Neuromarketing Studie: Unser Design im wissenschaftlichen Test

unser Design, getestet mit KI-Eye-Tracking

Unser Design und unsere Grafikelemente dienten als Testmaterial in einer wissenschaftlichen Neuromarketing Studie, die im März 2025 im begutachteten Fachjournal Informatics (MDPI) erschienen ist. Die Studie verglich, wie gut Designs professioneller Grafikdesigner die Aufmerksamkeit der Betrachter auf sich ziehen – im Vergleich zu einem Design, das nach Empfehlungen künstlicher Intelligenz entstand. Das Ergebnis fiel zugunsten des menschlichen Designs aus. Es war uns eine Ehre, Teil dieser Forschung zu sein.

Selten landet eine Arbeit aus einem Designstudio in der Fachliteratur, und noch seltener wird sie mit Instrumenten gemessen, die vorhersagen, wohin das menschliche Auge tatsächlich blickt. Deshalb bedeutet uns diese Mitwirkung mehr als eine weitere Referenz im Portfolio.

Um welche Neuromarketing Studie es geht

Die Studie trägt den Titel „Human-Centred Design Meets AI-Driven Algorithms: Comparative Analysis of Political Campaign Branding in the Harris–Trump Presidential Campaigns“.

Die Forschungsfrage war einfach gestellt und schwer zu beantworten: Kann KI visuelle Kommunikation gestalten, die die Aufmerksamkeit besser hält als die Arbeit eines erfahrenen Designers?

Unsere Rolle in der Forschung

Unser Beitrag war der Designteil der Studie. Konkret haben wir:

• ein komplettes Redesign des ursprünglichen Werbematerials erstellt,
• die Grafikelemente gestaltet – typografische Hierarchien, Logos in der Komposition, Ikonografie, Hintergrundebenen und Farben,
• mehrere gezielte Untervarianten desselben Designs vorbereitet, in denen jeweils bestimmte Variablen verändert wurden, damit sich ihr Einfluss isoliert messen ließ.

Dieser letzte Punkt ist der eigentliche Kern der Arbeit. Ändert man zwischen zwei Versionen fünf Dinge gleichzeitig, weiß man nicht, welches den Unterschied gemacht hat. Deshalb arbeiteten die Untervarianten mit kontrollierten Änderungen: Schriftgröße und -stärke, Kontrastumkehr hinter der Hauptüberschrift, Wechsel des Hintergrunds von Schwarz zu Weiß und Hellgrau, ein zusätzliches Logo hinter den Figuren der Kandidaten sowie das Hinzufügen bzw. Entfernen von Parteisymbolen.

Alles entstand in Adobe Illustrator, mit einer festgelegten Palette (Dunkelblau #18345A, Rot #A81D46, Weiß #FFFFFF, Hellgrau #E9EAEE, Dunkelgrau #2A2C37, helles Orange #FDD2B5) und der Schrift Montserrat in mehreren Schnitten.

Insgesamt wurden, mit dem Originalmaterial als Kontrollpunkt, vier Versionen getestet:

• Design 0 – Originalmaterial (Baseline, aus einem Artikel von Al Jazeera)
• Design 1 – professionelles Redesign
• Design 2 – professionelles Redesign mit zusätzlichen Balance-Korrekturen
• Design 3 – professionelles Redesign nach den Empfehlungen eines KI-Assistenten

Wie gemessen wurde

Hier unterscheidet sich die Studie vom üblichen Ansatz „Mir gefällt das hier besser“. Statt subjektiver Bewertung kamen zwei Werkzeuge zum Einsatz.

Predict – KI-Eye-Tracking

Eine Software, die Neurons in Zusammenarbeit mit Stanford entwickelt hat, trainiert mit rund 180.000 Tests und einer Datenbasis von etwa 200.000 Datenpunkten aus klassischen Eye-Tracking-Geräten. Die Stichprobe war global verteilt (USA 35 %, Großbritannien 20 %, nordische Länder 20 %, DACH 10 %, übriges Europa, Lateinamerika, Naher Osten und Asien), mit ausgewogenem Geschlechterverhältnis und einer Altersspanne von 18 bis 55 Jahren.

Predict sagt die Verteilung visueller Aufmerksamkeit mit einer angegebenen Genauigkeit von rund 95 % im Vergleich zu hochpräzisem Eye-Tracking voraus – und das in Sekunden statt in den Wochen, die ein Labortest dauert.

