Im Vortrag wird am Beispiel des Citizen Science Projekts Schweizer Solargeschichten gezeigt, wie Methoden der empirischen Sozialforschung durch den Einsatz eines AI-basierten Chatbots erweitert werden können. Ziel des Projekts war es, Erfahrungen, Meinungen und Erwartungen von Bürger:innen zum Thema Solarenergie zu sammeln und zugleich eine breite Beteiligung zu ermöglichen. Methodisch interessant ist dabei die Frage, wie aus offenen, oft heterogenen Antworten ein „Durchschnittswert“ oder Prior extrahiert werden kann, der als Repräsentant für eine Vielzahl von Einzelmeinungen dient. Der AI-Chatbot fungiert hier nicht nur als Datensammler, sondern auch als methodisches Werkzeug: Er strukturiert Antworten, erkennt semantische Muster und verdichtet diese zu Kategorien, die in der quantitativen Analyse weiterverarbeitet werden können. Lässt sich damit die Stichprobengrösse reduzieren, ohne dass die Aussagekraft der Erhebung verloren geht? Das Verfahren eröffnet neue Perspektiven für Mixed-Methods-Ansätze, insbesondere dort, wo qualitative Breite und quantitative Generalisierbarkeit miteinander in Spannung stehen. Diskutiert wird, wie AI-Systeme in Zukunft als methodologische „Filter“ eingesetzt werden können – nicht als Ersatz klassischer Verfahren, sondern als Ergänzung, um die Qualität von Studien und Befragungen zu steigern.