Mixed Profiling: Wenn digitale Assistenten Menschen wirklich verstehen sollen

Das liegt nicht unbedingt an der Qualität der KI. Vielmehr fehlt ihr häufig etwas Grundlegendes: ein Verständnis dafür, wer die Person auf der anderen Seite eigentlich ist. Viele heutige Systeme versuchen, dieses Problem mithilfe von Verhaltensdaten zu lösen. Sie analysieren Klicks, Suchanfragen oder vergangene Gespräche und leiten daraus Nutzerprofile ab. Das funktioniert bis zu einem gewissen Grad, benötigt jedoch Zeit. Neue Nutzende starten meist mit einer Art digitalem Blindflug. Das System weiß zunächst wenig über ihre Ziele, Präferenzen oder Arbeitsweisen und muss diese erst über längere Zeiträume hinweg lernen. Die Alternative zur Profilerstellung sind klassische Fragebögen. Doch wer füllt schon gerne umfangreiche Formulare aus, bevor eine Anwendung überhaupt genutzt werden kann? Zwischen Datensparsamkeit, Nutzerakzeptanz und Personalisierung entsteht ein Spannungsfeld, das viele digitale Produkte bis heute nicht zufriedenstellend lösen.

Genau hier setzt unser neuer Forschungsansatz an: das sogenannte „Mixed Profiling“. Die Idee dahinter ist überraschend einfach. Anstatt sich ausschließlich auf Nutzungsdaten oder ausschließlich auf Fragebögen zu verlassen, werden beide Ansätze kombiniert. Zu Beginn liefert ein kurzer wissenschaftlich fundierter Fragebogen eine erste Orientierung. Diese Informationen dienen als Ausgangspunkt für einen anschließenden Dialog mit einer KI. Statt weitere standardisierte Fragen abzuarbeiten, kann die KI gezielt nachfragen, Zusammenhänge verstehen und individuelle Besonderheiten erfassen. Dadurch entsteht ein Profil, das nicht nur auf statistischen Mustern basiert, sondern auch den persönlichen Kontext berücksichtigt.

Besonders interessant ist dabei ein Ergebnis unserer Forschung: Nutzende bewerten solche Mixed Profiles als deutlich plausibler, vertrauenswürdiger und treffender als Profile, die ausschließlich auf klassischen Fragebögen beruhten.

Mixed Profiling im Mittelstand

Wer digitale Produkte entwickelt, kennt die Herausforderung, unterschiedliche Nutzergruppen zu verstehen. Oft wird versucht, dieses Problem über Personas, Zielgruppenbeschreibungen oder allgemeine Nutzersegmente zu lösen. Diese Werkzeuge bleiben wichtig, stoßen jedoch an Grenzen, sobald individuelle Unterschiede relevant werden. Mixed Profiling bietet hier einen alternativen Weg. Statt Menschen möglichst passend in bestehende Kategorien einzuordnen, entsteht schrittweise ein differenzierteres Bild der einzelnen Person.

Das kann beispielsweise bei Lernplattformen relevant werden. Unterschiedliche Menschen lernen unterschiedlich. Manche bevorzugen kompakte Übersichten, andere ausführliche Erklärungen. Einige möchten direkt ausprobieren, andere zunächst Hintergründe verstehen. Ein besseres Verständnis dieser Unterschiede ermöglicht individuellere Lernerfahrungen. Auch in digitalen Beratungs- oder Assistenzsystemen kann eine solche Personalisierung helfen. Empfehlungen werden relevanter, Kommunikation verständlicher und digitale Interaktionen insgesamt natürlicher.

Besonders interessant ist dabei ein Aspekt, der häufig unterschätzt wird: Vertrauen. Wenn Nutzende nachvollziehen können, wie ein Profil entsteht, Rückfragen beantworten und Ergebnisse anpassen können, entsteht Transparenz. Das System wirkt weniger wie eine Black Box und mehr wie ein Dialogpartner. Gerade in Zeiten zunehmender KI-Nutzung kann dies ein wichtiger Erfolgsfaktor sein. Natürlich bleiben Fragen offen. Wie viele Informationen sollten erhoben werden? Wie wird Datenschutz sichergestellt? Welche Entscheidungen darf ein System auf Basis eines Profils überhaupt treffen? Solche Fragen müssen bei jeder praktischen Anwendung mitgedacht werden. Dennoch zeigt der Ansatz eine interessante Richtung auf. Die Zukunft digitaler Assistenten liegt möglicherweise nicht darin, immer größere Modelle zu entwickeln. Vielleicht liegt sie vielmehr darin, Menschen besser zu verstehen. Also weg von generischen digitalen Erlebnissen, hin zu Anwendungen, die sich stärker an den tatsächlichen Bedürfnissen ihrer Nutzenden orientieren.

Denn gute Digitalisierung beginnt nicht mit Technologie. Sie beginnt mit dem Verständnis für die Menschen, die sie nutzen sollen.

Dieser Beitrag basiert auf der Forschung von Müller, Greiner, Wegener, Kuhlmeier, Maedche (2026) mit dem Titel „Personalizing Human-LLM Interactions through Mixed Profiling“. Der wissenschaftliche Artikel dazu ist zu finden als Open-Access Dokument.