Der Markt vor dem Marketing

Warum KI verändert, welche Lösungen überhaupt in den Entscheidungsraum gelangen — und weshalb die strategische Arbeit künftig früher beginnen muss.

In diesem Heft

Redaktioneller Grundsatz: CRITICA trennt belegte Forschung, eigene Messbefunde, synthetische Demonstrationen und Positionen. Wo ein Verfahren aus dem eigenen Haus erwähnt wird, wird das kenntlich gemacht. Eine plausible These ist kein empirischer Befund — und ein Messwert keine Strategie.

Editorial · Die fünf Prozent

Dr. Marcus Hövermann — Herausgeber · Haus Ferner

Unternehmen wissen heute erstaunlich viel darüber, was mit ihrem Marketing geschieht. Reichweite, Attribution, Conversion, Customer Journeys, Gebote, Tests, Markenwirkung und Deckungsbeiträge werden beobachtet, gesteuert und laufend verbessert.

Gute Marketingorganisationen arbeiten nicht blind. Sie arbeiten analytisch. Die Fachliteratur bleibt relevant, Marketing Management bleibt unerlässlich. Wer Positionierung, Produkt, Preis, Distribution und Kommunikation nicht beherrscht, wird durch künstliche Intelligenz nicht gerettet.

Und trotzdem bleibt in reifen Märkten ein unangenehmer Rest. Viele Marken treffen auf gesättigte Kategorien. Reichweite wird ersteigert. Plattformen setzen den Takt. Organische Sichtbarkeit ist aufwendig, langsam und schwer beliebig zu skalieren. Gute Ideen konkurrieren mit anderen guten Ideen, die dieselben Instrumente ebenfalls professionell bedienen.

Der klassische Satz vom verschwendeten Werbegeld zielte auf die Hälfte, deren Wirkung man nicht kannte. Heute kennen wir erheblich mehr. Das neue Risiko liegt woanders: Die wirksame Hälfte kann immer effizienter auf Positionen konzentriert werden, deren zusätzlicher Grenznutzen längst klein geworden ist.

Dann werden aus fünfzig wirksamen Prozent wirtschaftlich vielleicht fünf — nicht weil Marketing schlechter wäre, sondern weil fast alle gelernt haben, dieselben Märkte gut zu bearbeiten.

Die Frage dieser Ausgabe lautet deshalb nicht: Was ersetzt Marketing? Sondern: Was muss ein Unternehmen wissen, bevor Marketing beginnt?

Wir haben dafür in den vergangenen Monaten vieles ausprobiert und einiges wieder verworfen. Die Quintessenz war einfach. Praktisch nutzbar wurde sie erst durch eine eigene Messarchitektur und eine hochspezialisierte KI-Engine. Nicht, um Kampagnen zu schreiben. Sondern um die Struktur sichtbar zu machen, auf der Kampagnen später arbeiten.

Für diese vorgelagerte Analyse brauchte es damit ein eigenes Instrument. Mehr soll an dieser Stelle daraus nicht gemacht werden.

Dr. Marcus Hövermann, Herausgeber

I · Strategie · Der Markt vor dem Marketing

Unternehmen bearbeiten Märkte. Menschen beginnen jedoch nicht mit Märkten. Sie beginnen mit Zuständen, Bedürfnissen, Unsicherheit und Zielen.

Ein Kunde hat kein fundamentales Bedürfnis nach einer Rentenversicherung, einem ETF, einer Wärmepumpe oder einem CRM-System. Produkte sind Lösungen. Vor ihnen liegt ein Problemraum. Wer ihn mit der Produktkategorie gleichsetzt, übernimmt bereits die Ordnung des Anbieters.

Die praktisch relevante Kette beginnt früher: Ein grundlegender Bedarf wird in einer Situation konkret, daraus entsteht ein Need, daraus eine gerichtete Absicht — ein Intent. Erst dann wird ein Lösungsraum aufgespannt. Genau hier wird generative KI wichtig: Sie verarbeitet nicht nur Trefferlisten, sondern interpretiert Fragen, verbindet Bedeutungen und verdichtet mögliche Antworten.

Marketing kann hervorragend funktionieren — und trotzdem am falschen Ort arbeiten.

