KI entwickelt sich rasch vom Schlagwort zum alltäglichen Werkzeug in der Marktforschung – auch in der qualitativen Forschung, wo „menschliches Verstehen“ lange Zeit als unantastbar galt. Anstatt menschliche Forscher zu ersetzen, definieren Start-ups wie xelperderen Rolle neu und kombinieren die Skalierbarkeit und Konsistenz von KI mit menschlicher Interpretation und Empathie. In diesem Interview spricht Gasteditor Michael Haenlein mit den Gründern von xelper, David Ranftler und Paul Wesendonk, über KI-moderierte Interviews und KI-gestützte Analysen. Sie erklären, warum diese Methode zwischen klassischen Tiefeninterviews und Umfragen angesiedelt ist, wo KI einen echten Mehrwert bietet und wo heute noch Grenzen liegen. Sie präsentieren Anwendungsfälle – von Geschmackstests bis zur Analyse von Kundenabwanderung, analysieren ethische Fragen und diskutieren Speech-to-Speech-KI, die qualitative KI-Interviews bald noch natürlicher machen könnte. 

Michael: Könnten Sie zu Beginn Ihr Unternehmen kurz vorstellen und schildern, wie die Idee zur Gründung entstanden ist?

David: Paul und ich haben xelper gegründet, ein in Deutschland ansässiges KI-Unternehmen, das sich auf qualitative Marktforschung spezialisiert hat. Die Idee entstand aus der Überlegung, dass eine KI Interviews moderieren könnte, insbesondere im Bereich UX Research. Paul und ich haben uns vor Jahren während eines Schüleraustauschs kennengelernt und sind in Kontakt geblieben. Aufgrund unseres gemeinsamen Interesses an Start-ups und Technologie sahen wir eine Chance, KI-Tools für qualitative Interviews zu entwickeln. Heute nutzen wir KI für moderierte Interviews, die Analyse von Tiefeninterviews und Fokusgruppen sowie für die automatisierte Kodierung offener Antworten. Im Wesentlichen helfen unsere Lösungen Forschern dabei, qualitative Daten in großem Umfang zu sammeln und zu analysieren.

Michael: Viele Leser fragen sich vielleicht, wie KI-moderierte Interviews funktionieren. Inwiefern sind sie mit traditionellen Interviews oder Umfragen vergleichbar?

David: Wir haben früh erkannt, dass KI-moderierte Interviews weder direkt mit klassischen Tiefeninterviews noch mit quantitativen Umfragen vergleichbar sind. Sie sind eine neue Methode, die dazwischen liegt. Während man in einer Studie vielleicht nur 20 bis 30 Tiefeninterviews durchführen kann, ermöglicht KI das Sammeln qualitativer Daten von Hunderten von Teilnehmern. Die Methode ist ideal, wenn eine herkömmliche Umfrage mehr als fünf offene Fragen enthält, da Menschen sich eher auf einen KI-Interviewer einlassen als einen Fragebogen auszufüllen. Für wirklich tiefgehende Gespräche, die über einzelne Folgefragen hinausgehen, sind von Menschen geführte Interviews nach wie vor überlegen.

Michael: Wie sieht es mit der Analyse aus: Wie schneidet KI im Vergleich zu Menschen bei der Interpretation qualitativer Daten ab? 

Paul: KI schafft es ausgezeichnet, Aussagen der Teilnehmer zu aggregieren und Muster zu erkennen, aber die Interpretation bleibt eine Aufgabe für Menschen. Wir können beispielsweise automatisch alle Einleitungen in mehreren Interviews herausfiltern, was gar nicht so einfach ist, wie man vielleicht denkt. Und auf unserer Plattform lässt sich jede KI-Aussage zum Originalzitat zurückverfolgen, da Transparenz entscheidend ist. KI hilft Forschern, sich leichter durch ihre Daten zu arbeiten, aber sie kann weder Bedeutungen interpretieren noch Implikationen definieren oder einem Unternehmen sagen, was als Nächstes zu tun ist. Das erfordert nach wie vor menschliches Urteilsvermögen.

