Wie nutzen Sie ChatGPT Deep Research für die Marktgrößenbestimmung?

Kurz gesagt: ChatGPT Deep Research kann strukturierte TAM-, SAM- und SOM-Schätzungen für B2B-SaaS-Märkte erstellen, indem es öffentliche Daten, Branchenberichte und Wettbewerbssignale in einer einzigen Sitzung zusammenführt. Geben Sie einen gut strukturierten Prompt mit Zielsegment, Region und Annahmen vor, und Sie erhalten in Minuten statt Tagen einen dokumentierten Bericht zur Marktgrößenbestimmung.

Die Bestimmung der B2B-Marktgröße ist eine dieser Aufgaben, die auf einer Folie simpel aussieht und in der Praxis ewig dauert. Sie springen zwischen Statista-Paywalls, Analysten-PDFs und LinkedIn-Schätzungen hin und her und setzen am Ende alles manuell zusammen.

ChatGPT Deep Research verändert diesen Ablauf. Dieser Leitfaden zeigt den Leserinnen und Lesern von SaaS Hackers genau, wie sich damit eine belastbare TAM/SAM/SOM-Aufschlüsselung erstellen lässt. Dazu gehören die Prompt-Vorlage, die wir verwenden, und die Stellen, an denen Sie das Ergebnis plausibilisieren sollten, bevor es Investoren oder Ihrem Board vorgelegt wird.

Was ist ChatGPT Deep Research und warum ist es für die Marktgrößenbestimmung wichtig?

ChatGPT Deep Research ist ein Modus innerhalb von ChatGPT (verfügbar in kostenpflichtigen Tarifen), der vor der Antwort selbstständig mehrstufige Webrecherchen durchführt. Statt allein aus Trainingsdaten zu antworten, sucht, liest und verdichtet es Quellen in Echtzeit und erstellt daraus einen strukturierten Bericht mit Quellenangaben.

Für die Marktgrößenbestimmung ist das wichtig, weil:

• es auf aktuelle Branchenquellen zurückgreift statt auf Daten, die beim Trainingsstichtag eingefroren wurden
• es mehrere Eingangsgrößen abgleicht, um Schätzungen zu triangulieren
• es seine Herleitung dokumentiert, sodass Sie die Logik prüfen können

Das Ergebnis ersetzt keine beauftragte Marktforschung. Es ist ein schneller, strukturierter erster Entwurf, für den früher ein Junior-Analyst zwei bis drei Tage gebraucht hätte.

TAM, SAM und SOM verstehen, bevor Sie promten

Bevor Sie auch nur einen Prompt schreiben, sollten Sie genau wissen, was Sie eigentlich abfragen.

TAM (Total Addressable Market): Das gesamte globale Umsatzpotenzial, wenn Sie jeden möglichen Kunden in Ihrer Kategorie gewinnen würden.

SAM (Serviceable Addressable Market): Der Teil des TAM, den Sie mit Ihrem aktuellen Produkt, Ihrer Preisgestaltung und Ihrem Go-to-Market-Vorgehen realistisch erreichen können.

SOM (Serviceable Obtainable Market): Der Anteil am SAM, den Sie angesichts Ihrer Ressourcen und des Wettbewerbs in einem definierten Zeitraum gewinnen können, typischerweise drei bis fünf Jahre.

Jede Ebene braucht andere Eingangsdaten. Der TAM wird meist Top-down ermittelt (Branchenberichte, Analystenschätzungen). Der SAM erfordert Ihre ICP-Definition (Unternehmensgröße, Branche, Region). Der SOM braucht Wettbewerbsdaten und Wachstumsannahmen.

ChatGPT Deep Research bewältigt TAM und SAM gut. Beim SOM müssen Ihre internen Annahmen in den Prompt einfließen.

So richten Sie ChatGPT Deep Research für eine Sitzung zur Marktgrößenbestimmung ein

Schritt 1: Deep-Research-Modus öffnen

Wählen Sie in ChatGPT das Modell-Dropdown und dann Deep Research. Das ist in den Tarifen ChatGPT Plus, Team und Enterprise verfügbar. Die Sitzung zeigt an, dass sie recherchiert, bevor sie antwortet.

