A/B-Test vs. Multi-Armed-Bandit
Ein A/B-Test teilt den Traffic fest auf (z. B. 50/50) und wertet am Ende aus. Ein Multi-Armed-Bandit verschiebt den Traffic schon während des Tests laufend zur besseren Variante. Dadurch verlierst du unterwegs weniger Conversions.
Von Sebastian Klenk · Zuletzt aktualisiert: 17. Juni 2026
Der klassische A/B-Test
Beim A/B-Test bekommt jede Variante einen festen Anteil des Traffics, meist die Hälfte. Erst wenn genug Daten zusammen sind, wird ausgewertet, welche Variante gewonnen hat. Der Vorteil: eine klare, saubere Entscheidung. Der Preis: Bis zum Ende sieht die Hälfte der Besucher die schlechtere Variante.
Der Multi-Armed-Bandit
Ein Bandit beobachtet laufend, welche Variante besser konvertiert, und verschiebt den Traffic schon während des Tests dorthin. Schlechtere Varianten werden gedrosselt, statt voll mitzulaufen. So sinkt der Verlust an Conversions während der Optimierung – besonders wertvoll bei begrenztem Traffic.
Direkter Vergleich
| Klassischer A/B-Test | Figgle | |
|---|---|---|
| Traffic-Aufteilung | Fest, z. B. 50/50 | Verschiebt sich laufend zur besseren Variante |
| Auswertung | Am Ende des Tests | Kontinuierlich, während der Test läuft |
| Entgangene Conversions | Höher (schlechte Variante läuft voll mit) | Niedriger (schlechte Variante wird gedrosselt) |
| Gut für | Saubere, einmalige Entscheidung | Laufende Optimierung mit wenig Verlust |
Was Figgle nutzt
Figgle setzt auf Discounted Thompson Sampling – ein Bandit-Verfahren, das die Traffic-Verteilung fortlaufend anpasst und dabei jüngere Daten stärker gewichtet (für den Fall, dass sich das Verhalten deiner Besucher ändert). Gleichzeitig läuft eine statistische Auswertung mit, damit Entscheidungen belastbar bleiben. Du bekommst also die Verlustreduktion des Banditen plus die Sauberkeit des Tests.
Häufige Fragen
Was ist ein Multi-Armed-Bandit?
Ein Multi-Armed-Bandit ist ein Verfahren, das Traffic während eines Tests laufend auf die Varianten verteilt, die sich besser schlagen. Der Name kommt von mehreren Spielautomaten („Armen"): Man will möglichst oft am besten zahlenden Arm spielen, ohne die anderen ganz zu ignorieren.
Ist ein Bandit besser als ein A/B-Test?
Nicht grundsätzlich – es kommt auf das Ziel an. Ein klassischer A/B-Test liefert eine saubere, einmalige Entscheidung. Ein Bandit reduziert während der Laufzeit die entgangenen Conversions und eignet sich für laufende Optimierung. Figgle kombiniert beides: Bandit-Ausspielung plus statistische Auswertung.
Verliere ich mit einem A/B-Test Umsatz?
Bei einem festen 50/50-Test sieht die Hälfte der Besucher die schlechtere Variante, bis der Test ausgewertet ist – das kostet Conversions. Ein Bandit reduziert diesen Verlust, weil die schlechtere Variante schon währenddessen seltener ausgespielt wird.
Weniger Verlust beim Testen – Figgle optimiert laufend mit.
Pläne ansehen