ManyPerson - Koreanischer KI-Persona-Meinungssimulator auf Basis von MDIS-Daten von Statistics Korea

• Ein KI-Persona-Meinungssimulationsdienst, der auf den MDIS-Mikrodaten von Statistics Korea basiert und die Verteilung von Demografie, Haushaltsformen, Einkommen, Vermögen, Schulden und Berufsgruppen in der koreanischen Gesellschaft abbildet

• Wenn Nutzer eine Frage eingeben, wählt das System passende KI-Bürger entsprechend den Bedingungen aus, erzeugt Antworten und analysiert die Ergebnisse nach Zustimmung/Ablehnung, Auswahloptionen, Altersgruppe, Geschlecht, Einkommensquintil, Berufsgruppe usw.

• Die Rohdaten-CSV der Haushaltsfinanz- und Wohlfahrtsumfrage 2025 aus MDIS wurden auf Ebene von 34.880 Haushalts-Masterdatensätzen und 69.929 Haushaltsmitgliedern geparst und zusammengeführt, um rund 41.000 koreanische Personas für den Dienst zu erstellen

• Mit Gemini werden Berufsbezeichnungen, Persönlichkeit, Hobbys, Herkunftsort und Ich-Vorstellung erzeugt, die mit den Codes von Statistics Korea allein nicht ausreichend abgedeckt sind; zugleich werden Nebenbedingungen eingebaut, damit Einkommen, Vermögen, Schulden sowie Beruf und Narrativ nicht im Widerspruch stehen

• Statt das LLM einfach einmal zu fragen: „Was würden 100 Menschen in Korea sagen?“, antworten reale verteilungsbasierte Personas jeweils mit unterschiedlichem Hintergrund und Sprachstil, und die Ergebnisse werden unter Anwendung statistischer Gewichte aggregiert

Probleme bestehender LLM-Meinungssimulationen

Wenn man ein LLM direkt fragt: „Simuliere die Meinungen von 100 koreanischen Bürgern“, sind die Ergebnisse oft zu durchschnittlich oder verzerren sich in Richtung einiger Berufe, Regionen oder Neigungen, mit denen das Modell vertraut ist

• Die tatsächliche Haushaltsstruktur, Einkommensquintile, Berufsgruppen, Unterschiede zwischen Metropolregion und Nicht-Metropolregion sowie Status wie arbeitslos, im Ruhestand, Studierende oder Hausfrau/Hausmann werden nicht ausreichend berücksichtigt

• Gerade bei Fragen, bei denen Unterschiede zwischen Gruppen wichtig sind, etwa zu Meinung, Politik oder Produktreaktionen, ist „wer warum anders denkt“ wichtiger als „eine plausible einheitliche Antwort“

• Bei derselben Frage zur Immobilienpolitik können zum Beispiel ein wohnungsloser Mensch in den 20ern außerhalb der Metropolregion, ein Eigenheimbesitzer in den 50ern in der Metropolregion und ein Mensch in den 70ern mit Mieteinkünften nach der Rente aus völlig unterschiedlichen Gründen urteilen

• ManyPerson geht dieses Problem an, indem solche Unterschiede zunächst als Hintergrunddaten der Personas aufgebaut und erst darauf aufbauend Antworten erzeugt werden

Datenquelle und Erstellungsweise

• Aufbau einer Persona-Erzeugungspipeline auf Basis der Daten der Haushaltsfinanz- und Wohlfahrtsumfrage 2025 aus dem MDIS von Statistics Korea

• Erzeugung personenbezogener Personas durch Join von Haushalts-Master-CSV und Haushaltsmitglieds-CSV anhand einer eindeutigen Haushaltsnummer

• Umwandlung von Geschlecht, Alter, Beziehung innerhalb des Haushalts, Familienstand, höchstem Bildungsabschluss, Erwerbsstatus, grober Berufsklassifikation, grober Branchenklassifikation, Metropolregionszugehörigkeit, Wohnform, Haushaltsgröße und Einkommensquintil anhand des Codebooks in menschenlesbare Werte

