Die teuerste Frage der Marktforschung war immer dieselbe: Würden Sie das kaufen?
Sie zu stellen kostete Wochen und fünfstellige Budgets. Heute beantwortet sie eine Maschine, in Minuten, für den Preis eines Kaffees.
Nur beantwortet sie eine andere Frage, als die meisten glauben. Und darin liegt der eigentliche Vorteil. Der ROI liegt nicht in der Variante, die überlebt. Er liegt in denen, die nie gebaut werden.
Die Lage
Im Oktober 2025 erschien eine Arbeit mit dem Titel „LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings“ (arXiv 2510.08338, Maier, Aslak, Fiaschi et al.).
Der Aufbau. Getestet wurde an 57 Produktbefragungen aus dem Körperpflegebereich, durchgeführt von einem führenden Konzern dieses Marktes, mit 9.300 echten menschlichen Antworten. Dagegen ließ man synthetische Befragte antreten: Sprachmodelle, denen man eine Person beschreibt, dann ein Produkt zeigt und deren Kaufabsicht abfragt.
Die Methode, und sie ist der praktisch wichtigste Teil. Fragt man ein Modell direkt nach einer Zahl, entstehen unrealistische Antwortverteilungen. Die Autoren gehen deshalb anders vor: Sie lassen das Modell in Fließtext antworten und übersetzen diesen Text anschließend über Embedding-Ähnlichkeit zu Referenzsätzen in eine Likert-Skala. Das Verfahren heißt Semantic Similarity Rating.
Anders gesagt: Die Zahl wird nicht gefragt. Sie wird gerechnet.
Das Ergebnis. Die synthetischen Befragten erreichen 90% der menschlichen Test-Retest-Reliabilität, bei realistischen Antwortverteilungen. Dazu liefern sie Begründungen im Klartext, also nicht nur eine Bewertung, sondern das Argument dahinter.
Und genau hier fängt die Sache an, interessant zu werden. Denn diese 90% sind nicht das, wofür fast jeder sie hält.
Die etwas andere Sichtweise
Der Maßstab ist nicht die Wahrheit. Der Maßstab ist die Unzuverlässigkeit des Menschen.
Test-Retest-Reliabilität heißt: Man fragt dieselben Menschen zweimal dasselbe und misst, wie konsistent sie antworten.
Menschen sind darin schlecht. Sie sind an einem Dienstag anderer Meinung als an einem Donnerstag. Sie ändern ihr Urteil, wenn sich die Reihenfolge der Fragen ändert. Diese Inkonsistenz ist die eigentliche Obergrenze jeder Marktforschung, und sie liegt deutlich unter 100%.
Die Maschine erreicht 90% dieser Obergrenze.
Das ist ein bemerkenswertes Ergebnis. Es bedeutet: Der synthetische Befragte ist fast so konsistent mit dem Menschen, wie der Mensch mit sich selbst ist.
Es bedeutet nicht: Die Maschine sagt zu 90% richtig voraus, was gekauft wird. Sie simuliert also den Befragten ziemlich gut, nicht den echten Käufer.
Die zweite Lücke, und sie ist die größere
Eine Umfrage misst, was Menschen sagen. Ein Kassenbon misst, was sie tun.
Zwischen beidem liegt der Say-Do-Gap, das älteste und teuerste Problem der Marktforschung. Menschen erklären, sie kaufen nachhaltig, und greifen dann zum Billigen. Sie geben eine Zahlungsbereitschaft von 40 Euro an und zögern an der Kasse bei 29.
Die Studie vergleicht Maschine gegen Umfrage. Nicht Maschine gegen Umsatz.
Was folgt daraus? Die Maschine hat gelernt, die Umfrage zu reproduzieren, einschließlich ihrer Lügen. Sie erbt die soziale Erwünschtheit. Sie erbt die hypothetische Zahlungsbereitschaft, die an der Kasse verdampft. Sie ist ein exzellenter Simulator des Befragten, nicht des Käufers.
Das ist derselbe Mechanismus, den wir aus dem Reward Hacking kennen: Das System trifft die Kennzahl perfekt und verfehlt den Zweck.
