Magazin
GWI-Studie: 58 Prozent trafen wichtige Entscheidungen auf Basis falscher KI-Insights
88 % der Marketingentscheider nutzen täglich KI – 58 % stützten wichtige Entscheidungen bereits auf falsche KI-Insights. GWI, Pew und Inflection zeigen, was Zielgruppenanalysen jetzt besser machen müssen.
Inhalt · 4 Abschnitte
58 Prozent der befragten Führungskräfte aus Marketing, Insights und Agenturen haben bereits eine wichtige Geschäftsentscheidung auf eine KI-Auswertung gestützt, die sich später als falsch oder irreführend herausstellte. Das ist das zentrale Ergebnis des neuen GWI-Berichts „Artificial Confidence“. Hinter der Zahl stehen 1.883 befragte Fach- und Führungskräfte aus Großbritannien, den USA und Singapur. Für Marketingteams ist das eine wirtschaftliche Frage: Ein überzeugend formulierter Zielgruppen-Insight kann eine Kampagne in die falsche Richtung schicken.
KI gehört zum Alltag – fehlerhafte Insights auch
88 Prozent der von GWI Befragten verwenden täglich mindestens ein KI-Tool. Unter denjenigen, die KI für Zielgruppenrecherche nutzen, haben 81 Prozent bereits irreführende Ergebnisse erhalten. Die Folgen landen längst nicht nur in Präsentationen: 82 Prozent berichten von mindestens einer negativen Auswirkung ungenauer KI-Antworten. Am häufigsten nennen sie zusätzliche Arbeit (38 Prozent), verzögerte Entscheidungen (36 Prozent) und Kundenbeschwerden (34 Prozent).
Die Originalstudie von GWI trennt dabei die vertraute Zeitersparnis von der Arbeit, die nach einer falschen Antwort anfällt. Eine Zielgruppenanalyse, die in Sekunden fertig ist, kann teuer werden, wenn das Team auf dieser Grundlage Anzeigen, Creatives oder Produktbotschaften einkauft.
Wenn KI die Zielgruppe zur Karikatur macht
Besonders spannend ist die Frage, wen eine KI überhaupt repräsentiert. Laut GWI stimmen 70 Prozent der Befragten zu, dass KI-generierte Zielgruppenbilder häufig Klischees statt des tatsächlichen Verhaltens widerspiegeln. 69 Prozent haben bereits erlebt, dass ein KI-Profil nicht zu ihrer realen Kundschaft passte.
Zwei unabhängige Forschungsergebnisse machen das greifbar. Das Pew Research Center ließ KI-Systeme Antworten echter US-Umfrageteilnehmer nachbilden. Über fast 300 Fragen lag die durchschnittliche absolute Abweichung bei etwa 12 Prozentpunkten. Dabei wurden insbesondere Meinungen mancher Bevölkerungsgruppen verzerrt.
In einem weiteren Experiment mit 1.003 echten Chatbot-Nutzern fragten Forscher von Inflection AI nach alltäglichem Verhalten: 44 Prozent der realen Befragten hatten zuletzt kabelgebundene Kopfhörer verwendet, aber nur sechs Prozent der synthetischen Befragten behaupteten dies. Gerade wenig dokumentierte Alltagsroutinen verschwinden schnell aus dem simulierten Bild.
Wer auf dieser Grundlage nur bestehende Vorstellungen über Gen Z, Gamer oder Luxus-Shopper bestätigt, übersieht womöglich diejenigen, die eine Marke erst noch gewinnen könnte. Den deutschen Markt für simulierte Panels haben wir bereits am Beispiel von synthetischen Zielgruppen für Mediapläne eingeordnet.
Wo der Fehler im Kampagnenprozess entsteht
Der praktische Fehler beginnt meist nicht mit einem kaputten Modell, sondern mit dem falschen Auftrag: „Beschreibe unsere Zielgruppe“ klingt nach Forschung, liefert ohne belastbare Daten aber oft nur eine plausible Hypothese. Kommt diese ungeprüft in das Briefing, richten sich Bildsprache, Targeting und Budget bereits nach einer unzuverlässigen Vorstellung.
GWI berichtet zudem, dass 63 Prozent versehentlich mit veralteten Erkenntnissen gearbeitet haben. Und 36 Prozent überprüfen KI-Insights mit einem zweiten KI-Tool – sinnvoller ist bei entscheidenden Annahmen der Abgleich mit der tatsächlichen Quelle, CRM-Daten, aktuellen Interviews oder einem echten Test.
Dass es in der Praxis auch um die Qualität des Briefings geht, zeigt unsere Analyse zu KI-geschriebenen Agenturbriefings. Welche Rolle Datenkompetenz bei der Agenturauswahl spielt, behandeln wir im Forrester-Vergleich der Mediaagenturen.
Ein schneller Prüfplan für Social- und Media-Teams
Vor einer größeren Kampagnenentscheidung reichen vier Fragen: Woher stammen die Zielgruppendaten? Von wann sind sie? Welche Menschen fehlen in der Stichprobe? Welcher echte Test könnte die wichtigste Annahme bestätigen? Ein kleines Interview-Panel oder A/B-Test mit tatsächlichen Nutzern kann mehr über neue Nachfrage verraten als zehn weitere KI-Personas.
KI eignet sich weiterhin hervorragend zum Strukturieren von Daten, zum Entwickeln von Varianten und zum Auffinden offener Fragen. Entscheidend ist, dass der Weg von der hübschen Antwort bis zur millionenschweren Aussteuerung nicht zur Abkürzung ohne echte Kunden wird.
Bild: GWI, Originalmotiv der Studie „Artificial Confidence: The AI Trust Gap“.
Quellen
Quelle
