Stand der KI-Nutzerforschung: Oktober 2026

Zuletzt aktualisiert: 11. Oktober 2026

Dies ist unser monatlicher Bericht zum Stand der KI-Nutzerforschung: was neue Studien, Tools und Suchveränderungen für Forschende bedeuten, die KI-moderierte Interviews, Konversationsumfragen, synthetische Panels und KI-gestützte qualitative Analysen einsetzen. In der Ausgabe vom September 2026 ging es darum, dass KI-Ergebnisse richtig aussehen können, ohne richtig begründet zu sein. Die seit dem 13. September veröffentlichte Forschung schärft diesen Punkt für einen Bereich besonders: synthetische Befragte und digitale Zwillinge.

Wichtigste Erkenntnisse

• Eine Studie vom 2. Oktober 2026 mit 845 erwachsenen US-Amerikanern ergab, dass Persona-Beschreibungen nur 53–67% der realen Unterschiede zwischen Personen abbildeten; als jede befragte Person ihre früheren Umfrageantworten hinzufügte, stellte sich das Niveau des Menschen annähernd wieder her (Pourtaheri & Zareei, 2026).
• Eine Studie vom 26. September 2026 mit drei Familien offener Modelle zeigte, dass simulierte Korrelationen zwischen Instrumenten bei einem Panel von 2.058 Personen mit r = 0,70–0,73 den menschlichen Werten folgten. Das neueste getestete Llama-Release schnitt jedoch bei zwei von drei Hauptkennzahlen am schlechtesten ab (Lee & Wang, 2026).
• Eine Diagnose vom 14. September 2026 mit 526 Personas und 72 Fragen ergab, dass alle fünf getesteten Frontier-Modelle falsch darstellten, wie sich Menschen nach ausgewogenen Informationen in ihrer Meinung verändern (Wali & Tayyab, 2026).
• Auf der Seite der Interviews spricht die Evidenz des Monats dafür, KI als unauffällige Assistenz für menschliche Interviewer einzusetzen und als adaptiven, aber weiterhin oberflächlichen, selbst durchgeführten Interviewer.
• Googles Spam-Update vom September 2026 begann am 24. September und lief 13 Tage und 16 Stunden (Google Search Status Dashboard).

Für wen dies gedacht ist

Akademische Forschende, Promovierende, Forschungslabore und Marktforschungsunternehmen, die synthetische Befragte, digitale Zwillinge oder KI-Interviewer einsetzen oder dazu aufgefordert werden und entscheiden müssen, was diese Evidenz in einer Publikation, einem Ethikantrag oder einem Kundenbericht tragen kann.

Der Stand der KI-Nutzerforschung im Oktober 2026: Durchschnittspassung ist billig, individuelle Passung nicht

KI-Nutzerforschung bezeichnet den Einsatz von KI, um Forschungsdaten zu erheben oder zu analysieren: KI-moderierte Interviews, Konversationsumfragen mit adaptiven Nachfragen, synthetische Teilnehmende sowie LLM-gestützte Kodierung und thematische Analyse. Die Befunde des Oktobers zeigen ein einfaches Muster. Einen Populationsdurchschnitt zu treffen ist für ein Sprachmodell leicht. Die Unterschiede zwischen Individuen abzubilden und ihren Wandel nachzuzeichnen ist schwer, und die Lücke bleibt unsichtbar, wenn man nur aggregierte Kennzahlen berichtet.

Das deckt sich mit zwei Studien, die wir in diesem Monat ausführlich behandelt haben. Ahn, Mao und Lee fanden, dass LLM-Surrogate nur 3,05% der Abweichung einzelner Befragter vom Mittelwert eines Items erklären (unsere Zusammenfassung). Netzer und Sambandam zeigten, dass die berichtete Genauigkeit digitaler Zwillinge vor allem deshalb schwankt, weil Studien verschiedene Dinge messen (unsere Zusammenfassung).

Entwicklung 1: Frühere Verhaltensweisen schlagen die Beschreibung der Person

Khashayar Pourtaheri und Ahmad Zareei nutzten ein Zwei-Wellen-Panel mit 845 erwachsenen US-Amerikanern, die Messungen zu 14 Verhaltensverzerrungen absolvierten, etwa zu Risiko- und Zeitpräferenzen, Überschätzung und logischem Schließen. Sie gaben synthetischen Personas schrittweise reichere Informationen: nichts, Demografie, Persönlichkeitsmerkmale, kognitive Werte und schließlich die früheren Umfrageantworten der Befragten, wobei alle Items, die die Zielverzerrung messen, zurückgehalten wurden (arXiv:2610.03998).