Michael: Wir sprechen also eigentlich von einem Hybridmodell – Menschen gemeinsam mit KI. Können Sie die ideale Rollenverteilung zwischen menschlichen Forschern und KI in einer typischen Studie beschreiben?

David: Ich beschreibe dies gerne als „ KI-Smiling-Kurve”. Menschen sind am Anfang und am Ende eines Forschungsprozesses am wichtigsten – bei der Definition der Ziele und der Interpretation der Ergebnisse. In der Mitte glänzt die KI, da sie die aufwändige Arbeit dazwischen übernehmen kann: Moderation von Interviews, Aggregation von Daten, Kodierung von Antworten. Am Ende liefern wieder Menschen die Erkenntnisse und Empfehlungen. Wenn es um Überzeugungskraft, Storytelling und Entscheidungsfindung geht, vertrauen Menschen menschlichen Forschern oder Marktforschungsinstituten mehr als der KI.

Michael: Können Sie uns einige konkrete Erfolgsgeschichten nennen?

David: Bei der Analyse ist der wichtigste Erfolg die Effizienz. Einige Institute berichten uns, dass unsere Plattform die Zeit zur Berichtlegung um 50 % bis 80 % verkürzt. Bei KI-moderierten Interviews haben wir zum Beispiel wertvolle Ergebnisse bei Interviews nach Geschmackstests erzielt – beispielsweise für Schokolade, Kaffee oder Butter. Die Menschen beschreiben in einem interaktiven Chat nicht nur, was sie schmecken, sondern auch, weshalb sie ein Produkt konsumieren, ihre Bedürfnisse, Emotionen, Assoziationen und Erwartungen an die Textur viel anschaulicher als in einer Umfrage. Wir haben auch Interviews auf Automobil-Websites integriert, um zu erheben, warum Besucher den Kaufprozess abbrechen. Und im B2B-Bereich – zum Beispiel im Bereich Telefoniesysteme – haben unsere Kunden Hunderte von KI-moderierten Interviews durchgeführt, anstatt nur ein paar Dutzend traditionelle Interviews. Unser Maßstab für den Erfolg ist einfach: Kommen die Kunden ein zweites Mal wieder? Und das tun sie.

Paul: Ich kann zwei weitere Beispiele nennen: Wir haben Churn-Interviews durchgeführt, um zu verstehen, warum Nutzer digitale Customer Journeys abgebrochen haben. Ich hatte zunächst Zweifel, ob das funktionieren würde, aber wir haben über 700 KI-moderierte Interviews gesammelt, mit sehr kurzen bis zu sehr ausführlichen Antworten. Wir konnten dem Kunden ein sehr detailliertes Bild davon lieferten, warum Nutzer den Prozess abgebrochen haben. Ein weiterer Fall betraf die Wahrnehmung synthetischer Daten. Wir haben 99 Marktforscher zu ihrer Einstellung gegenüber synthetischen Daten befragt, und über die Hälfte nahm am Ergebnisworkshop teil – ein klares Zeichen für Interesse.

Michael: Apropos synthetische Daten: „Silicon Samples” sind aktuell ein heißes Thema. Kann KI wirklich ausschließlich mit KI kommunizieren und echte Menschen außen vor lassen?

David: Ehrlich gesagt wissen wir es nicht und haben noch keine überzeugenden Beweise dafür gesehen, dass es funktioniert. Vorerst kommt man an realen Menschen nicht vorbei. Selbst wenn man auf synthetische Befragte setzt, braucht man hochwertige Daten, um sie zu trainieren – und das Sammeln dieser Daten könnte mehr kosten als die direkte Befragung von Menschen. Nach unseren bisherigen Erfahrungen sind echte Gespräche immer noch effizienter und zuverlässiger.

Michael: Kosten und Geschwindigkeit werden oft als Vorteile der KI genannt. Wie nutzen Kunden die Effizienzgewinne tatsächlich?

