# Verstehen

Den Nutzungskontext analysieren.

# Zusammenfassung

In dieser Phase werden die verschiedenen Nutzergruppen und ihre Erfordernisse ermittelt. Dabei werden die Aufgaben, Arbeitsweisen und Voraussetzungen der Nutzer erfasst und strukturiert dokumentiert. Dies geschieht noch ohne konkreten Bezug zur zu entwickelnden Anwendung. Bei einer Neu- oder Weiterentwicklung eines bestehendes Systems wird in dieser Phase auch das Altsystem analysiert um die Arbeitsweisen, Anforderungen, Stärken und Schwächen zu identifizieren. Hierzu kommen Methoden aus der Evaluations-Phase zum Einsatz.

TL;DR — KI in dieser Phase: Echte Nutzerdaten haben Priorität. KI unterstützt bei Recherche, Planung, Durchführung und Auswertung, ersetzt aber nicht die fachliche Validierung und das tiefe Kontextverständnis durch UX-Professionals.

# Ergebnis

Das Ergebnis dieser Phase ist eine Auflistung der verschiedenen Nutzergruppen mit ihren Arbeitsweisen und Anforderungen an das zu entwickelnde System.

# Fragen, die in dieser Phase beantwortet werden

Wer sind die Benutzer?
Was tun die Benutzer?
Welche Probleme haben die Benutzer?
Was benötigt ein Benutzer um sein Ziel zu erreichen/ seine Aufgabe zu erledigen?

# Mehrwert & Einsatzmöglichkeiten von KI

# Recherche & Vorbereitung

KI unterstützt die Einarbeitung in fachliche Domänen, etwa durch die Vermittlung von Hintergrundwissen oder die Erklärung von Fachbegriffen.
Potenzielle Pain Points und Edge Cases lassen sich frühzeitig identifizieren.
Erste Einblicke in Markt- und Wettbewerbsstrukturen können gewonnen werden.
Relevante Zielgruppen lassen sich definieren und eingrenzen, etwa durch die Ableitung von Segmentierungsansätzen.

# Planung von Research-Aktivitäten

Forschungsziele können geschärft und Vorschläge für geeignete Methoden (z. B. Kontextinterviews, Fokusgruppen, Tagebuchstudien) basierend auf Fragestellung und Kontext abgeleitet werden.
Im Kontext von Interviews bietet KI Unterstützung entlang des gesamten Forschungsprozesses: von der Generierung erster Hypothesen, Forschungsfragen, Interviewleitfäden und -pläne bis hin zu Entwürfen für Forschungsberichte.
Die sprachliche Überarbeitung und Präzisierung dieser Artefakte kann effizient durch KI unterstützt werden.
KI kann Screening-Fragen für die Rekrutierung von Teilnehmenden generieren — dies erhöht die Passgenauigkeit der erhobenen Daten.

# Durchführung

KI kann unterschiedliche Perspektiven oder Nutzungssituationen simulieren, etwa durch das Durchspielen alternativer Szenarien oder Nutzerreaktionen — hilfreich, um Annahmen zu hinterfragen und das Verständnis für unterschiedliche Nutzertypen zu erweitern.
Bei KI-moderierten Interviews werden reale Personen durch KI befragt — einsetzbar bei stukturierten Interviews.
Synthetische Interviews mit KI-generierten Personas sind eine Option, wenn der Zugang zu realen Nutzenden eingeschränkt ist oder explorative Annäherungen an eine Zielgruppe erforderlich sind.

# Auswertung

KI erleichtert die Transkription von Interviews und die Zusammenfassung von Gesprächsinhalten.
Textpassagen können codiert und strukturiert ausgewertet werden.
Erste Erkenntnisse und Schlussfolgerungen lassen sich durch KI vorbereiten — eine fachliche Validierung durch UX-Expert:innen ist weiterhin erforderlich.

# Datenquellen verknüpfen

Unterschiedliche Datenquellen wie Interviews, Umfragen, Nutzungsdaten oder Support-Anfragen können zusammengeführt und gemeinsam ausgewertet werden, um ein konsistenteres Gesamtbild des Nutzungskontexts zu erhalten.
Entwicklungen über die Zeit hinweg lassen sich leichter berücksichtigen.
So entsteht ein kontinuierlich aktualisiertes Verständnis der Nutzer und ihrer Bedürfnisse.

# Risiken beim Einsatz von KI

# Bias durch synthetische Daten

Echte Nutzerdaten müssen in dieser Phase klar Vorrang vor generierten Daten haben. KI-generierte Inhalte dürfen reale Nutzerdaten nicht ersetzen.
KI-basierte Inhalte können fehlerhaft oder durch Verzerrungen (Bias) beeinflusst sein und liefern daher keine verlässliche Grundlage ohne weitere Validierung.
Bei synthetischen Interviews besteht die Gefahr, dass Antworten übermäßig bestätigend ausfallen und dadurch ein verzerrtes Bild erzeugen (Sycophancy).

