interviewleitfäden werden sich in Echtzeit an das anpassen, was Befragte selbst gesagt haben und was andere zuvor geäußert haben, und damit neue Möglichkeiten für Tests und die Datenerhebung schaffen.

> KI-Agenten als Interviewer und Silicon Samples

Marktforschung ist kostspielig, und oft entfällt der Löwenanteil der Kosten auf die Datenerhebung. Angesichts sinkender Teilnahmebereitschaft und begrenzter Erreichbarkeit von Befragten ist dieses Problem heute besonders dringlich. Die Zeiten, in denen das zufällige Wählen von Telefonnummern tatsächlich zu einer Zufallsstichprobe führte, sind längst vorbei. KI kann hier in zweierlei Hinsicht helfen: Erstens können Studien mithilfe simulierter KI-Agenten den idealen Teilnehmerpool gezielter eingrenzen und fehleranfällige Fragestellungen frühzeitig identifizieren. Bereits heute lassen sich qualitative Interviews simulieren und „virtuelle Fokusgruppen“ vollständig mit KI durchführen. Diese Verfahren werden menschliche Interaktion voraussichtlich nicht ersetzen, können den Vorbereitungsprozess jedoch deutlich effizienter und wirkungsvoller gestalten. Silicon Samples und KI-Agenten sollten daher vor allem als Turbo-Pretests eingesetzt werden und weniger als Ersatz für traditionelle Datenerhebungsmethoden. Zweitens kann KI Interviews mit realen Menschen deutlich ansprechender gestalten. In der qualitativen Forschung können schwer erreichbare Zielgruppen rund um die Uhr mit einem KI-Agenten in ihrer bevorzugten Sprache interagieren. Statistische Modelle analysieren dabei in Echtzeit Mikromimik und das Bildschirmverhalten, nutzen diese Informationen zur Korrektur potenzieller Biases (etwa den der sozialen Erwünschtheit) und passen Befragungen dynamisch an, um Abbrüche zu reduzieren oder ganz zu vermeiden. 

> Verbesserte Datenanalyse

Die Analyse von quantitativen und qualitativen Daten ist ebenso sehr eine Kunst wie eine Wissenschaft. Auch wenn KI die erste Komponente weniger gut erfüllt, kann sie wissenschaftliche Aspekte zuverlässig unterstützen. KI-Tools können offene Fragen automatisiert kodieren, rasch Zusammenfassungen neuer Themen liefern, die beste Methode zur Datenanalyse vorschlagen und Biases korrigieren. Wenn Sie die Methoden nicht kennen, kann KI Ihnen diese beibringen und den Code zur Ausführung bereitstellen. Schon bald werden dieselben Tools in der Lage sein, Erkenntnisse aus neuen Daten mit bestehendem Wissen aus CRM-Systemen und Zufriedenheitsbefragungen zu verknüpfen. Dadurch lassen sich Anomalien identifizieren, Ergebnisse triangulieren und Stichprobenverzerrungen systematisch prüfen. Zwar können Analysefehler oder irreführende Schlussfolgerungen dadurch nicht vollständig ausgeschlossen werden, ihr Risiko lässt sich jedoch deutlich reduzieren – ebenso wie die Wahrscheinlichkeit und Peinlichkeit, problematische Ergebnisse intern oder gegenüber Kunden vertreten zu müssen.

> Maßgeschneiderte Berichte und Empfehlungen

Seien wir ehrlich: Wir als Marktforscher sind manchmal nicht besonders gut darin, unsere Erkenntnisse zu vermitteln. Ein Teil der Schuld liegt vielleicht bei uns: Wer noch nie dafür kritisiert wurde, zu viele Details oder eine Tabelle zu viel hinzugefügt zu haben, der werfe den ersten Stein! Oft besteht die Herausforderung jedoch darin, dass ein Bericht den Bedürfnissen mehrerer Interessengruppen mit unterschiedlichen Prioritäten und Vorkenntnissen gerecht werden muss. Mit KI könnte dieses Problem der Vergangenheit angehören. Berichte lassen sich in vielfältigen Formaten bereitstellen – von Präsentationen über Podcasts und Videos bis hin zu einer Darstellung durch interaktive Chatbots – und gleichzeitig individuell auf jeden Stakeholder zuschneiden, unter Berücksichtigung seiner Interessen und seines Entscheidungsspielraums. Die Ergebnisse können zudem genutzt werden, um die Auswirkungen alternativer Entscheidungen auf eine benutzerfreundlichere und präzisere Weise zu simulieren als bisher. Marktforschung wurde häufig dafür kritisiert, Geld für Erkenntnisse auszugeben, die in einer Schublade landen und nie umgesetzt werden – ein Problem, das dank KI zunehmend der Vergangenheit angehören dürfte.

