Wir machen Stimmen sichtbar, die sonst keiner erreicht.
Nicht, weil diese Menschen nicht antworten wollen. Sondern weil sie in keinem Panel sind, nicht ans Telefon gehen und nicht für Punkte antworten. Wir fragen sie dort, wo sie ohnehin sind.
gfs.bern erhebt die SRF-Quartalsumfragen auf Boomerang · Lukas Golder (gfs.bern) im Verwaltungsrat · Innosuisse-gefördert · Institutsmitglied Swiss Insights
Wie wir sie erreichen
Drei Unterschiede zur Panel-Einladung
1
Micro-Targeting statt Verteiler
Wir suchen die Zielgruppe nicht in einer bestehenden Liste, sondern definieren sie und rekrutieren sie dort, wo sie sich aufhält: GenZ über TikTok, Berufstätige über LinkedIn, spitze Zielgruppen über Instagram und Facebook. Wer erreichbar ist, hängt damit nicht mehr davon ab, wer sich vor drei Jahren für ein Panel registriert hat.
2
Intrinsische Motivation statt Incentive
Unsere Einladung verspricht keine Punkte, sondern Relevanz: Ihre Meinung zählt. Das verändert, wer teilnimmt — und warum. Wer aus Interesse antwortet, hat keinen Grund, sich möglichst schnell durch den Fragebogen zu klicken.
3
Kürze als Qualitätsmerkmal
Der Wahrheitsgehalt leidet mit jeder Sekunde, die wir abverlangen. Wir arbeiten deshalb mit maximal sechs Fragen und unter 60 Sekunden Bearbeitungszeit, in einem Format, das auf dem Gerät funktioniert, auf dem die Befragten ohnehin unterwegs sind.
Diese drei Punkte sind keine Vereinfachung des Fragebogens. Sie sind der Grund, warum die Daten von Menschen kommen, die klassische Feldarbeit nicht mehr erreicht.
Warum das nötig ist
Dem Panel gehen die Menschen aus
Telefon
36 % → 6 %
Antwortquote in Telefonumfragen, 1997 auf 2018.
Pew Research Center
Zusammensetzung
39 vs. 0.2
Umfragen pro Monat: erfahrene Panelteilnehmende im Schnitt, gegen repräsentativ ausgewählte Onlinerinnen und Onliner in sechs Monaten.
Liljeberg/Krambeer, planung & analyse 1/2012
Konzentration
<1 % → 34 %
Anteil der Panelmitglieder, die in den zehn grössten US-Panels 34 % aller abgeschlossenen Fragebogen stammten.
comScore, 2006
Und seit Kurzem: nicht alle sind Menschen
99.8 %
34 % der Befragten gaben 2024 an, für offene Fragen KI genutzt zu haben. Ein eigens gebauter KI-Befragter bestand in 6'000 Durchläufen 99.8 % der gängigen Attention Checks — sämtliche heute eingesetzten Erkennungsverfahren scheiterten.
Westwood, PNAS 2025
Unsere Silicon Samples sind das Gegenteil davon: als Simulation deklariert, getrennt ausgewiesen, nie Teil einer menschlichen Stichprobe.
Die Folge ist messbar
1.5 % → 3.1 % → 3.9 %
Durchschnittlicher absoluter Fehler von Wahlvorhersagen: 1970–1990, US 2016, US 2020.
FiveThirtyEight, AAPOR
Das ist kein Argument gegen Panels. Es ist ein Argument dafür, die Lücke zu schliessen, die sie hinterlassen — mit strukturiertem und sauberem Social Media Sampling lassen sich die steigenden Herausforderungen von Telefon und Panel ausbalancieren.
Der Einwand, bevor Sie ihn stellen
Algorithm Selection Bias
Wer über Werbeanzeigen rekrutiert, bekommt die Menschen, die auf Werbeanzeigen klicken. Der Einwand ist berechtigt. Plattformalgorithmen sind darauf optimiert, Reichweite billig zu erzeugen — und liefern damit systematisch die am leichtesten erreichbaren Nutzerinnen und Nutzer. Wir nennen das Algorithm Selection Bias. Naives Social Sampling ist deshalb nicht besser als ein Panel, sondern schlechter.
Wir arbeiten dagegen auf drei Ebenen:
Homogene Kohorten
Statt einer Kampagne für die Gesamtbevölkerung läuft die Rekrutierung getrennt je Kohorte. Der Algorithmus optimiert damit innerhalb einer Gruppe, nicht über die Stichprobe hinweg.
Cross-Quota-Rekrutierung
Quoten werden über Alter, Geschlecht und Region gleichzeitig kontrolliert, nicht nacheinander — sonst füllt die günstigste Kohorte die Quote der teuersten mit.
Gewichtung gegen amtliche Daten
Die finale Stichprobe wird gegen die Referenzdaten des jeweiligen nationalen statistischen Amts gewichtet, nicht gegen eine interne Panelstruktur.
Dazu kommen Attention Checks, Speeder- und Duplikatserkennung in jeder Erhebung.
Was wir nicht behaupten: dass sich Repräsentativität per Knopfdruck herstellen lässt. Cross-quotierte Stichproben bieten wir für die Schweiz, Deutschland und Österreich an. Alles andere ist Feldarbeit, und die besprechen wir vorher mit Ihnen.
TODO — Section 6
Evidence — human sampling only
Not drafted yet. Human sampling validity only — UZH pre-study, Qualtrics head-to-head, referendum accuracy, Nevada 2024, Mobiliar A/B test. Must stay structurally separate from simulation validity (0.83 correlation, plausibility score) — see claims.md, "The two proof stacks — never blend them."
TODO — Section 7
How fieldwork runs
Not drafted yet — waits on Dave per the handover doc. From n = 300, fresh respondents per survey. Turnaround is an open item in claims.md (5–7 days / "wenige Tage" / ~3 days are all in circulation) — resolve that before writing this section, not here.
TODO — Section 8
Simulation, as the additive layer
Not drafted yet. Blocked on two open questions with Dave: what the 0.83 correlation is computed across (items, respondents, or aggregate percentages), and how many retrospective simulation/human pairs exist — revised pairs are not twins. Simulation evidence only; keep separate from section 6's human-sampling evidence.
TODO — Section 9
Pricing posture → packs-and-pricing · contact
Not drafted yet. This is also where the Hero's CTAs ("Feldanfrage stellen", "Methodengespräch vereinbaren") land — needs a real contact path (form or mailto) before this page ships, not just an anchor.