Schritt 2: Eingaben vorbereiten

Notieren Sie sich vor dem Prompt:

• Ihre Produktkategorie (so konkret wie möglich: „KI-gestützte Software zur Vertragsprüfung“ statt „Legal Tech“)
• Ihr Zielkundenprofil (Unternehmensgröße, Branche, Region)
• Das Erlösmodell, das Sie berechnen (ARR pro Nutzerplatz, pro Transaktion, pro Unternehmen)
• Den Zeithorizont für Ihre SOM-Schätzung
• Bekannte Wettbewerber oder Markt-Benchmarks, die einbezogen werden sollen

Je genauer Ihre Eingaben, desto präziser das Ergebnis.

Schritt 3: Prompt ausführen (Vorlage unten)

Fügen Sie Ihren vorbereiteten Prompt in den Deep-Research-Modus ein. Rechnen Sie damit, dass die Sitzung zwei bis fünf Minuten dauert, während sie Suchen durchführt.

Schritt 4: Quellen prüfen

Deep Research nennt seine Quellen. Öffnen Sie jede einzelne. Prüfen Sie, ob die zugrunde liegenden Daten von seriösen Organisationen stammen (Gartner, IDC, Grand View Research, staatliche Datensätze oder anerkannte Branchenverbände). Verwerfen Sie jede Zahl, die aus den eigenen Marktangaben eines Anbieters stammt.

Die Prompt-Vorlage: TAM/SAM/SOM für B2B SaaS

Kopieren und passen Sie diesen Prompt an. In den eckigen Klammern tragen Sie Ihre eigenen Angaben ein.

Prompt:

You are a B2B market research analyst. I need a structured market sizing report for a SaaS product in the following category: [describe your product in one sentence, e.g. "AI-powered invoice processing software for mid-market logistics companies"].

Please research and produce a TAM/SAM/SOM analysis using the following parameters:

Target customer profile:

• Company size: [e.g. 50-500 employees]

• Industries: [e.g. logistics, freight, supply chain]

• Geography: [e.g. UK and Western Europe]

• Buying role: [e.g. CFO or Head of Finance]

Pricing assumption: [e.g. £500/month per company, billed annually]

TAM: Estimate the total global market for [product category] software. Use top-down methodology, citing analyst reports, industry data, or credible market research where available.

SAM: Narrow TAM to companies matching the target customer profile above. Estimate the number of qualifying companies and multiply by the annual pricing assumption to produce a revenue-based SAM figure.

SOM: Assume a realistic market penetration rate for a well-funded Series A SaaS company over five years. Cite comparable SaaS benchmarks where possible.

For each layer, show your working: the data source, the assumption applied, and the resulting figure. Flag any estimates where data quality is low or where I should verify independently.

Format the output as: (1) Executive Summary, (2) TAM Analysis, (3) SAM Analysis, (4) SOM Analysis, (5) Key Assumptions and Risks, (6) Sources.

Diese Struktur zwingt Deep Research, auf jeder Ebene seine Herleitung offenzulegen. Genau das macht das Ergebnis prüfbar, statt nur eine Zahl zu liefern, die Sie nicht verteidigen können.

Wie ein gutes Ergebnis aussieht

Eine gelungene Deep-Research-Antwort auf diesen Prompt enthält:

• Eine TAM-Zahl mit Quelle (z. B. „Der globale Markt für Automatisierung von Kreditorenbuchhaltung hatte 2023 laut Grand View Research ein Volumen von 2,8 Milliarden US-Dollar“)
• Eine SAM-Berechnung, die die Anzahl der passenden Unternehmen multipliziert mit Ihrer Preisannahme zeigt
• Eine SOM-Schätzung mit angegebener Marktdurchdringung und einem vergleichbaren Benchmark
• Eine klare Liste der Annahmen und der Stellen, an denen die Datenlage am schwächsten ist

Liefert die Antwort nur eine einzelne Zahl ohne Rechenweg, lassen Sie sie mit einem Folge-Prompt neu erstellen: „Zeige mir die schrittweise Berechnung für jede Ebene mit der Quelle für jede Eingangsgröße.“

Wo ChatGPT Deep Research an Grenzen stößt

Deep Research ist stark in der Synthese. Es hat jedoch echte Grenzen, die Sie einplanen müssen.

