Erhoben:
Persona-orientierte Vorhersage wird die Marktforschung verändern. Davon bin ich überzeugt. Projekte wie Mirofish haben gezeigt, dass KI-Personas eine Diskussion über ein Angebot glaubwürdig nachspielen können, allerdings auf Infrastruktur, die sich kein Mittelständler leistet.
Mein Forschungsprojekt agentsim setzt genau dort an: dieselbe Idee, bezahlbar und auf eigener Hardware. So steht es auf meiner Projektseite. Hier steht, wie weit ich damit am 28. September 2026 tatsächlich bin. Das Ergebnis ist ernüchternder, als mir lieb ist.
Die Ausgangslage
Wer ein Angebot entwickelt, testet es am echten Markt. Das ist teuer und langsam: Kampagne bauen, schalten, auswerten, nachjustieren. Die Einwände der Zielgruppe hört man oft erst im Verkaufsgespräch, also dann, wenn schon Geld geflossen ist.
Die Idee hinter agentsim: KI-Personas mit Rollen, Zielen und Einwänden diskutieren ein Angebot wie in einem B2B-Netzwerk. Mit Beiträgen, Kommentaren, Zustimmung und Widerspruch. Daraus entsteht ein Bericht zu Akzeptanz, Einwänden und Kaufsignalen, bevor die erste echte Kampagne läuft.
Die Entscheidung
Ich habe agentsim als eigenen Dienst gebaut, auf meinem Server, mit einer MCP-Schnittstelle. Damit kann ein KI-Agent Simulationen direkt aus dem Arbeitskontext starten, vergleichen und auswerten. Jede Simulation speichert ihre Personas, jeden Beitrag und jede Reaktion in einer eigenen Datenbank. So lässt sich im Nachhinein prüfen, wie ein Ergebnis zustande kam.
Was gemessen ist
Stand 28. September 2026, ausgezählt aus den Datenbanken der Simulationen auf meiner Instanz:
| Wert | |
|---|---|
| Simulationen | 6, alle abgeschlossen |
| Personas je Simulation | 2 bis 30 |
| Runden je Simulation | 3 bis 10 |
| Aktionen gesamt | 257 (22 Beiträge, 203 Kommentare, dazu Reaktionen) |
| Zeitraum | 15. und 16. April 2026 |
Zwei Beobachtungen daraus:
- Mehr Personas bringen wenig zusätzliche Diskussion. Die Simulation mit 30 Personas über 5 Runden kam auf 40 Aktionen, also gut eine je Persona. Die Läufe mit 10 Personas über 10 Runden erreichten 57 bis 60. Diskussion entsteht über Runden, weniger über Masse.
- Die Kommentare tragen das Ergebnis. 203 von 257 Aktionen sind Kommentare auf wenige Beiträge. Das deckt sich mit dem, was ich in echten B2B-Feeds beobachte: Wenige setzen ein Thema, die Auseinandersetzung passiert darunter.
Wo ich hinter meinem Anspruch liege
Zwei Stellen, und beide stehen so nicht auf meiner Projektseite.
Erstens rechnet agentsim heute in der Cloud. Das voreingestellte Modell ist gemini-flash-lite bei Google, dazu gibt es eine Anbindung an Gemma über Googles Schnittstelle und an Claude. Das Ziel „auf eigener Hardware, ohne Datenabgabe an Dritte“ ist damit bis heute ein Forschungsziel. Die Personas und Themen verlassen bei jedem Lauf meinen Server.
Zweitens ruht das Projekt seit April. Alle sechs Simulationen stammen von zwei Tagen. Seitdem lief der Dienst ohne eine einzige neue Simulation. Die Zeit ist in die Agent Area und in lokale Modelle geflossen.
Beides schreibe ich hin, weil eine Projektseite ohne diese Zahlen genau das wäre, was ich an der Branche kritisiere: ein Versprechen ohne Messung.
Was als Nächstes kommt
Die Voraussetzungen haben sich seit April verbessert. Auf meinem Mini-PC laufen inzwischen Modelle mit 26 und 30 Milliarden Parametern im Alltagsbetrieb. Der nächste Schritt ist deshalb klar: dieselbe Simulation einmal mit Gemini und einmal lokal rechnen und die Berichte nebeneinanderlegen. Erst dieser Vergleich zeigt, ob die bezahlbare Fassung auch die brauchbare ist.
So gehst du selbst vor
- Fang klein an. Eine Simulation mit 7 bis 10 Personas über 8 bis 10 Runden liefert mehr Auseinandersetzung als eine große mit wenigen Runden.
- Schreib die Personas konkret. Rolle, Ziel, Budgetdruck, der eine Einwand, den diese Person immer bringt. Generische Personas erzeugen generische Zustimmung.
- Lies die Kommentare, nicht nur den Bericht. Die Zusammenfassung glättet. Die Einwände stehen im Wortlaut darunter.
- Prüf, wohin deine Daten gehen. Wer Angebot und Zielgruppe simuliert, gibt beides an das Modell. Bei einem Cloud-Modell heißt das: an den Anbieter.
Was diese Fallstudie nicht zeigt
Ob die Simulationen die spätere Wirklichkeit vorhersagen, habe ich nicht gemessen. Dafür bräuchte es eine echte Kampagne zum selben Thema und den Abgleich danach. Sechs Läufe reichen für Beobachtungen, belastbar sind sie nicht.
