AI Consumer Twins: Kampagnen-Performance vorhersagen mit KI

Vier von fünf Kampagnen bringen es nicht. Das ist keine steile These, sondern eine Zahl aus einer HubSpot-Studie, mit der ich diesen Talk eröffne, und die den ganzen Rest erklärt. Die meisten Teams schreiben Content, veröffentlichen ihn und finden erst danach heraus, ob er ankommt. Der übliche Reflex, ein generisches Sprachmodell mit einem generischen Prompt zu füttern, macht es nicht besser: Weil alle anderen genau denselben Prompt stellen, bekommt am Ende jeder sehr ähnlichen, sehr generischen Content zurück. Im Video zeige ich einen anderen Weg: digitale Konsumentenzwillinge, die vorhersagen, wie eine Botschaft ankommt, bevor du sie schaltest.

Warum generische Prompts generischen Content produzieren

Der Talk beginnt mit einer Beobachtung, die jeder kennt, der schon einmal ein Sprachmodell nach Marketingtext gefragt hat: Input rein, LLM drüber, Output raus, und am Ende steht generischer Text. Das Problem ist nicht das Modell, sondern der fehlende Kontext. Ohne Wissen darüber, wie eine Zielgruppe tatsächlich tickt, kann kein Sprachmodell vorhersagen, ob eine Botschaft wirkt oder verpufft. Genau diese Lücke sollen digitale Konsumentenzwillinge schließen: statistisch fundierte Modelle, die zusätzlich zum reinen Sprachverständnis mit echten Befragungsdaten trainiert sind.

Der T-Systems Case: KI-vorhergesagt schlägt agentur-geschrieben

Statt bei der Theorie zu bleiben, zeigt Jonathan eine echte A/B-Test-Kampagne für T-Systems. Auf der einen Seite die von der Agentur Fischer Appelt geschriebene Social-Media-Kommunikation, auf der anderen dieselbe Botschaft, optimiert mit der Vorhersage des digitalen Zwillings darüber, was Leser denken und fühlen würden. Getestet wurde über mehrere Wochen, teils in umgekehrter Reihenfolge, um Zeit- und Reihenfolgeeffekte auszuschließen. Das Ergebnis: Reichweite, Engagement und Klicks lagen nach der Optimierung durchgehend höher, 30 Prozent mehr Erfolg in der Gesamtauswertung.

Entscheidend war nicht ein neuer Text um des Neuen willen, sondern ein Ziel: Bei T-Systems lag der Fokus auf Vertrauen und Sicherheit. Sobald die Kommunikation genau diese Assoziation stärker auslöste, stieg auch die Interaktion. Bei einer zweiten Landingpage, einer sicheren Kommunikationsbox zwischen Klinik und Arztpraxis, führte derselbe Ansatz zu spürbar mehr Verkäufen, nachdem verschiedene Überschriften auf das Ziel "vertrauenswürdig wirken" durchgetestet wurden.

Der Blitz-Test: Wie ein einziges Wort Assoziationen auslöst

Der Kern des Talks ist ein Live-Test mit dem Publikum: Ist es in Amerika wahrscheinlicher, vom Blitz getroffen zu werden, oder Opfer eines Gewaltverbrechens zu werden? Die Live-Abstimmung im Chat fällt eindeutig aus, die deutliche Mehrheit tippt auf das Gewaltverbrechen. Tatsächlich ist es zehnmal wahrscheinlicher, vom Blitz getroffen zu werden. Der Grund für die Fehleinschätzung liegt nicht in fehlendem Wissen, sondern in der Verfügbarkeitsheuristik: Über Gewaltverbrechen berichten Nachrichten und Statistiken ständig, über Blitzeinschläge fast nie. Was im Gedächtnis leicht abrufbar ist, wirkt automatisch wahrscheinlicher.

