Marktforschung mit KI: was ChatGPT für Ihre Studie leisten kann und was nicht

Wie viele europäische Unternehmen nutzen bereits KI?

Die Verbreitung hat sich stark beschleunigt. Laut Eurostat setzten 2025 19,9 % der EU-Unternehmen mit zehn oder mehr Beschäftigten mindestens eine KI-Technologie ein, nach 8,1 % im Jahr 2023. Der Anteil hat sich in zwei Jahren mehr als verdoppelt.

Die Durchschnittswerte verdecken eine große Spannweite zwischen den Mitgliedstaaten. Die Niederlande liegen deutlich über dem EU-Durchschnitt, Bulgarien deutlich darunter, und der Abstand zwischen beiden wächst weiter.

2021 betrug der Abstand zwischen niederländischen und bulgarischen Firmen 9,8 Prozentpunkte, 2025 waren es 24,6. Zwei Einschränkungen gelten. Der Indikator zählt jede KI-Technologie, von Textanalyse bis maschinellem Lernen; er zeigt also nicht, wie viele Firmen KI gezielt für Marketing oder Marktforschung einsetzen. Und er erfasst Unternehmen mit zehn oder mehr Beschäftigten, sagt also nichts über Einzelunternehmer. Weitere Indikatoren zur Digitalisierung von Unternehmen, darunter die Nutzung sozialer Medien und bezahlter Onlinewerbung, finden Sie in unserem Bereich Unternehmensdaten.

Für Auftraggeber von Marktforschung bedeutet das praktisch: KI-Tools sind in vielen Teams auf Kunden- wie auf Anbieterseite inzwischen Alltag. Die Frage ist nicht mehr, ob man sie nutzt, sondern wo sie helfen und wo sie in die Irre führen.

Was leistet ein Sprachmodell in einem Forschungsprojekt gut?

Sprachmodelle arbeiten am besten mit Material, das Ihnen bereits vorliegt, und mit einer Anweisung, die so präzise ist, dass sich das Ergebnis überprüfen lässt. Übertragen auf die Phasen eines typischen Projekts:

In der Analysephase ist die Zeitersparnis real. Zweitausend offene Kommentare nach Themen zu gruppieren, kostete früher Tage manueller Codierung; ein Modell liefert einen ersten Durchgang in Minuten, und die Aufgabe des Forschers verschiebt sich dahin, den Codeplan zu korrigieren, statt ihn von Grund auf zu erstellen.

Wo versagt ChatGPT als Forschungswerkzeug?

Die Schwächen sind vorhersehbar, wenn man sich vor Augen hält, was ein Sprachmodell ist: ein System, das auf vergangenen Texten trainiert wurde und die wahrscheinlichste Fortsetzung Ihres Prompts erzeugt.

1. Es beantwortet Fragen, die es nicht wissen kann. Fragen Sie, welcher Anteil der Haustierbesitzer in Deutschland für ein Premium-Futterabo zahlen würde, und Sie erhalten einen selbstbewussten Prozentwert. Dahinter steht keine Stichprobe, also gibt es keine Fehlerspanne und keine Möglichkeit abzuschätzen, wie falsch er sein könnte.
2. Sein Wissen hat einen Stichtag. Eine Preiserhöhung im letzten Quartal, ein neuer Wettbewerber oder eine Gesetzesänderung fehlen, wenn Sie sie nicht selbst mitliefern.
3. Es erfindet Quellen. Modelle zitieren mitunter Berichte, die es nicht gibt, oder schreiben echt aussehende Tabellen echten Institutionen zu.
4. Es spricht für die Menschen, die online schreiben. Häufige Internetnutzer sind in den Trainingsdaten überrepräsentiert. Laut Eurostat nutzten 2025 in der EU 89,5 % der Personen täglich das Internet, in Bulgarien 82,7 % und in den Niederlanden 98,4 %. Wer nicht zu dieser täglich aktiven Gruppe gehört, ist in den Lerndaten der Modelle unterrepräsentiert und zugleich über Online-Panels am schwersten zu erreichen.

Das vierte Problem wiegt in länderübergreifenden Projekten am schwersten. Das Bild eines Modells vom durchschnittlichen Verbraucher passt vermutlich eher zu Amsterdam als zu einer Kleinstadt im Nordwesten Bulgariens.

Synthetische Befragte: ein Prüfstand, keine Stichprobe

Synthetische Befragte sind KI-generierte Personas, die einen Fragebogen beantworten, als wären sie Kunden. Das Ergebnis sieht aus wie Umfragedaten, mit Prozentwerten, Segmenten und Zitaten, und genau das macht es riskant.

Nützlich sind sie in einer engen Rolle:

• prüfen, ob Fragen vor einem Pretest wie beabsichtigt verstanden werden;
• abschätzen, wie lange der Fragebogen dauert und wo die Filterführung bricht;
• Hypothesen und Antwortoptionen für eine spätere Befragung echter Menschen erzeugen.

