Kann man die Gen Z, junge Eltern oder Menschen kurz vor der Rente verstehen, ohne einen einzigen Menschen zu fragen? Kurze Antwort: Mit synthetischen Personas lässt sich sehr schnell explorieren, testen und skizzieren, aber nicht schlussfolgern. In der Generationenforschung ist Synthetik ein Beschleuniger. Sie ersetzt nicht die Beobachtung realen Verhaltens.
Das ist keine theoretische Frage mehr. Stratégies, das französische Branchenmagazin, berichtet, wie Patrick van Bloeme, Mitgründer von Novatris, aus dem Harris Interactive und später Toluna wurde, Limpid gestartet hat, eine Plattform für qualitative Forschung ohne menschliche Befragte. Unternehmen können damit eigenständig eine komplette Studie mit synthetischen Personas durchführen, „vom Briefing bis zu den Deliverables“, in wenigen Stunden. Wenn jemand, der dreißig Jahre lang Forschungsinstitute geleitet hat, diese Wette eingeht, sollten Agenturen genau hinschauen.
Was verspricht Forschung ohne Befragte?
Laut Stratégies lassen sich mit Limpid Verhalten, Nutzung und Reaktionen auf Konzepte, Botschaften oder Situationen untersuchen. Man kann einen plötzlichen Preisanstieg simulieren, eine neue Gesundheitskrise oder Lebensereignisse wie einen Umzug oder den Eintritt in den Ruhestand.
Die Plattform benennt auch ihre eigenen Grenzen, was ihr zur Ehre gereicht: Sie erhebt keinen Anspruch auf statistische Repräsentativität und liefert keine quantitativen Umfragen. Anders gesagt: Sie ist ein Werkzeug, um Szenarien schnell zu testen, nicht um einen Markt zu vermessen.
Für eine Agentur liegt der Reiz auf der Hand. Montag kommt das Pitch-Briefing, Freitag ist die Empfehlung fällig: Für klassische qualitative Feldarbeit bleibt keine Zeit. Synthetik schließt diese Lücke.
Warum wirkt eine flüssige Antwort so sehr wie die Wahrheit?
Hier schnappt die Falle zu. Eine synthetische Persona antwortet in tadelloser, kohärenter, nuancierter Sprache. Sie hat einen Vornamen, ein Alter, Gewohnheiten. All das sieht nach Wissen aus.
Nennen wir es den Effekt der Datenillusion: Je präziser und polierter eine Information wirkt, desto mehr Glauben schenken wir ihr – unabhängig davon, wie belastbar sie tatsächlich ist. Synthetische Forschung treibt diesen Effekt auf die Spitze, weil die Form von Haus aus perfekt ist.
Dabei erlebt eine synthetische Persona gar nichts. Sie gibt Regelmäßigkeiten wieder, die sie aus riesigen Textmengen gelernt hat. Daten zeigen Muster, aber sie können das Menschsein nicht definieren. Ein statistisches Muster über „ältere Menschen“ ist nicht dasselbe wie eine 67-jährige Frau, die zögert, ob sie die Bank wechseln soll.
Ist Generationenforschung ein Minenfeld?
Ja, aus einem einfachen Grund: Generationen sind schon an sich Stereotype. „Die Gen Z“ gibt es als homogenen Block nicht. Ein Student in Lyon, ein Azubi auf dem Land in Frankreich und eine junge Führungskraft in Paris haben außer dem Geburtsjahr wenig gemeinsam.
Ein Sprachmodell lernt zudem sehr viel aus dem, was über Generationen gesagt wird: Artikel, Meinungsbeiträge, Studien, Debatten. Es riskiert daher, den Diskurs über die Gen Z besser zu kennen als die Art, wie junge Menschen sich tatsächlich ausdrücken. Das Ergebnis: Eine synthetische Persona kann das Klischee überzeugender machen, statt es zu korrigieren.
Stellen Sie sich eine Agentur vor, die für einen Krankenversicherer eine Kampagne für Neurentner vorbereitet. Das synthetische Panel bestätigt, was alle ohnehin glauben: Vorsicht, Bedürfnis nach Sicherheit, Misstrauen gegenüber allem Digitalen. In der Realität posten die Neurentner dagegen über ihre Reisen, ihr ehrenamtliches Engagement und ihre Enkel. Die beruhigende Kampagne verpufft.
