---
title: "Procurement-Checkliste für synthetische Marktforschung"
description: "Eine einsatzbereite Checkliste für Sicherheit, Datenschutz, Datenrechte, Unterauftragsverarbeiter, Modellanbieter, Validierung, Auditierbarkeit, Bereitstellung, Preise und Verträge bei synthetischer Marktforschung."
canonical_url: "https://getminds.ai/guide/de/synthetic-research-procurement-checklist"
last_updated: "2026-08-26T19:30:48.629Z"
---

# Procurement-Checkliste für synthetische Marktforschung

Die Beschaffung synthetischer Marktforschung verbindet die übliche SaaS-Due-Diligence mit einer anspruchsvolleren Frage: Welche Nachweise rechtfertigen es, auf Basis einer simulierten Antwort Entscheidungen zu treffen? Diese Checkliste bündelt Sicherheit, Datenrechte, methodische Validität und kaufmännische Bedingungen in einer einzigen Prüfung, ohne sie miteinander zu vermengen.

Senden Sie dieselbe Anfrage an jeden Anbieter auf der Shortlist. Erfassen Sie für jeden Punkt: „öffentlich“, „unter NDA bereitgestellt“, „vertraglich fixiert“, „Roadmap“ oder „nicht öffentlich verfügbar“. Eine mündliche Zusage ist weder ein Produkt-Feature noch eine unterzeichnete Verpflichtung.

## 1. Bereitstellung und Einsatzbereich definieren

- Nennen Sie Benutzer, Teams, Länder und geplante Entscheidungen.
- Listen Sie Kundendateien, Befragtendaten, personenbezogene Daten, vertrauliche Pläne und öffentliche Quellen auf, die in das System einfließen können.
- Trennen Sie Self-Service-Nutzung von Managed Populations, Integrations-, Kalibrierungs- oder Validierungsarbeiten.
- Identifizieren Sie risikoreiche Themen, die eine rechtliche, ethische, fachliche oder menschliche Überprüfung erfordern.
- Erfassen Sie die erforderlichen Pläne, Seats, Nutzungskontingente, Support-Levels und das Go-Live-Datum.

## 2. Datenquellen und Rechte

- Welche menschlichen Interviews, Paneldaten, Verhaltensdaten, Transaktionen, Standort-, Such-, Medien-, Kundenforschungs- und öffentlichen Quellen bilden die Zielgruppe (Audience)?
- Wird jede Quelle erhoben, lizenziert, vom Kunden bereitgestellt, ist sie öffentlich oder abgeleitet?
- Welche Einwilligungen und Rechte für das nachgelagerte Modelltraining gelten für das Material der Teilnehmenden?
- Können Personen übermittelte Daten und abgeleitete Artefakte widerrufen oder löschen?
- Welche Quellenklassen decken den genauen Markt, die Sprache und die Population ab?
- Werden beobachtete Verteilungen, Zielquoten und Annahmen getrennt ausgewiesen?

Nutzen Sie den [Vergleich von Datenquellen für synthetische Zielgruppen](/comparison/synthetic-audience-data-sources-compared), um diesen Teil des Reviews zu strukturieren.

## 3. Nutzung von Kundendaten und Modelltraining

- Trainiert der Anbieter eigene Modelle mit Kundeninhalten?
- Trainieren Drittanbieter von Modellen mit Prompts, Dateien, Antworten oder Feedback?
- Was ist die Standardeinstellung und was erfordert ein explizites Opt-in?
- Welche Aufbewahrungs- und Zero-Data-Retention-Einstellungen gelten je nach Anbieter?
- Werden Embeddings, Logs, Caches und Evaluierungsdatensätze von denselben Richtlinien abgedeckt?
- Können Kundeninhalte verwendet werden, um eine allgemeine Population oder das Modell eines anderen Kunden zu verbessern?

Verlangen Sie Angaben zu Akteur, Zweck, Datenklasse, Rechtsgrundlage und Opt-in-Status. Ein „Kein Training“ ohne diese Spezifizierungen ist unvollständig.

