Technologie & Methodik
KI liest.
Das Backend urteilt.
Die Trennung von Content-Erstellung und Bewertung ist der Kern der Plattform – und der Grund, warum jedes Ranking reproduzierbar ist.
Quellen-Netzwerk
Viele Kanäle.
Ein Produktprofil.
Wir erheben Rohdaten dort, wo Produkte verkauft, bewertet und getestet werden. Jeder Kanal hat andere Stärken – zusammen ergeben sie das vollständige Bild.
| Datenpunkt | Marktplätze | Shopping-Aggregatoren | Tests & Fachmedien | Social & Video |
|---|---|---|---|---|
| Bewertungsmasse | sehr hoch | ergänzend | – | – |
| Rezensionsinhalte | ja | teilweise | Testurteile | Erfahrungsberichte |
| Verkaufsränge | ja | Proxy-Berechnung | – | – |
| Händler & Preisspanne | begrenzt | sehr hoch | – | – |
| Produktvarianten | hoch | sehr hoch | – | – |
| Technische Datenblätter | ja | ja | – | – |
| Markenwahrnehmung | – | – | – | ja |
Quellenoffene Architektur: Weitere Marktplätze und Netzwerke lassen sich jederzeit anschließen. Neue Kanäle verändern nicht die Methodik, nur die Datenbreite.
Pipeline
Von der Rohdatenquelle
zur Vergleichsseite.
Sechs Arbeitsschritte in vier Phasen: Erfassen, Strukturieren, Bewerten, Ausspielen.
Titel, Varianten, Preise, Händler, Bewertungen, Datenblätter und Verfügbarkeit – von Marktplätzen und Shopping-Aggregatoren, ergänzt um Tests, Videos und Social-Signale.
Fehlzuordnungen, Zubehör und Dubletten raus. Dasselbe Modell aus verschiedenen Kanälen wird zu einem Produktprofil. Erst dann ist die echte Kategoriegröße bekannt.
Sprachmodelle machen aus Datenblättern kategoriespezifische Vergleichsfelder – etwa Flächenleistung, Akkulaufzeit, Navigationsart.
Rezensionen, Preiswahrnehmung, Fehlerberichte – ergänzt um die Markenwahrnehmung in sozialen Medien.
Deterministisch: vier Säulen, Normierung in der Kategorie, bayesianische Glättung, Sigmoid-Transformation. Keine Modell-Willkür, kein Herstellereinfluss.
Tabellen, Kriterien und Textmodule – mit redaktionellem Check vor der Veröffentlichung. Als Widget, API, Studie oder Vergleichswelt.
So entsteht der TRUFL Score
40 bis 100 Punkte.
Immer im Vergleich zur eigenen Kategorie.
Kundenfeedback
Wie zufrieden sind Käufer wirklich?
Sternebewertungen von Marktplätzen und aus den Händlerbewertungen, die Aggregatoren bündeln. Dazu die Stimmung der Rezensionen (nur zum Produkt), Preiswahrnehmung und gehäufte Defekte. Expertentests bringen bis zu +4,5 %.
Markenperformance
Liefert die Marke verlässlich Qualität?
Wie alle Produkte der Marke in der Kategorie abschneiden – ergänzt um die Diskussion über die Marke auf Reddit und X.
Marktvalidierung
Setzt sich das Produkt im Markt durch?
Verkaufsränge als Perzentil der bereinigten Kategorie. Wo kein Rang vorliegt, rechnen wir mit einem konservativen Proxy aus Aggregator-Daten.
Technische Merkmale
Was steckt technisch drin?
Von der Category Factory extrahierte Merkmale, nach Relevanz gewichtet und absolut bewertet. Fehlen Daten, gilt ein neutraler Basiswert.
Bayesianische Glättung
Wenige Bewertungen ziehen zum Kategoriemittel. Mit mehr Daten zählt das echte Feedback.
Mindestdaten
Mindestens ein echtes Signal – Kundenbewertungen oder ein Verkaufsrang. Sonst kein Score.
Sigmoid-Transformation
Eine S-Kurve trennt die Spitze klarer. Eine 85 bei Kopfhörern ist nicht dieselbe 85 wie bei Koffern.
Grundsätze
Was wir bewusst
nicht sind.
Kein Test-Aggregator.
Keine fremden Noten zusammengerechnet. Alles basiert auf selbst erhobenen Rohdaten – Expertentests wirken nur als begrenzter Bonus.
Kein Preisvergleich.
Die Frage ist „welches Gerät“ – nicht nur „wo am günstigsten“. Preise fließen als Preiswahrnehmung ein.
Keine bezahlten Plätze.
Affiliate-Links ändern kein Ranking. Siegel-Lizenzen auch nicht.
Genutzte Technologien: OpenAI, Anthropic, Google Gemini, AWS, Google Shopping API, Vertex AI, Cursor. Anbieter, deren Dienste wir nutzen – keine Partnerschaftsaussage.
Gleiche Daten.
Gleicher Score.
Nennen Sie uns eine Kategorie. Wir zeigen Ihnen Ranking, Datenbasis und Quellen dahinter.
Mit dem Absenden stimmen Sie der Verarbeitung Ihrer Angaben gemäß unserer Datenschutzerklärung zu.