Statistiken begleiten uns täglich – doch wie entstehen sie, wie erzählt man mit ihnen Geschichten, und welche Rolle spielt künstliche Intelligenz dabei? In der Podcast-Folge "Kevin allein im Marketing" sprach Host Kevin mit Jan-Frederik Ahrens, seit über zwölf Jahren bei Statista tätig, über Data Storytelling, Marktforschung und die disruptive Wirkung von KI auf das Geschäft mit Daten. Ein Gespräch über die Kunst, Zahlen erlebbar zu machen – ohne dabei die Wahrheit zu verbiegen.

Vom Datenaggregator zum Content-Dienstleister

Als Ahrens 2014 bei Statista startete, herrschte noch Start-up-Feeling. Die Grundidee des Hamburger Unternehmens war einfach: einen zentralen Ort schaffen, an dem sich Statistiken schnell finden lassen. Zuvor, so erinnert sich Ahrens, mussten Recherchierende noch ins Weltwirtschaftsarchiv oder in Bibliotheken gehen. Statista aggregierte bestehende Daten, bereitete sie nutzerfreundlich auf und versah sie mit Quellen.

Für dieses Prinzip fand Ahrens einen treffenden Vergleich:

Netflix hat mit House of Cards angefangen, das war eine fremde Produktion. Wir sagen dann immer, wir sind so das Netflix der Statistiken. Wir haben viel Fremdcontent, aber dann irgendwann auch die Original-Daten.

Schnell folgten eigene Hochrechnungen, Prognosen und Studien. Ahrens selbst baute den Bereich rund um visuelles Storytelling und Content-Marketing mit Infografiken auf – aus einer Ein-Mann-Show wurde ein Team von rund 50 Menschen. Heute firmiert dieser Bereich unter der Marke Statista Plus Communication und bietet Marktforschung, Kommunikations- und Beratungsdienstleistungen an.

Mit Zahlen Geschichten erzählen

Reine Datenreihen in Excel-Listen sind wenig ansprechend. Deshalb setzt Statista auf Techniken des Data Storytelling: Spannungsbögen, sogenannte Story Arcs und aussagekräftige Talking Headlines, unter denen erst die Zahlen folgen. Besonders wirkungsvoll ist laut Ahrens das Aufzeigen von Lücken.

Am Beispiel Cybersecurity erläutert er das Prinzip: Zunächst wird belegt, dass die Mehrheit der Unternehmen das Thema als großes Risiko einstuft. Dann folgt der Kontrast – nur ein Bruchteil hat tatsächlich Maßnahmen ergriffen. So entsteht ein Gap, der den Finger in die Wunde legt. Auch Vergleichszahlen schaffen Kontext und machen Aussagen greifbar. Wichtig sei, dass die einzelnen Aussagen so aneinandergereiht werden, dass das Publikum gedanklich durch die Geschichte geführt wird.

KI und das Problem des Vertrauens

Ein zentrales Thema des Gesprächs war der Umgang mit künstlicher Intelligenz. In den Anfängen erfanden KI-Modelle schlicht Fakten – Ahrens berichtet von einer angeblichen KPMG-Studie, die es nie gab. Zwar sei die Qualität durch Werkzeuge wie Perplexity deutlich besser geworden, doch die Kernfrage bleibt: Kann man den Daten vertrauen?

Genau hier positioniert sich Statista. Das Unternehmen entwickelte zunächst eine eigene Research-KI direkt im Portal. Der nächste, entscheidende Schritt heißt Statista Connect: Über sogenannte MCP-Server und API-Schnittstellen lassen sich Tools wie Perplexity oder LangDock direkt mit den verifizierten Statista-Daten verbinden. So ist sichergestellt, dass die KI nur kuratierte, geprüfte Informationen ausspielt.

Ahrens verhehlt nicht, wie disruptiv diese Entwicklung ist:

Natürlich ist es superdisruptiv und wenn wir das nicht machen, dann sind wir irgendwie in zwei Jahren irrelevant, weil niemand hat mehr Lust, auf irgendwelche Webseiten zu gehen.