Die Aktualität der Daten schwankt. Manche Quellen sind zwei bis drei Jahre alt. Prüfen Sie immer das Veröffentlichungsdatum der zitierten Berichte.

Es hat keinen Zugriff auf kostenpflichtige Datenbanken. Vollständige Berichte von Gartner und Forrester, Bloomberg und Pitchbook liegen hinter Paywalls. Deep Research zitiert Zusammenfassungen, sofern sie öffentlich verfügbar sind, kann aber keine vollständigen Analystenberichte abrufen.

Der SOM ist von Natur aus spekulativ. Kein KI-Tool kann Ihnen sagen, welchen Marktanteil Sie gewinnen werden. Die SOM-Zahl ist eine an Benchmarks orientierte Schätzung, keine Prognose. Die Annahmen liegen bei Ihnen.

Es kann Quellenangaben erfinden. Das ist das größte Risiko. Prüfen Sie immer, ob die genannte Quelle die zugeschriebene Zahl tatsächlich enthält. Öffnen Sie die URL. Kontrollieren Sie die Zahl.

So plausibilisieren Sie Ihr Ergebnis zur Marktgrößenbestimmung

Führen Sie diese Prüfungen durch, bevor Sie die Zahlen in einem externen Dokument verwenden.

1. Bottom-up-Gegenprobe. Nehmen Sie Ihre SAM-Berechnung und erstellen Sie sie unabhängig davon von unten nach oben. Zählen Sie mit LinkedIn Sales Navigator oder Apollo die passenden Unternehmen in Ihrem ICP. Multiplizieren Sie mit Ihrem ACV. Liegt die Zahl innerhalb von 30 bis 40 % des Top-down-SAM, haben Sie eine vernünftige Schätzung.
   
2. Prüfung anhand von Wettbewerberumsätzen. Gibt es in Ihrer Kategorie einen börsennotierten oder gut dokumentierten Wettbewerber, nutzen Sie dessen veröffentlichten ARR und seine Marktanteilsangaben, um Ihren TAM zu plausibilisieren. Behauptet ein Wettbewerber 5 % Marktanteil und meldet 10 Mio. £ ARR, ergibt sich daraus ein TAM von 200 Mio. £.
   
3. Prüfung anhand von Investoren-Benchmarks. Suchen Sie nach Investoren-Memos oder Analystenberichten, die Ihre Kategorie erwähnen. Y Combinator, Bessemer Venture Partners und OpenView Partners veröffentlichen Marktdaten öffentlich. Weicht Ihr TAM stark von den Zahlen ab, die Investoren nennen, finden Sie heraus, warum.
   
4. Lassen Sie Deep Research sich selbst hinterfragen. Führen Sie einen Folge-Prompt aus: „Was sind die drei stärksten Argumente dafür, dass diese TAM-Schätzung zu hoch ist? Was würde ein skeptischer Investor sagen?“ So kommen schwache Annahmen ans Licht, bevor es jemand anderes tut.
   

Wenn Sie über die internen Prüfungen hinaus eine externe Validierung brauchen: SaaS Hackers führt über sein Verzeichnis der Top-Agenturen außerdem eine geprüfte Liste von B2B-SaaS-SEO-Agenturen und spezialisierten Partnern aus verschiedenen Wachstumsdisziplinen. Das kann hilfreich sein, wenn Sie Ihre Kategoriepositionierung und Ihre Go-to-Market-Annahmen auf den Prüfstand stellen wollen.

