--- title: "Zielgruppen — wiederverwendbare synthetische Research-Samples" description: "Erstelle eine wiederverwendbare Zielgruppe aus vorhandenen Minds oder einer Beschreibung und nutze sie in Studien für Interviews, Fragebögen, Konzepttests und qualitative Exploration." canonical_url: "https://getminds.ai/guide/de/panels" last_updated: "2026-08-24T03:54:30.782Z" --- # Zielgruppen Eine **Zielgruppe** ist eine wiederverwendbare Gruppe von Minds, die die Menschen repräsentiert, die du verstehen möchtest. Die eigentliche Research-Arbeit findet in einer **Studie** statt—als Tiefeninterview mit einem Mind, qualitative Exploration, Fragebogen, Konzepttest oder Segmentvergleich. Teams nennen es unterschiedlich: - **Marketing** — *Kundenpanels* - **Agenturen** — *Client-Insight-Zielgruppen* - **Produkt** — *User-Zielgruppen* - **Gründer:innen** — *Expertenpanels / Advisory Boards* Die Mechanik ist dieselbe: eine repräsentative Stichprobe aus Minds, abfragebereit, bevor ein klassisches Briefing überhaupt fertig ist. ## Eine Zielgruppe bauen: zwei Wege ### Weg 1 · Bestehende Minds auswählen 1. Aktiviere die Mehrfachauswahl in der Minds-Liste und wähle die Minds aus, die du willst. 2. Klicke auf **Create Zielgruppe** in der Aktionsleiste, die erscheint. 3. Die Zielgruppe wird sofort erstellt und automatisch benannt; benenne sie jederzeit um (*„Gen-Z-Fokusgruppe“*, *„Advisory Board“*). Du kannst auch auf **New Zielgruppe** klicken und bestehende Minds direkt ins Zielgruppe ziehen. ### Weg 2 · Deine Zielgruppe beschreiben Wenn du die passenden Minds noch nicht hast, beschreibe das Segment und lass die Plattform es bauen: 1. Klicke auf **New Zielgruppe** in der Seitenleiste. Das Erstellungspanel gleitet herein. 2. Beschreibe die Zielgruppe: *„Enterprise-CTOs in San Francisco, SaaS, 500+ Mitarbeitende“*, *„berufstätige Eltern in Deutschland, 30–45 Jahre, mit Kindern in der Schule“*, *„B2B-CMOs bei Series-B-Unternehmen“*. 3. Drücke **Create**. Die Plattform recherchiert echte Quellen zu deinem Segment und entwirft eine repräsentative Stichprobe aus Minds: Du siehst die Quellen, die entworfenen Personas und ein Confidence-Label für das Research-Grounding live einlaufen. 4. Iteriere: Entferne Entwurfs-Minds, die du nicht willst, oder tippe Anweisungen in die Rework-Box (*„mach zwei davon skeptischer“*, *„ergänze ein ländliches Segment“*) und drücke **Rework**. 5. Bestätige mit **Create**. Jeder Mind baut sich parallel mit eigenem Fortschrittsbalken, und der Build läuft im Hintergrund weiter, wenn du das Zielgruppe schließt. Das ist der schnellste Weg von *„Ich muss das mit meinem ICP testen“* zu *„Der Test läuft.“* ### Modi für die Gruppenerstellung Im Bereich **Zusätzliche Einstellungen** wählst du, wie der Gruppenentwurf zugeschnitten werden soll: - **Balanced** — der Standardmodus. Bemisst die Zielgruppe an der statistischen Evidenz: so kompakt wie möglich, größer nur, wenn die fundierten Verteilungen mehr Mitglieder für eine repräsentative Abdeckung brauchen. - **Segment Coverage** — Enterprise-Modus. Deckt mehr fundierte Segmentierungskriterien und seltene Untergruppen ab, wenn die Quellen das hergeben. - **Benchmark Depth** — Enterprise-Modus. Nutzt tiefere Benchmark-Abdeckung für validierungsbereite Zielgruppen, besonders wenn entscheidungsrelevante Zellen wichtiger sind als eine kompakte Stichprobe. Der Modus fügt keinen zusätzlichen Setup-Schritt hinzu; er steuert denselben schnellen Drafting-Flow. ## Eine Studie mit einer Zielgruppe starten Öffne die Zielgruppe in einer Studie. Stell deine Frage oder gib einen Stimulus dazu: einen Landingpage-Screenshot, ein Pitch-Deck, eine Wettbewerber-Anzeige, eine Pricing-Seite. Jeder Mind antwortet parallel. ### Schnelle oder individuelle Einrichtung Beim Start eines Zielgruppen wählst du, wie viel Einrichtung du möchtest: - **Schnell** analysiert Anfrage und angehängte Quellen, schlägt passende bestehende und **NEUE** Zielgruppen vor und wartet vor dem Studienstart auf deine Bestätigung. - **Individuell** öffnet die KI-gestützte Einrichtung für Research-Ziel, optionale