Datenanalyse mit KI
„Wir haben ja gar keine Daten.“ Diesen Satz hört man in vielen KMUs. Dabei liegen die spannendsten Informationen oft längst bereit, sie sind nur nicht strukturiert. Eine einfache Datenanalyse mit KI kann schon mit ein paar Dutzend Kundenrückmeldungen aufzeigen, was Menschen wirklich über dein Unternehmen denken und wie du dich gezielter positionieren kannst.
Zahlen sind nützlich. Aber Worte erzählen die Geschichte. Eine 4,6-Sterne-Bewertung bei Google klingt gut, doch was steckt dahinter? Warum sind die 0,4 Sterne nicht erreicht? Und was macht jene 5-Sterne-Momente aus, die Kundinnen begeistert erwähnen?
Genau hier setzt KI an: Sie kann Texte lesen, Stimmungen erkennen und Muster aufzeigen, ohne dass du Programmierkenntnisse brauchst. So wird aus Bewertungen und ersten Feedbacks eine Impuls für die neue Strategie.
Praxisbeispiel
Ein Holzbau-Unternehmen aus dem Rheintal wollte verstehen, wie Kunden ihre Arbeit wahrnehmen. Statt grosser Projekte zur Datensammlung zu lancieren, nutzten sie das, was schon da war:
- Rund 40 Google-Reviews
- Einige Dutzend E-Mails mit Kundenfeedback
- Interne Notizen aus Verkaufsgesprächen
Diese Texte lassen sie mit ChatGPT analysieren. Der einfache Prompt:
Rolle:
Du bist ein erfahrener Marktforschungsanalyst mit Fokus auf Kundenfeedback und Markenpositionierung. Deine Aufgabe ist es, die Essenz der folgenden Kundenrückmeldungen zu erfassen und daraus strategische Erkenntnisse abzuleiten.
Anweisung:
Analysiere die folgenden Kundenrückmeldungen zu unserem/unserer [Produkt/Dienstleistung, z.B. "Holzbau" oder "Bauherrenvertretung"].
1. Thematische Analyse:
Identifiziere die Top 5 am häufigsten genannten Themen (z.B. "Projektablauf", "Zufriedenheit", "Team").
2. Sentiment-Analyse & Schlüsselbegriffe:
Nenne die 3 wichtigsten positiven Schlüsselbegriffe/Konzepte und erkläre kurz, was die Kunden daran schätzen.
Nenne die 3 dringendsten negativen Schlüsselbegriffe/Probleme und erkläre kurz, warum diese negativ wahrgenommen werden (die Ursache).
3. Positionierung & Handlungsempfehlungen:
Fasse zusammen, wie unsere aktuelle Positionierung (Stärken und Schwächen) aus Kundensicht wahrgenommen wird.
Leite 3 konkrete, priorisierte Handlungsempfehlungen ab, um die Positionierung zu stärken und die dringendsten Probleme zu beheben.
Formatierung:
Präsentiere die Ergebnisse in einer klaren, strukturierten Liste mit Überschriften (wie in den Anweisungen). Sei präzise und sachlich.
Kundenrückmeldungen (Beginn):
[Hier die Kundenrückmeldungen einfügen]
Kundenrückmeldungen (Ende)Das Resultat in Kurzform:
Die Firma nutzte diese Erkenntnisse für ihre Website-Texte und Verkaufsgespräche. Nicht mit einer neuen Strategie, sondern mit einer geschärften Wahrnehmung.
Datenquellen finden
Du musst keine grossen Systeme anzapfen. Schon kleine Quellen reichen:
- Google-Bewertungen: Kostenlos, öffentlich, emotional ehrlich.
- Kunden-E-Mails: Zwischen Dank und Kritik steckt oft Wichtiges.
- Support-Anfragen oder Offert-Kommentare: Zeigen, was Kundinnen erwarten und wo Missverständnisse entstehen.
- Social-Media-Kommentare: Oft spontan, dadurch besonders aufschlussreich.
Sammle diese Texte in einem Dokument – idealerweise ohne Kundennamen. Die KI hilft dann, erste Muster sichtbar zu machen. Hier ein paar Beispiele was du herausfinden kannst:
Fasse die wichtigsten Themen aus diesen Google-Bewertungen zusammen. Welche Stärken und Schwächen erkennst du?
Analysiere die Kundenzitate. Welche Wörter werden besonders häufig mit positiven oder negativen Gefühlen verwendet?
Welche Kundenerwartungen lassen sich aus diesen Rückmeldungen ableiten? Formuliere 3 Sätze, die unsere Positionierung treffend beschreiben.
Stolpersteine
Unklare Fragestellung → Sag der KI immer genau, was du wissen willst (z. B. „Stärken/Schwächen“, „Emotionen“, „Themen“)
Nur einmalige Analyse → Wiederhole den Prozess halbjährlich – Trends zeigen sich erst über die Zeit.
Grosse Datenmengen → Das Context Window ist begrenzt. Führende Modelle wie GPT-5, Gemini 2.5 und Claude 4 unterstützen inzwischen bis zu 1 Million Tokens. Das entspricht rund 750 bis 1 500 Seiten Text, je nach Sprache und Format.
Dein erster Schritt:
Sammle morgen alle öffentliches Bewertungen deines Unternehmens in einem Dokument – das ist deine erste kleine Datenbasis.