Leitthese dieser Ausgabe: Die Kategorie ist nicht der Markt

Für den Intent „Wie sichere ich meinen Lebensstandard im Alter?" können gesetzliche Rente, ETF, Immobilie, betriebliche Vorsorge, private Versicherung, längere Erwerbstätigkeit oder schlicht geringere Ausgaben gleichzeitig relevant sein. Organisatorisch sind das verschiedene Branchen und Produktwelten. Aus Sicht des Intents sind es konkurrierende oder komplementäre Lösungen desselben Problems.

Damit verändert sich Wettbewerbsbeobachtung. Der relevante Wettbewerber muss nicht derselben Produktgattung angehören. Es genügt, wenn seine Lösung innerhalb desselben Intents als Alternative anschlussfähig wird.

Managementfrage

Nicht: „Wie sichtbar sind wir in unserer Kategorie?" Sondern: „Unter welchen relevanten Intents werden wir überhaupt als mögliche Lösung rekonstruiert — neben welchen Alternativen und mit welcher Stabilität?"

Was die These begrenzt

Semantische Räume ersetzen keine Marktdefinition für Bilanzierung, Regulierung, Produktion oder Vertrieb. Sie ergänzen sie dort, wo Entscheidungen über Sprache, Suche, Empfehlung und KI vermittelt werden. In Märkten ohne solche Vermittlung ist ihr zusätzlicher Nutzen entsprechend kleiner.

Ökonomie des Zugangs · Vor der Auktion

Der Auktionssklave ist kein schlechter Marketer. Er kann sogar sehr gut sein. Sein Problem ist, dass jeder zusätzliche Kontakt erneut gekauft, verteidigt oder algorithmisch verdient werden muss.

Paid Media ist nicht schlecht, weil sie bezahlt ist. Auktionen sind nicht irrational, weil sie Auktionen sind. SEO ist nicht wertlos, weil es Arbeit kostet. Das Problem beginnt erst, wenn der Zugang zu einem relevanten Entscheidungsraum ausschließlich über Mechanismen läuft, deren Preis mit jeder zusätzlichen Nachfrage wieder anfällt.

In gesättigten Märkten steigt deshalb die strategische Bedeutung von Positionen, die nicht nur Reichweite kaufen, sondern Bedeutung strukturieren: Begriffe, Referenzen, Erklärmodelle, Daten, Werkzeuge und Verbindungen, die für mehrere Intents zu wiederkehrenden Bezugspunkten werden.

Kein kostenloser Besitz

Auch eine semantische Position ist kein Eigentumstitel. Sie muss aufgebaut, bestätigt und gegen konkurrierende Informationen bestehen. Sie kann durch neue Evidenz, neue Anbieter, veränderte Modelle oder einen anderen Nutzerkontext schwächer werden. Der Unterschied liegt nicht in „kostenlos versus bezahlt", sondern in der Frage, ob jeder einzelne Zugang neu ersteigert werden muss.

Grenznutzen statt Reichweitenromantik

Der wirtschaftlich interessante Punkt ist deshalb nicht maximale Sichtbarkeit, sondern der Grenznutzen weiterer Investition. Wo ein Raum bereits dicht, persistent und durch starke Authorities geprägt ist, kann zusätzliche Kommunikation teuer sein. Wo ein relevanter Raum weich, substituierbar oder schlecht verbunden ist, kann dieselbe Investition strukturell mehr verändern.

Die neue Vorarbeit fragt nicht nach dem billigsten Kontakt. Sie fragt, wo eine Position überhaupt noch formbar ist.

II · Marketing Management · Marketing bleibt. Seine Rolle wird interessanter.

Die vorgelagerte Analyse nimmt Marketing nichts weg. Sie gibt ihm eine bessere Ausgangslage.

Die Versuchung wäre groß, aus jeder neuen KI-Entwicklung den Tod des Marketings auszurufen. Das wäre fachlich dünn. Generative KI wird bereits für Marktanalyse, Segmentierung, Personalisierung, Werbung und Innovation untersucht; zugleich zeigen Studien Variabilität und Grenzen gegenüber traditionellen Methoden.

Die klassischen Aufgaben bleiben: attraktive Leistungen entwickeln, Zielmärkte wählen, Marken führen, Preise setzen, Distribution organisieren, Kommunikation gestalten und Wirkung kontrollieren. Neu ist eine zusätzliche vorgelagerte Informationsschicht.

Vorher

Ein Unternehmen entscheidet, welche Kategorie, Zielgruppe und Position es bearbeitet. Danach optimiert Marketing die Umsetzung. Diese Logik bleibt sinnvoll, solange die Kategorie den Entscheidungsraum des Kunden hinreichend gut beschreibt.

