Der Fehler betrug weniger als 400 Stimmen. Ein 16-jähriger CTO führte das Team an und hat mit 5.000 KI-Systemen die US-Wahlen richtig vorhergesagt.

Kann man herausfinden, was Menschen denken, ohne mit ihnen zu sprechen? Eine Gruppe von Nachwuchsgenerationsmitgliedern (die sogenannten "00er") ist dabei, die Marktforschung mit KI zu revolutionieren.

Im Jahr 2024 haben eine Gruppe junger Leute mit durchschnittlich 18 Jahren mit rund 5.000 KI-Gesprächen (wovon jedes nur 30 bis 90 Sekunden dauerte) mit nahezu null Kosten erfolgreich das Ergebnis der Demokratischen Präsidentschaftsvorwahl im US-Bundesstaat New York vorhergesagt, wobei die Stimmenabweichung weniger als 400 Stimmen betrug.

Innerhalb von weniger als zwei Jahren hat die von diesen jungen Leuten gegründete KI-Marktforschungsfirma Aaru Top-Partner wie Accenture, Ernst & Young und IPG gewonnen und Ende 2025 eine Serie-A-Finanzierung in Höhe von 5.000 US-Dollar mit einem Unternehmenswert von einer Milliarde US-Dollar abgeschlossen.

Hinter alledem steckt ein einfaches, fast verwegenes Konzept: Die "unendliche Simulation" soll die "begrenzte Stichprobe" ersetzen.

Das Herzstück von Aaru besteht nicht darin, die KI besser darin zu machen, "Fragen zu stellen", sondern darin, dass die KI lernt, "wie ein Mensch zu sein". Sie haben Tausende von KI-Intelligenzagenten trainiert, von denen jeder komplexe Bevölkerungsattribute und Verhaltenskognitionsmuster zugewiesen bekommen hat, ähnlich wie ein verkleinerter echter Mensch.

Wenn diese "synthetischen Menschen" in der digitalen Welt miteinander interagieren, können sie Fragen beantworten, die zuvor unbeantwortet blieben, wie beispielsweise die kollektive Reaktion einer Gruppe auf ein neues Produkt, eine neue Politik oder eine neue Werbung.

Das von Aaru repräsentierte "synthetische Verhalten" befindet sich auf der Spitze des Technologiestapels. Es arbeitet mit anderen Forschern auf dem Gebiet des "synthetischen Interaktions" (wie Keplar, Outset) und des "synthetischen Datensatzes" (wie Gretel, YData) zusammen, um den Marktforschungsmarkt im Wert von 80 Milliarden US-Dollar neu zu gestalten.

01 Wenn KI-Agenten wie Menschen denken

Während die meisten KI-Konkurrenten auf dem Markt noch darum ringen, "wie effizienter menschliche Einsichten gesammelt werden können", hat Aaru einen anderen Ansatz: Was, wenn man nicht auf reale Menschen angewiesen ist, sondern direkt unendlich viele digitale Intelligenzagenten "synthetisiert", die menschliches Verhalten simulieren können, um die Reaktion einer Gruppe vorherzusagen?

Ihr Kernkonzept heißt "Simulationsprognose", "Modellierung - Simulation - Prognose", und es basiert auf einer dynamischen Analyse des "Was, wenn...?"-Szenarios.

Der technische Ansatz besteht darin, eine große Anzahl von KI-Agenten (Multi-Agenten-System, MAS) zu trainieren. Diese Agenten basieren auf strukturierten und unstrukturierten Daten aus mehreren Quellen, wie sozioökonomischen Statistiken, Verbraucherverhaltensdaten und sozialen Medien-Sentimentsignalen.

Jeder Agent trägt nicht nur Etiketten wie Alter und Einkommen, sondern wird auch mit Verhaltensmustern, Entscheidungsgründen und sogar kognitiven Präferenzen ausgestattet, was ihn zu einem "simulierten Benutzer" macht.

Wenn man diese Agenten kombiniert, entsteht ein dynamisches, interaktives Wissensrepository über menschliches Verhalten. Mit anderen Worten, es wird nicht nur Daten synthetisiert, sondern direkt Menschen.

