Sie machen Tausende von Gesprächen möglich und bei einigen Themen ziehen es Kunden sogar vor, mit einem Bot statt mit Menschen zu kommunizieren. Vorlieben, alltägliche Situationen, Schmerzpunkte – um fundierte Entscheidungen treffen zu können, müssen Unternehmen ihre Kundschaft kennen. Aber Marktforschung ist aufwendig, sie erfordert Zeit und Geld. Was können große Sprachmodelle (LLMs) in dieser Situation bewirken?
In der Marktforschung existiert ein altes Problem: Daten aus quantitativen Methoden wie Umfragen bieten eine breite Wissensbasis, ihre Ergebnisse sind skalierbar und statistisch valide. Quantitative Methoden basieren auf standardisierten Selbstauskünften, was zu ihrem Nachteil wird, da sie nur oberflächliche Einblicke in die Lebenswelt der Befragten ermöglichen. Tiefeninterviews und andere qualitative Herangehensweisen bieten einen intensiveren Einblick in die Gedanken, Gefühle und Entscheidungsprozesse der Befragten. Allgemeine Schlussfolgerungen können daraus jedoch nicht abgeleitet werden.
Der alte Zielkonflikt eignet sich gut für die Anwendung neuer Interview-KIs. Sie erlauben es Wissenschaftlerinnen und Wissenschaftlern, eine große Anzahl von Menschen zu befragen – in Dimensionen, die quantitativen Untersuchungen entsprechen – und zugleich Kontextinformationen sowie sprachliche Feinheiten zu erfassen, die normalerweise in Tiefeninterviews vorkommen. Außerdem bieten LLMs noch weitere Einblicke, die mit herkömmlichen Methoden nur schwer oder sogar unmöglich zu erhalten wären.
Wir forschten im letzten Jahr der Frage nach, auf welche Weise generative KI Marktdaten sammeln und auswerten kann. Einige Monate später machten wir einen weiteren Schritt und erörterten, wie „synthetische Personas“ und „digitale Zwillinge“, die durch KI generiert werden, in der Forschung als Stellvertreter für echte Verbraucherinnen und Verbraucher dienen können. Dieser Artikel behandelt ein Gebiet, das nicht in Pilotprojekten oder wissenschaftlichen Untersuchungen behandelt wird: die qualitative Marktforschung. Unternehmen nutzen mittlerweile KI-„Interviewer“, die echte Menschen schneller und umfassender befragen können als jemals zuvor.
Die qualitative Forschung stellt die ergiebigste Quelle für Erkenntnisse über Kunden dar, ist jedoch schwer skalierbar. Viele Firmen scheuen sich vor den hohen Kosten und dem erforderlichen Zeitaufwand. Aufgrund der kleinen Stichprobengrößen ist es schwierig, den qualitativen Daten das gleiche Vertrauen wie den quantitativen zu schenken.
Eine Welle von KI-nativen Start-ups treibt die Vereinigung dieser beiden Ansätze nun endlich voran. Nur im vergangenen Jahr akquirierten die US-amerikanischen Technologieplattformen Outset, Listen Labs und Simile jeweils 50 bis 100 Millionen Dollar von renommierten Risikokapitalgebern. Diese drei Firmen sind nur einige von vielen, die generative KI verwenden, um innovative Forschungsprojekte umzusetzen. Wir berichten über den aktuellen Stand und zeigen, wie Führungskräfte das vielversprechende Instrumentarium der KI-moderierten Forschung einordnen und nutzen können.
Eine der vielleicht wichtigsten Anwendungen von KI-moderierten Interviews ist die Möglichkeit, qualitative Forschung zu skalieren und ihre Tiefe mit der Breite quantitativer Methoden zu verbinden. Vor Kurzem zeigte Microsoft, wie es auf diese Weise die Kundenwahrnehmung seiner Produkte mit der der Mitbewerber vergleichen konnte. Obwohl der traditionelle Marken-Tracker des Unternehmens dem Team die Veränderung der Wahrnehmung im Bereich „KI“ aufzeigen konnte, lieferte er keine Erklärung dafür.
