Wie vielen Umfrageantworten können Sie trauen? Das haben wir bei der Prüfung von 2.176 Personen gefunden.
- 22 bis 25 % von der Vorabprüfung gestoppt, in allen drei Umfragen
- 1 von 4, die bestanden und zu Ende ausgefüllt hatten, musste trotzdem entfernt werden
- Mit Vorabprüfung sank der Anteil der vom Auftraggeber abgelehnten Antworten von 7,9 auf 2,1 %
Die ersten 10 Personen kostenlos. Keine Kreditkarte nötig.
Kurz gesagt
Als wir 2.176 Personen vor drei Umfragen im Jahr 2026 auf Aufmerksamkeit, Antwortqualität und Bots prüften, wurden 22 bis 25 % gestoppt, in jeder Umfrage etwa gleich viele. Die Vorabprüfung allein reicht nicht: In einer Umfrage musste 1 von 4 Personen, die sie bestanden und zu Ende ausgefüllt hatten, trotzdem entfernt werden, fast alle wegen einer falsch beantworteten Aufmerksamkeitsfrage (Attention Check). Mit Vorabprüfung lehnte der Auftraggeber 2,1 % der gelieferten Antworten ab, ohne sie 7,9 %, und unabhängige Studien beziffern allein unaufmerksames Antworten auf 8 bis 12 % der Befragten.
Feldphase August bis November 2026. Externe Studien geprüft am 22. November 2026. Quellen ansehen.
Unsere Ergebnisse. Drei Umfragen, 2026.
Alle, die teilnehmen wollten, durchliefen vor der Umfrage eine Vorabprüfung auf Aufmerksamkeit, Antwortqualität und Bots. Wer gestoppt wurde, kam nie in die Umfrage. Die übrigen haben wir bis zu den Daten verfolgt, die der Auftraggeber behielt.
- Von der Vorabprüfung auf Aufmerksamkeit, Qualität und Bots gestoppt
- Ergebnis: 22 bis 25 % der Personen, die teilnehmen wollten
- Basis: 2.176 Personen in drei Umfragen, August bis November 2026
- Vorabprüfung bestanden und zu Ende ausgefüllt, dann entfernt
- Ergebnis: 1 von 4 (36 von 144), davon 34 wegen einer falsch beantworteten Aufmerksamkeitsfrage
- Basis: Studierende in Deutschland, Oktober bis November 2026
- Vom Auftraggeber abgelehnte Antworten, mit Vorabprüfung
- Ergebnis: 2,1 % (4 von 190)
- Basis: Hochschulabsolventen im Vereinigten Königreich, August 2026
- Vom Auftraggeber abgelehnte Antworten, ohne Vorabprüfung
- Ergebnis: 7,9 % (109 von 1.379)
- Basis: Dieselbe Umfrage, in denselben drei Wochen
Der Unterschied bei den Ablehnungen ist kaum Zufall (exakter Test nach Fisher, p = 0,002). Er blieb bestehen, als wir nur die fünf Stichprobenlieferanten zählten, die Befragte auf beiden Wegen schickten: 2,6 gegenüber 7,2 % (p = 0,03).
Bei nur 4 abgelehnten Antworten liegt der tatsächliche Anteil mit Vorabprüfung irgendwo zwischen etwa 0,5 und 5 %.
In jeder Umfrage etwa gleich. Egal, wer befragt wurde.
Der Anteil, den die Vorabprüfung stoppte, änderte sich zwischen den Umfragen kaum, unabhängig von Thema, Zielgruppe oder Land.
- Studierende in Deutschland
- Art der Forschung: Marktforschung
- Teilnahmewillige: 733
- Von der Vorabprüfung gestoppt: 25 %
- Hochschulabsolventen im Vereinigten Königreich
- Art der Forschung: Marktforschung
- Teilnahmewillige: 1.165
- Von der Vorabprüfung gestoppt: 22 %
- Erwachsene im Vereinigten Königreich
- Art der Forschung: Wissenschaftliche Studie
- Teilnahmewillige: 278
- Von der Vorabprüfung gestoppt: 23 %
Schlechte Antworten gibt es in mehr als einer Form. Das hat unabhängige Forschung gefunden.
