Konzepte
Synthetic Consumer vs. Digital Twin, was Panel und Studie sind und wie man Ergebnisse verantwortungsvoll liest.
Diese Seite erklärt die Ideen, auf denen der Rest des Guides aufbaut. Die zehn Minuten lohnen sich — zu verstehen, was ein Panel ist, verändert, wie sehr du einem Bericht traust.
Die Bausteine
| Begriff | In Alltagssprache |
|---|---|
| Research Agent | Der KI-Assistent, mit dem du sprichst. Er findet Panels, gestaltet Studien und startet Umfragen für dich. |
| Thread | Ein Gespräch mit dem Agent, gespeichert in deinem Verlauf. |
| Panel | Deine Zielgruppe: eine definierte, versionierte Gruppe von KI-Konsument:innen, die du befragst. |
| Study (Studie) | Ein Umfragedesign: eine Forschungsfrage, ihre Fragen und ggf. Bild-Stimuli, gerichtet an ein Panel. |
| Survey (Umfrage) | Die Studie, während sie tatsächlich gegen das Panel läuft. |
| Report (Bericht) | Das Ergebnis: Findings, Diagramme und belegte Zitate — entsteht automatisch, wenn eine Studie fertig ist. |
| Credits | Die Einheit, die verbraucht wird, wenn du eine Umfrage startest oder ein Panel erzeugst. |
Zwei Arten von Konsument:innen
Jedes Panel besteht aus genau einer Art von Research-Einheit — nie gemischt.
Synthetic Consumer
Ein künstlicher Konsument, von der KI aus statistischen Bevölkerungsdaten erzeugt (an realen Zensus-Verhältnissen modelliert) und anschließend durch ein leitfadengestütztes Interview mit Tiefe versehen. Ein Synthetic Consumer bildet keine einzelne reale Person ab.
- Stärken: schnell erzeugbar, skalierbar, gut für breite und repräsentative Fragestellungen sowie zum Erkunden von Reaktionen auf Konzepte, Formulierungen oder Designs.
- Beachte: Antworten sind modelliert, nicht bei einem bestimmten Menschen gemessen. Behandle sie als gut fundierte Simulationen, nicht als absolute Wahrheit.
Digital Twin
Das Abbild einer echten Person, die zuvor ausführlich interviewt wurde. Der Twin antwortet auf Basis dieses standardisierten Interviews.
- Stärken: besonders realitätsnah, verankert in den Ansichten einer tatsächlichen Person — nützlich, wenn du realistische, konkrete Stimmen willst.
- Beachte: ein Twin spricht für die Person dahinter, also ist ein Twin Panel nur so breit wie die Menschen, die interviewt wurden.
Welches wählen? Nimm ein Synthetic Panel für Breite und Repräsentativität und ein Twin Panel, wenn du Tiefe und Realismus von bekannten Personen willst. Der Agent schlägt dir eine passende Wahl vor — du entscheidest.
Panels sind versioniert
Ein Panel ist keine lose Liste, sondern eine definierte Zielgruppe, in eine Version eingefroren. Jede Version hat eine feste Mitgliederliste und einen Datenstand (das Datum der Erzeugung). Das ist wichtig, weil ein Bericht immer das exakte Panel und die Version nennt, die er verwendet hat — so weißt du genau, wer „befragt" wurde.
Standard- vs. Team-Panels
- Standard-Panels sind allgemein verfügbare Bausteine, aus denen du wählen kannst.
- Team-Panels gehören deinem Workspace — von deinem Team erstellt und verwaltbar.
Ergebnisse verantwortungsvoll lesen
Die Plattform macht bewusst transparent, wie belastbar eine Aussage ist. Berichte tragen kleine Trust-Marker:
- Ableitung — eine Empfehlung, aus den Ergebnissen erschlossen, keine gemessene Zahl.
- Unbelegte These — eine Aussage ohne direkten Zitatbeleg. Mit Vorsicht behandeln.
- Explorativ — ein erstes Signal oder ein Trend, noch nicht abgesichert.
Zwei Gewohnheiten halten dich ehrlich:
- Prüfe zuerst das Panel. Ein Ergebnis ist nur so aussagekräftig wie die Zielgruppe dahinter — ihr Typ (Synthetic oder Twin), ihre Größe und ihr Datenstand.
- Trenne Messung von Interpretation. Diagramme und Zitate sind das, was das Panel tatsächlich produziert hat; Ableitungen und Thesen sind das Nachdenken des Agents darüber. Beides ist nützlich — nur eben nicht dasselbe.
Wo genau diese Marker auftauchen, siehst du im Abschnitt Berichte.