Beispielsweise simuliert Aaru nach dem Training von bestimmten Bevölkerungssegmenten wie "Angestellte in Großstädten zwischen 25 und 30 Jahren" deren Entscheidungslogik, wie etwa, ob sie ein neues Unternehmensprodukt kaufen würden oder wie sie sich gegenüber einem öffentlichen Ereignis verhalten würden.

Was können diese "synthetischen Menschen" tun?

Aaru hat ein "Leuchtfeuerszenario" gefunden, in dem es seine Stärken optimal nutzen kann: die Prognose von politischen Wahlen.

Mit rund 5.000 KI-Fragen und -Antworten (wovon jedes nur 30 bis 90 Sekunden dauerte) haben sie erfolgreich das Ergebnis der Demokratischen Präsidentschaftsvorwahl im US-Bundesstaat New York im Jahr 2024 vorhergesagt, wobei die Abweichung von der tatsächlichen Stimmenzahl weniger als 371 Stimmen betrug, und die Kosten sollen nur ein Zehntel der traditionellen Meinungsumfragen betragen.

Bei einer traditionellen Marktforschung würde dies möglicherweise Wochen dauern und Hunderttausende von US-Dollar kosten.

Dieses Szenario zeichnet sich durch eine öffentliche Ergebnisveröffentlichung, einen kurzen Validierungszeitraum und eine klare Entscheidung aus. Die erfolgreiche Prognose bei extrem geringen Kosten ist ein "unwiderlegliches Beweisstück" für ihre technische Fähigkeit.

Die Genauigkeit von Aaru wurde auch anerkannt. Der Chief Solution Officer von IPG (Interpublic Group) hat bewertet, dass die Genauigkeit von Aaru "höher ist als bei jeder Website-Umfrage, Meinungsumfrage oder Fokusgruppe".

Außer in der politischen Wahlprognose erstreckt sich die Anwendung von Aaru auch auf Unternehmensentscheidungen und öffentliche Strategien. Das Projekt kann auch flexibel skaliert werden, von kleinen Tests mit wenigen Agenten bis hin zu großen Simulationen im Hunderttausendbereich.

Derzeit gliedert sich das Produktportfolio von Aaru hauptsächlich in drei Bereiche:

① Lumen, für die Unternehmensentscheidungssimulation. Es kann Gruppen simulieren, die schwer zu erreichen sind, wie Unternehmensleitungskräfte und Hochvermögensträger, und wird für Produktkonzepttests und hochgerichtete Marketingstrategievalidierungen eingesetzt. Zielgruppen sind beispielsweise "Personen, die jährlich 30.000 US-Dollar für Handtaschen ausgeben" oder "neue Eltern mit Diabetes auf dem ländlichen Markt".

② Dynamo, zur Simulation der menschlichen Natur, speziell für die Wahlprognose. Durch die kontinuierliche Informationsaufnahme und -verarbeitung durch eine große Anzahl von Agenten wird das Verhalten von Wählern nachgeahmt, wenn sie Medienkontakte haben und ihre Ansichten aktualisieren. In der politischen Wahlsituation nimmt jeder KI-Agent kontinuierlich Informationen auf und simuliert, wie echte Wähler Medieninhalte aufnehmen und ihre Ansichten aktualisieren, um so die traditionellen Meinungsumfragen zu ersetzen und das Wahlergebnis vorherzusagen.

③ Seraph, speziell für öffentliche Verwaltungen entwickelt. Es unterstützt die Konfiguration von beliebigen Zeitpunkten, Orten und Medienumgebungen und wird zur Simulation von öffentlichen Meinungen und Informationsverbreitung in dynamischen Umgebungen eingesetzt, um hochrisikobehaftete Entscheidungen zu unterstützen.

Derzeit hat Aaru zusammen mit IPG ein "Simulationsstudio" (Simulation Studio) gegründet.

Einfach ausgedrückt, wird IPG die "Gruppensimulationsfähigkeit" von Aaru in seine eigene Verbraucherdatenerfassungplattform Acxiom integrieren. Dies bedeutet, dass unter der Voraussetzung der gesetzlichen und rechtlichen Datennutzung die simulierten Bevölkerungsbilder detaillierter und realitätsnäher werden, um Marken zu helfen, sich zu segmentieren und den Markt zu erreichen.