Als Ersatz für echte Befragte taugen sie wenig, weil ihnen eine Auswahlgrundlage fehlt und sich daher keine Fehlerspanne berechnen lässt (was das in der Praxis bedeutet, zeigt unser Leitfaden zur Stichprobengröße). Ihre Antworten streuen weniger als menschliche, sie reproduzieren Stereotype aus den Trainingsdaten, und sie können nichts über Ereignisse nach dem Stichtag des Modells wissen.

Schlägt ein Anbieter synthetische Daten für eine echte Entscheidung vor, verlangen Sie eine Validierungsstudie: derselbe Fragebogen, eingesetzt bei einer echten Stichprobe, mit vorab festgelegten Kriterien für die Übereinstimmung. Vergleichen Sie die Verteilung der Antworten, die Rangfolge der Optionen und vor allem die Unterschiede zwischen Teilgruppen, denn dort weichen synthetische Daten am häufigsten ab.

Wie Sie KI-Ergebnisse validieren, bevor sie in einen Bericht gelangen

Behandeln Sie jedes KI-Ergebnis wie den Entwurf einer fähigen, aber unzuverlässigen Nachwuchskraft. Fünf Prüfungen fangen die meisten Probleme ab:

• Eine Zufallsauswahl doppelt codieren. Ein Forscher codiert eine Stichprobe offener Antworten, etwa jede zehnte, ohne die maschinellen Codes zu sehen, und vergleicht dann beide.
• Jede Zahl zurückverfolgen. Jede Statistik muss zu einer benannten Tabelle, einem Jahr und einer URL führen. Die oben genannten Zahlen zur KI-Nutzung stammen zum Beispiel aus der Eurostat-Tabelle isoc_eb_ai.
• Zitate mit Transkripten abgleichen. Verlangen Sie für jedes Zitat die Zeile oder den Zeitstempel und öffnen Sie die Stelle.
• Den Prompt erneut ausführen. Liefert ein zweiter Durchlauf mit demselben Material andere Themen, sind die Themen nicht robust.
• Das Setup protokollieren. Halten Sie Modell, Version, Datum und Prompt fest, damit sich die Analyse wiederholen lässt.

Governance: Datenschutz, KI-Verordnung und Berufskodizes

Interviewtranskripte, Aufnahmen und Umfragedateien enthalten oft personenbezogene Daten: Namen, Stimmen, Arbeitgeber, manchmal Gesundheits- oder Finanzangaben. Sie in einen öffentlichen Chatbot hochzuladen, ist eine Übermittlung an Dritte, die nach der DSGVO und der britischen UK GDPR eine Rechtsgrundlage, Informationen für die Teilnehmenden und einen Auftragsverarbeitungsvertrag mit dem Anbieter erfordert.

Eine praxistaugliche Richtlinie umfasst vier Punkte:

• Namen, Kontaktdaten und andere Identifikatoren entfernen, bevor Text in ein KI-Tool gelangt;
• Business-Versionen mit Auftragsverarbeitungsvertrag nutzen, bei denen das Training mit Ihren Daten abgeschaltet ist;
• die Teilnehmenden im Einwilligungstext darüber informieren, dass ihre Antworten mit KI verarbeitet werden können;
• die Rohdaten getrennt aufbewahren, damit sich die Analyse auch ohne KI wiederholen lässt.

Die KI-Verordnung der EU (AI Act), deren Pflichten stufenweise gelten, enthält Transparenzpflichten für Situationen, in denen Menschen mit einem KI-System interagieren. Wenn Sie KI-moderierte Interviews durchführen, sagen Sie den Teilnehmenden, dass der Interviewer kein Mensch ist. Der Internationale ICC/ESOMAR-Kodex verlangt zudem Ehrlichkeit gegenüber Auftraggebern über die Methoden; ein Bericht sollte daher angeben, welche Phasen KI-gestützt waren und wie sie geprüft wurden. Auf unserer Seite zur Methodik beschreiben wir, wie wir diese Regeln anwenden.

Wann brauchen Sie weiterhin eine beauftragte Studie?

KI verkürzt Vorbereitung und Analyse. Die Evidenz liefert sie nicht, wenn die Entscheidung davon abhängt, wie viele Menschen handeln werden, zu welchem Preis oder warum:

• Um Anteile, Bekanntheit oder Kaufabsicht zu messen, brauchen Sie eine quantitative Befragung mit definierter Stichprobe; der Stichprobenrechner zeigt, wie viele Interviews eine bestimmte Genauigkeit erfordert.
• Um Motive zu verstehen, über die Kunden online nicht schreiben, bleiben Tiefeninterviews mit echten Käufern der verlässliche Weg.
• Um große Mengen an Bewertungen und Social-Media-Beiträgen auszuwerten, kombiniert eine digitale Marktanalyse maschinelle Klassifikation mit menschlicher Kontrolle.
• Für amtliche Marktstatistiken beginnen Sie mit unserer Übersicht über kostenlose Marktdaten für Europa.

Wenn Sie unsicher sind, was davon zutrifft, beschreiben Sie die Entscheidung im Formular für Ihre Angebotsanfrage. Wir schlagen Ihnen dann ein Design vor, das KI dort einsetzt, wo sie Zeit spart, und echte Befragte dort, wo die Antwort von ihnen abhängt.