Wie eine KI die Kaufabsicht reproduziert, ohne sie je nach einer Note zu fragen

Wenn man sich vorstellt, „eine KI für Marktforschung zu nutzen“, denkt man oft an ein einfaches Rezept: ein Produkt beschreiben und das Modell dann bitten, seine Kaufabsicht von 1 bis 5 zu bewerten. Das ist intuitiv, aber es ist auch die falsche Methode. Genau das zeigt die Forschung.

Die Falle der direkten Note

Ein großes Sprachmodell (LLM) nach einer Zahl zu fragen, erzeugt degenerierte Verteilungen: Alle antworten „4“. Die Varianz bricht zusammen, die Antworten werden überempfindlich gegenüber der Formulierung der Frage, und die Korrelation mit echten Verbrauchern ist schwach. Das Modell „überspielt“ bestimmte Noten, weil es eine plausible Antwort optimiert, nicht eine Meinung.

Anders gesagt: Eine direkt abgefragte Zahl enthält fast keine nutzbare Information.

Die zentrale Idee: die Meinung von ihrer Messung entkoppeln

Das Paper „LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings“ (arXiv 2510.08338) schlägt einen eleganten Umweg vor. Statt nach einem Score zu fragen, geht man in zwei Schritten vor:

1. Die Persona spricht frei. Wir lassen das Modell einen Befragten verkörpern, mit Alter, sozioökonomischem Status, Region und Einstellungen, und bitten es, in natürlicher Sprache auf das Konzept zu reagieren, wie ein echter Panel-Teilnehmer.
2. Wir messen diesen Text von außen. Wir vergleichen die Antwort mit einem Satz von Ankersätzen, einem je Stufe der Skala, per semantischer Ähnlichkeit (Embeddings + Kosinus). Die nächstgelegene Stufe, oder ein gewichteter Mittelwert, ergibt die Note.

Diese Trennung verändert alles. Die Varianz kehrt zurück, die Verteilungen ähneln denen der Menschen, und die Korrelation mit echten Daten steigt.

Warum das funktioniert

Ein Verbatim enthält tausend Nuancen, die eine Zahl einebnet: „eine weniger süße Variante hätte ich mir gewünscht“ ist kein „Nein“, es ist ein „Ja, aber“. Die semantische Ähnlichkeit erfasst diese Nuance und projiziert sie auf die Skala, statt das Modell zu einer künstlichen Entscheidung zu zwingen.

Das macht die Methode auch belastbar: Es ist kein „Chatbot, der rät“, sondern ein reproduzierbares Messprotokoll, mit versionierten und je Sprache validierten Ankern.

Was Panelia daraus macht

Bei Panelia läuft diese Pipeline über Hunderte synthetischer Befragter pro Studie. Wir aggregieren die Noten zu einer Absichtsverteilung, berechnen eine Top-2-Box und Konfidenzintervalle per Bootstrap und kalibrieren das Ganze an menschlichen Referenzdaten.

Das Ergebnis ist kein Orakel. Es ist ein Werkzeug zur Entscheidungsunterstützung, mit ausgewiesener Unsicherheit: genau das, was man braucht, um Konzepte zu sichten, bevor man ein echtes Feldbudget einsetzt.

Möchten Sie die vollständige Methode samt Ankern sehen? Dann auf zur Seite Die Wissenschaft.