Der Auslöser für diese Assoziationskette war ein einziges Wort: Amerika. Genau das lässt sich im neuroflash-Interface live nachbilden. Jonathan gibt "Amerika" ein und lässt vorhersagen, wie stark die Assoziation zu Gewaltverbrechen gegenüber Blitzschlag ausfällt, das Modell zeigt sie deutlich stärker an. Tippt er stattdessen "Berg" oder "Tibet" ein, kippt das Verhältnis fast vollständig zugunsten von Blitzschlag. Dasselbe Prinzip funktioniert bei Markenbotschaften: Wer "Made in Germany" kommuniziert, muss nicht erst erklären, wie eng seine Fertigungstoleranzen sind, die Assoziationskraft der drei Wörter trägt die Qualitätswahrnehmung von selbst.

Wichtig ist die ehrliche Einordnung, die Jonathan selbst nachschiebt: Es geht nicht darum, Fakten durch Emotionen zu ersetzen oder zu übertreiben. Es geht darum, bewusst zu wählen, welche Wörter man nutzt: weil jedes Wort automatische Assoziationen auslöst, ob man will oder nicht. Als Psychologe sagt er es so: Menschen mit reinen Fakten zu überzeugen ist deutlich schwerer, als an das anzuknüpfen, was sie ohnehin schon glauben.

Digitale Zwillinge im Live-Dialog: jede Frage, nicht nur einzelne Wörter

Der zweite Teil des Talks zeigt die nächste Ausbaustufe: Statt nur Wörter oder Slogans zu bewerten, lässt sich jetzt jede beliebige Frage an eine ganze synthetische Zielgruppe stellen. Im Video ist das ein Marketing-Team für kleine und mittelständische Unternehmen, intern liebevoll "Anders und Thomas" getauft. Jonathan gibt einen LinkedIn-Post ein, bittet um Verbesserungsvorschläge, und die zusammengefassten Antworten aller simulierten Profile kommen inklusive konkreter Textänderung zurück. Der Unterschied zu einer einzelnen Chat-Antwort: Es antwortet nicht eine Person, sondern ein ganzes Panel mit eigener Demografie, eigener Backstory und eigenen Meinungen: quantitativ auswertbar, nicht nur eine einzelne Meinung.

84,5 Prozent erklärte Varianz: die Validierungszahl

Jede neue Methode muss sich an der Realität messen lassen. Deshalb schließt der Talk mit der entscheidenden Zahl: 84,5 Prozent erklärte Varianz zwischen menschlicher Bewertung und der Vorhersage des digitalen Zwillings. Anders gesagt: Fast 85 Prozent der Unterschiede in der menschlichen Bewertung lassen sich durch die Vorhersage des Zwillings erklären. Bei reinen Wort-Assoziationen liegt die Übereinstimmung zwischen 84 und 90 Prozent, bei Emotionen sogar noch höher.

Jonathan bleibt dabei ehrlich skeptisch statt euphorisch: Es gibt Unterschiede zwischen künstlichen neuronalen Netzen und dem echten Gehirn, und die Forschung zu dieser Frage steht noch am Anfang. Aber erste aktuelle Studien zeigen, dass Sprachmodelle Persönlichkeitswahrnehmung und Markenwahrnehmung erstaunlich zuverlässig vorhersagen können: ein Feld, das er als Neuropsychologe mit Interesse und einer gesunden Portion Vorsicht verfolgt.

Für wen lohnt sich das Video

Das Video richtet sich an Marketing- und Content-Teams, die wissen wollen, wie eine Botschaft ankommt, bevor sie live geht, und die keine Lust mehr haben, vier von fünf Kampagnen als akzeptablen Normalfall hinzunehmen. Es lohnt sich genauso für alle, die sich für Psychologie, KI und die Vorhersage menschlichen Verhaltens interessieren, unabhängig davon, ob sie selbst Kampagnen planen. Wer tiefer in die Methodik hinter digitalen Zwillingen einsteigen will, findet den kompletten Leitfaden zu Digital Twins auf jonathanmall.com. Wer sehen will, wie sich ein einzelner kognitiver Bias-Effekt live mit digitalen Zwillingen nachtesten lässt, findet ein konkretes Beispiel im Trigger-Labor-Test zum Anker-Effekt beim Streichpreis.