Der Fund: PBO liefert keine Niveaus. Es liefert Rangfolgen
Und hier kippt der scheinbare Mangel in einen Vorteil.
Wer die Zahl liest, verliert. „Sechs von sieben, also rechnen wir mit 85% Kaufbereitschaft“ ist der Fehler, den die Mehrheit machen wird. Diese Zahl ist eine Umfragezahl. Sie war noch nie ein Verkaufsversprechen, auch nicht, als sie 50.000 Euro gekostet hat.
Wer die Reihenfolge liest, gewinnt. Denn der Bias verteilt sich gleichmäßig über alle Varianten, die Sie testen. Er ist in Variante A genauso enthalten wie in Variante C. Im Vergleich kürzt er sich heraus.
Wenn Variante C über hundert synthetische Profile hinweg konstant vor A und B liegt, ist das eine belastbare Aussage, obwohl kein einziger absoluter Wert stimmt.
Das ist die Bedienungsanleitung für PBO: Testen Sie nie eine Variante. Testen Sie immer mindestens drei. Die Aussage entsteht im Abstand, nicht im Niveau.
Und der zweite Betriebshinweis kommt direkt aus der Methode der Studie: Fragen Sie das Modell nie nach einer Note. Lassen Sie es begründen, in Sprache, und leiten Sie die Zahl aus dem Text ab. Wer nach einer Zahl fragt, bekommt eine erfundene Verteilung. Die meisten, die das jetzt nachbauen, werden genau diesen Fehler machen.
Die Rechnung: Der Wert liegt im Verlierer, nicht im Sieger
Bisher testete man eine Produktidee. Die beste. Weil jeder Test ein Budget war.
Ein Beispiel. Ein Hersteller plant eine neue Produktlinie, sechs Varianten stehen zur Auswahl. Klassisch wird eine gebaut, gelauncht und gelernt.
- Entwicklung und Werkzeug pro Variante: 12.000 Euro
- Erstcharge Lager: 18.000 Euro
- Media zum Anlaufen: 15.000 Euro
- Kosten eines Fehlgriffs: 45.000 Euro. Erkenntnisgewinn nach vier Monaten.
Mit PBO werden alle sechs vorab simuliert, dazu vier Preispunkte und drei Verpackungen. Kosten: ein paar Stunden Arbeit, ein niedriger dreistelliger Betrag an Rechenzeit. Danach fallen vier Varianten aus, zwei bleiben, eine wird gebaut.
Der ROI liegt nicht in der Variante, die überlebt. Er liegt in den vier, die nie gebaut werden.
Das ist keine Prognose, das ist Optionalität: viele kleine Irrtümer zu einem Preis, der wehtut wie nichts, statt eines großen zu einem Preis, der wehtut wie 45.000 Euro.
Die Reihenfolge des Risikos dreht sich um. Bisher: bauen, launchen, hoffen, lernen. Das Lernen kam nach der Investition. Jetzt: simulieren, verwerfen, schärfen, launchen. Das Lernen kommt davor.
Die vorhersagbare Massenreaktion
Und dann die unangenehme Prognose.
Was fünfzig Euro kostet, machen bald alle. Mit ähnlichen Personas, auf denselben zwei, drei Modellen, mit denselben Prompts aus denselben LinkedIn-Beiträgen.
Die synthetischen Märkte konvergieren. Alle bekommen dieselbe Antwort, weil ein Sprachmodell per Konstruktion die wahrscheinlichste Antwort liefert. Und die wahrscheinlichste Antwort ist die, die alle anderen auch bekommen.
Ein Vorteil, den alle haben, ist kein Vorteil. Er ist ein neuer Mindeststandard. Nicht rational, aber vorhersagbar. Und daraus folgt der einzige Hebel, der bleibt.
Der Hebel: Ihre Kunden, nicht die Allgemeinheit
Eine synthetische Persona aus öffentlichem Wissen ist Konsens. Sie beschreibt den Durchschnittsmenschen, den auch Ihr Wettbewerber simuliert.