CoPilot – ein KI-Assistent auf Basis der Neurowissenschaft

Ein Sprachmodell, erweitert um Neuromarketing-Fachliteratur, mit einer Benchmark-Datenbank von 67.429 Interessenbereichen aus 13.689 visuellen Materialien. Es lieferte die Empfehlungen, nach denen Design 3 entstand.

Metriken

Jedes Design wurde in 13 bis 14 Interessenbereiche (AOI) zerlegt – Überschrift, Fließtext, Figuren der Kandidaten, Namen, Logos und Angaben zum Veranstaltungsort. Pro Bereich wurden gemessen: Gesamtaufmerksamkeit, Engagement, Anfangsaufmerksamkeit (erste 2 Sekunden), Endaufmerksamkeit (letzte 2 Sekunden), gesehener Anteil, Klarheit der Botschaft und kognitive Belastung.

Die Datenauswertung erfolgte in Python (Pandas, Matplotlib, Seaborn, SciPy, Statsmodels), mit Spearman-Korrelation, Kruskal-Wallis-H-Test, ANOVA und Bonferroni-Korrektur.

Ergebnisse: Menschliches Design gewinnt insgesamt

Die Autoren berechneten einen gewichteten Performance-Score, der alle fünf Kernmetriken kombiniert (Gesamtaufmerksamkeit 30 %, Engagement 25 %, Anfangsaufmerksamkeit 20 %, Endaufmerksamkeit 15 %, gesehener Anteil 10 %).

Design 1 erzielte außerdem die höchste Anfangsaufmerksamkeit (99,71 gegenüber 99,61 bei der KI-Version) und das höchste Engagement in sieben von dreizehn Interessenbereichen – damit lieferte es die ausgewogenste Leistung über die gesamte Komposition, nicht nur an ein oder zwei Fokuspunkten.

Wo die KI besser war

Es wäre falsch zu behaupten, die KI habe nichts beigetragen. Design 3 erreichte die höchste Klarheit an der Figur der Kandidatin (10,77 – das beste Ergebnis aller Versionen) und eine sehr starke emotionale Reaktion im selben Bereich (9,39). Die KI hat also einzelne Fokuspunkte hervorragend optimiert.

Wo sie zurücklag: bei den Textbereichen. Beim Fließtext erreichte Design 3 einen Wert von 5,31 gegenüber 6,13 beim menschlichen Design 1. Dasselbe wiederholte sich bei mehreren anderen Text-AOIs.

Eine Nuance, die man nicht übersehen sollte

In der Analyse der rohen Attention Scores erwies sich Design 2 in mehreren Einzelkategorien als am stärksten (Fließtext 14,31; Figuren der Kandidaten 13,52 und 18,70). Den Gesamtsieg holt Design 1 dank seiner Ausgewogenheit über alle Metriken, nicht durch Dominanz in jeder einzelnen. Dieser Unterschied ist wichtig: Je nachdem, ob eine Kampagne ein einzelnes Element maximieren oder einen ausgewogenen Gesamteindruck erzielen will, ist das „beste“ Design ein anderes.

Welche Hypothesen halten und welche nicht

Die Autoren gingen diszipliniert vor und verwarfen ihre eigenen Ausgangshypothesen, wenn die Daten sie nicht stützten:

• H1 (KI-Design übertrifft traditionelle Methoden) – verworfen
• H1a (KI-Design erzielt höhere Anfangsaufmerksamkeit) – verworfen
• H1c (KI-Design erzielt höhere Klarheit) – verworfen
• H1b und H1d – teilweise bestätigt
• H2 (die Kombination aus KI-Werkzeugen und menschlicher Expertise übertrifft jeden Ansatz für sich) – klar bestätigt

Das Fazit der Studie lautet nicht „KI funktioniert nicht“, sondern: KI als Messinstrument plus menschlicher Designer als Entscheider = das beste Ergebnis. Design 1 entstand nicht blind – sondern nachdem KI-Eye-Tracking das Original analysiert und gezeigt hatte, wo die Aufmerksamkeit abfällt. Auf Grundlage dieser Daten traf der Designer dann seine kreativen Entscheidungen.

Ein interessanter Befund: Klarheit kostet kognitive Anstrengung

Die Spearman-Korrelation zwischen Klarheit und kognitiver Belastung war in allen Versionen stark positiv (0,89 bis 0,96, p < 0,0001).