• Gesamthaushaltseinkommen, verfügbares Einkommen, Konsumausgaben, Lebensmittelausgaben, Wohnkosten, Bildungsausgaben, medizinische Ausgaben, Gesamtvermögen, Schulden und Nettovermögen bleiben ebenfalls als Persona-Attribute erhalten

• Haushaltseinkommen wird nicht unverändert als individuelles Einkommen verwendet; stattdessen wird ein geschätztes persönliches Jahreseinkommen heuristisch verteilt, je nach Haushaltsvorstand/Ehepartner/Kinder/arbeitslos/im Ruhestand

• Die Gewichtungswerte von Statistics Korea werden als weight gespeichert, sodass nicht nur einfache Antwortzahlen, sondern auch bevölkerungsproportionale gewichtete Statistiken berechnet werden können

Erzeugung von Persona-Details

• Da die MDIS-Rohdaten allein nicht ausreichen, um zu begründen, „warum diese Person so spricht“, werden mit Gemini zusätzliche Details für den Dienst erzeugt

• Zu den erzeugten Feldern gehören konkrete Berufsbezeichnung, MBTI, Persönlichkeit, Hobbys, Herkunftsort und eine kurze Selbstvorstellung

• Berufsbezeichnung und Selbstvorstellung werden gemeinsam mit Jahreseinkommen, Gesamthaushaltseinkommen, Nettovermögen, Schulden, grober Berufsklassifikation und Erwerbsstatus erzeugt, um die Plausibilität zu verbessern

• Bei einem Jahreseinkommen von über 100 Millionen Won sollen etwa Führungskräfte, hochbezahlte Fachkräfte oder erfolgreiche Selbstständige entstehen; bei 0 Won Jahreseinkommen oder Status wie arbeitslos, im Ruhestand oder Kind sollen keine erzwungenen Angestelltenprofile erzeugt werden

• Wenn Haushaltseinkommen und Vermögen hoch sind, das persönliche Einkommen aber niedrig, werden Kontexte wie Hausfrau oder Hausmann mit gut verdienendem Ehepartner, Studierende mit vermögenden Eltern oder Rentner, die von Mieteinnahmen leben, natürlich abgebildet

• Bei hoher Verschuldung ist das System so ausgelegt, dass sich finanzieller Druck in Selbstvorstellung oder Persönlichkeit zeigt

• Da es im anfänglichen Erzeugungsprozess Probleme gab wie „Niedrigeinkommensschicht, aber Abteilungsleiter in einer Großkanzlei“ oder „Hocheinkommensschicht, aber Aushilfskraft“, wurde über eine separate Phase-2-Regenerierungspipeline die occupation/bio von rund 41.000 Personen erneut korrigiert

• Die Erzeugungsergebnisse werden nicht gesammelt im Speicher gehalten und dann gespeichert, sondern in einer Streaming-Struktur unmittelbar nach der Erzeugung jeder Persona einzeln in PostgreSQL JSONB aktualisiert

• Selbst wenn unterwegs ein Pod ausfällt, bleiben bereits übernommene Daten erhalten, und die Ausführung kann mithilfe des Markers migrationPhase2 fortgesetzt werden

Ablauf der Servicenutzung

• Nutzer geben eine Frage in natürlicher Sprache ein

• Gemini + Search Grounding strukturieren die Frage und empfehlen bei Bedarf eine Zusammenfassung des Hintergrunds sowie Filterbedingungen

• Ziel-Personas werden nach Geschlecht, Altersgruppe, Region, Einkommensquintil, Bildungsstand, Berufsgruppe, Haushaltsgröße, Familienstand usw. gefiltert

• Die final ausgewählten KI-Bürger antworten auf Basis ihres jeweiligen Persona-Snapshots

• Antworten werden sofort in der DB gespeichert, sodass im Fortschrittsbildschirm ein Teil der Antworten in Echtzeit sichtbar ist

• Nach Abschluss werden Verteilungen für positiv/neutral/negativ oder Multiple-Choice-Optionen berechnet; zusätzlich werden gewichtete Ergebnisse unter Anwendung der Gewichtungswerte von Statistics Korea angezeigt