Jetzt

Wenn KI-Systeme Fragen in Lösungsmöglichkeiten übersetzen, kann die Kategorie zu eng sein. Vor größeren Investitionen lohnt deshalb die Prüfung, welche semantischen Räume ein Intent tatsächlich öffnet. Für Marketing ist das keine Konkurrenz, sondern zusätzliche Information darüber, in welchem Feld Positionierung und Kommunikation später arbeiten.

Die neue Arbeitsteilung

Vorgelagert: Need, Intent, semantische Räume, Konkurrenzsemantiken, strukturelle Offenheit, Robustheit.
Marketing: Auswahl, Positionierung, Angebot, Marke, Kommunikation, Distribution, Aktivierung.
Controlling: Wirkung, Kosten, Grenznutzen, Akkumulation, Korrektur.

Mit steigenden Kosten der Marktbearbeitung wächst damit der Wert einer vorgelagerten Entscheidung: in welchem Raum sich dieser Aufwand überhaupt rechtfertigt.

Kein Ersatzversprechen

Eine semantisch attraktive Position ohne gutes Produkt, glaubwürdige Evidenz und operative Exzellenz bleibt eine attraktive Position ohne Geschäft. Vorgelagerte Analyse kann Fehlallokation reduzieren; sie kann Management nicht automatisieren.

III · Theoretischer Unterbau · Vom Need zum semantischen Raum

Der Ausgangspunkt ist nicht das Produkt. Der analytische Gegenstand ist die Struktur möglicher Bedeutungen und Lösungen, die aus einem Intent erreichbar wird.

Fundamentale Bedürfnisse sind individuell unterschiedlich ausgeprägt und durch biologische wie soziale Einflüsse überformt. Für die Marktmodellierung wäre der Versuch, diese Unterschiede vollständig kardinal zu erfassen, Scheingenauigkeit. Der Ansatz normiert diese Ebene und setzt die operative Messung später an.

Ein Need bezeichnet die relevante Lücke zwischen einem gegenwärtigen und einem gewünschten Zustand. Intent macht diese Lücke gerichtet: Jemand will verstehen, vergleichen, vermeiden, absichern, verändern oder entscheiden.

Erst der Intent öffnet den Raum möglicher Lösungen. Dieser Raum ist nicht zwingend deckungsgleich mit einer Branche. Genau darin liegt sein strategischer Wert.

Keine Bedürfnispsychologie

Das Modell behauptet nicht, menschliche Motivation vollständig zu erklären. Es nutzt Bedürfnisse als axiomatischen Ursprung und konzentriert sich auf die beobachtbare semantische Struktur danach.

Keine Keyword-Liste

Ein Raum ist mehr als eine Menge verwandter Wörter. Er besteht aus relevanten Positionen und Beziehungen, deren Stärke, Richtung, Distanz, Evidenz und Kontext variieren können.

Vorgelagerte Kette: Urneed → Need → Intent → Semantischer Raum (Konkretisierung, Gerichtetheit, Projektion). Produkte erscheinen erst als mögliche Lösungen innerhalb des Raums — nicht als Ausgangspunkt des Modells.

Struktur · Punkte, Relationen, Räume

Punkte reichen nicht. Bedeutung sitzt nicht nur in Positionen. Sie sitzt auch in den Strecken zwischen ihnen — und in den Räumen, die dadurch entstehen.

Ein Anchor kann einen Raum definieren, ihn nur schwach berühren oder als Gateway mehrere Lösungswege verbinden. Zwei Anchors können ähnlich sein, sich ergänzen, substituieren oder widersprechen. Die Verbindung selbst trägt Semantik.

Deshalb wird Distanz nicht als hübsche Geometrie behandelt, sondern als Variable. Eine starke Verbindung über größere semantische Distanz kann strategisch wichtiger sein als eine enge Nachbarschaft ohne Entscheidungsfunktion.

Höherstufige Beziehungen kommen hinzu, wenn Paarbeziehungen Information verlieren. Familie, Einkommen und langfristige Arbeitsfähigkeit können gemeinsam eine Struktur bilden, die sich nicht sinnvoll in drei isolierte Zweierbeziehungen zerlegen lässt.

Ein Markt ist hier kein Kreis um ähnliche Begriffe. Er ist eine relationale Landschaft möglicher Lösungen.

