Freitext und Umfragen mit KI analysieren

Kernfrage für Unternehmen

Offene Antworten enthalten Probleme, Motive und Zusammenhänge, die vorgegebene Auswahlfelder nicht erfassen. Sprachmodelle können große Textmengen kodieren und strukturieren. Eine plausible Zusammenfassung beweist aber weder Häufigkeit noch Repräsentativität oder Ursache. Der Wert entsteht aus einem kontrollierten Analyseprozess, nicht aus dem einmaligen Hochladen aller Kommentare (Zwingmann 2025; Braun und Clarke 2006).

Die Führungsfrage lautet: Wie übersetzen wir Freitext in belastbare Entscheidungssignale, ohne Originalaussagen, Stichprobenkontext und Gegenbeispiele zu verlieren?

Abbildung: Freitext wird über Geschäftsfrage, Taxonomie, Mehrfachlabels, Kontext und Validierung in ein Entscheidungssignal übersetzt. Quelle: eigene Darstellung nach Zwingmann 2025, Braun und Clarke 2006 und Gilardi et al. 2023.

Von der Geschäftsfrage zur prüfbaren Auswertung

Beginnen Sie mit einer Entscheidung oder Hypothese. „Was sagen unsere Kund:innen?“ führt meist zu allgemeinen Themen. „Welche Hürden verhindern, dass Neukund:innen in der ersten Woche einen Nutzen erkennen?“ grenzt Population, Zeitraum, Geschäftsvorgang und mögliche Maßnahmen ein (Zwingmann 2025; Zwingmann 2025).

Ein belastbarer Ablauf verbindet qualitative Offenheit mit quantifizierbarer Kodierung (Braun und Clarke 2006; Zwingmann 2025):

Schritt	Leitfrage	Nachweis
1. Auftrag	Welche Entscheidung soll die Analyse unterstützen?	Hypothese, Population, Zeitraum und Verantwortliche
2. Datenprüfung	Wer konnte antworten, wer fehlt und wie wurde gefragt?	Erhebungsweg, Rücklauf, Segmente und bekannte Verzerrungen
3. Exploration	Welche Längen, Leerwerte, Mehrfachthemen und Auffälligkeiten liegen vor?	Datenprofil, Ausreißer und erste Stichprobe
4. Taxonomie	Welche Kategorien führen zu einer unterscheidbaren Maßnahme?	versioniertes Codebuch mit Definitionen und Beispielen
5. Kodierung	Welche Antwort gehört zu welcher Kategorie?	Originaltext, Mehrfachlabels, „Sonstiges“ und Modellversion
6. Quantifizierung	Wie häufig tritt ein Thema in welchem Segment und Zeitraum auf?	absolute und relative Häufigkeiten mit Grundgesamtheit
7. Validierung	Stimmen Labels, Interpretation und Schlussfolgerung?	geprüfte Stichprobe, Gegenbeispiele und alternative Erklärung
8. Entscheidung	Welche Maßnahme, Beobachtung oder weitere Erhebung folgt?	Owner, Kennzahl und nächster Prüfzeitpunkt

Taxonomien als gesteuertes Unternehmenswissen

Eine Taxonomie sollte nicht nur sprachlich sauber, sondern handlungsfähig sein. „Usability“ ist oft zu breit. „Unklare Registrierungsanweisung“, „technischer Fehler beim Zahlungsabschluss“ und „fehlende mobile Funktion“ führen zu unterschiedlichen Eigentümer:innen und Maßnahmen. Kategorien brauchen Definition, Ein- und Ausschlussregeln, Beispiele, Version und Änderungsdatum (Zwingmann 2025).

Lassen Sie Mehrfachzuordnungen zu, wenn eine Antwort mehrere Ursachen oder Kanäle nennt. Ein verpflichtendes „Sonstiges“ verhindert, dass das Modell jeden neuen Fall in bekannte Schubladen zwingt. Die Originalantwort bleibt unverändert; Labels, Begründung und spätere Korrekturen stehen daneben (Zwingmann 2025).

Wenn sich Kategorien ändern, dürfen Teams Zeitreihen nicht still fortschreiben. Sie müssen alte Antworten mit der neuen Taxonomie erneut kodieren oder den Bruch sichtbar markieren. Sonst kann eine scheinbare Trendänderung nur aus einer neuen Definition stammen (Zwingmann 2025).

Automatische Kodierung ist noch keine Erkenntnis

Gilardi, Alizadeh und Kubli berichten für mehrere politische Textannotationsaufgaben bessere Ergebnisse von ChatGPT als von den eingesetzten Crowd-Worker:innen. Die Studie stützt den Einsatz von Sprachmodellen für klar definierte Labels, belegt aber keine allgemeine Qualität bei Mitarbeiterbefragungen, Kundenforschung oder strategischer Interpretation. Unternehmen müssen die eigene Taxonomie und Domäne mit repräsentativen Beispielen testen (Gilardi et al. 2023).