Microsoft führte mit drei verschiedenen Zielgruppen über 250 Interviews mithilfe der Testplattform Listen Labs durch und testete dabei das intern als „Frontier Listening“ bezeichnete Konzept. Dieses Konzept ist eine kontinuierlich laufende, halb strukturierte Interviewmethode, die eine offene Herangehensweise und qualitative Tiefe mit quantitativen Kennzahlen kombiniert. „Indem wir Tiefe, Umfang und Geschwindigkeit in einem einzigen Workflow kombinieren, erhalten wir innerhalb von Tagen statt Wochen vielfältige Kundenmeinungen“, erklärt Rob Graves, der das Projekt als Senior Director leitete. „Die Perspektiven der Kundschaft werden fortlaufend erfasst und zusammengeführt. Auf diese Weise verwandeln wir Rückmeldungen in belastbare Einsichten, die in Echtzeit und teamübergreifend in unsere Entscheidungen einfließen.
Da die emotionalen Feinheiten, die für hochpräzise synthetische Personas erforderlich sind, kaum durch Fragebögen erfasst werden können, ging eines unserer Unternehmen, GBK Collective (zu dem auch Mitautor Jeremy Korst gehört), eine Zusammenarbeit mit dem KI-Start-up Twinloop ein. Dabei wurden die KI-moderierten Sprachinterviews von Twinloop mit herkömmlichen schriftlichen Befragungen verglichen.
Die Resultate waren klar: Mündliche Antworten dauerten im Durchschnitt siebenmal länger als schriftliche. Dank der Fähigkeit der KI, bestimmte Stimmungen zu ergründen und nachzufragen, wurde ein Ausmaß an „skalierter Empathie“ möglich, das in der quantitativen Forschung selten erreicht wird. Es wurde möglich, flache Umfragedaten in aussagekräftige, mehrdimensionale Narrative umzuwandeln.
Der Begriff „Skalierbarkeit“ hat je nach Kontext unterschiedliche Bedeutungen. Häufig ist damit eine globale Reichweite gemeint. So gab Anthropic kürzlich bekannt , seinen auf Claude basierenden Anthropic Interviewer eingesetzt zu haben, um mehr als 80.000 Nutzerinnen und Nutzer in 159 Ländern und 70 Sprachen zu befragen, wobei es vorab festgelegte offene Fragen mit dynamisch generierten Folgefragen kombinierte.
Die wertvollsten Einsichten treten manchmal zutage, wenn menschliche Interviewer vom Skript abweichen oder spontan nachfragen. KI-moderierte Interviews ermöglichen es uns, diese dynamische Qualität in einem großen Maßstab zu reproduzieren.
Zum Beispiel, als die US-amerikanische Restaurantkette Sweetgreen zusammen mit Listen Labs eine Untersuchung der Kundenbedürfnisse durchführte: Die KI erkannte, dass die Kunden neben mehr Makronährstoffen (wie Eiweiß) auch bessere Optionen wünschten, um die Inhaltsstoffe ihrer Mahlzeiten einzusehen und sie individuell anzupassen. Sweetgreen beschloss daraufhin, seine App um ein Informationstool zu den Makronährstoffen seiner Gerichte zu erweitern.
Laut Sweetgreens CEO Jonathan Neman betrugen die Kosten für die Forschung mit generativer KI nur ein Drittel der herkömmlichen Kosten, während sie fünfmal so viele Antworten lieferte und fünfmal schneller war als herkömmliche Methoden. Das, was früher einen mehrwöchigen Marktforschungszyklus ausmachte, dauert nun nur noch wenige Tage.
Da die meisten KI-moderierten Interviewplattformen auf großen Sprachmodellen beruhen, liegt ihr Fokus naturgemäß auf den Äußerungen der Teilnehmenden. Einige besonders vielversprechende Anwendungen gehen jedoch noch einen Schritt weiter und erfassen, was Menschen tun und wie sie sich fühlen.
