Edward Appleton, Happy Thinking People Ist das wirklich quali – oder eher ein KI-gesteuertes Ordnen von unstrukturierten Daten?

Edward Appleton, Happy Thinking People (Bild: Happy Thinking People)

Die qualitative Forschung hat sich in den letzten Jahren enorm gewandelt – und digitale Projekte sind natürlich auch hier gang und gäbe.

Daher mag es überraschen, dass man bei manchen globalen Konferenzen und in mancher Benchmarking Studie trotzdem den Eindruck gewinnt, die Quali-Forschung sei im Zeitalter der digitalen Transformation und des digitalen Fortschritts resistent geblieben, eine Art hinterherhinkende, analog liebende Teildisziplin.

Die Autoren der neuesten GRIT-Studie staunen über manches Ergebnis: die Fokusgruppe ist laut des Berichts nach wie vor mit Abstand (58 Prozent) die meist angewandte Quali-Methode weltweit. Ihr sarkastischer Kommentar dazu: wie merkwürdig! Als ob im Vergleich im Quanti-Bereich immer noch Umfragen per Post geliefert würden!

Die Frage nach dem "warum" bleibt wichtig, so die Denke weiter. Dass das nur Quali kann, gibt man zu – aber gibt es nicht inzwischen Chat-Bots, die das Ganze viel schneller, günstiger, mit viel größeren Stichproben und kaum Qualitätsverlusten leisten? Come on guys!

Das Wort "Dinosaurier" steht im Raum – einige Stakeholder sind bemüht, aus diversen Gründen, den Anschluss der Quali-Welt an den viel größeren, wohl lukrativeren Bereich der Zahlen, Big Data und mehr zu forcieren. Das was bei Quant "gut" funktioniert – der Einsatz von Automatisierung und Künstlicher Intelligenz – sollte doch im Quali-Bereich auch gelten. Qualitative Forschung sollte skalierbar sein.

Wie ist auf solche Signale zu reagieren?

Vorweg: die Notwendigkeit eines weiteren Digitalen Wandels bei Quali ist auch im übergeordneten Sinne logisch, verständlich: Agilität ist ein Muss in der modernen Marktforschung; wer mit einem Insight zu spät kommt, braucht erst gar nicht aufzutauchen.

Und ja: Es gibt sicherlich Platz für Automatisierung und KI bei manchen Qualiprojekten größeren Umfangs; der muss aber präzise definiert werden, damit sich die Investition in die nötige Software lohnt. Einige IT Anbieter – discuss.io beispielsweise im 2018 GRIT Report – schreiben beigeistert über die neuen "Quali-Möglichkeiten": unstrukturierte Daten im Text und Video Bereich per KI schnell sortieren zu können, Geld und Zeit zu sparen.

Ob Zusatzinstitutskosten dem Kunden weiter berechnet werden können, ist allerdings nicht klar.

Es gibt aber Gegenargumente:

• Erstens: Die Quali-Analyse ist nicht gleich zu setzen mit der Auswertung von offenen Fragen wie im Quant-Fragebogen.
• Zweitens: Insights-Generierung entsteht nicht per Knopfdruck, und schon gar nicht in real-time.
• Drittens: Insights Generierung hat noch recht wenig mit Maschinen und Robotern zu tun, vor allem im Quali-Bereich.

Letzteres wird belegt durch zwei preisgekrönte Studien zum Thema Mensch-Maschine, die bei den Esomar Konferenzen in den letzten zwei2 Jahren präsentiert wurden: einmal von Samantha Bond/ SKIM auf der Global Qualitative 2017, die mit dem Best Paper/ Peter Cooper Excellence Award dotiert wurde; zum zweiten eine gemeinsame Studie von Hyve/Beiersdorf, die bei der Esomar Fusion 2018/ Big Data + Global Qualitative präsentiert wurde, ebenfalls mit Best Paper Award ausgezeichnet.

