Endlich ist es 2025! Ich weiß, dass dieser Beitrag etwas spät kommt, um Ihnen ein frohes neues Jahr zu wünschen, aber ich wünsche Ihnen trotzdem ein frohes neues Jahr 2025! Aber das ist nicht alles. Ich bin mit neuen Ideen zurück und dieses Mal sprechen wir über KI, aber aus der Perspektive der UX-Forschung. Ja, ich sehe Sie, UX-Forscher! Heute untersuchen wir, wie KI Forschungsphasen verbessern kann und wie UX-Forscher diese Technologie nutzen können.

Was ist UX-Forschung?

Die meisten von Ihnen haben wahrscheinlich schon einmal die Rolle eines UX-Forschers übernommen, ob freiwillig oder nicht. Für diejenigen, die noch nie von diesem Bereich gehört haben, möchte ich kurz erklären, was er beinhaltet.

Im Allgemeinen können Sie einen UX-Forscher leicht erkennen: Er ist derjenige, der den ganzen Tag lang ständig jede Menge Fragen stellt. Er/sie nervt den Kunden oder Projektmanager ständig, um Antworten auf seine/ihre Fragen zu erhalten. Aber im Ernst: Dies ist die Person, die für die Entdeckungs-, Definitions- und Ideenfindungsphasen verantwortlich ist.

Aber wir alle wissen, dass sich die Forschung je nach Unternehmen und Reifegrad manchmal auf ein Interview mit dem Kunden, ein paar Benutzerinterviews, die Erstellung von Personas und einen schnellen Benchmark beschränkt, und das war’s.

Allerdings ist Forschung in Wirklichkeit viel mehr als das:

• Daten analysieren
• Vorstellungsgespräche führen
• Führen Sie Benutzertests durch
• Wettbewerbsanalysen durchführen
• Eye-Tracking nutzen
• Heatmaps analysieren
• Erstellen Sie Erlebniskarten und Empathiekarten
• Organisieren Sie Fokusgruppen-Workshops mit Stakeholdern
• Beschattung
• Designstudios organisieren
  … Und vieles mehr !

Wie Sie sehen, sind die Aufgaben vielfältig und der Job eines UX Researchers sehr abwechslungsreich. Es handelt sich um eine wesentliche Rolle, die jedoch leider nicht immer von allen verstanden wird.

UX-Forschung in Unternehmen 

UX-Forschung ist so etwas wie der stille Superheld des Unternehmens. Es optimiert das Benutzererlebnis und beseitigt Reibungspunkte. Es hilft, intuitivere und zufriedenstellendere Produkte zu entwickeln. Ziemlich praktisch, oder? 

Ich muss für diesen Beruf Werbung machen, weil Unternehmen es oft vorziehen, ein oder zwei Leute im Haus zu haben, die alle UI- und UX-Aufgaben übernehmen. 

Und ich denke, man kann mit Sicherheit sagen: Es ist sehr schwierig, auf jedem Gebiet Experte zu sein.

Dank ihres kontinuierlichen Ansatzes ermöglicht die UX-Forschung dem Unternehmen, in einem sich ständig weiterentwickelnden Markt agil und relevant zu bleiben – denn wir möchten nicht in den 2000er-Jahren stecken bleiben, das wäre ein Makel. 

Und dann fördert es die Zusammenarbeit zwischen Teams, indem es alle auf die tatsächlichen Benutzeranforderungen ausrichtet und strategische Entscheidungen optimiert. Kurz gesagt: UX-Forschung ist unser bester Verbündeter, um ein Produkt zum Erfolg zu führen.

Der Nutzen, den das Unternehmen aus der UX-Forschungsarbeit zieht 

Bei der UX-Forschung geht es nicht nur darum, das Erlebnis eines Produkts oder einer Dienstleistung zu verbessern. Darüber hinaus werden für Unternehmen konkrete und messbare Geschäftsergebnisse erzielt. Ob in Bezug auf Rentabilität, Loyalität oder Marktleistung: Die UX-Forschung hat ihre Wirksamkeit auf mehreren Ebenen bewiesen.

Laut mehreren Studien kann jeder in die Benutzererfahrung investierte Euro einen Return on Investment von 2 100 bis € €. Diese Abweichung hängt von den unternommenen Anstrengungen und der Intensität der Interaktion mit den Benutzern ab. Diese Zahl unterstreicht, dass Unternehmen, die in UX-Forschung investieren, erhebliche finanzielle Vorteile erzielen und gleichzeitig die Kundenzufriedenheit verbessern.

Unternehmen, die der Benutzererfahrung Priorität einräumen, übertreffen häufig ihre Konkurrenten. Laut einer McKinsey-Studie übertrafen die leistungsstärksten Unternehmen im UX-Bereich den S&P (Standard & Poor's)-Index um 35%. 

Dieser Leistungsunterschied zeigt, dass UX-Forschung nicht nur einen Vorteil hinsichtlich der Kundenzufriedenheit darstellt, sondern auch ein Differenzierungsfaktor in einem zunehmend wettbewerbsorientierten Markt ist. Durch ein besseres Erlebnis ziehen diese Unternehmen mehr Kunden an, erhöhen deren Loyalität und stärken ihre Marktposition.