Bots machen Schlagzeilen, und sie sind ein echtes Problem. Unaufmerksames Antworten ist ebenfalls ein großes, und KI besteht inzwischen die Prüfungen, die es erkennen sollen. Jede Zahl hier stammt von einer Hochschule, einer Fachzeitschrift oder dem Pew Research Center, nie von einem Unternehmen, das Stichproben oder Prüfungen verkauft.
Bots und gefälschte Befragte
-
4 bis 7 %
der Befragten in Online-Opt-in-Umfragen waren gefälscht, und 3 bis 7 % blieben nach den üblichen Prüfungen übrig.
-
12 %
der Unter-30-Jährigen in einer Opt-in-Umfrage gaben an, eine Lizenz zum Führen eines Atom-U-Boots zu haben.
-
18 %
von 11.114 Befragten einer Opt-in-Umfrage antworteten auf mindestens eine unmögliche Frage mit Ja.
-
61,8 %
der ersten Welle von Antworten auf eine in sozialen Medien geteilte Umfrage mussten entfernt werden, meist Bots.
-
94,5 %
von 271 vollständig ausgefüllten Fragebögen einer in sozialen Medien beworbenen Umfrage wurden als Betrug eingestuft.
KI-generierte Antworten und KI-Agenten
-
99,8 %
von 6.000 Aufmerksamkeitsfragen beantwortete ein KI-Agent richtig, der für Umfragen gebaut wurde.
-
34 %
der Personen, die über eine Online-Forschungsplattform rekrutiert wurden, gaben an, offene Fragen mit KI-Chatbots beantwortet zu haben.
-
33 bis 46 %
der Crowdworker nutzten Schätzungen zufolge KI für eine Zusammenfassungsaufgabe (ein Preprint, noch ohne Peer Review).
Unaufmerksame und lustlose Antworten
-
8 bis 12 %
beträgt der typische Anteil unaufmerksamer Befragter laut einem Überblick über die Forschung.
-
11,7 %
der Teilnehmenden antworteten im Schnitt über 48 Crowdsourcing-Studien hinweg unaufmerksam.
Jones et al., Experimental and Clinical Psychopharmacology, 2022
-
10 bis 12 %
der Studierenden, die für Studienpunkte eine lange Umfrage ausfüllten, antworteten unaufmerksam.
Aufmerksamkeitsfragen
-
47 %
der Befragten in einem Opt-in-Online-Panel beantworteten alle vier Aufmerksamkeitsfragen richtig. 12 % lagen bei allen vier falsch.
Berinsky, Margolis & Sances, American Journal of Political Science, 2014
Was das bedeutet für Ihre Umfrage.
-
Prüfen Sie Personen, bevor sie Ihre Umfrage erreichen
In unserer Umfrage unter Hochschulabsolventen im Vereinigten Königreich senkte die Vorabprüfung den Anteil der vom Auftraggeber abgelehnten Antworten von 7,9 auf 2,1 %.
-
Beenden Sie die Umfrage nach einer falsch beantworteten Aufmerksamkeitsfrage
In unserer Umfrage unter Studierenden in Deutschland beendete die zweite Aufmerksamkeitsfrage die Umfrage nicht, also füllten 32 Personen sie zu Ende aus und mussten von Hand entfernt werden.
-
Prüfen Sie vor der Lieferung, wie schnell geantwortet wurde
Ein vollständig ausgefüllter Fragebogen in derselben Umfrage dauerte weniger als eine halbe Minute, zu schnell, um die Fragen gelesen zu haben.