# Verzerrte Zielgruppendefinition

Bereits die Definition der Zielgruppe durch KI kann verzerrt sein.
Generierte Segmentierungen oder Screening-Kriterien können zu allgemeinen oder unzureichend differenzierten Stichproben führen — dies schränkt die Aussagekraft der erhobenen Daten ein.

# Einschränkungen bei KI-moderierten Interviews

Die Gesprächsführung folgt in der Regel eng dem vorgegebenen Skript und reagiert nur eingeschränkt auf unerwartete Aussagen.
Nonverbale Signale, die für das Verständnis von Kontext und Emotionen relevant sind, fehlen.
Die Interviewsituation kann für Teilnehmende ungewohnt wirken.
Inhalte können nicht durch Zeigen oder Demonstrieren ergänzt werden.

# Verlust an Tiefenverständnis

KI ersetzt nicht den menschlichen Prozess des Aufbaus eines tiefgehenden Verständnisses für die Nutzenden.
Ein zentraler Teil der UX-Arbeit besteht weiterhin darin, Perspektiven zu interpretieren, nachzuvollziehen und kontextuell zu verstehen.
Häufig ist es sinnvoll, sich mit vollständigen Transkripten — beispielsweise aus Interviews — auseinanderzusetzen, anstatt sich ausschließlich auf verdichtete, KI-generierte Zusammenfassungen zu stützen.
Kontinuierlich verfügbare KI-gestützte Auswertungen können dazu führen, dass einzelne Erhebungen weniger tiefgehend analysiert werden — die schnelle Verfügbarkeit von Ergebnissen ersetzt nicht die notwendige inhaltliche Auseinandersetzung mit den Daten.

# Leitplanken für den Einsatz von KI

# KI als Unterstützung, nicht als Ersatz

Der Einsatz von KI sollte sich primär auf die Unterstützung von Recherche-, Aufbereitungs- und Analyseaufgaben beschränken — die Verantwortung für Qualität und Validität der Erkenntnisse verbleibt bei den UX-Professionals.
Die Generierung von Daten oder Nutzerverhalten durch KI sollte nur ergänzend eingesetzt werden und reale Nutzerdaten nicht ersetzen — UX-Methoden sollten weiterhin auf empirisch erhobenen Daten basieren.
KI ersetzt nicht die notwendige Auseinandersetzung mit den Daten, insbesondere im Hinblick auf implizite Signale, Nuancen und situative Zusammenhänge.

# Datenschutz

Vor der Nutzung von KI-Tools sollte geprüft werden, wie diese mit eingegebenen Daten umgehen (Speicherung, Weiterverarbeitung, Trainingsnutzung).
Sensible oder identifizierende Informationen, wie die Namen von Teilnehmern, sollten vor dem Einsatz von KI anonymisiert oder pseudonymisiert werden.

# Rückverfolgbarkeit

KI-gestützte Auswertungen sollten stets durch einen engen Bezug zu den ursprünglichen Daten abgesichert werden.
Erkenntnisse müssen auf nachvollziehbaren Quellen basieren (z. B. Interviewaussagen oder Beobachtungen) und nicht ausschließlich aus aggregierten oder abstrahierten Darstellungen abgeleitet werden.
Die Integration und Auswertung unterschiedlicher Datenquellen sollte transparent erfolgen — Unterschiede zwischen Quellen, Nutzergruppen oder Nutzungssituationen müssen nachvollziehbar bleiben und dürfen nicht durch eine vereinfachende Aggregation verloren gehen.

# Kritische Prüfung

Bei der Nutzung von KI zur Vorbereitung von Research-Aktivitäten (z. B. Methodenwahl, Zielgruppendefinition oder Leitfäden) sollten Vorschläge der KI stets kritisch geprüft und an den spezifischen Projektkontext angepasst werden.
Die Auswahl geeigneter Methoden sowie die Gestaltung der Datenerhebung erfordern weiterhin fachliche Expertise und Kontextwissen.
KI-basierte Analysen und Zwischenergebnisse sollten als vorläufige Arbeitsergebnisse betrachtet werden.
Eine iterative Überprüfung, Anpassung und Ergänzung der Ergebnisse ist notwendig, um ein belastbares Verständnis des Nutzungskontexts zu entwickeln.

# Quellen

Jacobsen J. (2026) Synthetic Users im Realitäts-Check (opens new window)
Kohler T. (2025) 7 Deadly AI Sins for UX Professionals (opens new window)
Liu F., Zhang M., Budiu R. (2023) AI as a UX Assistant (opens new window)
Lu, Y., Yang Y., Zhao Q., Zhang C., Li T.J-J. (2024) AI Assistance for UX: A Literature Review Through Human-Centered AI (opens new window)
Rosala M. (2026) AI-Moderated Interviews: If, When, and How to Use Them (opens new window)

# Hinweis zur Nutzung von KI

Teile dieses Inhalts wurden unter Nutzung von KI‑gestützten Tools (insbesondere M365 Copilot) erstellt. Die Ergebnisse wurden durch die Autorin geprüft, überarbeitet und kontextuell eingeordnet. KI‑generierte Inhalte können fehlerhaft oder unvollständig sein und wurden daher nicht ungeprüft übernommen.

Zuletzt aktualisiert 25.05.2026