Der Traffic auf dem Portal sei gesunken, die Zahl der Kunden, die Statista Connect nutzen, steige jedoch stetig. Ein internes Experiment zeigte, dass verschiedene KI-Modelle bei einer Frage zu Elektroauto-Zulassungen unterschiedlich stark danebenlagen – während dieselbe Frage mit Statista Connect exakte Ergebnisse lieferte.

Warum eigene Daten unverzichtbar bleiben

Bei der Visualisierung von Daten stoßen KI-Werkzeuge noch an Grenzen: Achsen und Werte werden nur simuliert, Karten und Beschriftungen geraten fehlerhaft. Ahrens ist überzeugt, dass diese Probleme in wenigen Jahren gelöst sein werden – der eigentliche Mehrwert liegt für ihn ohnehin woanders: im Generieren neuer Daten durch saubere Marktforschung.

Die zentralen Punkte lassen sich so zusammenfassen:

  • Wer eine eigene Studie herausbringt, wird selbst zur Quelle – wie die Shell Jugendstudie oder der Tchibo Kaffeereport zur Marke geworden sind.
  • Eigene Daten fördern Thought Leadership und werden von Presse und Medien aufgegriffen (Earned Media).
  • Große Sprachmodelle vertrauen eher unabhängigen Quellen wie Reddit, LinkedIn, Verbänden oder Vergleichsportalen als Owned Media, weil diese als weniger voreingenommen gelten.
  • Selbst erhobene Daten kann sich keine KI ausdenken – sie existieren vorher schlicht nicht.

Ein weiteres Trendthema, das Ahrens vorstellte, sind synthetische Populationen ("SynthiPop"). Auf Basis von Zensusdaten und bereits durchgeführten Befragungen lässt sich ein anonymisierter Datensatz der Bevölkerung mit Attributen anreichern. So können Aussagen zu Einstellungen und Konsumverhalten getroffen werden, ohne dass neu befragt werden muss. Ein Beispielprojekt untersuchte die Wirkung des Deutschlandtickets auf das Pendlerverhalten.

Der Mensch bleibt in der Verantwortung

Bei aller Faszination für Werkzeuge wie NotebookLM, das aus einer Studie automatisch Infografiken, Präsentationen und sogar täuschend echt klingende Podcasts erzeugt, waren sich beide einig: Der Mensch muss involviert bleiben. Kevin brachte es auf den Punkt – nicht die Zeit werde weniger, sondern die Arbeitsweise verändere sich. Die "Liquidität" sitze weiterhin im Kopf, nicht in der Maschine. Auch Ahrens betont die Bedeutung des Feintunings und des Inputs: Ein Kunde spreche sogar von "Agency in the Loop" statt nur "Human in the Loop".

Traue keiner Statistik, die Du nicht selbst gefälscht hast

Zum Abschluss ordnete Ahrens das titelgebende Zitat ein. Statista verstehe sich als neutrale Instanz. Statistiken zu fälschen sei ein absolutes No-Go – verzerrte Diagramme in der Politik seien eine Lachnummer. Sehr wohl legitim sei es jedoch, sich die Studie zu suchen, die die eigene These stützt.

Finde deine Studie, deine Daten – oder erhebe sie –, die deine Message transportiert. Fälsche aber nichts.

Manchmal existierten Studien mit gegensätzlichen Ergebnissen, so Ahrens. Das sei Demokratie in einer komplexen Welt. Am Ende müsse jeder genau hinschauen und sich seine eigene Meinung bilden. Kevin ergänzte aus eigener Erfahrung: Bei seiner Masterthesis zur Werbewirkung in Podcasts sei die eigentliche Herausforderung gewesen, aus einer Fülle von Daten die relevanten herauszufiltern und korrekt aufzubereiten – ohne dabei Äpfel mit Birnen zu vergleichen. Gutes Data Storytelling, so das gemeinsame Fazit, ist Handwerk, das sich lohnt, weil es Glaubwürdigkeit schafft.