Listen Labs sammelt 69 Millionen Dollar ein, um die Marktforschung mit KI-gestützten Kundenbefragungen zu revolutionieren
Als Alfred Wahlforss über 100 Ingenieure für sein Start-up Listen Labs einstellen musste, stand er vor einer schier unlösbaren Herausforderung: Er musste gegen die 100-Millionen-Dollar-Angebote von Meta für KI-Talente antreten. Seine Lösung? Eine 5.000-Dollar-Plakatwand in San Francisco, auf der etwas zu sehen war, das wie Kauderwelsch aussah – fünf Reihen zufälliger Zahlen, die in Wirklichkeit KI-Token waren, die zu einer Programmieraufgabe führten. Der virale Werbegag funktionierte, und nun hat Listen Labs 69 Millionen Dollar in einer Serie-B-Finanzierungsrunde eingesammelt, um seine KI-Geschäftsentwicklungsplattform zu skalieren, die die Art und Weise revolutioniert, wie Unternehmen ihre Kunden verstehen.
Die Finanzierungsrunde, angeführt von Ribbit Capital unter Beteiligung von Evantic und den bestehenden Investoren Sequoia Capital, Conviction und Pear VC, bewertet das Unternehmen mit 500 Millionen US-Dollar. In nur neun Monaten seit der Gründung hat Listen Labs seinen annualisierten Umsatz um das 15-Fache auf einen achtstelligen Betrag gesteigert und über eine Million KI-gestützte Interviews durchgeführt.
Warum die traditionelle Marktforschung nicht mehr funktioniert
Listen Labs geht ein grundlegendes Problem in der 140 Milliarden Dollar schweren Marktforschungsbranche an. Bislang mussten sich Unternehmen zwischen quantitativen Umfragen – die zwar statistische Genauigkeit bieten, aber Nuancen außer Acht lassen – und qualitativen Interviews entscheiden, die zwar tiefe Einblicke liefern, sich aber nicht in großem Maßstab durchführen lassen.
„Im Grunde vermitteln Umfragen eine trügerische Genauigkeit, weil die Leute letztendlich immer dieselbe Frage beantworten“, erklärte Wahlforss. „Man bekommt die Ausreißer nicht mit. Bei Umfragen sind die Leute eigentlich nicht ehrlich.“ Traditionelle Einzelinterviews hingegen „bieten zwar viel Tiefe, lassen sich aber nicht skalieren.“
Der KI-Forscher von Listen löst dieses Problem, indem er Teilnehmer auswählt, ausführliche Videointerviews mit Folgefragen durchführt und innerhalb von Stunden statt Wochen umsetzbare Erkenntnisse liefert. Die Plattform setzt auf offene Gespräche statt auf Multiple-Choice-Fragebögen, was laut Wahlforss zu „wesentlich mehr Ehrlichkeit“ seitens der Teilnehmer führt.
Betrugsbekämpfung in der Marktforschung
Eine schockierende Erkenntnis für Listen Labs war der grassierende Betrug, der die Branche heimsucht. „Wir hatten tatsächlich einige der größten Unternehmen – von denen manche einen Umsatz in Milliardenhöhe erzielen –, die uns Leute auf unsere Plattform schickten, die vorgaben, Einkäufer für Großunternehmen zu sein, und unser System hat sofort Betrug, Betrug, Betrug, Betrug, Betrug erkannt“, verriet Wahlforss.
Das Unternehmen entwickelte ein „Qualitätskontrollsystem“, das LinkedIn-Profile mit Videoantworten abgleicht, die Konsistenz der Antworten überprüft und verdächtige Muster markiert. Das Ergebnis: Die Teilnehmer „reden dreimal so viel“ und sind „wesentlich ehrlicher, wenn sie über sensible Themen sprechen“.
Erfolgsgeschichten aus der Praxis von führenden Marken
Der Geschwindigkeitsvorteil hat sich als zentraler Bestandteil des Wertversprechens von Listen erwiesen. Microsoft, das früher vier bis sechs Wochen auf Erkenntnisse aus der Kundenforschung warten musste, erhält die Ergebnisse nun innerhalb weniger Stunden. „Bis wir sie erhalten, ist die Entscheidung entweder bereits gefallen oder wir verpassen die Gelegenheit, sie tatsächlich zu beeinflussen“, sagte Romani Patel, Senior Research Manager bei Microsoft.
Microsoft nutzte Listen Labs, um anlässlich seines 50-jährigen Jubiläums Erfahrungsberichte von Kunden aus aller Welt zu sammeln, und schaffte an einem einzigen Tag, wofür normalerweise sechs bis acht Wochen nötig gewesen wären. Simple Modern, ein in Oklahoma ansässiger Hersteller von Trinkgefäßen, testete ein neues Produktkonzept in nur 2,5 Stunden und erhielt dabei Feedback von 120 Personen aus dem ganzen Land.
Am beeindruckendsten ist vielleicht, dass Chubbies mithilfe von KI-Befragungen Produktprobleme aufdeckte, die andernfalls möglicherweise unentdeckt geblieben wären. Die KI identifizierte Probleme bei der Kindershorts-Kollektion – kratzige Innenfutter, die Unbehagen verursachten. Das überarbeitete Produkt wurde zu einem „Riesenhit“.
Das Jevons-Paradoxon: Warum günstigere Forschung zu mehr Nachfrage führt
Listen Labs ersetzt nicht nur bestehende Ausgaben für Marktforschung – das Unternehmen schafft vielmehr völlig neue Nachfrage. Wahlforss verwies auf das Jevons-Paradoxon, ein wirtschaftliches Prinzip, wonach technologische Effizienz zu einem Anstieg des Verbrauchs statt zu einer Verringerung des Verbrauchs führt.