KI und Forschung

Abschließend werden wir über KI sprechen, denn ich weiß, dass Sie diesen Artikel deshalb lesen. Aber ich musste der UX-Forschung wieder zu ihrem früheren Glanz verhelfen; dieser Beruf ist zu spannend, um ihn nicht hervorzuheben. 

Aber was ist KI?

Um zu vermeiden, dass ich meine Definition von KI in meinen vorherigen Artikel kopieren und einfügen muss „Tötet KI das traditionelle Benutzertesten oder optimiert es es?“  Hier ist eine kurze Zusammenfassung, was KI ist: KI (künstliche Intelligenz) zielt darauf ab, bestimmte menschliche Fähigkeiten wie Sprachverständnis, Bilderkennung, Entscheidungsfindung und Lernen aus Daten nachzuahmen. Es ist im täglichen Leben allgegenwärtig, von Sprachassistenten (Siri, Alexa) und Smartphones (Gesichtserkennung) bis hin zur medizinischen Diagnoseunterstützung und Personalisierung der Behandlung. 

KI wird auch in selbstfahrenden Autos, Navigationssystemen wie Waze und sogar in der Unterhaltungsbranche eingesetzt, um Kunstwerke zu schaffen oder bei der visuellen Gestaltung zu helfen. Kurz gesagt: KI ist zu einer Erweiterung unseres täglichen Lebens geworden, ähnlich der Rolle, die das Smartphone in unserem Leben spielt.

Kann KI forschen?

KI ist ein bisschen wie unser supereffizienter Teamkollege, sie ist unser R2-D2. 

Es dient dazu, Aufgaben zu automatisieren, Daten zu analysieren und Muster zu erkennen, sodass sich Forscher auf tiefere Erkenntnisse und strategische Entscheidungen konzentrieren können (im Grunde erledigt es die ganze langweilige Arbeit, während wir kreativ sein und uns brillante Ideen ausdenken können …). 

Aber Vorsicht, die KI ist nicht hier, um unseren Platz einzunehmen! Es sollte als Ausgangspunkt betrachtet werden, nicht als Ersatz für unsere menschliche Expertise.

So hilft KI unseren UX-Forschern:

• Automatisierung von Forschungsaufgaben : Vereinfacht die Teilnehmerrekrutierung, Forschungsplanung und Datenorganisation und reduziert den manuellen Aufwand.
• Transkription und Analyse von Interviews : Transkribiert Interviews in Echtzeit, hebt Schlüsselthemen hervor und erstellt Zusammenfassungen.
• Verbesserung der Datenzugänglichkeit : Organisiert große Datenmengen und macht sie leicht durchsuchbar und abrufbar.
• Erstellen von Forschungsberichten : Fasst Informationen in Berichten und visuellen Präsentationen zusammen, um die Ergebnisse besser zu kommunizieren.
• Verarbeitung der Umfrageantworten : Beschleunigt die Analyse durch Kategorisierung offener Antworten, Identifizierung von Stimmungen und Zusammenfassung der wichtigsten Punkte.

KI-Tools, die in der Forschung eingesetzt werden können

Hier ist eine nicht erschöpfende Liste der auf dem Markt erhältlichen Tools zur Verbesserung der UX-Forschung.

1. ChatGPT

Leistungen:

• Generierung von Inhalten : ChatGPT kann Personas, Problembeschreibungen und User Stories erstellen und so die Entdeckungs- und Spezifikationsphasen beschleunigen.
• Schreibunterstützung : Es hilft beim Schreiben von Benutzersupportkopien und beim Generieren realistischer Daten für Prototypen.

Grenzen :

• Kontextuelles Verständnis : ChatGPT fehlt es möglicherweise an Nuancen bei der Interpretation bestimmter Kontexte, was die Relevanz des generierten Inhalts beeinträchtigen kann.
• Abhängigkeit von Eingabedaten : Die Qualität der Antworten hängt stark von den bereitgestellten Eingabeaufforderungen ab. Um nützliche Ergebnisse zu erzielen, ist eine präzise Formulierung erforderlich.

2. Maze

Leistungen:

• Automatisierte Benutzertests : Maze ermöglicht unmoderierte Online-Tests und bietet Forschern die Möglichkeit, ohne direkte Aufsicht Feedback zu Prototypen zu sammeln.
• Eingehende Analysen : Das Tool generiert Heatmaps und Stimmungsanalysen und hilft so, Reibungspunkte und Emotionen der Benutzer zu identifizieren.

Grenzen :

• Mangelnde menschliche Moderation : Mangelnde Aufsicht kann zu Fehlinterpretationen der Aufgaben durch die Benutzer führen, was die Qualität der erfassten Daten beeinträchtigt.
• Abhängigkeit von der Prototypenqualität : Schlecht konzipierte Prototypen können zu unzuverlässigem Feedback führen und so die Wirksamkeit der Tests einschränken.