Synthetisch, selbstberichtet oder beobachtet: Welche Methode für welche Aufgabe?
| Ansatz | Was sie erfasst | Repräsentativität | Gute Verwendung | Falle |
|---|---|---|---|---|
| Synthetische Personas | Plausible Reaktionen, von einem Modell simuliert, in wenigen Stunden | Nicht beansprucht | Szenarien explorieren, Botschaften skizzieren | Sprachgewandtheit mit Wahrheit verwechseln |
| Quantitative Umfrage | Was Menschen sagen, im großen Maßstab | Möglich, wenn die Stichprobe darauf ausgelegt ist | Messen, Größenordnungen bestimmen, Verläufe über die Zeit verfolgen | Die Lücke zwischen dem, was Menschen sagen, und dem, was sie tun |
| Qualitative Interviews | Tiefe Motive, persönliche Geschichten | Nein, aber echte Tiefe | Das Warum verstehen | Zu kleine Stichproben, um zu verallgemeinern |
| Beobachtete veröffentlichte Inhalte | Was Menschen tatsächlich posten und teilen | Beschränkt auf die Zielgruppen, die posten | Insights im realen Verhalten verankern | Die stillen Zielgruppen vergessen |
Keine Methode gewinnt in jeder Zeile. Die richtige Frage lautet nicht „Welche soll ich wählen?“, sondern „In welcher Reihenfolge kombiniere ich sie?“
Wie kombiniert man Synthetisches und Reales, ohne sich selbst etwas vorzumachen?
- Mit dem Beobachteten beginnen. Analysieren Sie, was die Zielgeneration in Ihrer Kategorie tatsächlich veröffentlicht: Themen, Wörter, Spannungsfelder, Formate. Das ist Ihr Fundament.
- Personas aus diesen Inhalten bauen. Gruppieren Sie Posts nach Profil und Anliegen, statt von einer Altersklasse auszugehen.
- Synthetik zum Explorieren nutzen. Legen Sie synthetischen Personas Szenarien, Konzepte oder Aufhänger vor, um schwache Ansätze schnell auszusortieren.
- Jede Schlussfolgerung an der Realität prüfen. Jede Aussage aus synthetischer Forschung muss in echten Posts ein Echo finden. Kein Echo, kein Insight.
- Messen, wenn Messen nötig ist. Bindet die Entscheidung ein erhebliches Budget, validieren Sie sie mit einer repräsentativen Stichprobe oder einem Test in der realen Welt.
- Die Methode in der Empfehlung dokumentieren. Sagen Sie dem Kunden, was aus synthetischen, beobachteten und selbstberichteten Quellen stammt. Er wird es Ihnen danken, wenn die Frage im Boardroom aufkommt.
Was Werbetreibende Sie fragen werden
Je weiter synthetische Forschung sich verbreitet, desto häufiger wird in jeder Präsentation eine Frage fallen: „Woher stammt dieser Insight?“ Eine Agentur, die antwortet „aus einem Panel KI-generierter Personas“, wird viel mehr erklären müssen. Eine Agentur, die die echten Posts hinter jeder Schlussfolgerung zeigen kann, hat dieses Problem nicht.
Das ist die Logik von Defy Monitor: Jede KI-Schlussfolgerung verweist auf die realen Posts, auf denen sie beruht, und die Strategie wird aus dem aufgebaut, was Zielgruppen und Wettbewerber tatsächlich veröffentlichen, nicht aus einer Umfrage. Zielgruppeninhalte werden automatisch zu Personas geclustert, sodass man nicht von einer Altersklasse ausgehen muss. Die Defy-Plattform steht also nicht im Gegensatz zu synthetischer Forschung: Sie gibt ihr einen Anker.
Synthetik ist ein gutes Werkzeug, wenn man es an der richtigen Stelle einsetzt. Die Gefahr ist nicht die Maschine. Es ist die Versuchung zu glauben, ein gut geschriebenes Porträt sei so viel wert wie eine Beobachtung.