Thematische Analyse umfasst mehr als Labelvergabe: Forschende machen sich mit dem Material vertraut, entwickeln und prüfen Codes und Themen, benennen deren Bedeutung und erstellen eine begründete Darstellung. KI kann diese Schritte unterstützen, übernimmt aber nicht die methodische und fachliche Verantwortung für die Interpretation (Braun und Clarke 2006).

Häufigkeiten richtig lesen

Zählen schützt vor dem Eindruck, einige markante Kommentare seien bereits der häufigste Befund. Vergleichen Sie absolute und relative Häufigkeiten nach relevantem Segment, Kanal und Zeitraum. Nennen Sie dabei immer die Zahl der auswertbaren Antworten, weil 30 Nennungen bei 40 und bei 4.000 Antworten etwas anderes bedeuten (Zwingmann 2025).

Auch fehlende Themen brauchen Kontext. Wenn eine Befragung nur nach Supportfällen ausgelöst wird, beweist fehlendes Lob keine allgemein negative Kundenerfahrung. Wenn bestimmte Mitarbeitendengruppen seltener antworten, darf das Team die vorhandenen Texte nicht als Stimme der Gesamtbelegschaft ausgeben. KI korrigiert keine Auswahl-, Frage- oder Rücklaufverzerrung (Zwingmann 2025; Zwingmann 2025).

Validierung und Monitoring

Vereinbaren Sie vor der Vollanalyse eine fachlich geprüfte Testmenge mit einfachen, mehrdeutigen, mehrsprachigen, sehr kurzen und widersprüchlichen Antworten. Bewerten Sie Kategorien getrennt, weil seltene oder geschäftskritische Klassen trotz guter Gesamtquote schwach sein können (NIST 2024).

Prüfen Sie mindestens diese Größen (NIST 2024; Zwingmann 2025):

• Übereinstimmung mit fachlich kodierter Referenz nach Kategorie
• Anteil von Mehrfachlabels, „Sonstiges“ und ungelösten Fällen
• stabile Ergebnisse bei sinngleichen Formulierungen
• Häufigkeiten nach Segment und Zeitraum einschließlich Grundgesamtheit
• Korrekturen durch Fachleute und daraus folgende Taxonomieänderungen
• Zahl der Entscheidungen oder Experimente, die aus einem Signal tatsächlich folgen

Ein einzelner Modelllauf sollte keine weitreichende Maßnahme auslösen. Fachleute prüfen entscheidungsrelevante Originalbeispiele, suchen Gegenbelege und testen alternative Erklärungen. Bei wiederkehrender Analyse braucht das Team Regressionstests für Taxonomie-, Prompt- oder Modelländerungen (Zwingmann 2025; NIST 2024).

Datenschutz und sensible Aussagen

Freitext kann Gesundheitsdaten, politische Meinungen, Gewerkschaftszugehörigkeit, Beschwerden über Einzelpersonen oder andere unerwartete personenbezogene Informationen enthalten. Unternehmen müssen deshalb Zweck, Rechtsgrundlage, Datenminimierung, Zugriffsrechte, Aufbewahrung und den Schutz besonderer Kategorien schon vor dem Modellzugriff klären. Eine technische Anonymisierung muss auch seltene Formulierungen und indirekte Identifikatoren berücksichtigen (EU 2016).

Mitarbeiterbefragungen verlangen zusätzlich eine klare Trennung zwischen Organisationslernen und individueller Leistungskontrolle. Aggregation, Mindestgruppengrößen, eingeschränkte Rohtextzugriffe und transparente Information über Auswertungszweck und KI-Einsatz helfen, den Schadensradius zu begrenzen; arbeitsrechtliche und mitbestimmungsbezogene Fragen sind gesondert zu prüfen (EU 2016).

Einstiegspunkte für die Umsetzung

Starten Sie mit einem begrenzten, geschäftlich relevanten Textbestand und einer Entscheidung, die das Team nach der Analyse tatsächlich treffen kann (Zwingmann 2025; Braun und Clarke 2006):

1. Hypothese, Population, Zeitraum und Erhebungsweg dokumentieren
2. Rohtexte unverändert sichern und Zugriffe begrenzen
3. kleine Stichprobe explorieren und ein erstes Codebuch entwickeln
4. Taxonomie mit Fachbereich und Maßnahmenverantwortlichen prüfen
5. KI gegen eine unabhängig kodierte Testmenge evaluieren
6. Häufigkeiten mit Segmenten, Zeit und Grundgesamtheit berichten
7. Originalbeispiele, Gegenbelege und alternative Erklärungen prüfen
8. Taxonomie, Modell und Entscheidungen versioniert dokumentieren

Mehr dazu: KI im Kundenservice, Datenqualität und Drift bei KI, Bias und vertrauenswürdige KI, KPIs und Monitoring für KI-Projekte und DSGVO und KI-Projekte.