Treiber und Getriebene: Wie sich die betriebliche Markforschung auf die KI-Zukunft einstellt

Von Klaus Janke

Es herrscht emsiges Treiben in den Marktforschungsabteilungen: Man testet generative KI-Tools, schult die Teams auf verbindliche Standardanwendungen und stößt Pilotprojekte mit Instituten und Dienstleistern ein – all das zusätzlich zum Regelbetrieb. In vielen Bereichen sind die neuen Technologien bereits selbstverständlicher Teil des operativen Alltags, im Set-up von Studien, in der Textanalyse oder der Visualisierung. In der Testphase sind dagegen Themen wie Personas und synthetische Daten. Häufig sind es noch engagierte Einzelpersonen, die die Entwicklung vorantreiben, Zuständigkeiten sind noch nicht fest verteilt. Anders als in Instituten und Startups gibt es in großen Unternehmen strengere Vorschriften für die Anwendung von KI-Tools, teilweise beschränkt man sich gar auf hausinterne Lösungen.

Die Treiber der Entwicklung: Der Wunsch nach Effizienz, Neugier und produktive Offenheit, aber auch Druck von außen, gepaart mit einer Portion Unsicherheit, was die Zukunft angeht. „Wir können noch nicht genau absehen, was passieren wird“, sagt Florian Bauer, Consumer & Market Insights Lead bei Samsung Electronics Switzerland. „Aber es ist kein völlig unrealistisches Szenario, dass die Marktforschung an Bedeutung verliert.“ Vielleicht laufe es aber auch anders. Für Samsung könne er sagen: „Die Rolle der Marktforschung hat sich nicht verändert. Aber wir müssen uns daran gewöhnen, wie schnell jetzt alles geht“, so Bauer. „Das wissen natürlich auch die anderen Unternehmensbereiche.“

Das Unken über womöglich disruptive Veränderungen ist nicht neu. Schon vor zehn Jahren zeichneten sich viele Entwicklungen ab, die das Terrain der betrieblichen Marktforschung bedrohten: DIY-Plattformen, Social Listening, Predictive Analytics – die Stichworte sind bekannt. Diesmal – genau gesagt mit dem Siegeszug der generativen KI seit 2022 – kann es sehr tiefgreifende Veränderungen geben. Vor allem die amerikanischen Tech-Konzerne wie Meta und Amazon setzen kompromisslos auf die neuen Technologien und haben in großem Stil Personal auch in der Marktforschung, im CX- und UX-Bereich abgebaut – das könnte Schule machen. Hinzu kommt unternehmensinterne Konkurrenz durch die Insights-Demokratisierung und allgemeine Datenverfügbarkeit.

Marktforschung muss Komplexität reduzieren

Hört man sich bei betrieblichen Marktforschenden um, wird aber auch die positive Seite der Medaille deutlich: Wer KI erfolgreich einsetzt, kann seinen Status im Unternehmen nicht nur halten, sondern sogar deutlich verbessern – die Karten werden neu gemischt. „Die großen Chancen liegen in der Synthese der verschiedenen Datenquellen“, sagt Samsung-Forscher Florian Bauer. „Silo-Strukturen werden zwar immer wieder kritisiert, aber in Teilen bestehen sie weiterhin.“ Die Marktforschung könne helfen, diese Silos aufzubrechen und Daten zusammenzuführen. Das zweite wichtige Thema für Bauer: die Reduzierung von Komplexität. „Wir müssen komplexe Informationen für Entscheidungen verfügbar machen. Unsere Rolle besteht nicht nur darin, Daten zu liefern, sondern Entscheidungsträgern relevante und fundierte Optionen aufzuzeigen.“

Die Marktforschenden mit gewichtiger Stimme am Vorstandstisch – der Weg dahin ist weit. Aber auch schon in bescheidenderem Rahmen können die Research-Abteilungen punkten – vor allem mit Effizienz und Schnelligkeit: „Wir erstellen heute in kurzer Zeit Briefings und Marktanalysen“, sagt Karin Hagemann, Abteilungsleiterin Research & Insights bei S-Communication Services, dem Kommunikationsdienstleister der Sparkassen-Finanzgruppe. „Recherchen, für die wir früher mehrere Tage benötigt hätten, lassen sich mit Deep Research und Tools in rund 15 Minuten strukturiert aufbereiten. Auch Treiberanalysen setzen wir im Team inzwischen mit einem eigenen Custom GPT schnell und valide um. Das war vorher nicht möglich.“ Die Folge: Marktforschung kann mehr Anfragen aus dem Unternehmen bedienen.