In der Praxis heißt das: Die Bereiche, die die Botschaft am klarsten vermitteln, verlangen dem Betrachter zugleich die meiste mentale Anstrengung ab. Klarheit gibt es nicht umsonst. Das lässt sich direkt auf Landingpages, Banner und Verpackungen übertragen – wer ein Element „klarer“ macht, macht es oft auch anspruchsvoller. Dieser Trade-off muss bewusst über die gesamte Komposition verteilt werden, statt Element für Element gelöst zu werden.

Grenzen der Studie

Das schreiben wir mit Absicht, denn im Marketing werden Ergebnisse viel zu oft überinterpretiert.

• Die Studie ist eine Querschnittsstudie – sie zeigt Zusammenhänge, keine Ursache-Wirkungs-Beziehungen. Die Autoren weisen ausdrücklich darauf hin.
• Die ANOVA zeigte keine statistisch signifikanten Unterschiede zwischen den vier Designs bei Klarheit (F = 0,20; p = 0,899), Engagement (F = 0,01; p = 0,999) oder Gesamtaufmerksamkeit (F = 0,04; p = 0,988). Die Unterschiede im gewichteten Score sind real, aber in ihrer Größe bescheiden. Der Kruskal-Wallis-Test auf Ebene einzelner AOIs zeigte dagegen signifikante Unterschiede bei der Klarheit.
• Predict sagt Verhalten auf Basis eines Modells voraus; es misst keine konkreten Menschen in einem konkreten Moment.
• Das Material ist ein politischer Flyer. Die Übertragung der Ergebnisse auf E-Commerce oder B2B-Kommunikation ist eine vernünftige Hypothese, keine bewiesene Tatsache.

Was das für die Arbeit mit Kunden bedeutet

Drei Erkenntnisse, die wir daraus in den Arbeitsalltag mitnehmen:

1. Design lässt sich vor der Veröffentlichung testen. Man muss nicht nach einer Woche Mediabudget auf die CTR warten, um zu sehen, ob der CTA sichtbar ist.
2. KI ist ein gutes Messinstrument, aber ein schwacher Autor. Die Empfehlungen des Tools sind für einzelne Fokuspunkte nützlich; Entscheidungen zu Komposition und Text bleiben Aufgabe des Designers.
3. Gezielte Untervarianten haben einen eigenen Wert. Pro Version eine Variable kontrolliert zu verändern, ist der einzige Weg herauszufinden, was tatsächlich gewirkt hat.

Danksagung

Es war uns eine Ehre, Teil dieser Studie zu sein. Wir danken den Autoren – Dr. Hedda Martina Šola, Dr. Fayyaz Hussain Qureshi und Sarwar Khawaja – für ihr Vertrauen und die Einladung zur Mitwirkung, ebenso dem Institut za neuromarketing i intelektualno vlasništvo und dem Oxford Business College.

Die eigene Arbeit durch ein Peer-Review-Verfahren gehen und als Editor’s Choice in einem internationalen Fachjournal erscheinen zu sehen, ist eine Anerkennung, die man nicht kaufen kann.

Häufig gestellte Fragen

Wo kann ich die vollständige Studie lesen? Die Studie ist Open Access und vollständig kostenlos verfügbar: mdpi.com/2227-9709/12/1/30

Hat die KI die Materialien gestaltet? Nein. Alle vier Versionen wurden von professionellen Grafikdesignern in Adobe Illustrator erstellt. Eine Version (Design 3) entstand nach den Empfehlungen eines KI-Assistenten, umgesetzt hat sie aber ein Designer.

Was ist KI-Eye-Tracking? Eine Technologie, die auf Basis eines Modells, das mit einer großen Zahl echter Eye-Tracking-Aufnahmen trainiert wurde, vorhersagt, wohin das menschliche Auge auf einem Visual blickt – ganz ohne Tests mit Probanden.

Heißt das, dass KI im Design nutzlos ist? Nein. Die Studie bestätigte die Hypothese, dass die Kombination aus KI-Werkzeugen und menschlicher Expertise die besten Ergebnisse liefert. Verworfen wurde nur die These, dass KI allein einen Designer übertrifft.

Zitierung

Šola, H. M., Qureshi, F. H., & Khawaja, S. (2025). Human-Centred Design Meets AI-Driven Algorithms: Comparative Analysis of Political Campaign Branding in the Harris–Trump Presidential Campaigns. Informatics, 12(1), 30. https://doi.org/10.3390/informatics12010030

Die Studie ist unter einer Creative-Commons-Lizenz veröffentlicht, die die Übernahme von Inhalten, Abbildungen und Tabellen mit klarer Quellenangabe erlaubt.