Paul: Oft werden unsere KI-Interviews als Ergänzung zu bestehenden Studien eingesetzt. Institute nutzen, um die Reichweite zu vergrößern oder mehr Tiefe zu gewinnen, ohne das Budget zu sprengen. Einige Kunden reinvestieren die Einsparungen, um die Stichprobe zu vergrößern. Sie führen beispielsweise 100 kurze KI-Interviews anstelle von 20 Interviews mit Menschen durch. Andere behalten die Gewinne als Effizienzsteigerung. Für Institute geht es nicht nur um Kosten, sondern auch um Differenzierung. Sie können etwas Innovatives anbieten und gleichzeitig die Qualität sicherstellen.

Michael: Gibt es Bereiche, in denen KI-moderierte Interviews nicht funktionieren?

David: Im Allgemeinen funktionieren sie domänenübergreifend, aber es gibt ein paar Ausnahmen. Beispielsweise mussten wir Anpassungen vornehmen, um Inhaltsfilter für sensible Themen im Pharmasektor zu berücksichtigen. Ältere Teilnehmer – sagen wir über 70 – könnten Schwierigkeiten mit der Technologie haben. In einigen hochspezialisierten B2B-Kontexten, wie z. B. bei Ärzten, wo die Teilnehmer sehr teuer sind, können traditionelle Interviews nach wie vor sinnvoller sein. Andererseits bieten KI-moderierte Interviews Flexibilität rund um die Uhr und können dann stattfinden, wenn der Teilnehmer verfügbar ist. Aus der Perspektive der Analyse gibt es auch Studien, bei denen es mehr darauf ankommt, wie Menschen sprechen als was sie sagen – zum Beispiel in der psychologischen Forschung oder wenn es um Emotionen geht. Dort können Pausen oder der Tonfall bedeutsam sein. KI kann diese Feinheiten noch nicht erfassen. Einige Forscher können viel „zwischen den Zeilen lesen” – ein Zögern, ein Seufzer, eine Pause –, Dinge, die KI aktuell nicht wahrnimmt. Diese Projekte benötigen weiterhin menschliche Analyse.

Michael: Widmen wir uns noch dem Thema Ethik. KI-Interviews werfen neue Fragen auf – zum Beispiel, weil Menschen emotionale Bindungen zu KI-Bots aufbauen. Wo sehen Sie Handlungsbedarf im Bereich Ethik?

Paul: Transparenz ist entscheidend. Ich habe einmal einen Avatar von mir selbst für eine Party erstellt, der Gäste interviewte, und einige dachten wirklich, sie würden mit mir chatten! Da wurde mir klar, wie wichtig es ist, klar zu kommunizieren, dass die Teilnehmer mit einer KI interagieren. Gleichzeitig kann diese Technologie aber auch traditionelle Barrieren abbauen. In sensiblen Bereichen wie Politik, Gesundheit oder Wohlbefinden äußern manche Teilnehmer ihre Meinung lieber gegenüber einer KI als einem menschlichen Interviewer. Unabhängig davon müssen Forscher jedoch sicherstellen, dass die Teilnehmer verstehen, mit wem – oder was – sie sprechen.

Michael: Wenn Sie Ihren Kunden Ihre Technologie erklären: Neigen diese dazu, ihre Leistungsfähigkeit eher zu überschätzen oder eher zu unterschätzen?

Paul: Beides. Am Anfang sagten viele: „Wozu brauche ich xelper? Ich kann doch einfach ChatGPT verwenden.“ Dann probierten sie es aus und stellten fest, dass generische Tools mit Aufgaben wie der systematischen und sicheren Verarbeitung einer großen Anzahl von Interviews überfordert sind, und kamen zu uns zurück. Jetzt sind die Kunden schon viel besser informiert, aber die Erwartungen entwickeln sich schnell weiter. Was heute „erstaunlich“ ist, ist in sechs Wochen Standard. Vor zwei Jahren waren die Leute noch begeistert, dass eine KI chatten konnte. Jetzt erwarten sie, dass sie fehlerfrei spricht und perfekt transkribiert. Wir müssen uns rasant weiterentwickeln – nicht nur, um mit der Technologie Schritt zu halten, sondern auch mit den Erwartungen der Nutzer. 