IV · Stand der Forschung · Was KI verändert

Nicht erfunden. Anders zusammengesetzt. Semantische Räume, Embeddings, Retrieval, Wissensgraphen und kontextabhängige Auswahl sind etablierte Forschungsfelder. Interessant wird ihre Verbindung zur strategischen Marktfrage.

2025 zeigte eine Studie im International Journal of Industrial Ergonomics, dass GPT-4 zur Konstruktion von Produkt-Kansei-Semantikräumen eingesetzt werden kann. Andere Arbeiten nutzen LLMs für Marktanalyse, Segmentierung und die Übersetzung von Kundenbedürfnissen in Produktspezifikationen. Der Grundgedanke eines maschinell erschlossenen semantischen Raums ist also kein Alleinstellungsmerkmal.

Parallel zeigt die Retrieval-Forschung, dass widersprüchliche Evidenz keineswegs trivial aufgelöst wird. Benchmarks aus 2025 dokumentieren deutliche Schwächen bei Konflikten, Ambiguität und unterschiedlich glaubwürdigen Quellen. Neuere Arbeiten modellieren deshalb explizite Support- und Contradiction-Relationen.

Die strategische Lücke

Die für Unternehmen relevante Frage liegt zwischen diesen Forschungssträngen: Wenn KI Bedeutungsräume konstruiert und Evidenz kontextabhängig auswählt, dann werden Struktur, Besetzung, Konkurrenz und Robustheit dieser Räume selbst zu einer wirtschaftlichen Größe.

Genau hier setzt die vorliegende Arbeit an. Nicht mit dem Anspruch, semantische Räume erfunden zu haben. Sondern mit dem Versuch, sie als intent-konditionierte Marktstruktur messbar zu machen.

Was wir nicht behaupten

Es gibt bislang keinen Nachweis, dass die hier vorgeschlagene integrierte Marktmodellierung zukünftigen Umsatz kausal besser prognostiziert als etablierte Verfahren. Das ist eine empirische Aufgabe, keine rhetorische Lücke.

V · Messarchitektur · Das Feld ist nicht die Antwort

Eine der wichtigsten Trennungen: Was grundsätzlich im semantischen Feld vorhanden ist, darf nicht mit dem verwechselt werden, was eine konkrete Query daraus aktiviert.

Formal lässt sich eine Projektion als Π(Feld | Query, Intent, Kontext, Modell, Zeit) schreiben. Das ist keine Behauptung über die interne Architektur eines bestimmten Anbieters, sondern ein Messmodell: Dieselbe Informationslandschaft kann unter verschiedenen Bedingungen unterschiedlich wirksam werden.

Diese Trennung verhindert einen gefährlichen Zirkelschluss. Wenn ein Anchor häufig ausgewählt wird, ist das zunächst eine Beobachtung über Projektionen — keine neue Basisevidenz für seine Wahrheit oder Qualität.

Missing ist nicht Null

Ein Objekt außerhalb eines betrachteten Cuts hat nicht automatisch Aktivierung null. Es wurde möglicherweise gar nicht hinreichend betrachtet. Messsysteme, die „nicht gesehen" mit „nicht vorhanden" verwechseln, produzieren Scheingenauigkeit.

Warum kein Gesamtscore

Rang, Magnitude, Membership, Relation, Persistenz und Gateway-Funktion sind verschiedene Dimensionen. Sie dürfen kardinal gemessen werden, wo die jeweilige Skala es trägt. Ihre willkürliche Verdichtung zu einer universellen Zahl würde Information vernichten.

VI · Instrumentenvalidierung · Stabile Auswahl, fragile Rangfolge

Ein interner Lauf zeigte, warum Robustheit nicht als eine Zahl behandelt werden darf — und warum Messmethoden selbst zum Gegenstand der Prüfung werden müssen.

Set Stability (Attachment-Panel): 0,96 · Rank Agreement (gleiche Positionen): 0,74 · Stabile Magnitude/stabiler Rang: 46 / 0.

In einem experimentellen Panel blieb weitgehend stabil, welche Positionen auftauchten. Deutlich weniger stabil war ihre Reihenfolge. In einem weiteren Lauf zeigten 46 Positionen stabile Stärke, aber keine einzige einen stabilen Rang. Der Grund war kein offensichtliches Rauschen: Die Werte lagen so dicht beieinander, dass kleinste Differenzen die Ordnung wechselten.