Alumnus des kalifornischen Gründerzentrums Y Combinator, Conveo, hat solche KI-Fähigkeiten ausgearbeitet. Er führte zusammen mit Unilever vor kurzem KI-gestützte mobile Videointerviews mit Personen in ihren eigenen Küchen durch. So bekam Unilever neben den Antworten auch Einblicke in das Verhalten der Personen in ihrem Alltag. Synthetische Personas wurden aus diesen Daten erstellt, die das Innovations- und Insight-Team von Ulinevers abfragen konnte, um weitere Konzepte zu testen. Dieser Vorgang reduzierte die Dauer, was bei traditioneller Die Forschung, die normalerweise Monate in Anspruch nehmen würde, wurde auf wenige schnelle Zyklen reduziert und führte zu zwei Produktkonzepten mit ausgezeichneten Bewertungen.
Ein überraschender Vorteil von KI in der qualitativen Forschung hat weder mit Geschwindigkeit noch mit Kosten zu tun. Viele Menschen empfinden ein künstliches Interviewer als angenehmer, als von einer realen Person befragt zu werden. Insbesondere bei heiklen Themen wie Gesundheit oder Unsicherheiten.
Ein prominenter Anbieter von Männergesundheitsdiensten konnte Männer mit erektiler Dysfunktion und deren Partnerinnen nicht erfolgreich durch traditionelle Methoden qualitativ befragen. Die Akquise von Teilnehmern gestaltete sich schwierig. Männer, die anfangs zugesagt hatten, erschienen oft nicht zum vereinbarten Termin oder weigerten sich, die Videokamera einzuschalten. Durch den Wechsel zu KI-moderierten Videointerviews mithilfe der Research-Plattform Outset begannen sie, sich zu öffnen, und ermöglichten dem Unternehmen ungewöhnlich tiefgreifende Einblicke.
Bei der Kooperation mit der Modemarke Chubbies erlebte Listen Labs eine ähnliche Dynamik. Das Ziel war es, mit jüngeren Kindern zu reden, um zu ermitteln, auf welche Weise eine neue Bekleidungslinie beworben werden sollte. Es wurde dabei deutlich, dass die Kinder einem KI-Interviewer gegenüber offener waren als einem unbekannten Menschen.
Dieses Muster deutet auf ein bedeutendes Prinzip hin, das zunächst nicht einleuchtend wirkt: Dort, wo Marktforschung Unbehagen oder soziale Spannungen auslösen kann, entdeckt KI oft mehr als echte Menschen. Mehrere aktuelle Studien bestätigen diese Tendenz. Die Teilnehmenden einer Studie zur Gesundheitsvorsorge hatten weniger Angst vor Bewertung, wenn sie glaubten, mit einer simulierten statt einer realen Person zu sprechen, und gaben an, sich offener mitteilen zu können.
Traditionelle qualitative Forschung basiert auf der Annahme, dass Teilnehmende eine Stunde oder mehr für ein Interview aufbringen können und dass ein geeigneter Termin für alle Beteiligten gefunden werden kann. Dies funktioniert jedoch nicht immer, insbesondere bei hochkarätigen Zielgruppen, die für viele Unternehmen von besonderer Bedeutung sind.
Doximity, eine Online-Community für medizinische Fachkräfte, sah sich ebenfalls dieser Herausforderung gegenüber. Die Zielkundschaft – insbesondere medizinisches Personal wie Ärztinnen und Pflegende – hatte tagsüber keine Möglichkeit, Termine auszumachen. Outset ermöglichte es ihnen, auf einen Link zu klicken und die Interviews nach ihren Wünschen zwischen den Patientenbesuchen oder spät in der Nacht durchzuführen. Es resultierten nicht nur eine größere Anzahl an Interviews, sondern auch solche mit Personen, die ohne dies vermutlich nie an der Studie teilgenommen hätten.
