--- title: "Wie Minds synthetische Forschungspanels aufbaut" description: "Minds baut synthetische Forschungspanels aus internem Kontext, validierten externen Daten und Daten von Marktforschungspartnern und vergleicht die Ergebnisse mit realen Umfragen." canonical_url: "https://getminds.ai/research/de/methodology" last_updated: "2026-08-13T13:04:01.442Z" --- # Wie Minds synthetische Forschungspanels aufbaut Minds ist eine Plattform für synthetische Marktforschung. Teams testen damit Konzepte, Botschaften, Positionierung, Pricing und Zielgruppenreaktionen, bevor sie Budget in vollständige Feldstudien investieren. Das Produkt entstand aus Forschungsarbeit mit Bezügen zu HFBK Hamburg und MIT-Forschungskontexten und wurde danach zu einer kommerziellen Plattform für Marktforschung, Agenturen, Produktteams und Go-to-Market-Teams weiterentwickelt. Dieser Forschungshintergrund prägt die Methodik, ist aber keine externe Zertifizierung oder Empfehlung dieser Institutionen. ## Die Methode in Kürze Minds folgt drei sichtbaren Schritten: 1. Eine Forschungsgruppe wird aus belegbarer Evidenz definiert. 2. Einzelne Minds werden mit vielen abgegrenzten Wissensbasen aufgebaut. 3. Synthetische Ergebnisse werden, wo Vergleichsdaten vorhanden sind, gegen reale Umfrageergebnisse benchmarked. Das Ziel ist keine frei erfundene Durchschnittskundin. Das Ziel ist eine forschungsnützliche Simulation eines klaren Zielgruppensegments. ## 1. Gruppenerstellung beginnt mit Evidenz Minds startet nicht mit einem generischen Prompt wie "spiele einen Kunden". Jede Gruppe basiert auf Zielgruppe, Anwendungsfall und Entscheidungskontext. Gruppen können auf drei Arten von Quellen beruhen: - **Interne Daten:** freigegebener First-Party-Kontext wie Kundenfeedback, frühere Studien, CRM-Segmente, Interviewthemen, Supportmuster, Nutzungsdaten, Markenwissen oder Produktdokumentation. - **Validierte externe Daten:** öffentliche, lizenzierte oder anderweitig validierte Marktkontexte wie Kategorienberichte, Bewertungen, Suchsignale, demografische Muster, Branchendaten und Kategoriesprache. - **Daten von Marktforschungspartnern:** strukturierte Inputs aus Panelanbietern, Segmentierungsstudien, Umfragen oder Forschungstaxonomien, sofern die Nutzungsrechte vorliegen. ## 2. Jeder Mind nutzt viele kleine Wissensbasen Minds sind keine statischen Persona-Karten. Jeder einzelne Mind wird aus tausenden kleinen, abgegrenzten Wissensbasen zusammengesetzt: Hintergrund, Einschränkungen, Bedürfnisse, Sprache, Präferenzen, Einwände, Kaufkontext, Kategorieerfahrung und Entscheidungskriterien. Diese Wissensbasen werden passend zur Forschungsfrage ausgewählt und gewichtet. Ein Pricing-Test, ein Konzepttest und eine Positionierungsstudie können dieselbe Zielgruppe nutzen, brauchen aber unterschiedliche Kontexte. ## 3. Forschung läuft als Interviews, Umfragen und Gruppendiskussionen Teams nutzen Minds für Konzepttests, Message Testing, Positionierungsforschung, Pricing-Reaktionen, AI Fokusgruppen, Segmentexploration und frühe qualitative Sondierung vor Human-Research. Ein Mind kann individuell antworten, Teil eines Panel-Readouts sein, Perspektiven mit anderen Minds vergleichen oder Moderatorfragen beantworten. Das System soll Zustimmung, Uneinigkeit, Unsicherheit und Einwände sichtbar machen. Zur akademischen Grundlage siehe unseren Leitfaden zu [Silicon Sampling](/blog/silicon-sampling). Für den breiteren Workflow siehe den Guide zu [synthetischer Forschung](/blog/synthetic-research). ## Genauigkeit wird benchmarked, nicht angenommen Synthetische Forschung sollte an realer Forschung gemessen werden. In Benchmark-Anwendungsfällen zeigte Minds 80-100% richtungsbezogene Übereinstimmung mit realen Umfrageergebnissen. "Richtungsbezogene Übereinstimmung" bedeutet, dass das synthetische Panel denselben Gewinner, denselben stärksten Einwand, dieselbe Präferenzrichtung oder