Weniger fragen, belastbar auswerten: Synthetische Daten als Qualitätsinstrument

Wie lässt sich die Befragungslast deutlich reduzieren, ohne analytische Breite und multivariate Nutzbarkeit zu verlieren? Dieser Frage widmeten sich die Gewinner des Innovationspreises 2026 – REWE Business Insights und Produkt + Markt – in ihrem Wettbewerbsbeitrag. Ihr Ansatz kombiniert ein schlankeres Studiendesign mit synthetischen Daten. So lässt sich die Zahl der Fragen deutlich reduzieren, ohne die Datenqualität oder die Aussagekraft der Analysen zu beeinträchtigen.

Quantitative Marktforschung steht in einem bekannten Spannungsfeld: Studien sollen mehr Themen abdecken, mehr Zielgruppen beschreiben und mehr analytische Tiefe ermöglichen. Gleichzeitig stoßen klassische Befragungsdesigns an Grenzen. Lange Interviews erhöhen die Belastung der Befragten, begünstigen Ermüdung, Satisficing und selektive Non-response. Die Folge ist ein paradoxes Risiko: Gerade der Wunsch nach mehr Information kann die Qualität der erhobenen Daten gefährden.

REWE Business Insights und Produkt + Markt haben dieses Spannungsfeld nicht durch eine weitere Optimierung am Rand adressiert, sondern durch ein neues Zusammenspiel von Studiendesign und Datensynthese. Die Gretchenfrage lautete: Wie lässt sich die Befragungslast deutlich reduzieren, ohne analytische Breite und multivariate Nutzbarkeit zu verlieren?

Modular erheben, synthetisch ergänzen

Der Ansatz verbindet eine modulare Erhebung mit synthetischer Ergänzung. Der Fragebogen wird in thematische Module aufgeteilt; nicht jede befragte Person beantwortet alle Inhalte. Ein gemeinsamer Block an Ankervariablen wird bei allen erhoben – darunter soziodemografische, verhaltens- und einstellungsnahe Merkmale. Auf dieser Basis werden nicht erhobene Module modellbasiert synthetisch ergänzt.

Es geht nicht darum, vorherzusagen, was eine einzelne Person „wirklich“ geantwortet hätte. Der Maßstab ist marktforscherisch: Sind Verteilungen, Zusammenhänge und zentrale Modellresultate auf Gruppenebene stabil genug, um belastbare Analysen und Entscheidungen zu ermöglichen? Synthetische Daten werden damit nicht als Ersatz für reale Forschung verstanden, sondern als methodischer Baustein in einem qualitätsgesicherten Hybrid-Design.

Der methodische Kern liegt in der Rekonstruktion ganzer fehlender Module unter Erhalt relevanter Datenstrukturen. Anders als einfache Ersatzwertverfahren oder Fall-Duplikationen zielt der Ansatz nicht nur auf passende Randverteilungen, sondern auf die Stabilität von Abhängigkeitsstrukturen. Nur so bleiben Anwendungen wie Segmentierungen, Treibermodelle oder Zielgruppenprofile sinnvoll nutzbar.

Qualität prüfen, Einsatzgrenzen erkennen

Geprüft wurde dies in einer realitätsnahen Simulation: Ein Vorjahresdatensatz wurde vom Auftraggeber vorab auf Modulebene maskiert; Produkt + Markt hatte keinen Zugriff auf die entfernten Originalwerte. Die fehlenden Module wurden anschließend synthetisch rekonstruiert und gegen die Anforderungen der Praxis bewertet. Im Zentrum standen zwei Perspektiven: marktforscherisch die Fitness-for-Use – also stabile Verteilungen, Zusammenhänge und entscheidungsrelevante Schlussfolgerungen – sowie ergänzend eine Data-Science-Perspektive, die prüft, ob reale und synthetische Antwortmuster statistisch möglichst ähnlich sind.

Aufschlussreich waren die Learnings jenseits der reinen Machbarkeit. Synthetisierung funktioniert nicht nach dem Prinzip „je mehr Variablen, desto besser“. Entscheidend ist ein erklärungsstarker, aber fokussierter Ankerblock. Ebenso zeigte sich: Fragetypen unterscheiden sich deutlich in ihrer Synthetisierbarkeit; skalierte Items sind in der Regel robuster als komplexe Single- oder Multi-Choice-Strukturen. Und vor allem gilt: Gute synthetische Daten setzen gute Primärdaten voraus. Synthetik repariert keine schwache Erhebung, sondern benötigt Realdaten in hoher Qualität.

Vom technischen Experiment zum Qualitätsinstrument

Die Relevanz des Ansatzes reicht über den konkreten Case hinaus. Für wiederkehrende Großstudien, Tracker und umfangreiche Standardbefragungen eröffnet er einen Weg, kürzer zu befragen und dennoch breit auszuwerten. Damit verschiebt sich die Diskussion um synthetische Daten weg vom Hype und hin zur verantwortungsvollen Frage, unter welchen Bedingungen synthetische Ergänzung Qualität tatsächlich erhöht.

Professionelle Marktforschung wird künftig nicht daran gemessen werden, ob sie neue Technologien einsetzt, sondern ob sie diese methodisch reflektiert, transparent prüft und sinnvoll in Forschungsdesigns integriert. Genau darin liegt der eigentliche Innovationsimpuls: Synthetische Daten werden vom technischen Experiment zum Qualitätsinstrument.

Der Preis der Deutschen Marktforschung
Mit dem Preis der Deutschen Marktforschung in der Kategorie Innovationspreis ehrt der BVM jährlich innovative und wegweisende Forschungsinstrumente und Studien, die zudem unique, impactstark, methodisch fundiert und praktikabel sein sollen und gegenüber bestehenden Ansätzen messbare und relevante Vorteile haben. 
Mehr zu den Gewinnwern des Innovationspreises 2026 auf der BVM-Website.