Michael: Das klingt herausfordernd. Wie gehen Sie mit diesen Erwartungen um?

David: Aus UX-Sicht ist das schwierig, weil die Nutzer davon ausgehen, dass eine KI alles tun kann, was sie in einem Chatfenster verlangen. Bei herkömmlicher Software war klar, dass jede Funktion eigens programmiert werden musste. Bei KI erwarten die Menschen manchmal Wunder. Wir arbeiten stetig daran, Interfaces zu entwickeln, die Grenzen klar kommunizieren und gleichzeitig ein flüssiges Nutzungserlebnis gewährleisten. Es ist, als würde man von Excel erwarten, die gesamte Tabelle ins Chinesische zu übersetzen, nur weil man die Aufforderung dazu eingibt. Da müssen wir die Nutzer manchmal etwas in die Realität zurückführen.

Michael: Mit Blick auf die nächsten ein bis zwei Jahre: Welche technologische Entwicklung wird den größten Einfluss auf Ihre Arbeit haben?

Paul: Speech-to-Speech-Modelle sind sehr vielversprechend, insbesondere da sich die Latenz verbessert, aber textbasierte Interviews bleiben für die Marktforschung unverzichtbar. Text-Chats führen tendenziell zu höheren Teilnahmequoten und repräsentativeren Stichproben, da viele Befragte das Tippen dem Sprechen vorziehen. In unseren Studien entscheidet sich nur eine kleine Minderheit für die Sprachfunktion. Sprache wird Text nicht ersetzen, sondern ergänzen. Die größten Auswirkungen wird sie wahrscheinlich in Bereichen wie Webseiten- und Usability-Tests haben, wo das Sprechen natürlicher wirkt, und sie reichhaltigere, unmittelbarere Rückmeldungen liefern kann. Und natürlich würde ein Durchbruch bei synthetischen Befragten oder AGI, allgemeiner künstlicher Intelligenz, die wirklich versteht, alles verändern. Aber das ist Spekulation. Im Moment konzentrieren wir uns darauf, echte Gespräche zwischen Menschen und KI flüssiger und natürlicher zu gestalten.

Michael: Was ist für Sie der wichtigste Vorteil von KI in der qualitativen Forschung? 

David: Zwei Dinge: Umfang und Konsistenz. Man kann Hunderte von Menschen mit dem gleichen Maß an Struktur und Tonfall erreichen – etwas, das für menschliche Interviewer unmöglich ist. Gleichzeitig erhält man reichhaltigere Daten als bei einer Umfrage, da die Teilnehmer frei schreiben, sich stärker engagieren und im Flow bleiben. KI ersetzt menschliche Forscher nicht, sondern nimmt ihnen Routineaufgaben ab – damit sie sich auf Interpretation und Strategie konzentrieren können.

Michael:  Wie wird sich KI-gestützte Forschung Ihrer Ansicht nach weiterentwickeln?

Paul: KI wird in Forschungsabläufen zunehmend selbstverständlich und keine Neuheit mehr sein. In zwei Jahren werden „KI-gestützte Interviews” so normal sein wie Online-Umfragen heute.  Der Schlüssel liegt darin, die richtige Balance zwischen Automatisierung und Authentizität zu finden: Die menschliche Neugierde bleibt im Mittelpunkt, während die KI Skalierbarkeit und Geschwindigkeit übernimmt.

Michael: Vielen Dank für das aufschlussreiche Gespräch und dass Sie Ihre Einblicke und Perspektiven zur KI-Marktforschung mit uns geteilt haben. Es war spannend zu erfahren, wie xelper das Konzept „qualitativ skalieren“ interpretiert.