3. Looppanel

Leistungen:

• Transkription und Analyse von Interviews : Looppanel transkribiert Interviews in Echtzeit, identifiziert Schlüsselthemen und erstellt Zusammenfassungen, wodurch der Zeitaufwand für die manuelle Analyse reduziert wird.
• Datenorganisation : Das Tool strukturiert Forschungsdaten und macht sie leicht durchsuchbar und abrufbar.

Grenzen :

• Genauigkeit der Transkriptionen : Starke Akzente oder schlechte Audioqualität können die Genauigkeit der Transkriptionen beeinträchtigen.
• Kontextuelle Interpretation : KI hat möglicherweise Schwierigkeiten, kontextuelle Nuancen oder subtile Emotionen zu erfassen, die während Interviews zum Ausdruck kommen.

4. Synthetische Benutzer

Leistungen:

• Simulation von Verhaltensweisen : Synthetische Benutzer ermöglichen die Modellierung verschiedener Verhaltensweisen ohne die Notwendigkeit echter Teilnehmer und beschleunigen so den Testprozess.
• Erkundung verschiedener Szenarien : Sie ermöglichen die Erforschung einer breiten Palette von Benutzerszenarien ohne logistische Einschränkungen.

Grenzen :

• Mangelnde Authentizität : Simuliertes Verhalten spiegelt möglicherweise nicht genau die Aktionen echter Benutzer wider, was die Gültigkeit der Tests einschränkt.
• Mangelndes emotionales Feedback : Synthetische Benutzer zeigen keine emotionalen Reaktionen, die für das Verständnis der gesamten Benutzererfahrung unerlässlich sind.

5. FigJam KI

Leistungen:

• Erleichterung der Ideenfindung : FigJam AI hilft bei der Ideenfindung, der Organisation von Brainstorming-Sitzungen und der Strukturierung von Planungssitzungen und fördert die Zusammenarbeit zwischen Teams.
• Datenvisualisierung : Es wandelt Rohdaten in verständliche Visualisierungen um und hilft so, Trends und Erkenntnisse zu erkennen.

Grenzen :

• Lernkurve : Benutzer benötigen möglicherweise Zeit, um die Funktionen des Tools vollständig zu beherrschen.
• Abhängigkeit von der Konnektivität : Für eine optimale Nutzung ist eine stabile Internetverbindung unabdingbar, was in bestimmten Situationen jedoch ein Nachteil sein kann.

6. Ratlosigkeit.ai

Leistungen:

• Schnelle Informationssuche : Perplexity.ai liefert präzise Antworten in Echtzeit und erleichtert so die Informationsbeschaffung während der Forschungsphasen.
• Zuverlässigkeit der Quellen : Die Informationsquellen werden klar zitiert, sodass Forscher die bereitgestellten Daten überprüfen und vertiefen können.

Grenzen :

• Portée limitée : Das Tool ist in erster Linie für die allgemeine Informationsrecherche konzipiert und deckt möglicherweise keine sehr spezifischen oder technischen Themen ab.
• Abhängigkeit von verfügbaren Quellen : Die Qualität der Antworten hängt von den online verfügbaren Informationen ab, deren Zuverlässigkeit und Vollständigkeit variieren kann.

KI ist großartig, aber sie wird nicht alle unsere Probleme lösen, insbesondere nicht jene, die in den Bereich menschlicher Magie fallen. Um wirklich optimale Ergebnisse zu erzielen, ist es daher unerlässlich, es zusätzlich zu herkömmlichen Methoden einzusetzen.

Fazit

Bei meinen Untersuchungen habe ich festgestellt, dass 51 % der UX-Forscher in ihrer täglichen Arbeit bereits KI einsetzen. KI soll uns bei der Erfassung und Analyse von Daten unterstützen und gleichzeitig Raum für unsere Expertise lassen, diese zu interpretieren, zu hinterfragen und vor allem kreative und menschliche Lösungen zu bieten. 

KI kann schnell Unmengen von Benutzerdaten analysieren, Trends erkennen, deren Entdeckung sonst Tage gedauert hätte, und sogar Berichte mit wichtigen Erkenntnissen erstellen. Ziemlich praktisch, oder? 

Außerdem können damit Aufgaben wie die Transkription von Interviews automatisiert werden, wodurch wir wertvolle Zeit sparen (denn wir alle wissen, wie ermüdend es ist, sich stundenlange Diskussionen noch einmal anzuhören). Und wenn es dann darum geht, das Benutzerverhalten mit Heatmaps oder Eye-Tracking zu analysieren, kann KI all dies im Handumdrehen interpretieren und uns helfen zu verstehen, wie Benutzer wirklich mit unseren Produkten interagieren.

Ich hoffe also, dass Sie dank dieses Artikels neue Tools entdecken konnten und dass ich Ihnen die Augen für die Rolle und die Vorteile öffnen konnte, die KI uns bietet.

 

Erwan Nisas, UX-Designer bei UX-Republic