Die KI ist ausgerollt. Die Lizenzen sind bezahlt. Trotzdem nutzen Mitarbeiter sie vor allem für Aufgaben, bei denen ein Fehler nicht besonders wehtut.
Eine E-Mail umformulieren? Klar. Eine wichtige Kundenanalyse vorbereiten? Dann lieber selbst machen.
Viele Unternehmen vermuten dahinter fehlende Schulungen oder schlechte Prompts. Häufig beginnt das Problem aber beim Produktdesign. Ein leeres Chatfenster überträgt fast die gesamte Arbeit auf den Nutzer. Während der Verarbeitung bleibt unsichtbar, was das System macht. Am Ende erscheint ein Ergebnis, dessen Verlässlichkeit schwer einzuschätzen ist.
Gute AI UX muss deshalb drei Phasen gestalten:
- Input: Wie kann ich das Tool nutzen?
- Computation: Läuft der Prozess in die richtige Richtung?
- Output: Kann ich dem Ergebnis vertrauen?
Input: Der Terror des leeren Chatfensters
In vielen Unternehmen lautet die Erwartung: „Wir haben jetzt KI. Nutzt sie einfach.“
Wenn Mitarbeiter nicht mitziehen, gilt das schnell als Schulungsproblem. Doch ein leeres Chatfenster zwingt Nutzer, zentrale Fragen selbst zu beantworten: Welche Aufgaben kann die KI übernehmen? Auf welche Unternehmensdaten kann sie zugreifen? Welches Modell und welcher Kontext eignen sich für die Aufgabe?
Nutzer sollten mögliche Aktionen erkennen können, statt sich an sie erinnern zu müssen. Für KI-Produkte bedeutet das:
→ Aufgaben zeigen: Konkrete Einstiege machen deutlich, wofür sich das Tool einsetzen lässt.
→ Vorschläge anpassen: Wer eine Tabelle geöffnet hat, braucht andere Möglichkeiten als jemand, der eine E-Mail schreibt.
→ Modelle verständlich benennen: „Schnelle Antwort“ oder „gründliche Analyse“ helfen stärker als technische Produktnamen.
→ Kontext auswählbar machen: Unternehmenswissen, Dateien, frühere Gespräche und Kundendaten sollten sichtbar und steuerbar sein.
Bevor Unternehmen ihre Mitarbeiter im Prompten schulen, sollten sie prüfen, ob das Tool selbst deutlich macht, wie und wofür es genutzt werden kann.
Computation: Ein Ladebalken reicht nicht mehr
Je wichtiger eine Aufgabe ist, desto wichtiger wird die Frage: Was passiert zwischen meiner Eingabe und dem Ergebnis?
Digitale Produkte haben diese Phase bisher möglichst verborgen. Die eigentliche Arbeit verschwand hinter Ladeanimationen. Mit KI wird das zum Problem. Ein System kann Informationen auswählen, Werkzeuge einsetzen und sein Vorgehen während der Verarbeitung anpassen. Derselbe Input führt deshalb nicht zuverlässig zum selben Output.
Nutzer müssen den Prozess verstehen und bei Bedarf beeinflussen können:
→ Überblick geben: Was macht die KI gerade und welche Daten verwendet sie?
→ Eingreifen ermöglichen: Nutzer müssen Zwischenschritte prüfen und die Richtung korrigieren können.
→ Nachvollziehbarkeit anbieten: Quellen, verwendete Werkzeuge und wichtige Entscheidungen sollten sich bei Bedarf öffnen lassen.
Es geht nicht darum, jeden technischen Schritt zu zeigen. Entscheidend ist, welche Informationen Nutzer benötigen, um die Richtung des Prozesses zu beurteilen. Können sie früh eingreifen, wird aus einem undurchsichtigen Antwortgenerator ein gemeinsamer Arbeitsprozess.
Output: Vertrauen muss gestaltet werden
Ein fehlerhafter KI-Output kostete Deloitte in Australien rund 63.000 US-Dollar. In einem Bericht für die Regierung fanden sich nicht existierende Quellen und ein erfundenes Zitat aus einem Gerichtsurteil.
Solche Fälle werfen eine zentrale Frage auf: Wie kann ich dem Ergebnis einer KI vertrauen?
Dafür gibt es drei Hebel:
→ Überprüfbarkeit: Quellen sollten direkt an den Aussagen stehen, die sie belegen. Fakten, Schlussfolgerungen und Interpretationen müssen unterscheidbar sein.
→ Transparenz: Nutzer sollten erkennen können, welche Dateien, Unternehmensdaten, Gespräche und Werkzeuge das Ergebnis beeinflusst haben.
→ Passende Darstellung: Ein Ergebnis muss nicht immer ein Textblock sein. Vergleiche gehören in eine Tabelle, Routen auf eine Karte und Zusammenhänge in ein Diagramm.
Vertrauen entsteht, wenn Nutzer erkennen können, was sie vor sich haben, worauf es basiert und welche Teile sie überprüfen sollten.
AI UX begleitet den gesamten Prozess
Die Nutzung von KI hängt nicht nur von der Qualität des Modells ab. Menschen müssen verstehen, was sie eingeben können, was während der Verarbeitung passiert und wie sie das Ergebnis überprüfen.
Gute AI UX erzeugt kein blindes Vertrauen. Sie schafft die Voraussetzung, KI auch für relevante Aufgaben einzusetzen.