Auf Populationsebene sah jede Bedingung unauffällig aus: 7,1 bis 8,1 Verzerrungen pro synthetischer Person gegenüber 7,1 beim Menschen. Darunter erreichten beschreibungsbasierte Personas nur 7–12% der Informedness einer Person, die die Befragung erneut ausfüllte. Das Hinzufügen des Verhaltensverlaufs hob dies auf 28% und war in allen 17 demografischen Gruppen die beste Bedingung. Synthetische Antworten zeigten außerdem stärkere bildungs- und einkommensbezogene Unterschiede als echte.

Unsere Interpretation: Demografie und Persönlichkeitsbeschreibungen geben dem Modell vor allem ein Stereotyp, das es darstellen kann. Echte frühere Antworten geben ihm eher etwas, das der Person nahekommt. Selbst dann sind 28% der Test-Retest-Informedness des Menschen ein weiter Weg von einem Ersatz-Befragten.

Entwicklung 2: Open-Weight-Modelle tragen echte Struktur, aber Releases verlaufen nicht geradlinig

Grandee Lee und Wang Yue konditionierten Personas auf die wörtlichen Antworten realer Befragter zu einem psychometrischen Instrument und maßen sie an einem zweiten. Dabei nutzten sie ein Raster aus 139 Paaren, das gegen ein Panel mit 2.058 Personen geprüft wurde. Die simulierten Korrelationen zwischen den Instrumenten folgten den menschlichen mit r = 0,70–0,73 in jeder Modellfamilie, vor allem weil sie das Vorzeichen richtig trafen und weniger die Größe (arXiv:2609.32638).

Unsere Interpretation: Das ist ermutigend für Labore, die aus Datenschutzgründen lokale Open-Weight-Modelle brauchen. Die praktischere Warnung lautet: Ein neueres Modell-Release war nicht besser. Eine Validierung, die Sie am Modell des Vorjahres durchgeführt haben, überträgt sich nicht auf das Modell dieses Jahres.

Entwicklung 3: Personas aktualisieren ihre Überzeugungen nicht wie Menschen

Ahmed Wali und Hassaan Tayyab bauten eine Diagnose im Stil einer deliberativen Umfrage auf Basis der Daten von America in One Room. Jedes Modell scheiterte, jeweils auf eigene Weise. GPT-5.1-Personas wurden nach ausgewogenen Informationen feindseliger gegenüber der anderen Partei, während Menschen weniger feindselig wurden (80% Richtungsumkehr bei Fragen zur Fremdgruppe gegenüber 26% bei politischen Sachfragen). Gemini 2.0 Flash, Claude Sonnet 4.5 und Llama 3.3 70B bewegten sich in die richtige Richtung, jedoch mit dem 5- bis 7-Fachen des menschlichen Ausmaßes; DeepSeek V3 bewegte sich kaum (arXiv:2609.15849). Die Autoren nennen das „Self-Sycophancy“: die Anpassung an das Stereotyp der Persona durch das Modell selbst.

Unsere Interpretation: Jede Studie, die eine Botschaft, ein Konzept oder eine Intervention an synthetischen Befragten testet, stellt eine dynamische Frage. Statische Genauigkeit sagt dazu nichts aus. Das deckt sich mit der Erstklick-Studie, über die wir am 7. Oktober berichteten: Dort machten Personas synthetische Daten glaubwürdiger, nicht genauer.