„Mir ist aufgefallen, dass man, wenn etwas billiger wird, nicht weniger davon braucht. Man will vielmehr mehr davon“, erklärte er. „Die Nachfrage nach Kundenverständnis ist unerschöpflich. Daher können die Forscher im Team um ein Vielfaches mehr Forschung betreiben, und auch andere Mitarbeiter, die zuvor keine Forscher waren, können dies nun im Rahmen ihrer Arbeit tun.“
Diese Demokratisierung der Forschungskapazitäten stellt einen grundlegenden Wandel darin dar, wie Unternehmen Kundenfeedback in ihre Entscheidungsprozesse einbeziehen können – ähnlich wie der KI-basierte virtuelle Assistent von Salesforce die Art und Weise verändert, wie Vertriebsteams mit Kunden interagieren.
Mit Spitzenkräften aus dem Ingenieurwesen die Zukunft gestalten
Das Gründerteam kann beeindruckende Referenzen vorweisen – 30 % des Entwicklerteams sind Medaillengewinner der Internationalen Informatik-Olympiade, jenem Wettbewerb, aus dem auch die Gründer des KI-Coding-Startups Cognition hervorgegangen sind. Die Werbeaktion auf der Berghain-Plakatwand, die rund 5 Millionen Aufrufe in den sozialen Medien generierte, spiegelte die Heftigkeit des Kampfes um KI-Talente wider.
„Wir mussten diese Maßnahmen ergreifen, weil einige unserer ersten Mitarbeiter zum Unternehmen kamen, bevor wir eine funktionierende Toilette hatten“, gab Wahlforss zu. Das Unternehmen wuchs im Jahr 2024 von 5 auf 40 Mitarbeiter an und plant, in diesem Jahr die Zahl auf 150 zu erhöhen, wobei Ingenieure für nicht-technische Positionen in den Bereichen Marketing, Wachstum und Betrieb eingestellt werden sollen.
Was kommt als Nächstes: KI-gestützte Prozessautomatisierung und synthetische Kunden
Die Roadmap von Listen Labs strebt ehrgeizige Ziele an. Das Unternehmen baut Kapazitäten auf, um Kunden anhand von Interviewdaten zu simulieren, und erstellt „synthetische Nutzer oder simulierte Nutzerstimmen“ für kontinuierliches Feedback. Über die Simulation hinaus entwickeln sie automatisierte Aktionssysteme, die Agenten generieren könnten, um Code zu ändern oder abwandernden Kunden Rabatte anzubieten.
Wahlforss räumte die ethischen Implikationen ein: „Automatisierte Entscheidungsfindung kann grundsätzlich problematisch sein, aber wir werden umfangreiche Sicherheitsvorkehrungen treffen, um sicherzustellen, dass die Unternehmen stets im Bilde sind.“
Das Unternehmen geht bereits sorgfältig mit sensiblen Daten um, indem es personenbezogene Daten automatisch entfernt und wesentliche nicht öffentliche Informationen in Gesprächen mit Investoren aufspürt.
Neugestaltung der Produktentwicklungszyklen
Am provokantesten ist vielleicht, dass das Modell von Listen die Produktentwicklung selbst neu gestalten könnte. Ein australischer Startup-Kunde hat einen kontinuierlichen Feedback-Kreislauf eingeführt: Tagsüber wird programmiert, nachts werden Listen-Studien mit amerikanischem Publikum veröffentlicht und das Feedback direkt in Entwicklungstools wie Claude Code integriert.
Damit wird der berühmte Ratschlag von Y Combinator – „Code schreiben, mit Nutzern sprechen“ – zu einem automatisierten Kreislauf erweitert. „Das Schreiben von Code wird mittlerweile automatisiert, und ich glaube, das Gleiche wird auch für das Gespräch mit den Nutzern gelten“, prognostizierte Wahlforss. „Man wird eine Art Endlosschleife haben, in der man fast schon autonom wirklich großartige Produkte auf den Markt bringen kann.“
Diese Vision hängt von der kontinuierlichen Weiterentwicklung der KI-Modelle und der Bereitschaft der Unternehmen ab, automatisierter Recherche zu vertrauen. Die ersten Ergebnisse deuten jedoch darauf hin, dass Interesse an diesem Experiment besteht. Patel von Microsoft sagt, Listen habe „die mühsame Recherchearbeit beseitigt und wieder Spaß und Freude in meine Arbeit gebracht“.
Wie Wahlforss unter Berufung auf den ehemaligen GitHub-CEO Nat Friedman sagt: „Langsam ist falsch.“ Im Zeitalter der KI setzt Listen Labs darauf, dass diejenigen Unternehmen gewinnen werden, die am schnellsten zuhören – und sie beweisen, dass künstliche Intelligenz nicht nur unsere Arbeitsweise verändert, sondern auch grundlegend die Art und Weise, wie Unternehmen ihre Kunden in Echtzeit verstehen und auf sie reagieren.
Verfasst von
Oliver K.G.
Oliver K.G. ist der Gründer von „AI Meets Life“, einer Publikation, die US-amerikanischen Geschäftsleuten dabei hilft, den Überblick zu behalten und KI dort einzusetzen, wo es wirklich darauf ankommt – in ihren Teams, Arbeitsabläufen und beim Geschäftsergebnis. Dabei werden die Tools, Trends und Entscheidungen beleuchtet, die die Zukunft der Arbeit prägen.