--- title: "Minds Research-Methoden-Pipeline-Katalog" description: "Eine öffentliche Übersicht der verfügbaren qualitativen und quantitativen Research-Methoden in Minds, ihrer erforderlichen Inputs, versionierten Pipeline-Stufen, Kalkulatoren, Artefakte und Grenzen." canonical_url: "https://getminds.ai/research/de/research-method-pipeline-catalog" last_updated: "2026-09-08T17:01:13.895Z" --- # Minds Research-Methoden-Pipeline-Katalog Minds behandelt eine Research-Methode als Produktvertrag, nicht als Label auf einem Chat. Jede registrierte Methode definiert ihre erforderlichen Inputs, unterstützten Quellen, Output-Typen, Konfigurationsschemata, Pipeline-Stufen, Artefakt-Verträge, Verfügbarkeiten, Versionen und Kalkulatoren, sofern zutreffend. Diese Seite beschreibt den im Minds Research-System zum 21. August 2026 vorhandenen Katalog. Die Verfügbarkeit kann von Plan, Konfiguration und unterstütztem Workflow abhängen. Kundenorientierte Feature-Beschreibungen und Plan-Umfänge unterliegen weiterhin dem [Minds Feature-Katalog](/guide/features) und den geltenden Vereinbarungen. ## Verfügbare Methoden
Methode Primäre Aufgabe Pipeline-Form Kernschätzung oder Artefakt
Custom Research Exploration mit mehreren Fragen Erheben → Synthetisieren Antworten und qualitative Evidenz
Fokussierte Frage Eine abgegrenzte Frage Erheben → Synthetisieren Antwort und qualitative Evidenz
Fragebogen Strukturierter Fragensatz Erheben → Synthetisieren Antworten, Verteilungen, Themen
Qualitative Exploration Gründe, Einwände, Sprache Erheben → Synthetisieren Qualitative Themen und Empfehlungen
Ranked Preferences Geordnete Prioritäten Erheben → Schätzen → Synthetisieren Versionierte Rangfolgeschätzung
Segmentvergleich Unterschiede zwischen Zielgruppen Erheben → Vergleichen → Synthetisieren Segmentvergleichsschätzung
MaxDiff Relative Priorität über Items hinweg Erheben → Schätzen → Validieren → Synthetisieren Counts, Diagnostik, gerankte Evidenz
Conjoint Trade-offs über Attribute und Stufen Designen → Erheben → Schätzen → Validieren → Simulieren → Synthetisieren Utilities, Diagnostik, simulierte Shares
NPS Verteilung von Promotoren, Passiven und Detraktoren Erheben → Berechnen → Synthetisieren NPS-Schätzung
Top/Bottom Box Skalenkonzentration Erheben → Berechnen → Synthetisieren Top/Bottom-Box-Schätzung
Key Drivers Beziehung zwischen Treibern und Outcome Erheben → Berechnen → Synthetisieren Key-Driver-Schätzung
TURF Inkrementelle Reichweite über Kombinationen Erheben → Berechnen → Synthetisieren TURF-Schätzung
Gabor-Granger Resonanz über Preispunkte Erheben → Berechnen → Synthetisieren Preisreaktionsschätzung
Van Westendorp Preissensitivitäts-Schwellenwerte Erheben → Berechnen → Synthetisieren Van-Westendorp-Schätzung
Kano Feature-Erwartungskategorien Erheben → Berechnen → Synthetisieren Kano-Schätzung
## Qualitative Workflows Custom Research, fokussierte Fragen, Fragebögen und geführte qualitative Exploration nutzen Panel-Erhebung und Evidenzsynthese. Sie eignen sich, wenn das Forschungsziel darin besteht, Tonalität, Gründe, Einwände, Themen oder hypothetische Ansätze aufzudecken. Der Output kann je nach Methode Fließtext, Verteilungen, qualitative Themen und Handlungsempfehlungen umfassen. Ein qualitatives Ergebnis sollte immer zu den akzeptierten Antworten rückverfolgbar bleiben. Es sollte nicht in eine statistische Behauptung umgedeutet werden, nur weil viele synthetische Zielgruppenmitglieder teilgenommen haben. ## Ranked Preferences und Segmentvergleich Ranked Preferences bereitet strukturierte Aufgaben bei der Ausführung vor, erfasst Antworten, wendet den versionierten Ranking-Kalkulator an und liefert gerankte Evidenz. Der Segmentvergleich erhebt die konfigurierte Metrik über Zielgruppensegmente hinweg und wendet eine versionierte Vergleichsberechnung vor der qualitativen Synthese an. Diese Methoden sind nützliche Brücken zwischen offener Exploration und fortgeschrittenen experimentellen Designs. Sie erfordern dennoch eine klar definierte Zielgruppe und eindeutige Items. ## MaxDiff-Pipeline Die verfügbare MaxDiff-Pipeline erfordert ein registriertes Item-Set. Bei der Ausführung erstellt sie kontrollierte Best/Worst-Erhebungsaufgaben, erfasst Antworten, wendet den Schätzer `maxdiff-count-v1` an, führt `maxdiff-diagnostics-v1` aus und synthetisiert gerankte Evidenz. Zu den Artefakten gehören der Antwortdatensatz, die Schätzung, die Diagnostik und die Evidenz. Diagnostiken sind essenziell, da ein gerankter Output ohne Aufgabenabschluss- und Antwortqualitätsprüfungen Scheingenauigkeit erzeugen kann. ## Conjoint-Pipeline Die verfügbare Conjoint-Pipeline erfordert Attribute, Stufen und Auswahlabschnitte. Sie verwendet: 1. `conjoint-design-v1` für das Design; 2. `panel-conjoint-collection-v1` für kontrollierte Auswahlentscheidungen; 3. `multinomial-logit-v1` für die Schätzung; 4. `conjoint-validation-v1` für die Diagnostik; 5. `conjoint-share-simulation-v1` für konfigurierte Simulationen; und 6. Evidenzsynthese für die Interpretation. Artefakte sichern das Design, die Antworten, die Schätzung, die Diagnostik, simulierte Marktanteile und Evidenz. Dies unterstützt die Reproduzierbarkeit des Analysepfads. Es macht aus einer synthetischen Auswahlentscheidung jedoch keine beobachtete Marktnachfrage. ## Scoring- und Pricing-Methoden NPS, Top/Bottom Box, Key Drivers, TURF, Gabor-Granger, Van Westendorp und Kano nutzen eine gemeinsame Struktur von Erhebung über Berechnung bis Synthese mit methodenspezifischer Konfiguration und Kalkulatoren. Die genaue Forschungsfrage muss zur Methode passen. Beim Pricing sind synthetische Outputs richtungsweisend. Sie helfen dabei, Szenarien zu vergleichen, Formulierungen zu testen und ein Live-Instrument zu verbessern, sollten jedoch ohne entsprechende verhaltensbasierte oder reale menschliche Evidenz nicht als exakte Zahlungsbereitschaft dargestellt werden. Lesen Sie dazu den [Leitfaden für Preisforschungsmethoden](/blog/pricing-research-methods-guide). ## Pipeline-Artefakte und Fallbacks Registrierte Methoden deklarieren, welche Artefakte erforderlich sind und welche Methode als Fallback dienen kann, wenn die Ausführung unsicher oder die Konfiguration unzureichend ist. Ein Fallback muss transparent sein. Ein Fragebogenergebnis darf niemals fälschlicherweise als abgeschlossene Conjoint- oder MaxDiff-Studie deklariert werden. Research-Outputs hängen zudem von Antwortverträgen und Klassifizierungen ab. Die deterministische Schätzung beginnt erst, nachdem die akzeptierten Antworten dem geforderten Schema der Methode entsprechen. Der Artefakt-Verlauf ermöglicht es, die Zusammenfassung mit den zugrunde liegenden Antworten und Berechnungen abzugleichen. ## Was dieser Katalog belegt Der Katalog belegt, dass Minds diese Methoden im Research-System als verfügbare, versionierte Pipelines operationalisiert hat. Er belegt keine universelle externe Validität. Validierung umfasst zwei Ebenen: - Implementierungsvalidierung: Das Design und der Kalkulator verhalten sich wie spezifiziert; - Evidenzvalidierung: Synthetische Antworten bilden eine relevante menschliche oder verhaltensbasierte Referenz für die Entscheidung ab. Beide Ebenen sind entscheidend. Siehe [Quantitative Pipelines vs. AI-Persona-Chat](/comparison/quantitative-research-pipelines-vs-ai-persona-chat) und [Vergleich synthetischer Zielgruppenvalidierung](/comparison/synthetic-audience-validation-and-accuracy). ## Wahl der passenden Methode - Nutzen Sie qualitative Exploration, wenn das Problem oder das Wording unklar ist. - Nutzen Sie Ranked Preferences oder MaxDiff, wenn die Entscheidung eine relative Priorisierung erfordert. - Nutzen Sie Conjoint, wenn Produktbündel und Multi-Attribut-Trade-offs entscheidend sind. - Nutzen Sie Gabor-Granger oder Van Westendorp für unterschiedliche Pricing-Fragestellungen. - Nutzen Sie TURF, wenn inkrementelle Reichweite über Kombinationen hinweg zählt. - Nutzen Sie Kano für Feature-Erwartungskategorien. - Nutzen Sie den Segmentvergleich, wenn die Entscheidung von Zielgruppenunterschieden abhängt. - Nutzen Sie eine reale menschliche oder verhaltensbasierte Studie, wenn die Entscheidung externe Belege erfordert. Kombinieren Sie diesen Katalog mit der [Minds Methodik](/research/methodology), dem [Minds-Forschung](/research), der [Checkliste zur Validierung synthetischer Zielgruppen](/research/synthetic-audiences-validation-checklist) und dem [Hub für synthetische Probanden-Plattformen](/blog/synthetic-respondents-comparison-hub).