Website, Dateien oder Notizen, Zielgruppen, Methode, Fragenstruktur und die abschließende Bestätigung. Bestehende Zielgruppen und **NEUE** Entwürfe werden im Zielgruppenschritt ausgewählt; NEUE Entwürfe bleiben bis zur Prüfung unerstellt und werden erst nach der abschließenden Bestätigung mit derselben fundierten Pipeline wie im Schnellmodus erstellt. Die Studie öffnet sich, sobald diese Zielgruppen bereit sind. Generierte Fragen bleiben vor dem Einreihen bearbeitbar. - **Leer** öffnet die Studie ohne Fragebogen, damit du später entscheidest, was du fragen willst. Quick-Planning, generierte Custom-Fragen, Planrevisionen, v1 und MCP verwenden dieselbe Research-Planning-Policy und dasselbe schnelle Planner-Modell. Wird in der Bestätigung eine verfügbare Methode gewählt—Individuelle Recherche, Fokussierte Frage, Fragebogen, Qualitative Exploration oder MaxDiff, soweit freigeschaltet—bleibt ihr exakter Methodenvertrag im normalen Stream oder dauerhaften Fragebogen-Processor erhalten. Experimentelle und geplante Methoden bleiben im Plan sichtbar, aber die Ausführung bleibt gesperrt; sie werden nie stillschweigend in Individuelle Recherche umgewandelt. ### Optionale methodische Komplexität Die meisten Anfragen brauchen keine benannte Methode. Beginne mit Ziel, Hauptquelle oder Asset und den Fragen des Nutzers. Füge methodische Komplexität nur hinzu, wenn der Nutzer sie verlangt oder sie die benötigte Evidenz verändert. Der versionierte Research-Plan-Flow über API und MCP kann Methodenkonfigurationen abbilden und ausdrücklich bestätigen lassen. Der Katalog unterscheidet: - **Available** — über den aktuellen Study-Runner ausführbar. MaxDiff ist verfügbar, soweit freigeschaltet: Der Server erstellt ausgewogene Forced-Choice-Aufgaben und berechnet nach der Erhebung deterministische Gesamt- und Gruppenrankings. - **Experimental** — für Entwicklung und Review strukturell abbildbar, wird bei der Ausführung aber abgelehnt. - **Planned** — für zukünftige Kompatibilität abbildbar, aber nicht ausführbar. Conjoint befindet sich derzeit hier. Ein Opt-in bestätigt den Wunsch nach einer fortgeschrittenen Methode; es überschreibt niemals den Ausführbarkeitsstatus des Katalogs. Der Fragen-Processor selbst bleibt methodenunabhängig: Er sammelt exakte Aufgabenantworten und übernimmt Wiederholungen, Kontingente, Reihenfolge und Persistenz. Versionierte Server-Adapter entwerfen methodenspezifische Aufgaben und berechnen Artefakte, sodass weitere integrierte oder kundenspezifische Methoden ohne Umbau des Processors ergänzt werden können. Conjoint benötigt weiterhin einen eigenen validierten Design-, Schätzungs-, Diagnose- und Simulationsadapter, bevor es verfügbar werden kann. Der Research-Loader nutzt gespeicherte serverseitige Annahme- und Processor-Startzeitpunkte. Beim erneuten Öffnen oder Laden des Chats läuft derselbe Zeitzähler weiter, statt wieder bei null zu beginnen. ### Antwortformate und Skalen bestätigen Vor der Ausführung einer geplanten Studie zeigt jede Frage ihr vorgeschlagenes Antwortformat im selben Dropdown-Muster wie die Methodenauswahl. Zur Wahl stehen **Freitext**, **Auswahl**, die Standardskalen **1–5**, **1–7**, **1–10** und **0–10** sowie ein eigener ganzzahliger Bereich. Der Vorschlag wird aus der Frage abgeleitet, bleibt aber bearbeitbar; die Bestätigung speichert das genaue Format im Plan, und der dauerhafte Processor nutzt es für Klassifizierung und Aggregation. v1-API- und MCP-Clients erhalten denselben `response`-Vertrag pro Frage und können ihn vor Bestätigung der neuesten Planrevision über die Fragen-ID ändern. Zielgruppe-Antwortlimits werden vor dem Start eines bestätigten Laufs und erneut vor jeder eingereihten Frage geprüft. Ein Limit vor dem Start öffnet den Upgrade-Hinweis, ohne die Umfrage zu starten. Wird das Kontingent während eines längeren Laufs erreicht, behält Minds bereits gesammelte Antworten, stoppt die unbeantworteten Fragen, zeigt einen eindeutigen Hinweis samt Upgrade-Aufforderung und speichert die Studie als **durch Plan limitiert** statt als abgeschlossen. ### Flexible