Es ist erwähnenswert, dass diese Vision von einem jungen Team mit durchschnittlich 18 Jahren in die Tat umgesetzt wird, wobei der CTO der Firma sogar nur 16 Jahre alt ist.

▲ Cam Fink, Ned Koh, John Kessler (von links nach rechts)

Cam Fink, 20 Jahre alt, Mitbegründer & CEO, hat Erfahrungen in Unternehmen wie Kleiner Perkins und RSI gesammelt;

Ned Koh, 20 Jahre alt, Mitbegründer, studierte an der Harvard University und hat Erfahrungen in Forschungsprojekten an der Northwestern University und als Mitbegründer eines Start-ups;

John Kessler, 16 Jahre alt, Mitbegründer & CTO.

Daten sind das neue Gold. Aaru versucht mit einem fast wissenschaftsfiktiven Ansatz, die traditionelle Marktforschung, die auf Erfahrung und Stichproben basiert, zu erschüttern. Der Eintritt und die Zusammenarbeit von Großkonzernen sind ein Signal, das nicht ignoriert werden kann.

02 Die "unendliche Simulation" ersetzt die "begrenzte Stichprobe"

Hinter dem Marktforschungsmarkt im Wert von 80 Milliarden US-Dollar steht ein riesiges Arbeitskräftevolumen. Der Kern des traditionellen Modells ist "Stichprobennahme - Befragung - Statistik", und seine Engpässe liegen in der Begrenzung der Stichprobe, den hohen Kosten und der verzögerten Rückmeldung.

KI verändert diesen Markt auf zwei Wegen:

Interviewverbessernde Lösungen

Die erste Gruppe von Unternehmen konzentriert sich auf die "Vorderseite" des Forschungsprozesses, indem sie die Interaktionsprozesse (Interviews) mit KI simuliert, aber immer noch mit echten Menschen interagiert.

Die Herausforderung liegt in der natürlichen Interaktionstechnologie und der Prozessautomatisierung. Durch die skalierbare Erfassung von qualitativen Einsichten und die Erfassung von nicht-sprachlichen Hinweisen wie Tonfall und Gesichtsausdruck versucht man, tiefere Einblicke in Emotionen und Verhalten zu gewinnen.

① AI-Spracheingabe-Interviewforschung: Keplar

Keplar ist eine AI-Spracheingabe-Interviewplattform, die traditionelle menschliche Interviews durch Sprachen-KI ersetzt. Ihr Highlight ist die Echtzeitfähigkeit der multimodalen Konversation: Der AI-Moderator kann in anthropomorphen Rollen wie "Ellie" oder "Andrew" sprachliche Interviews führen, und die Teilnehmer vergessen oft, dass es sich um eine KI handelt. In den Gesprächsaufzeichnungen kann man sogar natürliche Interaktionen hören, in denen die Teilnehmer die KI direkt ansprechen.

Es wandelt beliebige Produktfragen in ein Interviewleitfaden um, wählt direkt die CRM-Kundenliste aus und führt Hunderte von Spracheninterviews durch, während es die Antwortthemen in Echtzeit analysiert.

Im Vergleich zu traditionellen Marktforschungsunternehmen verkürzt es den Interviewzyklus von Wochen auf Stunden und senkt die Kosten auf ein Bruchteil. Der Unterschied liegt in der Priorität der Sprache. Durch Tonfall, Pausen und Rhythmus baut es Vertrauen auf und gewinnt tiefere emotionale Rückmeldungen. Das Ergebnis ist ein direkt für Präsentationen verwendbares PowerPoint und ein Bericht, nicht die Rohdaten.

② Tiefgehende Videointerviews: Listen Labs

Listen Labs ist eine von Sequoia Capital stark unterstützte AI-Benutzerforschungplattform, die insgesamt 27 Millionen US-Dollar an Finanzierungen erhalten hat. Ihr Besonderes liegt in der Balance zwischen Tiefe und Skalierbarkeit der Videointerviews: Der AI-Moderator kann Videointerviews führen, und die Teilnehmer können über Video, Sprache, Text oder Bildschirmfreigabe antworten, was die Reichweite eines persönlichen Interviews wiedergibt.