Wenn Sie all diese Möglichkeiten spannend finden – willkommen im Club. KI ist faszinierend. Sie ist jedoch eine disruptive Innovation, die nicht nur Abläufe verändert, sondern auch völlig neue Fragen aufwirft, die wir noch gar nicht beantworten können. Auch wenn diese Fragen vielleicht keine sofortige Antwort erfordern, betreffen sie doch grundlegende Themen, denen man sich stellen muss. 

> Der instabile Kern: Was gilt als Wahrheit, wenn die Realität zu einer Simulation wird?

Als Menschen neigen wir dazu anzunehmen, dass technologiegestützte Prozesse denselben Regeln folgen wie menschliche. Tatsächlich ist dies weniger der Fall, wie in Box 1 anhand des Themas Word-of-Mouth erläutert wird. Wenn Erkenntnisse teilweise oder vollständig mittels simulierter KI-Agenten und Silicon Samples gewonnen werden, was bedeutet dann überhaupt noch Wahrheit? Begeben wir uns in eine Echokammer, in der die Meinungen der wenigen, die noch an Umfragen teilnehmen, verstärkt werden und zu allgemein akzeptierten Marktüberzeugungen werden? Was passiert, wenn wir alle Nebengeräusche, die gelebte Erfahrung mit sich bringt, aus den Daten entfernen? Verlieren wir dadurch wichtige Kontextinformationen? Was bedeuten grundlegende Konzepte wie Validität in dieser schönen neuen Welt überhaupt noch? Sind simulierte Antworten gültig, wenn sie das widerspiegeln, was Menschen berichten würden? Sind sie gültig, wenn sie menschliches Verhalten vorhersagen? Es wurde viel über Fake News gesprochen, aber ist simulierte Wahrheit vielleicht falscher als echte Wahrheit?

> Ein neues Kräfteverhältnis: Wer hat in einer autonomen Forschungsgalaxie die Kontrolle über Insights?

In vielerlei Hinsicht wird KI die Marktforschung vereinfachen und beschleunigen. Die Kehrseite ist, dass Marketingmanager – zu Recht oder zu Unrecht – glauben werden, dass sie sich nicht mehr auf spezialisierte Forschungsteams verlassen müssen, um Grundlagenforschung zu planen oder gar durchzuführen. In der Folge verlieren klassische Research-Teams die Kontrolle über Fragestellungen, Studiendesigns und die Interpretation der Ergebnisse. Wer hat in einer solchen Welt dezentralisierter und fragmentierter Forschung das Sagen? Wer kuratiert Insights und stellt sicher, dass die Forschung Mindestqualitätsanforderungen erfüllt? Wie beeinflussen diese Veränderungen die Struktur der Arbeitsplätze und Aufgaben in Marktforschungsteams? Welche neuen Berufe werden entstehen: Dateningenieure, Prompt-Spezialisten, Modell-Supervisoren oder Simulationsdesigner? Werden Analysten und Projektmanager überflüssig? Können Letztere umgeschult werden, um die Aufgaben der Ersteren zu übernehmen? Oder unterscheiden sich die benötigten Kompetenzprofile so stark, dass es zu erheblichen Verschiebungen in der Zusammensetzung der Belegschaft kommen muss?

> Der Wettlauf um Differenzierung: Wie können Unternehmen in einer Welt identischer Tools Wettbewerbsvorteile aufbauen?

KI wird nicht nur die Art und Weise verändern, wie Marktforschung in Unternehmen durchgeführt und organisiert wird, sondern auch, wie Wettbewerbsvorteile in den jeweiligen Branchen gestaltet werden. Realistisch betrachtet werden die meisten Unternehmen keine eigenen KI-Tools entwickeln. Die erforderlichen Investitionen wären enorm und würden nicht zu ihrem Kerngeschäft passen. In einer Welt, in der alle die gleichen Tools verwenden, gibt es dennoch drei Möglichkeiten zur Differenzierung: Erstens werden die Eingangsdaten entscheidend sein, und die Differenzierung wird sich auf proprietäre First-Party-Daten stützen. Unternehmen, die bereits über ein gut konzipiertes CRM-System oder frühere Marktforschungsaktivitäten Zugang zu einzigartigen Daten haben, werden einen deutlichen Vorsprung haben. Zweitens wird Modelloptimierung eine Rolle spielen. Alle verwenden die gleichen Basismodelle, aber wie diese Modelle optimiert und angesteuert werden, kann zu subtilen Unterschieden führen, die sich im Laufe der Zeit wahrscheinlich verstärken werden. Und schließlich wird Geschwindigkeit eine Rolle spielen. Diejenigen Unternehmen, die neue Forschungschancen schnell erkennen, umsetzen und darauf reagieren, werden das Rennen gewinnen. All dies ist leichter gesagt als getan. Es erfordert organisatorische Agilität und Vertrauen in KI-Systeme und ihre Erkenntnisse, trotz ihres Black-Box-Charakters.

