Ethische Fragen beim Silicon Sampling

Löst Silicon Sampling das Datenschutzproblem der Marktforschung?

Weitgehend ja, und das ist der am wenigsten strittige Punkt. Bei einer synthetischen Erhebung werden keine personenbezogenen Daten verarbeitet, weil es keine befragte Person gibt. Damit entfallen Einwilligungserfordernisse, Löschfristen und Auskunftsansprüche im Zusammenhang mit den Antworten. Das gilt allerdings nur für die Antwortseite. Wenn Sie das Modell mit eigenen Kundendaten konditionieren, verarbeiten Sie sehr wohl personenbezogene Daten, und zwar mit allen Pflichten.

• Keine Verarbeitung personenbezogener Daten auf der Antwortseite
• Aber: Konditionierung mit eigenen CRM-Daten bleibt vollständig DSGVO-pflichtig
• Aber: Rückschlüsse auf reale Einzelpersonen sind bei sehr kleinen Segmenten nicht ausgeschlossen

Warum ist die Verzerrung das schwerwiegendere Problem?

Ein Sprachmodell gibt wieder, was in seinen Trainingsdaten häufig vorkam. Gruppen, die dort selten vertreten waren, etwa ältere Menschen ohne Internetnutzung, Sprachminderheiten oder Menschen in ländlichen Regionen, bleiben es auch in der Simulation. Der kritische Unterschied zur klassischen Befragung: Dort fällt eine dünne Zelle in der Stichprobe auf, weil die Fallzahl im Auswertungsraster sichtbar ist. Synthetisch liefert das Modell für jede Gruppe gleich viele, gleich flüssige Antworten, unabhängig davon, wie gut es diese Gruppe kennt.

Der algorithmische Bias in GPT-3 ist feingliedrig und demografisch korreliert.

Argyle et al., Political Analysis, 2023

Welche Transparenzpflichten bestehen?

Wer synthetisch erhobene Ergebnisse veröffentlicht oder an Auftraggeber weitergibt, muss kenntlich machen, dass die Daten nicht von Menschen stammen. Das ist weniger eine Frage der Regulierung als der Redlichkeit: Eine Zahl wie 62 Prozent Zustimmung wird anders gelesen, je nachdem ob 500 Menschen oder 500 Modelldurchläufe dahinterstehen. ESOMAR hat dazu 2024 und 2025 mehrfach betont, dass synthetische Marktforschung dieselben Validitätsstandards erfüllen muss wie klassische Methoden.

• Offenlegen, dass die Daten synthetisch erzeugt wurden
• Angeben, welches Modell in welcher Version verwendet wurde
• Dokumentieren, wie die Profile konditioniert wurden
• Benennen, für welche Zielgruppen das Verfahren validiert wurde und für welche nicht

Wie ist der Stand der Regulierung?

Es gibt bislang keinen verbindlichen Branchenstandard für synthetische Marktforschung. ESOMAR empfiehlt, bei Entscheidungen mit hohem gesellschaftlichem Risiko synthetische Daten nur ergänzend einzusetzen, etwa bei Fragestellungen im Gesundheitsbereich oder bei politischer Kommunikation in sensiblen Gruppen. Weiterführende Spezifikationen zu KI-generierten Daten in der Marktforschung sind in Arbeit, mit einer abgestimmten Norm wird für 2026 bis 2027 gerechnet.

Was können Anwender konkret tun?

Die wirksamste Einzelmaßnahme ist die Kalibrierung gegen bekannte reale Daten, und zwar getrennt nach Untergruppen. Erst dann zeigt sich, wo das Modell zuverlässig ist und wo nicht. Ein Gesamtergebnis, das im Mittel stimmt, kann für einzelne Segmente erheblich danebenliegen.

• Getrennt nach Untergruppen kalibrieren, nicht nur im Gesamtmittel
• Für unterrepräsentierte Gruppen bewusst reale Daten ergänzen
• Ergebnisse mit einer expliziten Unsicherheitsangabe versehen
• Bei riskanten Entscheidungen grundsätzlich real nachprüfen