dasselbe Muster erkennt wie die Human-Studie. Minds ersetzt Human-Research nicht universell. Menschliche Feldforschung bleibt wichtig, wenn Entscheidungen hochriskant, reguliert, verhaltensbasiert, sensorisch oder final validiert werden müssen. ## Wichtige Begriffe **Synthetische Forschung** nutzt KI-generierte Befragte oder Panels, um Reaktionen definierter Zielgruppen zu simulieren. **Silicon Sampling** ist die akademische Methode, große Sprachmodelle mit Respondentenprofilen zu konditionieren und Antworten mit menschlichen Umfragedaten zu vergleichen. **Synthetisches Panel** bezeichnet eine strukturierte Gruppe von KI-Befragten für ein Segment, eine Zielgruppe, ein Buying Committee oder eine Marktkategorie. **AI Persona** bezeichnet meist ein einzelnes simuliertes Befragtenprofil. In Minds ist ein Mind mehr als eine statische Persona: er ist ein interaktiver Respondent mit vielen abgegrenzten Wissensbasen. **AI Fokusgruppe** ist eine moderierte Sitzung, in der mehrere synthetische Respondenten auf denselben Prompt, dasselbe Konzept oder dieselbe Botschaft reagieren. ## Was dadurch möglich wird Minds hilft Teams, früher mehr Fragen zu stellen: Konzepte vorselektieren, Botschaften vergleichen, Einwände finden, Positionierung testen, Interviews vorbereiten und vorhandene Forschung in ein wiederverwendbares Panel verwandeln. Deshalb beschreiben wir Minds als Entscheidungshilfe für Forschungsteams. Die Methode ist am stärksten, wenn sie Human-Research fokussiert, statt ihn zu ersetzen. ## Weiterführende Links - [Silicon Sampling: How LLMs Simulate Survey Responses](/blog/silicon-sampling) - [Synthetic Research: The Complete 2026 Guide](/blog/synthetic-research) - [AI Focus Groups: How They Work](/blog/ai-focus-group) - [The Spark Effect: Creative Diversity in Multi-Agent AI](/research/spark-effect-creative-diversity-multi-agent-ai) ## Minds PRISM: Quellenmodellierung für wissenschaftliche Argumentation Minds PRISM™ ist die proprietäre Quellenmodellierungsebene hinter jedem Mind. Sie basiert auf eingegrenzten Signalen aus öffentlichen Quellen und kann freigegebene interne Kundeninformationen sowie Forschungsdaten von Drittanbietern oder Partnern einbeziehen, sofern dies aktiviert, zulässig und für die Studie relevant ist. PRISM führt kein Fine-Tuning einer Persona durch, um ein bestimmtes Umfrageergebnis zu reproduzieren. Es entwickelt wiederverwendbare Argumentationsmodelle, mit denen Forschende untersuchen können, wie eine definierte Zielgruppe Motivationen, Einschränkungen, Sprache, Einwände und Kompromisse bei verwandten Fragen abwägt. Die öffentliche technische Übersicht und die Grenzen finden Sie unter [Minds PRISM](/research/minds-prism). Minds beschreibt PRISM weder als universelle Web-Abdeckung noch als Rekonstruktion des gesamten Lebens einer Person. Die Methode ist für eingegrenzte, richtungsweisende Forschung konzipiert und sollte mit menschlichen Belegen kombiniert werden, wenn eine Entscheidung einen endgültigen statistischen, verhaltensbezogenen, regulierten oder öffentlichen Nachweis erfordert. ## Externer Kontext und fortlaufende Evidenzprüfung Minds hat den [Synthetic Research Index](https://syntheticresearchindex.org) gegründet und finanziert ihn zunächst. Er ist ein öffentliches Evidenzregister und eine Kategorienkarte für dieses entstehende Feld. Dieses Finanzierungsverhältnis wird vom Index offengelegt, Minds ist von seiner eigenen Bewertung ausgeschlossen, und der Index wird nicht als unabhängige Auszeichnung oder Zertifizierung von Minds dargestellt. Das Index-[Protokoll für Klassifizierung und Evidenz](https://syntheticresearchindex.org/methodology) erläutert, was verglichen werden kann und welche Grenzen dabei gelten. Neue Literatur und Studienzusammenfassungen, die von Produktbehauptungen getrennt bleiben, finden sich im [Research Feed](https://syntheticresearchindex.org/research).