> Vom Rückblick zur Simulation: Die Zukunft des Kundenverständnisses

Umfassend betrachtet wird KI die Marktforschung von einer rückblickend-analytischen Funktion zu einer prospektiv-simulativen transformieren. Unternehmen werden zunehmend Datenbanken mit digitalen Zwillingen pflegen, die ihre Kundenbasis und den Markt insgesamt abbilden und kontinuierlich mit neuen Daten verfeinert werden, um nicht beobachtetes Verhalten vorherzusagen. Diese Prognosen fließen dann in zukünftige Entscheidungen ein, etwa darüber, welche neuen Produkte eingeführt werden sollen.
Im Zuge dessen wird Kundenverständnis zu einem kontinuierlichen Prozess und nicht länger als Projekt mit festem Anfang und Ende betrachtet. Eine zentrale Herausforderung wird darin bestehen, den Wald und nicht nur die einzelnen Bäume zu sehen und sich durch das Dickicht simulierter Forschung zu kämpfen. Wenn jeder unabhängig und kostengünstig Umfragen durchführen kann, wie lässt sich die enorme Menge an neuem – und möglicherweise fehlerhaftem – Wissen steuern und entscheiden, was tatsächlich relevant ist? Letztlich wird sich die Bedeutung von Insights vermutlich verschieben: weg vom Entdecken und Berichten von Mustern hin zum Trainieren von Systemen, die Organisationen als Grundlage für ihre Entscheidungen nutzen.

> Sinnvolle Systeme: Überdenken des Zwecks von Forschung in einer autonomen Ära

Die große Frage lautet: Was passiert mit der Forschung und deren traditionellen Werten, wenn KI-Agenten autonom entscheiden, was untersucht werden soll, Studien planen, sie durchführen, Ergebnisse interpretieren und Entscheidungen simulieren? Haben Faktoren wie Repräsentativität und präzise Feldforschung überhaupt noch eine Bedeutung? Wird das, was wir heute als seriöse Forschung betrachten, bald zu einem Anachronismus – wie ein handgeschneiderter Anzug in einer Welt der Fast Fashion? Eine mögliche Sichtweise ist, dass sich die klassische Marktforschung in zwei Segmente aufteilen wird. Ein Segment wird sich auf die Optimierung von Ergebnissen konzentrieren. Das ist die Welt der 80/20-Forschung: Studien werden dezentral und mit Silicon Samples durchgeführt, um grobe, richtungsweisende Insights zu erzeugen, die bessere Entscheidungen ermöglichen. Viele dieser Studien wären in der Vor-KI-Ära gar nicht durchgeführt worden, weil die Entscheidung nicht wichtig genug war oder der Zeithorizont den Aufwand nicht gerechtfertigt hätte. Insofern geht wenig verloren – und möglicherweise wird viel gewonnen. Das andere Segment wird die Funktion haben, sich auf menschliches Verstehen zu konzentrieren. Hier konzipieren echte Menschen – wahrscheinlich mit Unterstützung von KI – Studien, die Daten von anderen Menschen erheben. Diese Studien werden teurer sein (wie handgemachte Kleidung) und sich auf die großen strategischen Fragestellungen beschränken.

Als Marktforschende haben wir viele Veränderungen erlebt. Unsere Welt der Papier-und-Bleistift-Befragungen, durchgeführt über Festnetztelefone oder von Tür zu Tür, wurde nach und nach durch mobile Umfragen ersetzt, die über Online-Panels abgewickelt werden. KI dürfte jedoch ein anderes Kaliber sein. Sie macht nicht nur traditionelle Prozesse effizienter, sondern eröffnet eine völlig neue Welt an Möglichkeiten. 
Auch wenn diese neue Umlaufbahn derzeit mehr Fragen als Antworten aufwirft, scheint ein Prinzip klar: Auch im neuen Kosmos bleibt menschliches Urteilsvermögen entscheidend – im Zentrum „großer Projekte“, bei denen echtes Verstehen gefragt ist und ein Black-Box-Ansatz nicht ausreicht. Es fungiert als Sicherung gegen Model Biases und gegen die Entstehung von Echokammern aus Fake News. Und es ist der Wächter, der die Wächter überwacht und den Aufstieg unkontrollierter Automatisierung verhindert. In Star Trek verließ sich die Enterprise bei der Navigation durch die Weiten des Alls auf den Autopiloten. In entscheidenden Momenten jedoch musste Captain Kirk selbst das Steuer übernehmen. Die Zukunft der KI-gestützten Marktforschung wird ähnlich aussehen. KI unterstützt uns bei Routineaufgaben, doch in den Momenten, die wirklich zählen, muss menschliches Urteilsvermögen steuern. Solange wir dieses Gleichgewicht wahren, ist die Disziplin in sicheren Händen.