Das in San Francisco ansässige Startup Mirror Particle wird auf der Startup Battlefield 200 von TechCrunch Disrupt ein von Grund auf neu entwickeltes „Weltmodell“ zur Vorhersage menschlichen Verhaltens vorstellen. Das Unternehmen argumentiert, dass die gängigen Ansätze, die auf der Rollenspiel-Fähigkeit von Großen Sprachmodellen (LLMs) basieren, für Marktforschung und Markenstrategie unzureichend sind.
Kritik an bestehenden KI-Modellen
Die derzeitige Praxis zur Vorhersage menschlichen Verhaltens stützt sich laut Mirror Particle stark auf Große Sprachmodelle (Large Language Models, LLMs), die durch Prompts oder Feinabstimmung dazu gebracht werden, bestimmte demografische Gruppen zu simulieren. Abhivyakti Ahuja, Mitgründerin und CEO von Mirror Particle, kritisiert diesen Ansatz als grundlegend fehlerhaft. Sie vergleicht die Feinabstimmung von LLMs mit einer „Super Soaker gegen die Niagarafälle“, da die riesigen Trainingsdaten der LLMs eine geringe Einflussnahme durch kleine Datensätze kaum zulassen. Ahuja betont, dass LLMs primär geschriebene Sprache modellieren, während menschliches Verhalten von visueller Wahrnehmung, räumlichem Denken und sozialer Intelligenz geprägt ist. Daher würden LLMs Einblicke liefern, die auf dem basieren, was Menschen nicht bewusst wahrnehmen, was das Ziel der Verhaltensvorhersage verfehle.
Mirror Particles Ansatz: Ein dynamisches Weltmodell
Mirror Particle verfolgt einen anderen Weg: den Aufbau eines „World Model“ von Grund auf. Dieses Modell soll simulieren, warum Menschen bestimmte Dinge tun und wie sich menschliches Verhalten im Laufe der Zeit verändert. Ziel ist es, nicht die „statische Person“, sondern die „sich verändernde Person“ zu erfassen, indem longitudinale Daten über Veränderungen, Auslöser und deren Intensität gesammelt werden. Das Startup nutzt eine proprietäre Kombination von Daten, darunter Kundendaten von Klienten, aktuelle Ereignisse, Popkultur und soziale Medien, um demografische Segmente als sich entwickelnde Systeme zu modellieren. Der Fokus liegt dabei auf „offenbartem Verhalten“ – also dem, was Menschen tatsächlich tun, im Gegensatz zu selbstberichteten Umfrageantworten.
Anwendungsbereiche und erste Erfolge
Die anfängliche Marktstrategie von Mirror Particle konzentriert sich auf Bereiche, in denen bereits Budgets für solche Einblicke existieren: Marktforschung sowie Marken- und Produktstrategie. Ein Beispiel ist die Unterstützung einer Kosmetikmarke, nicht nur bessere Werbetexte für eine junge Zielgruppe zu erstellen, sondern auch zu prüfen, ob diese Zielgruppe das beworbene Produkt überhaupt wünscht. Ahuja illustriert dies mit der Frage, ob Lidschattenpaletten oder doch eher Rouge für Gen Z relevanter sind. Die Vorhersage-Engine von Mirror Particle liefert Kunden zudem das „Warum“ hinter einem Verhalten – Motive, Einschränkungen und Kontext, die Empfehlungen untermauern. In einem Pilotprojekt für eine bekannte Tierfuttermarke zeigte die Technologie beispielsweise, dass nicht die Verpackungsbilder, sondern die Markenwahrnehmung als Massenprodukt das Absatzproblem verursachte.
Hintergrund und Vision
Die Mitgründerin und CEO Abhivyakti Ahuja bringt einen Hintergrund in Neurowissenschaften und Informatik mit, inspiriert von KI-Pionier Geoffrey Hinton. Gemeinsam mit Will Song, der Erfahrung im Aufbau von Vertriebspersonalisierungs-Engines hat, und Thomson Yen, spezialisiert auf Deep Learning zur Erforschung menschlichen Verhaltens durch KI-Agenten, gründete sie Mirror Particle. Das Startup hat bereits eine Angel-Finanzierungsrunde abgeschlossen und steht kurz vor dem Abschluss seiner ersten Venture-Runde. Die langfristige Vision ist es, eine „allgemeine Ebene zur Antizipation menschlichen Verhaltens“ zu etablieren und von breiteren populationsbezogenen Analysen zu individuellen Erkenntnissen überzugehen. Mirror Particle wird nächste Woche, vom 13. bis 15. Oktober, bei der Startup Battlefield 200 im Rahmen der TechCrunch Disrupt 2026 in San Francisco antreten.
Thema: Technologie / KI allgemein. Quelle/Inspiration: TechCrunch.