Das ist ein flaches Feld. Mehr Stichproben lösen das Problem nicht automatisch. Wenn zwei Positionen praktisch gleich stark sind, erzeugt eine harte Rangliste mehr Gewissheit, als die Messung trägt.

Der gefährlichste Fehler: perfekte Stabilität

Ein Query-Panel meldete zunächst 1,000 auf allen Maßen. Der Grund war banal und gravierend: Bei festen Saatpunkten ging der Fragetext gar nicht in die Rechnung ein. Sechs identische Arme wurden als perfekte Robustheit ausgewiesen. Das System kennzeichnet solche Fälle inzwischen als degenerierte Konditionierung statt als Ergebnis.

Die Methode kann das Feld übertönen

Lexikalische Anbindung reagiert naturgemäß empfindlich auf Paraphrasen, die Wörter verändern und Bedeutung erhalten. Ein beobachteter Unterschied zwischen Paraphrase und Lexical Variant kann daher die Attachment-Methode messen statt das semantische Feld. Der nächste Validierungsschritt vergleicht denselben Panelaufbau methodenübergreifend.

Interessenoffenlegung: Die Mess-Engine wird im Umfeld von FERNER entwickelt. Die Werte sind reale interne Validierungsbefunde des Instruments, keine unabhängige Marktstudie und kein Leistungsnachweis gegenüber Wettbewerbsverfahren.

Ein Messsystem wird glaubwürdiger, wenn es seine eigenen schönen Ergebnisse verwerfen kann.

VII · Synthetische Fallstudie · Vier Räume, ein Budget

Ein fiktiver Vorsorgeanbieter will entscheiden, wo er in den nächsten drei Jahren eine digitale Marktposition aufbauen soll. Alle Zahlen sind synthetisch, aber konsistent und plausibel gewählt.

A · Altersvorsorge — Besetzung 0,84 · Persistenz 0,81 · Substituierbarkeit 0,29 · Gateway 0,72. Dicht, etabliert, teuer frontal zu bewegen.

B · Einkommensschutz — Besetzung 0,66 · Persistenz 0,58 · Substituierbarkeit 0,49 · Gateway 0,68. Relevanter Raum mit mehreren Brücken zu Familie, Kredit und Erwerbsfähigkeit.

C · Vorsorgelücke — Besetzung 0,47 · Persistenz 0,39 · Substituierbarkeit 0,71 · Gateway 0,77. Weich, aber intentstark. Ein möglicher Zugangspunkt statt Produktbegriff.

D · Digitale Pflegeplanung — Besetzung 0,38 · Persistenz 0,31 · Substituierbarkeit 0,76 · Gateway 0,41. Offen, aber geringere Verbindung zu den priorisierten Intents.

Nicht der offenste Raum gewinnt automatisch. Entscheidend ist die Kombination aus Relevanz, struktureller Offenheit und Anschlussfähigkeit.

Interpretation · Nicht dort angreifen, wo alle schon stehen

Die synthetische Fallstudie produziert keine automatische Strategie. Sie verändert die Qualität der Managemententscheidung.

Raum A ist attraktiv, groß und stabil — genau deshalb ist er schwer. Ein klassischer Ansatz könnte ihn wegen Volumen und Bekanntheit priorisieren. Die semantische Betrachtung zeigt jedoch hohe Besetzung, hohe Persistenz und geringe Substituierbarkeit. Ein direkter Angriff wäre möglich, aber ressourcenintensiv.

Raum D ist das Gegenteil: offen und substituierbar. Trotzdem ist er nicht automatisch der beste Einstieg, weil seine Gateway-Funktion zu den priorisierten Intents schwächer ist. Ein offener Raum ist deshalb noch keine attraktive Position. Entscheidend bleibt, ob er an relevante Intents anschließt.

Der interessante Raum ist C

„Vorsorgelücke" ist in diesem Beispiel kein Produkt. Genau das macht den Anchor interessant. Er verbindet mehrere Lösungswege, ohne sich auf einen Anbieter festzulegen. Die Position ist weniger persistent, stärker substituierbar und zugleich gateway-stark.

Die Managementhypothese lautet deshalb nicht „mehr Content zu Vorsorgelücke". Sie lautet: Prüfen, ob sich um diesen Anchor eine belastbare, evidenzstarke Position aufbauen lässt, die mehrere Intents erschließt — und erst dann entscheiden, mit welchen Produkten, Werkzeugen, Daten und Kommunikationsmaßnahmen diese Position besetzt wird.