Eine synthetische Persona, gebaut aus Ihren Bestellhistorien, Ihren Retourengründen, Ihren Support-Tickets, Ihren Kundenrezensionen und den Einwänden aus Ihren Verkaufsgesprächen, ist etwas anderes. Sie ist nicht kopierbar, weil niemand sonst diese Daten hat.
Der Unterschied ist derselbe wie zwischen einer Umfrage in der Fußgängerzone und einem Gespräch mit den Menschen, die schon einmal bei Ihnen gekauft haben.
Und noch etwas macht diese Daten wertvoll: Sie enthalten Verhalten, nicht nur Absicht. Eine Retoure ist keine Aussage. Sie ist eine Handlung. Wer seine synthetischen Käufer aus echten Handlungen baut, schließt genau die Lücke, die der Studie fehlt.
Wie divendus hier hilft
Die Abgrenzung zuerst.
Das Marktforschungsinstitut liefert eine Zahl. Es kann nur liefern, was gefragt wurde.
divendus baut den Prozess, der aus dreißig Varianten die richtige übrig lässt, bevor die erste gebaut wird.
Wir setzen diese Technik seit Jahren ein und nennen sie PBO, Predictive Buying Optimization. Drei Aufgaben.
- Die Testarchitektur.
Was wird verglichen, gegen was, mit welchen Profilen, in welcher Anzahl? Der häufigste Fehler ist die Einzelmessung, denn sie erzeugt eine Zahl, die nichts bedeutet. Wir bauen Vergleiche, nicht Umfragen. Und wir setzen die Methode richtig auf, also Text statt Note, Verteilung statt Mittelwert. - Die Personas aus Ihren Daten.
Bestellhistorie, Retourengründe, Rezensionen, Support-Tickets, Einwände aus dem Verkauf. Daraus entstehen synthetische Käufer, die Ihren echten Käufern ähneln und nicht dem Durchschnitt des Internets. Das ist der Teil, den kein Wettbewerber nachbauen kann. - Die Übersetzung in eine Entscheidung.
Eine Rangfolge ist noch keine Entscheidung. Was kostet der Fehlgriff, was kostet der Test, ab welchem Abstand zwischen zwei Varianten lohnt sich das Bauen, und wo ist der Punkt, an dem simuliert genug ist und die Realität antworten muss?
Die Grenze, die bleibt
Die Maschine kennt den Menschen von gestern. Radikal Neues, für das es keine Muster gibt, sagt sie schlecht voraus. Ein Move 37 des Konsums steht in keinem Trainingsdatensatz.
Dazu kommt die Frage der Übertragbarkeit. Die Studie testete Körperpflegeprodukte, also eine Kategorie mit Millionen dokumentierter Konsumentenstimmen. Für einen Sonderfahrzeugbau, eine Stadtmöblierung oder ein B2B-Investitionsgut ist die Datenlage im Modell dünner, und die Ergebnisse werden es auch sein.
PBO ersetzt deshalb keine Entscheidung.
Es verbilligt Irrtümer, bevor sie teuer werden.
Drei Prüffragen
- Wie viele Varianten haben Sie bei Ihrem letzten Produktlaunch ernsthaft geprüft?
Wenn die Antwort „eine“ lautet, war es kein Test. Es war eine Wette. - Lesen Sie in Ihren Tests die Zahl oder die Reihenfolge?
Wer die Zahl liest, hält eine Umfrageantwort für eine Umsatzprognose. Das war schon vor der KI falsch, nur teurer. - Womit füttern Sie Ihre synthetischen Käufer?
Mit öffentlichem Wissen bekommen Sie die Antwort, die Ihr Wettbewerber auch bekommt. Mit Ihren Retouren bekommen Sie eine Antwort, die es sonst nirgends gibt.
Was 50.000 Euro kostete, kostet jetzt fünfzig. Und was fast nichts kostet, verändert nicht die Genauigkeit, sondern das Verhalten.
Der Vorteil liegt nicht darin, die Zukunft zu kennen. Er liegt darin, mehr Zukünfte durchzuspielen als der Wettbewerb, und die schlechten zu verwerfen, solange das nichts kostet.
Wer besser entscheidet, gewinnt.