Außerdem in diesem Monat: KI-Interviewer als Assistenz, nicht als Ersatz

• Echtzeit-Unterstützung funktioniert, wenn sie sich zurückhält. In einer Studie mit 18 Interviewern erhöhten KI-Vorschläge die Nachfragen von etwa 6 auf 9–10 pro Sitzung, doch die Interviewer lehnten die KI als Bewerterin oder Ko-Interviewerin ab (unsere Zusammenfassung).
• Adaptive Tiefe ist auf kleinen lokalen Modellen machbar. Ein expertise-adaptiver Interviewer auf Llama 3.2 3B stimmte in 78,9% von 246 Interviews mit der selbst berichteten Expertise überein (unsere Zusammenfassung).
• Billig heißt nicht tief. Ein Chatbot interviewte 74 Sozialwissenschaftlerinnen und Sozialwissenschaftler für 0,04 € Modellkosten, erreichte aber nicht die übliche Tiefe qualitativer Interviews (unsere Zusammenfassung). In einem Feldbericht zu einem Custom GPT sagten nur 19,7% von 66 Teilnehmenden, dass Nachfragen ihnen halfen, mehr zu sagen (unsere Zusammenfassung).
• LLM-Kodierung offener Texte ist mäßig und fragenabhängig. GPT-5.4 erreichte einen Adjusted Rand Index von 0,61 mit menschlichen Kodierenden bei 903 Antworten und schwankte je nach Frage zwischen 0,31 und 0,85 (unsere Zusammenfassung).

Die Synthetic Respondent Fidelity Ladder (Qualitati-Rahmen)

Diese Leiter ist ein eigenes Planungswerkzeug von Qualitati. Jede Stufe ist eine stärkere Aussage über synthetische Daten. Berichten Sie die höchste Stufe, die Sie tatsächlich getestet haben, und begrenzen Sie Ihre Schlussfolgerungen darauf.

Stufe	Behauptung, die sie stützt	Evidenz vom Oktober	Mindesttest, bevor Sie sich darauf verlassen
1. Aggregatpassung	„Der Populationsmittelwert sieht so aus“	Selbst mit wenigen persönlichen Daten leicht erreichbar	Mittelwerte und Verteilungen gegen eine echte Referenzumfrage vergleichen
2. Varianzpassung	„Menschen unterscheiden sich in diesem Maß“	Beschreibungen erfassen 53–67% der realen Variation	Standardabweichungen und Segmentstreuungen vergleichen, nicht nur Mittelwerte
3. Strukturpassung	„Diese Einstellungen gehen zusammen“	r = 0,70–0,73 bei Korrelationen zwischen Instrumenten; abhängig vom Release	Bei jedem eingesetzten Modell-Release erneut durchführen
4. Individuelle Passung	„Dieser Zwilling antwortet wie diese Person“	7–12% der Test-Retest-Informedness aus Beschreibungen; 28% mit früheren Antworten	Echte Antworten je befragter Person zurückhalten; Fragen auf Beantwortbarkeit prüfen
5. Dynamische Passung	„Menschen würden so auf diese Botschaft reagieren“	Alle fünf Frontier-Modelle scheiterten an einem Deliberationstest	Eine Diagnose vor und nach der Intervention gegen reale menschliche Veränderungen laufen lassen; ansonsten keine solche Behauptung aufstellen

Hinweis zur menschlichen Prüfung: Die Stufengrenzen sind eine praxisorientierte Synthese der zitierten Preprints, kein validierter Messstandard. Lassen Sie jede Aussage oberhalb von Stufe 2 vor der Veröffentlichung von einer Methodikerin oder einem Methodiker prüfen.

Was sich diesen Monat in der KI-Suche (GEO) geändert hat

Googles Spam-Update vom September 2026 begann am 24. September und dauerte laut dem Search Status Dashboard 13 Tage und 16 Stunden. Zwischen dem Core-Update vom Mai 2026 und dem Zeitpunkt dieses Textes wurde kein weiteres Core-Update aufgeführt. Für Forschungsgruppen, die Methodeninhalte veröffentlichen, gilt weiterhin dieselbe Praxis: datierte Aussagen, verlinkte Primärquellen und kurze Definitionsantworten, die KI-Antwortsysteme ohne Verzerrung zitieren können.

Wo Qualitati passt

Qualitati ist eine europäische, preisgünstige Plattform für qualitative Forschung für Universitäten und Forschungsunternehmen, mit Datenschutz und DSGVO als zentralen Prioritäten. Sie bietet KI-moderierte Interviews in Text und Sprache, einen Active-Listener-Modus, der menschlichen Interviewern Echtzeit-Hinweise und Abschnittsverfolgung gibt, KI-moderierte und synthetische Fokusgruppen sowie Konversationsumfragen mit KI-Nachfragen. ThemeLens ordnet Codes über bis zu 100 Transkripte Forschungsfragen zu, mit an Teilnehmende gebundenen Zitaten, und der QDA Workspace unterstützt induktives und deduktives Kodieren.