Wir sehen KI-gestützte Ansätze als eine Möglichkeit, qualitative Forschung erheblich zu erweitern, und nicht als einen vollständigen Ersatz für von Menschen geführte traditionelle Interviews.
In zahlreichen Fällen ist eine Kombination beider Ansätze möglich. Bei einigen Themen werden weiterhin die Beziehung und der Aufbau von Vertrauen notwendig sein, die nur durch eine zwischenmenschliche Verbindung möglich sind. Dies trifft etwa auf ethnografische Arbeiten mit emotionalen Feinheiten zu oder auf Studien, bei denen die Methodik die Fachkenntnis oder die Vertrauenswürdigkeit des Interviewers voraussetzt (wie bei komplexen B2B-Studien). Führungskräfte, die den Mehrwert von KI-moderierten qualitativen Interviews prüfen, können sich jedoch an den oben genannten Fällen orientieren.
KI-Befragungen sind noch in der Anfangsphase. Wie bei jedem neuen Messinstrument wird es entscheidend sein, Gütekriterien zu definieren, wie etwa die Test-Retest-Reliabilität und externe Validität. Auch eine Untersuchung darüber, inwieweit mögliche Vorzüge der KI-Moderation von der Art der Interaktion (zum Beispiel KI versus Mensch, Sprache versus Text) oder von deren Inhalt (wie der Fähigkeit zur Anpassung und zu vertiefenden Nachfragen) abhängt, wäre von Interesse. Die akademische Forschung zu diesem Thema ist hier noch im vollen Gange. Daher sollten Sie vor der Wahl eines KI-Interviews einen Proof of Concept umsetzen, in dem Sie die Leistung der KI anhand einer kleinen Stichprobe mit herkömmlichen Methoden vergleichen.
Wir nehmen an, dass KI-Interviews in Zukunft vermehrt mit den Konzepten der synthetischen Persona und des digitalen Zwillings kombiniert werden. Simulationsplattformen wie Simile.ai und Twinloop verwenden bereits KI-moderierte Interviews, um Daten für digitale Zwillinge zu generieren. Auf diese Weise wird eine Datentiefe geschaffen, die das Training der nächsten Generation digitaler Zwillinge fördert.
GBK Collective untersucht zusammen mit der Columbia Business School und Twinloop in einer neuen Studie den Zusammenhang zwischen Datentiefe und Vorhersagequalität. Im Mittelpunkt steht die Frage, welche Kombination von Trainingsdaten und Befragungsmethoden die empirisch genauesten digitalen Zwillinge hervorbringt.
Außerdem wird von der Forschung an synthetischen Gesichtern für diese digitalen Zwillinge gearbeitet. Sie sollen das, was über die jeweilige Persönlichkeit bekannt ist, visuell darstellen. Es existieren bereits Technologien, um diese Gesichter zu animieren und Avatare von digitalen Zwillingen zu erstellen, die Gedanken, Verhaltensweisen und sogar die Mimik realer Verbraucher nachahmen und mit denen Marktforscher jederzeit qualitative Interviews führen können. Dies ermöglicht es KI-Agenten, sowohl die Rolle der Marketingexpertin zu übernehmen, die mit echten Verbrauchern kommuniziert, als auch die des Verbrauchers, der mit einer echten Marktforscherin spricht.
Der wesentliche Vorteil von KI-gesteuerten Interviews ist die Möglichkeit, qualitative Forschung zu skalieren. Unternehmen können qualitative Methoden in Bereichen anwenden, in denen die Zeit oder das Budget für herkömmliche Studien nicht ausreicht – wie bei raschen Produktentscheidungen, Anpassungen während des Produktlebenszyklus oder beim Markteintritt. So ist es möglich, dass wir heute Entscheidungen treffen, die auf qualitativen Erkenntnissen basieren, anstatt, wie es bisher der Fall war, auf quantitativen Daten oder – noch schlimmer – auf unserem Bauchgefühl.