Das Ergebnis in Pitch Decks und Board-Unterlagen verwenden

Die Marktgröße in einem Pitch Deck muss belastbar sein, nicht nur beeindruckend. Wenn Sie mit Deep Research erstellte TAM/SAM/SOM-Zahlen präsentieren:

• Nennen Sie immer die zugrunde liegende Quelle, nicht das KI-Tool. „Laut Grand View Research“, nicht „laut ChatGPT“.
• Zeigen Sie die Methodik. Investoren, die einen TAM von 5 Mrd. £ ohne sichtbaren Rechenweg sehen, werden fragen, wie Sie darauf gekommen sind. Halten Sie die Antwort bereit.
• Stellen Sie den SAM als Ihren tatsächlichen Absatzmarkt dar. Der TAM ist der Kontext. Der SAM ist das, was Sie wirklich angehen.
• Verankern Sie den SOM an einem benannten Vergleichsunternehmen. „Wir streben in fünf Jahren 2 % des SAM an, in Übereinstimmung mit [Wettbewerber X] in einer vergleichbaren Phase.“

SaaS Hackers empfiehlt, das Deep-Research-Ergebnis als ersten Entwurf zu behandeln, nicht als fertiges Ergebnis. Es bringt Sie in 10 % der Zeit zu 70 % des Weges. Die verbleibenden 30 % sind Ihr Urteilsvermögen, Ihre Marktkenntnis und Ihre Verifizierungsarbeit. Wenn Sie rund um diese Recherche das übergeordnete Wachstumssystem aufbauen, sind der Bereich Ressourcen und der Leitfäden-Hub von SaaS Hackers sinnvolle nächste Anlaufstellen.

FAQs

Was ist ChatGPT Deep Research und wie unterscheidet es sich vom Standard-ChatGPT?

ChatGPT Deep Research ist ein Modus, der vor der Antwort selbstständig mehrstufige Websuchen durchführt. Das Standard-ChatGPT antwortet allein aus Trainingsdaten. Deep Research ruft aktuelle Quellen aktiv ab und verdichtet sie, wodurch es bei Aufgaben wie der Marktgrößenbestimmung, bei denen die Aktualität der Daten zählt, deutlich zuverlässiger ist.

Kann ChatGPT Deep Research eine Marktforschungsagentur für die Marktgrößenbestimmung bei B2B SaaS ersetzen?

Nein, aber es ersetzt die Phase des ersten Entwurfs, die üblicherweise Tage an Analystenzeit kostet. Deep Research liefert einen strukturierten Ausgangspunkt mit Quellenangaben. Eine Marktforschungsagentur ergänzt Primärforschung, proprietäre Datenbanken und eine validierte Methodik. Für eine frühe Marktgrößenbestimmung als Grundlage für einen Pitch oder eine Produktentscheidung reicht Deep Research bei sorgfältiger Verifizierung aus. Wenn Sie spezialisierte Unterstützung wünschen, stöbern Sie im kuratierten Verzeichnis Experten finden von SaaS Hackers.

Wie genau ist ChatGPT Deep Research bei TAM-Schätzungen?

Die Genauigkeit hängt davon ab, wie gut die Daten in Ihrer Kategorie verfügbar sind. Gut dokumentierte Märkte (CRM, HR-Tech, Cybersecurity) liefern engere Schätzungen, weil mehr öffentliche Daten vorliegen. Bei Nischen- oder aufstrebenden Kategorien sind die Unsicherheitsspannen größer. Prüfen Sie Zahlen immer anhand mindestens einer unabhängigen Quelle und verwenden Sie in formellen Dokumenten Spannen statt Punktschätzungen.

Welchen ChatGPT-Tarif brauche ich für Deep Research?

Deep Research ist in den ChatGPT-Tarifen Plus, Team und Enterprise verfügbar. Im kostenlosen Tarif steht es nicht zur Verfügung. Stand 2024 gibt es für Plus-Nutzer ein monatliches Nutzungslimit für Deep-Research-Anfragen. Bündeln Sie Ihre Marktgrößen-Analysen daher, statt mehrere explorative Prompts auszuführen.

Eignet sich das Ergebnis von ChatGPT Deep Research für die Due Diligence von Investoren?

Das Ergebnis ist ein Ausgangspunkt, keine finale Vorlage. Investoren hinterfragen die Methodik und die Quellen hinter jeder Zahl zur Marktgröße. Nutzen Sie Deep Research, um Ihre Analyse zu strukturieren und Quellen zu finden. Prüfen Sie anschließend jede Zahl unabhängig, bevor Sie sie in Unterlagen aufnehmen, die genau geprüft werden.