Was Marketing daraus bekommt

Einen priorisierten semantischen Raum statt einer bloßen Keywordliste; eine Hypothese über Gateway- und Bridge-Positionen; sichtbare Konkurrenz auch außerhalb der eigenen Produktkategorie; eine Robustheitsprüfung über Query-Varianten und Modelle; eine bessere Begründung, wo Marke und Budget eingesetzt werden sollen.

Die Analyse entscheidet nicht, was verkauft wird. Sie verbessert die Entscheidung, wo Verkauf überhaupt anschlussfähig werden kann.

Was die Fallstudie nicht beweist

Die Werte sind synthetisch. Sie zeigen die Entscheidungslogik des Modells, nicht die tatsächliche Struktur des deutschen Vorsorgemarktes. Eine reale Anwendung benötigt reale Quellen, definierte Intents, wiederholte Projektionen und dokumentierte Messbedingungen.

VIII · Vorstandsagenda · Die Arbeit beginnt früher

Nicht mehr Kommunikation ist die erste Konsequenz. Sondern bessere Auswahl dessen, was überhaupt kommunikationswürdig besetzt werden kann.

Für Vorstände ist die vorgelagerte Perspektive vor allem eine Kapitalfrage. In welchem Raum lohnt es sich, Geduld aufzubauen? Wo ist eine Position nur gemietet? Wo ist ein Begriff zwar sichtbar, aber austauschbar? Wo verbindet ein unscheinbarer Anchor mehrere wirtschaftlich relevante Intents?

Das Instrument

Um diese Fragen nicht nur rhetorisch zu stellen, wurde eine spezialisierte KI-gestützte Mess-Engine entwickelt. Intern heißt das Verfahren Neurosemantics. Der Name bezeichnet keine neue Marketingschule, sondern ein Instrument: Es rekonstruiert intentabhängige semantische Räume, misst Positionen und Relationen, prüft ihre Robustheit und trennt Basisevidenz von der konkreten Projektion eines Modells.

Für die Managemententscheidung zählt vor allem, dass die Ergebnisse prüfbar bleiben. Was nicht gemessen wurde, darf nicht als Null erscheinen; und ein gefälliger Gesamtscore wird nicht durch zusätzliche Gewichtung gerettet, wenn seine Bestandteile im Kern dasselbe messen.

Was daraus folgt

Ein Unternehmen kann vor einer großen Kampagne untersuchen, ob der adressierte Raum bereits verriegelt ist. Vor einer Domain- oder Content-Strategie kann geprüft werden, welche Anchors mehrere Intents erschließen. Vor einer Positionierung kann sichtbar werden, welche konkurrierenden Semantiken außerhalb der eigenen Kategorie liegen.

Das ist keine Garantie auf Marktbesitz. Es ist eine zusätzliche Ebene der Due Diligence.

Erst den Raum verstehen. Dann entscheiden, ob und wie man ihn besetzt.

Kein Nähkästchen erforderlich

Für die Anwendung muss ein Auftraggeber weder interne Gewichtungen noch Implementierungsdetails kennen. Er braucht eine klar definierte Managementfrage, belastbare Quellen und die Bereitschaft, ein attraktives Ergebnis auch dann zu verwerfen, wenn die Messung es nicht trägt.

IX · Kritische Prüfung · Was müsste schiefgehen, damit das nicht trägt?

Eine Theorie wird nicht belastbarer, weil sie elegant klingt. Sie wird belastbarer, wenn klar ist, woran sie scheitern kann.

Erstens: Semantische Räume könnten zwar beschreibbar, aber strategisch folgenlos sein. Wenn robuste Raumpositionen keine bessere Vorhersage über Empfehlung, Auswahl, Nachfrage oder ökonomische Wirkung liefern als etablierte Marktmetriken, bleibt das Modell interessant — aber nicht notwendig.

Zweitens: Modellvarianz könnte so groß sein, dass keine hinreichend stabile Struktur existiert. Dann wäre eine modellübergreifende Marktposition nur eingeschränkt sinnvoll. Genau deshalb werden Query- und Provider-Robustheit getrennt gemessen.