Beides robuste Studien, mit unterschiedlichen Forschungs-Ansätzen, die den Mensch-Maschine Vergleich ernst unter die Lupe genommen haben – die SKIM Studie hat die Daten von über 100 selbstgedrehten Videoaufnahmen von Menschen beim Konsum von Lebensmitteln analysiert; bei Hyve/Beiersdorf ging es um die Auswertung von größeren Online-Datenmengen, die sogenannte Netnography-Analyse erfolgte einerseits traditionell menschlich, andererseits voll automatisiert.

Die Studien (um es hier kurz zu halten) kamen zum gleichen Ergebnis: KI hilft bei Quali nur bedingt, auch bei größeren Datenmengen. Sie hilft schon beim Sortieren und Filtern von unstrukturierten Daten und spart Zeit; bei der Insights Generierung, oder bei der Ableitung von Handlungsempfehlungen ist sie allerdings nicht nützlich. Die Hyve/Beiersdorf Autoren schlussfolgern:

„when conducting qualitative analysis, there is currently limited value in automated tools without human involvement”.

Das Ganze interpretieren, die Daten miteinander verknüpfen, vorhandenes Wissen miteinbeziehen, eine strategische Herleitung ziehen – die Maschine kann es (noch) nicht. Das, was Unilever 2016 als Insights Definition beschreibt:

„provozierend, inspirierend, damit Antriebe zum neuen Handeln entstehen“, – diese Aufgabe muss der Mensch machen.

Noch dazu angemerkt: die Zielsetzung, gar Existenzberechtigung von Quali-Forschung ist zu verstehen und vertiefend zu explorieren – situativ, kulturell-informiert. Erst dann kommt die Quantifizierung und Validierung – falls notwendig kann man nochmal zurück zur Quali zwecks eines Deep Dives. Es geht aber nicht primär um große Stichproben oder, Zahlenmengen – Marken-Sprengstoff häufig im Bereich n=1.

Quali-Forscher müssen natürlich digital wach bleiben, Schritt halten, schauen, wo es jenseits von Quali-Quant-Fähigkeiten relevante, neue digitale Chancen gibt – agile Insights und präzise Toplines liefern, aber nicht atemlos jedem Tech-Trend nacheifern, inklusive der Skalierbarkeit.

Die Ur-Quali-Fähigkeiten sind schließlich immer noch gefragt, auch wenn das nicht gerade sexy klingt – 34 Prozent aller Projekte weltweit sind Quali, so die Ergebnisse der 2018 GRIT Studie. Erst recht in der Welt der Datenüberflutung braucht es neben den Statistikern, sorry Data Scientists, besondere Experten aus dem Bereich Humanwissenschaften, Psychologie, Soziologe, die das ganze Menschliche deuten und für Marken nützlich machen.

Für Industrie-Verbände, Konferenzen-Veranstalter, und andere Mafo-Influencer, hier mein Fazit und Plädoyer zugleich: die Quali-Mentalität ist anders, deren Stimmen zu hören ist fast immer lohnenswert – dafür brauchen wir nach wie vor passende Platformen. Sie gehören nicht einfach in einen Topf mit Quant oder Big Data geschmissen.

Es lebe und gedeihe eine schon etablierte neue Quali-Welt – hybrid, interdisziplinär, Insights-driven, digital-informiert, menschlich. Skalierbarkeit muss nicht ihre höchste Priorität sein.

Kleine Fußnote: wer noch Interesse hat, kommt gerne zur GOR 2019 in Köln; unter dem Titel "Digitalization in Qualitative Research: opportunities, limitations" gibt es drei spannende Vorträge (SKIM Germany/ Ericsson ConsumerLab/ Happy Thinking People), die unterschiedliche Facetten der digitalisierten Qual-Welt durchleuchten. Für Berliner-Ansässige bedeutet das leider der Verzicht auf den neuesten Feiertag, den 8. März – vielleicht als Ausgleich ein paar Tage früher anreisen und den Fasching mitfeiern?