Der Kernunterschied ist die Kombination von Video und AI-Analyse. Die Plattform betont die "qualitative Tiefe in quantitativer Skala". Sie kann gleichzeitig Hunderte von Videointerviews durchführen, und die AI kodiert die Antworten automatisch, erkennt Themen und erstellt Berichte.

Listen Labs erfasst visuelle Hinweise wie Gesichtsausdrücke, Bedienverhalten und Umgebungsdetails und eignet sich daher besser für UX-Forschung und Produkttests. Ihre Kunden umfassen große Unternehmen aus den Bereichen Konsumgüter und Medizin.

③ AI-Moderator-Interview: Outset

Outset konzentriert sich auf AI-gesteuerte tiefe Interviews und hat insgesamt 21 Millionen US-Dollar an Finanzierungen erhalten, die von 8VC geleitet und von Bain Capital mitinvestiert wurden. Ihre Plattform ermöglicht es dem AI-Moderator, über Video oder Sprache mit Tausenden von Teilnehmern zu sprechen und die Ergebnisse automatisch zu synthetisieren.

Ihr Highlight ist die Supergröße und Geschwindigkeit: 25 tiefe Interviews, die traditionell 4 bis 6 Wochen dauern würden, können von Outset in einer Woche durchgeführt und analysiert werden, was die Geschwindigkeit um das 8-fache und die Kosten um 81% reduziert.

Der Unterschied liegt in der vollständigen Automatisierung des gesamten Forschungsprozesses, von der Erstellung des Gesprächsleitfadens und der Rekrutierung von Teilnehmern bis zur Analyse der Ergebnisse und der Erstellung von Berichten. Das Forschungsteam muss nur die Forschungsfrage eingeben, und die Plattform übernimmt den Rest.

Zu ihren Kunden gehören Fortune 500-Unternehmen wie Nestle, Microsoft und Weight Watchers. Im Vergleich zu Listen Labs legt Outset stärker auf die End-to-End-Automatisierung und die Unternehmensintegration ab und eignet sich daher besser für komplexe Forschungsprojekte, bei denen schnell und in großem Maßstab Einsichten in die Gründe der Kunden gewonnen werden müssen.

④ Neuromarketing-AI-Plattform: Neurons

Neurons konzentriert sich auf die Vorhersage von Werbe- und Kreativitätseffekten und basiert auf kognitiver Neurowissenschaft, maschinellem Lernen und Psychologie. Ihr Highlight ist die Echtzeitvorhersage der Aufmerksamkeit: Nachdem man Werbematerialien hochgeladen hat, erstellt die AI in wenigen Sekunden eine Hitmap, die die Aufmerksamkeitsverteilung der Zuschauer vorhersagt, und gibt KPI-Bewertungen für die Beteiligung und die Erinnerung an die Werbung aus.

Die Plattform richtet sich an Werbeagenturen und Marketingteams von Marken und löst das Problem, ob eine Kreativität effektiv ist, und reduziert die Notwendigkeit von wiederholten Änderungen.

Im Gegensatz zu Interviewplattformen, die sich auf das, was die Benutzer "sagen", konzentrieren, misst Neurons, was die Benutzer "sehen", und versucht, unbewusste Reaktionen vorherzusagen. Ihr Kernwert liegt in der datengesteuerten kreativen Entscheidungsfindung, indem man das beste Material vor der Veröffentlichung identifiziert, das Risiko reduziert und die ROI steigert.

⑤ AI-Benutzerforschungplattform: Synthetic

Das Kernkonzept von Synthetic besteht darin, Produktfeedback durch simulierte Interviews zu sammeln. Ihre Technologie basiert auf einem Multi-Agenten-System und nutzt Modelle wie GPT, LLaMA und Mistral. Jeder synthetische Benutzer basiert auf dem Fünf-Faktoren-Persönlichkeitsmodell (FFM), simuliert kognitive Verzerrungen und Verhaltensmuster und passt das Vertrauen und den Tonfall während des Gesprächs mit echten Menschen an.

Die Plattform ermöglicht es Unternehmen, eigene Daten wie historische Interviews und Kundendienstt