„Jeder Agent ist für einen klar abgegrenzten Arbeitsschritt optimiert.“ Thorsten Diessner, INNOFACT AG
marktforschung.de: Wo liegen die Grenzen KI-gestützter Automatisierung in der Marktforschung? Wie funktioniert die automatische Umwandlung von Word-Fragebögen in lauffähige Fragebögen? Und wie schützt INNOFACT bei komplexen Treiberanalysen und Regressionen vor Halluzinationen und Datenmissbrauch? Thorsten Diessner erklärt, welche Research-Prozesse sich besonders für spezialisierte KI-Agenten eignen und welche Qualitätsrisiken bei stärkerer Automatisierung entstehen.
Viele Unternehmen experimentieren derzeit mit generativer KI. INNOFACT spricht von spezialisierten KI-Agenten entlang der Research-Wertschöpfungskette. Was ist damit konkret gemeint?
Thorsten Diessner: Mit „spezialisierten KI-Agenten“ meinen wir keine generische Chatbot-KI, sondern digitale Assistenten mit klarer Aufgabe entlang der Research-Wertschöpfungskette. Ein Agent kann zum Beispiel den Fragebogen auf Struktur und Logik prüfen, ein anderer offene Antworten codieren, ein dritter Datenqualität bewerten und ein vierter, Ergebnisse in einem Dashboard aufbereiten. Der entscheidende Punkt ist: Jeder Agent ist für einen klar abgegrenzten Arbeitsschritt optimiert. So entsteht kein „KI-Wirrwarr“, sondern ein zusammenspielender Workflow, der Qualität, Tempo und Nachvollziehbarkeit verbessert.
Hier kostenfrei zum Webinar anmelden!
Im Webinar wird die „Giftküche“ geöffnet. Welche Research-Prozesse eignen sich besonders gut für KI-gestützte Automatisierung?
Thorsten Diessner: Besonders gut eignen sich Prozesse, die standardisiert, wiederholbar und datenintensiv sind. Dazu zählen Fragebogen-Checks, offene Nennungen, Codierung, Datenbereinigung, erste Plausibilitätsprüfungen und die automatisierte Verdichtung von Ergebnissen in Dashboards. Auch die Qualitätssicherung während des Feldes ist prädestiniert für Automatisierung, weil hier Muster, Auffälligkeiten und Paradaten systematisch ausgewertet werden können. INNOFACT hat beispielsweise dafür einen KI-gestützten Quality-Check mit Data-Quality-Score, der verdächtige Antwortmuster früh erkennt und gute Daten direkt in die Auswertung lässt.
Ein Beispiel aus der Webinar-Beschreibung: Word-Fragebögen lassen sich automatisiert in kurzer Zeit umsetzen. Wie funktioniert das in der Praxis?
Thorsten Diessner: In der Praxis bedeutet das: Ein in Word erstellter Fragebogen wird so per KI vorbereitet, dass die Struktur von Fragen, Skalen, Filtern und ggf. Matrix-Elementen maschinenlesbar ist. Anschließend kann die Software den Text importieren, die Fragetypen erkennen und daraus automatisch einen lauffähigen Fragebaum oder Online-Fragebogen erzeugen. Der große Vorteil ist die enorme Zeitersparnis bei gleichzeitig weniger manuellem Übertragungsaufwand. Wichtig bleibt aber, dass Projektleiter den automatisch erzeugten Fragebogen fachlich prüfen, denn Logik, Filterführung und saubere Operationalisierung sind weiterhin entscheidend.
Hier kostenfrei zum Webinar anmelden!
Besonders spannend klingt die automatische Analyse großer Datenmengen. Wie weit kann KI heute bei Treiberanalysen, Regressionen oder komplexeren statistischen Zusammenhängen gehen?
Thorsten Diessner: Bei Treiberanalysen, Regressionen und anderen statistischen Verfahren kann KI heute sehr weit helfen, vor allem beim Vorbereiten, Prüfen, Berechnen und Interpretieren von Standardmustern. Gerade bei großen Datenmengen beschleunigt sie die Exploration, findet Auffälligkeiten und erstellt erste Hypothesen deutlich schneller als ein rein manueller Prozess. Die Grenze liegt dort, wo methodische Verantwortung beginnt: Modellwahl, Kausalinterpretation, Signifikanzbewertung und die Einordnung in den fachlichen Kontext müssen bei komplexeren Fragestellungen weiterhin von Expertinnen und Experten abgesichert werden.
KI kann also viel, aber sie ersetzt nicht das methodische Urteil. Wir gehen allerdings noch eine Stufe weiter: Mit unserem Tool INNOlyzer werden die gesamten Analysen zwar von der KI angefragt und interpretiert, die Analysen, also Regressionen, Treiber- und Clusteranalysen sowie Korrelationen, werden aber immer auf unserem Server ausgeführt. Das bedeutet zweierlei: Es passiert auf unseren erhobenen Daten und in einem geschützten, abgeschlossenen Bereich. Damit ist die Verwendung der Daten zu Trainingszwecken ausgeschlossen und auch entscheidend: Halluzinationen sind ausgeschlossen.
Welche Qualitätsrisiken entstehen, wenn Research-Prozesse stärker automatisiert werden?
Thorsten Diessner: Mit stärkerer Automatisierung wachsen vor allem drei Risiken: Erstens können schlechte Ausgangsdaten schneller und in größerem Umfang durchrutschen, wenn Prüfregeln zu lax sind. Zweitens kann die Automatisierung Scheinsicherheit erzeugen, wenn Ergebnisse nicht mehr kritisch hinterfragt werden.
Drittens besteht das Risiko, dass KI jedwede Muster sehr überzeugend darstellt, die fachlich nicht belastbar sind. Deshalb braucht es klare Kontrollpunkte, dokumentierte Regeln, menschliche Freigaben an den richtigen Stellen und eine Qualitätssicherung, die nicht erst am Ende, sondern im gesamten Prozess greift.
Warum sollte man sich das Webinar nicht entgehen lassen?
Thorsten Diessner: Man sollte sich das Webinar nicht entgehen lassen, weil dort nicht abstrakt über KI gesprochen wird, sondern konkrete Anwendungen aus dem Research-Alltag gezeigt werden. INNOFACT verspricht Einblicke in INNODash, INNOLyzer und INNOcoding sowie in die praktische Umsetzung schnellerer Insights entlang realer Workflows. Das ist besonders wertvoll für alle, die wissen wollen, wo KI heute produktiv einsetzbar ist, wo sie Zeit spart und wo sie Grenzen hat. Genau diese Mischung aus Praxisbeispielen, Prozess-Know-how und Qualitätsfokus macht das Format relevant.
Hier kostenfrei zum Webinar anmelden!
Über die Person
Thorsten Diessner ist Partner und Leiter Innovationsentwicklung und Programmierung Chefentwickler bei der INNOFACT AG.