Drittens: Die Messmethode könnte mehr Varianz erzeugen als das Feld selbst. Ein aktueller interner Lauf hat genau dieses Risiko sichtbar gemacht. Lexikalische Anbindung ist bei Paraphrasen konstruktionsbedingt fragil. Feldsignal und Methodenempfindlichkeit müssen deshalb experimentell getrennt werden.

Viertens: Ein semantisch offener Raum kann wirtschaftlich irrelevant sein. Offenheit ist keine Nachfrage. Deshalb bleiben Marktvolumen, Zahlungsbereitschaft, Produktökonomie, Vertrieb und Marke unverzichtbar.

Was jetzt empirisch zu tun ist

Die nächste Stufe besteht aus wiederholten Panels über unterschiedliche Query-Typen und Modelle, methodenübergreifender Attachment-Validierung und realen Vorher-Nachher-Fällen. Erst dann lässt sich prüfen, ob semantische Akkumulation nicht nur messbar, sondern ökonomisch prognostisch ist.

Fünf Fragen für die nächste Budgetrunde

Welchen menschlichen Intent bearbeiten wir tatsächlich? Welche alternativen Lösungen liegen im selben semantischen Raum? Welche Positionen sind persistent — welche nur sichtbar? Wie robust ist unsere Position über Formulierungen und KI-Systeme? Warum investieren wir gerade hier und nicht in einen strukturell offeneren Raum?

Die harte Grenze

Diese Analyse ist kein Ersatz für Kausalität. Sie beschreibt und testet Strukturen. Ob eine Intervention Umsatz verursacht, muss mit geeigneten experimentellen oder quasi-experimentellen Designs separat geprüft werden.

Quellen und Offenlegung · Lesen, prüfen, widersprechen

Ausgewählte wissenschaftliche Quellen

International Journal of Industrial Ergonomics (2025): Exploring the use of large language models to build product Kansei semantic spaces. Vol. 107, 103709. DOI 10.1016/j.ergon.2025.103709.

Journal of Innovation & Knowledge (2025): Market research and knowledge using Generative AI: the power of Large Language Models. Vol. 10(5), 100796. Die Arbeit vergleicht LLM-basierte Marktforschung mit einer klassischen Befragung und berichtet Nutzen wie auch Ergebnisvarianz.

Wang, H. et al. (2025): Retrieval-Augmented Generation with Conflicting Evidence. arXiv:2504.13079. Untersuchung von Ambiguität, Fehlinformation und Konflikten in RAG-Systemen.

Ge, Z. et al. (2025): Resolving Conflicting Evidence in Automated Fact-Checking: A Study on Retrieval-Augmented LLMs. arXiv:2505.17762. Systematische Evaluation konfliktbehafteter Evidenz und Quellencredibility.

Cattan, A. et al. (2025): DRAGged into Conflicts: Detecting and Addressing Conflicting Sources in Search-Augmented LLMs. arXiv:2506.08500. Taxonomie und Benchmark für Wissenskonflikte.

Niu, Q. et al. (2026): ArbGraph: Conflict-Aware Evidence Arbitration for Reliable Long-Form Retrieval-Augmented Generation. arXiv:2604.18362. Evidenzgraph mit Support- und Contradiction-Relationen.

Journal of Retailing and Consumer Services (2025): Consumer segmentation with large language models. Vol. 82, 104078.

Journal of Business Research (2025): Using generative artificial intelligence (GenAI) in marketing: Development and practices. Vol. 191, 115276.

Eigene Befunde

Die im Abschnitt „Werkstatt" genannten Robustheitswerte stammen aus internen Validierungsläufen einer bei FERNER entwickelten Mess-Engine. Sie sind keine unabhängige Evaluation und werden ausdrücklich nicht als Marktleistungsnachweis verwendet.

Synthetische Daten

Alle numerischen Marktwerte der Fallstudie sind fiktiv. Sie wurden konsistent gewählt, um die Logik des Modells zu illustrieren. Sie beschreiben keinen realen Anbieter und keinen real vermessenen Markt.

Impressum

CRITICA AI · Ausgabe 02 · August 2026
Eine Publikation von Haus FERNER · Berlin.
Herausgeber: Dr. Marcus Hövermann.
Redaktioneller Anspruch: Trennung von Beleg, Plausibilität, Position und Eigeninteresse. Irrtum bleibt möglich; Korrekturen gehören zur Methode.

Wenn alle gelernt haben, Marketing zu optimieren, wird die Frage davor wertvoller: Wo lohnt es sich überhaupt, gut zu sein?