• Es werden Kreuzanalysen nach demografischen Achsen wie Altersgruppe, Geschlecht, Einkommensquintil, Bildungsstand und Berufsgruppe bereitgestellt

• Das Endergebnis wird als teilbare Seite erzeugt, auf der sowohl Antwortkarten einzelner Personas als auch Gesamtstatistik-Charts einsehbar sind

Anwendungsbeispiele

• Schnell abschätzen, wie Angestellte in ihren 20ern und 30ern in der Metropolregion auf einen neuen Service oder eine Produktidee reagieren könnten

• Erkunden, bei welchen Begründungen sich Meinungen zu Politik- oder Gesellschaftsthemen je nach Altersgruppe, Einkommensquintil oder Berufsgruppe unterscheiden

• Bewertungen durch KI-Bürger mit vielfältigem Hintergrund zu Werbetexten, Preisstrategien, Prioritäten bei App-Funktionen, Stellenanzeigen oder Bewerbungsschreiben einholen

• Vor einer echten Umfrage vorab untersuchen, welche Fragen unklar sind oder bei welchen Gruppen die Reaktionen auseinandergehen könnten

Unterschiede zu Nemotron-Personas-Korea

• Wenn Nemotron-Personas-Korea ein groß angelegter synthetischer koreanischsprachiger Persona-Datensatz ist, dann ist ManyPerson eher die Umsetzung dieser Idee als „Webdienst, in dem man sofort Fragen stellt und Ergebnisse sieht“

• ManyPerson fokussiert sich derzeit weniger auf die Veröffentlichung eines offenen Datensatzes, sondern stärker auf ein Produkterlebnis, das intern einen statistikbasierten Persona-Pool aufbaut und passend zur Nutzerfrage Sampling, Antworterzeugung und statistische Analyse miteinander verbindet

• Auch die Datenzusammensetzung geht über ein einfaches demografisches Profil hinaus und nutzt die Informationen zu Einkommen, Vermögen, Schulden und Konsumausgaben aus der Haushaltsfinanz- und Wohlfahrtsumfrage aktiv für die Persona-Erzeugung und die Interpretation der Ergebnisse

Tech-Stack

• Webserver auf Basis von Node.js, Express und EJS (für schnelle Entwicklung wurden einige Module einfach in Go geschrieben)

• Speicherung von Personas, Simulationen, Antworten sowie Zahlungs-/Credit-Daten in PostgreSQL/Cloud SQL

• Erweiterte Attribute der Personas werden in PostgreSQL JSONB gespeichert, um Beruf, Bildung, Einkommensquintil, Herkunftsort, Persönlichkeit und Selbstvorstellung flexibel zu verwalten

• Valkey für Queue- und Cache-Verarbeitung

• Getrennter Betrieb von Server und Worker auf GKE Autopilot

• Erzeugung von Persona-Details und Simulationsantworten mit Modellen der Gemini-3-Familie und der Vertex AI Flex API

• Echtzeit-Streaming von Simulationsfortschritt und neuesten Antworten per SSE

Grenzen und Hinweise

• Die Ergebnisse von ManyPerson sind keine echte Meinungsumfrage, sondern eine virtuelle Simulation auf Basis von KI-Personas

• Da das System vom Veröffentlichungsumfang und der Code-Ebene des MDIS von Statistics Korea abhängt, müssen Variablen wie Detailregionen, politische Neigungen oder Bekanntheit aktueller Themen separat geschätzt oder eingegeben werden

• Die von LLM erzeugten Details sind synthetische Informationen zur Erhöhung der Plausibilität; eine Ähnlichkeit mit real existierenden Personen ist nicht beabsichtigt

• Je kleiner die Stichprobe oder je enger der Filter, desto eher sollten die Ergebnisse als explorative Referenz betrachtet werden

• Dennoch erscheint es als nützlicherer Ausgangspunkt, zunächst vielfältige KI-Bürger auf Basis realer Demografie- und Haushaltsdaten zu erzeugen und ihre Antworten zu sammeln, anstatt „ein einziges LLM die durchschnittliche Meinung der Koreaner imaginieren zu lassen“