-
Lesen Sie die offenen Antworten, nicht nur die Werte
Ein KI-Agent kann Aufmerksamkeitsfragen bestehen, also schauen Sie sich an, was geschrieben wurde. Bei Umfragen, die in SampleLabs erstellt wurden, prüft Dot jede offene Antwort auf KI-generierten und eingefügten Text.
So sind wir vorgegangen. Und was die Daten nicht zeigen.
- Die Umfragen
- Drei Umfragen, die unser Forschungsteam von August bis November 2026 für Auftraggeber durchführte: eine Marktforschungsumfrage unter Studierenden in Deutschland, eine unter Hochschulabsolventen im Vereinigten Königreich und eine wissenschaftliche Studie unter Erwachsenen im Vereinigten Königreich.
- Vorabprüfung
- Vor jeder Umfrage durchliefen die Personen eine Vorabprüfung auf Aufmerksamkeit, Antwortqualität und Bots. Wer gestoppt wurde, kam nie in die Umfrage.
- Jede Person verfolgt
- Wir haben den Datensatz jeder Person über drei Exporte verknüpft: den des Stichprobenlieferanten, die Ergebnisse der Vorabprüfung und den der Umfrage selbst. Jeder Datensatz der Vorabprüfung und jeder vollständig ausgefüllte Fragebogen ließ sich zuordnen.
- Die Basis
- Die Anteile beziehen sich auf alle, die eine Umfrage begonnen haben, sodass die drei Umfragen auf derselben Basis vergleichbar sind. Ablehnungen durch den Auftraggeber beziehen sich auf die gelieferten Antworten.
- Die Grenzen
- Drei Umfragen sind eine kleine Basis. Lesen Sie die Zahlen also als erste Messung, nicht als Marktdurchschnitt. Nur bei der Umfrage unter Hochschulabsolventen im Vereinigten Königreich gab es eine Liste der vom Auftraggeber behaltenen Antworten, deshalb misst nur sie Ablehnungen durch den Auftraggeber.
Häufig gestellte Fragen
Wie viele Umfrageantworten stammen von Bots oder sind gefälscht?
Das hängt davon ab, woher die Befragten kommen. Das Pew Research Center fand in Online-Opt-in-Umfragen 4 bis 7 % gefälschte Befragte, und Umfragen, die offen in sozialen Medien geteilt wurden, verloren den Großteil ihrer Antworten: In einer Studie von 2021 wurden 61,8 % entfernt, meist Bots. In unseren Umfragen von 2026 stoppte die Vorabprüfung auf Aufmerksamkeit, Qualität und Bots 22 bis 25 % der Personen, eine Zahl, die Bots und unaufmerksames Antworten zusammen zählt.
Wie häufig sind unaufmerksame oder lustlose Antworten?
Häufig. Ein Überblick über die Forschung beziffert den typischen Anteil unaufmerksamer Befragter auf 8 bis 12 %, und eine Metaanalyse von 48 Crowdsourcing-Studien kam auf 11,7 %. In unserer Umfrage unter Studierenden in Deutschland beantworteten 34 der 144 Personen, die die Vorabprüfung bestanden und zu Ende ausgefüllt hatten, danach eine Aufmerksamkeitsfrage in der Umfrage falsch.
Funktionieren Aufmerksamkeitsfragen noch?
Sie erkennen Personen, die nicht lesen, und das ist noch immer eine große Gruppe. KI erkennen sie nicht: In einer PNAS-Studie von 2025 beantwortete ein KI-Agent 99,8 % von 6.000 Aufmerksamkeitsfragen richtig. Setzen Sie sie zusammen mit Prüfungen ein, die zeigen, wie Personen antworten. Dot macht beides in Protect.
Wie viele Umfrageantworten schreibt eine KI?