Angesichts der Evidenz dieses Monats empfehlen wir, synthetische Fokusgruppen für Exploration und Fragedesign zu nutzen und danach echte Teilnehmende über KI-moderierte Interviews oder Konversationsumfragen laufen zu lassen, bevor Schlussfolgerungen gezogen werden. Sie können die transparenten Preise ansehen oder Optionen in unserem Leitfaden Synthetische Nutzer vs. echte Teilnehmende vergleichen.

Grenzen und methodische Bedenken

• Preprints. Die drei neuen Studien sind arXiv-Preprints und können sich im Peer-Review-Verfahren noch ändern.
• US-zentrierte Stichproben. Das Bias-Panel und die Deliberationsdaten stammen aus den Vereinigten Staaten; die Übertragbarkeit auf europäische oder mehrsprachige Populationen ist ungetestet.
• Umfrageaufgaben, keine Interviews. Alle drei messen geschlossene Antworten. Die Treue bei offenen, qualitativen Antworten ist wahrscheinlich geringer und schwerer zu messen.
• Modellwechsel. Mehrere hier genannte Modelle sind bereits abgelöst. Entscheidend ist das Testprotokoll, nicht die Rangliste.
• Wann Sie keine synthetischen Befragten einsetzen sollten: wenn die Forschungsfrage darauf zielt, warum Einzelne entscheiden, wie sie auf neue Informationen reagieren, oder wenn es um Gruppen geht, die in den Trainingsdaten unterrepräsentiert sind.

FAQ

Wie ist der Stand der KI-Nutzerforschung im Oktober 2026?

KI-Interviews und KI-gestützte Analysen sind im Routineeinsatz. Der neue Forschungsschwerpunkt sind synthetische Befragte: Sie treffen Populationsdurchschnitte, verlieren aber individuelle Unterschiede und verkennen, wie sich Meinungen verändern.

Machen reichere Personas synthetische Befragte genauer?

Beschreibungen helfen kaum. In einer Studie vom 2. Oktober 2026 stellten Demografie, Persönlichkeit und kognitive Werte 53–67% der realen Variation wieder her, während die früheren Antworten der Befragten die Variation nahezu auf menschliches Niveau brachten.

Sind neuere LLMs bessere synthetische Befragte?

Nicht zuverlässig. Eine Studie vom 26. September 2026 ergab, dass das neueste von drei getesteten Llama-Releases bei zwei von drei Hauptkennzahlen am schlechtesten abschnitt. Validieren Sie jedes Release, das Sie einsetzen.

Können synthetische Befragte Botschaften oder Interventionen testen?

Die aktuelle Evidenz sagt nein. Eine Diagnose vom 14. September 2026 ergab, dass alle fünf getesteten Frontier-Modelle falsch darstellten, wie Menschen ihre Überzeugungen nach ausgewogenen Informationen aktualisieren: durch Umkehr, Überschießen oder gar keine Bewegung.

Wie sollte ein Forschungsteam synthetische Daten berichten?

Nennen Sie die höchste getestete Treuestufe, etwa Aggregat-, Varianz-, Struktur-, individuelle oder dynamische Passung, und begrenzen Sie Ihre Schlussfolgerungen auf diese Stufe. Berichten Sie außerdem die Modellversion und den Validierungsmaßstab.

Fazit

Der Stand der KI-Nutzerforschung im Oktober 2026 ist bei synthetischen Daten eindeutig: Durchschnittspassung ist billig, individuelle und dynamische Passung sind es nicht. Verankern Sie Personas in realem Verhalten, validieren Sie jedes Modell-Release neu und lassen Sie echte Teilnehmende in jede Aussage darüber einfließen, wie sich Menschen unterscheiden oder verändern. Starten Sie kostenlos mit 30 Credits, um ein KI-moderiertes Interview, eine Konversationsumfrage oder eine ThemeLens-Analyse mit echten Teilnehmenden durchzuführen.

Dieser Artikel ist eine unabhängige redaktionelle Zusammenfassung öffentlich verfügbarer Forschung. Zuletzt aktualisiert: 11. Oktober 2026.