Ergebnisse Research-Pläne beschreiben Evidenz und Ausgabeabsicht, statt ein festes Chart zu versprechen. Echte Teil-vom-Ganzen-Ergebnisse können Donuts nutzen, Vergleiche und Rankings Balken oder Listen. Bei Website-, Bild-, Anzeigen- und Videoanalysen soll die Heatmap- oder Timeline-Heatmap-Absicht erhalten bleiben. Noch nicht jeder semantische Ausgabeblock hat einen eigenen UI-Renderer; nicht unterstützte Blöcke bleiben deshalb im API-/MCP-Vertrag verfügbar, während sich die Oberfläche weiterentwickelt. ### Wie Antworten klassifiziert werden Jede Frage wird automatisch einem von drei Typen zugeordnet: - **Skala** — numerische Bewertungen (*„bewerte das von 1–10“*) → Verteilung plus Gruppendurchschnitte - **Kategorisch** — diskrete Optionen (*„ja / nein / vielleicht“*, *„welche dieser drei Headlines?“*) → prozentuale Aufschlüsselung - **Qualitativ** — offene Fragen (*„was hältst du von diesem Konzept?“*) → geclusterte Themen Folgefragen werden im Kontext verstanden. Frag *„Magst du Eis?“* und danach *„Welche Sorte?“*: Das System weiß, worauf sich „welche Sorte“ bezieht, und formuliert daraus für jeden Mind eine eigenständige Frage. ## Zwei Zielgruppen in einem Studie Hier ist der Erkenntnisgewinn am schärfsten. Zieh zwei (oder mehr) Zielgruppen in denselben Studie und stell eine Frage: *„Was funktioniert auf dieser Landingpage, was nicht?“* Du bekommst die Ansichten Seite an Seite: zum Beispiel *B2B-Marketing-Leads* vs. *Mid-Market-SaaS-CMOs*. Du siehst, wo sie übereinstimmen. Du siehst, wo sie auseinanderdriften. Der Kontrast zwischen den Segmenten ist das Forschungsergebnis: nicht 12 Personen, die dasselbe sagen, sondern zwei kalibrierte Zielgruppen, die deine Arbeit gleichzeitig auf Herz und Nieren prüfen. ## Vom Zielgruppe ins Einzelgespräch Manchmal sticht eine Antwort heraus. Klick auf den Mind und du bist in einem privaten Einzelgespräch, nur mit ihr. Frag, warum. Fordere ihre Logik heraus. Zeig ihr einen Wettbewerber. Frag, was ihre Meinung ändern würde. Der Zielgruppe-Studie bleibt in deiner Seitenleiste gespeichert, du springst also jederzeit direkt zurück zur aggregierten Ansicht. Das Zielgruppe liefert Breite. Das Herausziehen liefert Tiefe. ## Alignment Jeder Zielgruppe-Antwortblock hat ein **Alignment**-Dropdown im Header. Öffne es und du siehst zwei Scores (0–100 %) pro Zielgruppe: - **Personality match** — wie genau die Antwort jedes Minds seiner eigenen Persona-Definition entsprach, gemittelt über die Zielgruppe. Lies es als: *Wie sehr blieb diese Zielgruppe in ihrer Rolle?* Ein niedriger Score ist ein Signal, die Einzelantworten zu lesen, bevor du auf Basis des Aggregats handelst. - **Distribution match** — wie genau der Antwortmix der Zielgruppe den ursprünglichen Umfrageantworten entsprach, auf denen die Zielgruppe gegründet ist (100 = identisch, 0 = gegensätzlich). Wird für Zielgruppen angezeigt, die auf Referenz-Umfragedaten basieren; andere Zielgruppen zeigen *Not available*. Fällt ein Score niedrig aus, erscheint im Tooltip des Scores eine einzeilige Erklärung, warum. Alignment wird berechnet, nachdem das Chart gerendert ist; jede Zeile zeigt also *Calculating…*, bis die Scores eintreffen. ## Tipps für gute Fragen - **Sei spezifisch** — *„bewerte die Klarheit dieser Tagline von 1–5“* schlägt *„was denkst du?“* - **Mische Persona-Typen** — kombiniere Skeptiker und Enthusiasten in derselben Zielgruppe für ausgewogenes Feedback. - **Iteriere** — Folgefragen bohren tiefer in die interessanten Antworten. - **Stell dieselbe Frage mehreren Zielgruppen** — das Delta ist der Insight. ## Zielgruppe vs. Studie
Studie Zielgruppe
Interaktion Gespräch im Hin und Her Frage → strukturierte Gruppenantwort
Minds einer oder mehrere, nacheinander Zielgruppe, alle antworten parallel
Output freie Nachrichten aggregiert, klassifiziert, visualisiert
Am besten für tiefe Exploration mit einer Persona schnelle Recherche über ein Segment
--- *Zielgruppen machen aus deinen Minds ein Research-Tool. Zwei Zielgruppen, eine Frage, zwei Perspektiven: der kürzeste Weg von der Frage zum Insight.*