## 4. Datenschutz, Sicherheit und Unterauftragsverarbeiter

Sammeln und prüfen Sie:

- AVV (DPA);
- Liste der Unterauftragsverarbeiter mit Zweck und Region;
- technische und organisatorische Maßnahmen (TOM);
- Datenschutzerklärung;
- DSFA (DPIA) oder Risikobewertung, falls zutreffend;
- Garantien für Datenübermittlungen;
- Bedingungen für Incident Response und Meldung von Datenschutzverletzungen;
- Zeitpläne für Aufbewahrung, Backups und Löschung;
- Audit- oder Zertifizierungsnachweise.

Minds veröffentlicht seinen [AVV](/legal/dataprivacy), die [Unterauftragsverarbeiter](/legal/subprocessors), die [TOM](/legal/tom) und die [DSFA](/legal/dsfa). Vergleichen Sie die geltenden Dokumente, nicht die Anzahl der Badges.

## 5. Identitäts-, Mandanten- und Zugriffskontrollen

- Wie werden Mandanten und kundeneigene Forschungsobjekte voneinander getrennt?
- Welche Rollen können Zugriffe erstellen, bearbeiten, teilen, exportieren, löschen und verwalten?
- Ist SSO allgemein verfügbar, ein Add-on, individuell konfigurierbar oder nicht verfügbar?
- Wie werden API- und MCP-Anmeldedaten erstellt, scoped, rotiert und widerrufen?
- Sind öffentliche Freigabelinks zugriffsbeschränkt und auditierbar?
- Können ehemalige Mitarbeitende und externe Beteiligte zeitnah entfernt werden?
- Welche Aktionen erfordern eine explizite Bestätigung oder erweiterte Berechtigungen?

Testen Sie den genauen Plan und Workflow. Akzeptieren Sie eine Enterprise-Roadmap nicht als bestehende Kontrolle.

## 6. Modellanbieter und wesentliche Änderungen

- Welche Modelle und Anbieter verarbeiten die einzelnen Workflows aktuell?
- Kann ein Kunde Anbieter, Regionen, Live-Web-Zugriff oder externe Quellen einschränken?
- Was ändert sich, wenn das Standardmodell aktualisiert wird?
- Welche Modelländerungen lösen Regressions- oder Benchmark-Tests aus?
- Wie wird über Änderungen bei Unterauftragsverarbeitern und Datenflüssen informiert?
- Können Ergebnisse den verwendeten Modell-, Prompt-, Populations- und Berechnungsversionen zugeordnet werden?

Lesen Sie die [Minds-Richtlinie zur Herkunft von Modelländerungen und Validierungen](/research/model-change-validation-provenance) und fordern Sie eine gleichwertige Antwort von jedem Anbieter an.

## 7. Forschungsmethodik und Nachweise

- Handelt es sich bei der Anforderung um qualitative Exploration, Fragebögen, Segmentvergleiche, MaxDiff, Conjoint, Pricing, Feature-Priorisierung oder Netzwerksimulationen?
- Ist die Methode eine versionierte Produkt-Pipeline oder eine als Service erbrachte Analyse?
- Kann der Käufer einzelne Antworten, Transkripte, Quellkontexte und Berechnungsartefakte einsehen?
- Welche Schätzer, Diagnostiken und Fehlerregeln greifen?
- Sind Fallbacks sichtbar und korrekt gekennzeichnet?
- Können Rohartefakte die Zusammenfassung oder den Score reproduzieren?

Der aktuelle [Katalog der Forschungsmethoden-Pipelines](/research/research-method-pipeline-catalog) von Minds listet die operationalisierten Methoden und Phasen auf.

## 8. Validierung und Genauigkeit

- Welche Population, Aufgabe, Referenz, Metrik und Systemversion hat das jeweilige Hauptergebnis hervorgebracht?
- Wurde das Benchmark-Ergebnis außerhalb der Laufzeitumgebung gehalten (Hold-out)?
- Sind Ergebnisse auf Item-Ebene, für Subgruppen und für Fehlerfälle verfügbar?
- Wurde der Nachweis vom Anbieter verfasst, von Kunden berichtet, von Partnern geprüft oder unabhängig repliziert?
- Sagt das Konfidenzniveau den beobachteten Fehler bei zurückgehaltenen Aufgaben verlässlich voraus?
- Welche menschliche oder verhaltensbasierte Live-Validierung ist vor der Entscheidung erforderlich?