Ein großer Hebel für mehr Relevanz liegt zudem im Aufbau von Datenbank-Systemen, die sich über einfache Chat-Funktionen bedienen lassen. Zahlreiche Unternehmen arbeiten daran, über derartige Lösungen das gesamte Research-Wissen einfach und schnell verfügbar zu machen – nicht nur für die eigenen Teams, sondern auch für andere Unternehmensbereiche. Die Vernetzung der Marktforschung mit Abteilungen wie Marketing, Vertrieb oder Produktentwicklung nimmt zu. Lesen Sie dazu auch das Interview mit Florian Bauer “Wir müssen komplexe Entscheidungen verfügbar machen”)

KI-Tools werden nicht um jeden Preis eingesetzt

Die Forschenden gehen bislang noch vorsichtig mit den neuen Technologien um. S-Communication Services etwa setzt Tools für KI-gestützte Pretests ein. Aber: „Diese ersetzen nicht unsere klassischen Testverfahren“, betont Karin Hagemann. „Jede Werbekampagne wird weiterhin klassisch getestet.“ KI liefere schnelle, zusätzliche Erstindikationen, die man in dieser Form zuvor nicht hatte – „sie ersetzt aber nicht das valide Feedback realer Zielgruppen. Das gilt ebenso für unser monatliches Marken-Tracking, das wir weiterhin in klassischer Form durchführen“, so Hagemann.

Noch nicht einzuschätzen sei das Potenzial synthetischer Daten: „Das gezielte Ergänzen realer Stichproben durch synthetische Daten wird aus meiner Sicht ein relevanter nächster Entwicklungsschritt in der Marktforschung sein“, erläutert Hagemann. „Aber ich sehe ihren Einsatz aktuell noch nicht in allen Bereichen als sinnvoll und belastbar an. Bei politischen Fragestellungen bin ich beispielsweise zurückhaltend, da aktuelle Ereignisse Meinungen sehr kurzfristig und teils erheblich verändern können.“ Bislang konzentriert sich der Einsatz synthetischer Daten in den meisten Unternehmen auf die Anreicherung von Zielgruppendaten, die auf Grund niedriger Fallzahlen schwer oder gar nicht zu ermitteln sind. (Lesen Sie auch das Interview mit Karin Hagemann: "KI ist im Wettbewerb kein optionales Thema mehr")

Auch Andrea Wielpütz, Senior Manager Customer Insights & Analytics bei congstar, sieht noch Limitierungen bei Befragungen, insbesondere beim Einsatz von KI-Personas: „Wir brauchen echte ProbandInnen immer noch dann, wenn wir eine tiefere Resonanz haben wollen, oder überraschende Äußerungen, auf die wir ansonsten gar nicht gekommen wären“, erklärt die Forscherin. „Aber es gibt eben häufig Prozesse, für die man nur ein paar Stunden Zeit hat, etwa bei der Abnahme von Werbemitteln von Agenturen: Kann das so bleiben oder muss es noch verändert werden? Da können wir dann eben nicht zwei oder drei Tage auf ein Ergebnis warten.“

KI holt mehr aus den Antworten von Probanden heraus

Ob KI schon heute in den Marktforschungsabteilungen Kosten spart, lässt sich nicht allgemein beantworten. Noch kann der Einführungsaufwand die Effekte überkompensieren. „Unternehmen – und damit auch einzelne Abteilungen – müssen zunächst gezielt in KI-Strukturen investieren“, illustriert Hagemann. „Dazu gehören insbesondere Entwicklerressourcen, die uns bei der Umsetzung konkreter Use Cases unterstützen. Parallel investieren wir bewusst in Pilotprojekte und Forschungsideen, um systematisch zu lernen und tragfähige Anwendungen zu identifizieren. Die Effizienzgewinne werden sich mittel- bis langfristig zeigen, davon bin ich überzeugt.“

Eine weitere Gretchenfrage: Kann die Marktforschung über Effizienz hinaus auch qualitative Verbesserungen erbringen, zum Beispiel bessere oder tiefere Insights? Bei näherem Hinschauen hängen Effizienz und Qualitätsgewinn zusammen: „KI spart in vielen Projekten Zeit“, erklärt Samsung-Forscher Bauer. „Man ist schneller im Feld, man ist schneller bei den Resultaten. Wenn ich zusätzlich Kosten reduziere, kann ich mehr Iterationen fahren. Und mit jedem Durchlauf werde ich potentiell ein bisschen besser. Insofern: Ja, die Qualität wird damit erhöht.“

Andrea Wielpütz von congstar sieht auch direkte Qualitätssteigerungen: „KI kann aus Daten einfach mehr herausholen. Zum Beispiel bei der Markenwahrnehmung, bei den Attributen, die mit einer Marke verbunden werden.“ Was KI heute aus den Antworten von Probanden herauslesen könne, gehe längst über tradierte Methoden wie Regressionsanalysen hinaus, so Wielpütz. „Hier sehen wir sehr vielversprechende Entwicklungen. Wir haben aber noch einen weiten Weg vor uns, wenn wir das Potenzial wirklich erschöpfend nutzen wollen.“ (Lesen Sie auch das Interview mit Andrea Wielpütz: “Wichtig ist, dass wir echte Handlungsempfehlungen liefern”)