Eine verlässliche Zahl für den ganzen Markt gibt es noch nicht. In einer Studie von 2025 gaben 34 % der Personen, die über eine Online-Forschungsplattform rekrutiert wurden, an, offene Fragen mit KI-Chatbots beantwortet zu haben, und ein Preprint von 2023 schätzte, dass 33 bis 46 % der Crowdworker bei einer Schreibaufgabe KI nutzten. Was Dot prüft, steht auf der Seite Wie wir KI erkennen.
Verbessert eine Vorabprüfung die Daten, die ein Auftraggeber erhält?
In unserer Umfrage unter Hochschulabsolventen im Vereinigten Königreich ja. In denselben drei Wochen lief ein Teil der Befragten durch die Vorabprüfung, ein Teil nicht. Der Auftraggeber lehnte 2,1 % der Antworten mit Vorabprüfung ab (4 von 190) und 7,9 % der übrigen (109 von 1.379). Dieser Unterschied ist kaum Zufall (exakter Test nach Fisher, p = 0,002).
Warum in der Umfrage prüfen, wenn vorab schon geprüft wurde?
Weil manche erst in der Umfrage unaufmerksam werden. In unserer Umfrage unter Studierenden in Deutschland mussten 36 der 144 Personen, die die Vorabprüfung bestanden und zu Ende ausgefüllt hatten, trotzdem entfernt werden, 34 davon wegen einer falsch beantworteten Aufmerksamkeitsfrage. Prüfungen vor und während der Umfrage erkennen unterschiedliche Personen.
Ist der Anteil schlechter Antworten in jeder Umfrage gleich?
In unseren drei Umfragen blieb er fast gleich: 22 bis 25 %, in Marktforschung und Wissenschaft, bei Studierenden, Hochschulabsolventen und Erwachsenen, in Deutschland und im Vereinigten Königreich. Prüfungen lohnen sich also bei jeder Umfrage, nicht nur bei schwierigen.
Wie sind Sie bei dieser Studie vorgegangen?
Wir haben den Datensatz jeder Person über drei Exporte verknüpft: den des Stichprobenlieferanten, die Ergebnisse der Vorabprüfung und den der Umfrage selbst. Jeder Datensatz der Vorabprüfung und jeder vollständig ausgefüllte Fragebogen ließ sich zuordnen. Die Anteile beziehen sich auf alle, die eine Umfrage begonnen haben, sodass die drei Umfragen auf derselben Basis vergleichbar sind.
Kann ich meine eigene Umfrage auf Bots und KI-Antworten prüfen?
Ja. Protect stellt Dot vor eine Umfrage, die Sie bereits in Qualtrics, Google Forms oder einem anderen Tool durchführen, und prüft auf Bots, zu schnelles Ausfüllen, Mehrfachteilnahmen und Aufmerksamkeit. Wir richten es in einem kurzen Gespräch mit Ihnen ein. Die Erkennung von KI-Antworten läuft bei Umfragen, die Sie in SampleLabs erstellen.
Darf ich diese Zahlen zitieren?
Ja. Bitte nennen Sie SampleLabs und verlinken Sie diese Seite. Die unabhängigen Zahlen gehören ihren Autoren, zitieren Sie also die Originalstudie, die am Ende dieser Seite unter den Quellen steht.
Woher diese Zahlen stammen
Unsere eigenen Zahlen stammen aus den drei Umfragen oben. Die übrigen stammen aus diesen Studien, jeweils mit der Studie selbst abgeglichen.
- Pew Research Center, 2020
- Pew Research Center, 2024
- Pew Research Center, 2026
- Griffin et al., Quality & Quantity, 2021
- Pozzar et al., Journal of Medical Internet Research, 2020
- Westwood, PNAS, 2025
- Zhang, Xu & Alvero, Sociological Methods & Research, 2025
- Veselovsky, Ribeiro & West, arXiv, 2023
- Curran, Journal of Experimental Social Psychology, 2016
- Jones et al., Experimental and Clinical Psychopharmacology, 2022
- Meade & Craig, Psychological Methods, 2012
- Berinsky, Margolis & Sances, American Journal of Political Science, 2014