Vergleichen Sie keine inkompatiblen Prozentangaben verschiedener Anbieter. Nutzen Sie den [Vergleich zur Validierung und Genauigkeit synthetischer Zielgruppen](/comparison/synthetic-audience-validation-and-accuracy) und die [angewandte Validierung von Minds](/research/synthetic-gen-z-food-survey-validation-2026).

## 9. Exporte, Audit und Löschtest

- Exportieren Sie vor der Vertragsunterzeichnung ein vollständiges Beispiel.
- Prüfen Sie, ob der Export die für Review und Migration erforderlichen Nachweise enthält.
- Überprüfen Sie Formate, Quellkennzeichnungen, Einschränkungen und Versionsfelder.
- Löschen Sie eine Test-Audience oder Test-Studie und dokumentieren Sie das Verhalten im Produkt, in Backups, Logs und bei Drittanbietern.
- Bestätigen Sie die Fristen für Export und Löschung bei Vertragsende.
- Halten Sie fest, wer eine Löschung oder Wiederherstellung autorisieren kann.

## 10. Zuverlässigkeit und Support

- Sammeln Sie das geltende SLA und die bisherige Status-Historie.
- Prüfen Sie Uptime-Definitionen, Ausschlüsse, Reaktionsprioritäten, Wiederherstellungsziele und Service-Gutschriften.
- Fragen Sie, was bei einem Modell-, Queue- oder Provider-Ausfall mit einer laufenden Studie geschieht.
- Unterscheiden Sie Software-Support von Forschungs-, Kalibrierungs- und Analysten-Dienstleistungen.
- Erfassen Sie enthaltene Stunden, Ziel-Reaktionszeiten und Eskalationskontakte.

Minds veröffentlicht sein [SLA](/legal/sla); maßgeblich für die Anwendbarkeit ist die kundenspezifische Vereinbarung.

## 11. Preisgestaltung und Services

- Trennen Sie Plattformgebühr, Nutzung, Lizenzen (Seats), Daten, Implementierung, Analystenstunden, Validierung, Integrationen und Support.
- Vergleichen Sie eine Standardstudie mit einer Studie mit hohem Vertrauensbedarf.
- Erfassen Sie Mehrkosten (Overages), Aktualisierungskosten, Export-/API-Limits und Kündigungsbedingungen.
- Kennzeichnen Sie unveröffentlichte Preise von Wettbewerbern als nicht öffentlich verfügbar, anstatt sie zu schätzen.
- Bestätigen Sie, welche künftigen oder experimentellen Funktionen vom vertraglichen Leistungsumfang ausgenommen sind.

Minds veröffentlicht eine [Preisübersicht](/pricing). Kundenspezifische Services und Enterprise-Kontrollen werden weiterhin über das Order Form oder ein separates Statement of Work geregelt.

## 12. Freigabeprotokoll

Das finale Protokoll sollte Folgendes festhalten:

- genehmigte Anwendungsfälle und unzulässige Nutzungen;
- Plan und Konfiguration;
- Datenklassen und Regionen;
- geltende Rechtsdokumente;
- Methoden- und Nachweisanforderungen;
- Modelländerungs- und Benachrichtigungspflichten;
- erforderliche menschliche Validierung;
- Verantwortliche für Sicherheit, Recht, Forschung und Business;
- Verlängerungs- und Wiedervorlagedatum.

Kombinieren Sie diese Checkliste mit dem [Sicherheits- und Beschaffungsvergleich](/comparison/synthetic-research-security-and-procurement), dem [Research Evidence Center](/research/synthetic-research-evidence-center), dem [Vergleich zwischen Self-Serve und Managed](/comparison/self-serve-vs-managed-synthetic-research) und dem [Vergleichs-Hub für synthetische Befragte](/blog/synthetic-respondents-comparison-hub).