Einführung in künstliche Intelligenz im UI/UX-Design: Rollen, Grenzen, Authentifizierung und Benutzerdaten

Gewinne:

• In der Lage zu sein, zu unterscheiden, wo im UX-Workflow (Forschungssynthese, Persona, Wireframe, Schnittstellentext, Testanalyse) künstliche Intelligenz Echtzeit spart und wo Verantwortlichkeiten wie das Zuhören des Benutzers und die endgültige Designentscheidung je nach Risikostufe der Aufgabe beim Designer verbleiben
• Fähigkeit, einen Reflex zu entwickeln, der jede KI-Ausgabe mit echten Benutzerdaten und Beweisen verbindet und Halluzinationen und Voreingenommenheit durch Sondierungsschritte überprüft
• Möglichkeit, Benutzergesprächsaufzeichnungen und personenbezogene Daten im Rahmen von KVKK zu anonymisieren und im Rahmen der Einwilligung an künstliche Intelligenz zu übertragen

User Experience (UX, also die Erfahrung der Person, die ein Produkt von Anfang bis Ende nutzt) folgt seit Jahren dem Prinzip „Erst die Person verstehen, dann lösen“. Wenn künstliche Intelligenz in diesen Zyklus eintritt, lautet die erste Frage der meisten Menschen: „Wird künstliche Intelligenz das Design für mich übernehmen?“ Kurze Antwort: Nein. Künstliche Intelligenz ist ein Designassistent; Es erstellt Entwürfe, fasst Daten zusammen, vervielfacht Optionen und beschleunigt sich wiederholende Aufgaben. Es liegt jedoch immer in der Verantwortung des Designers, dem Benutzer wirklich zuzuhören, zu entscheiden, welche Lösung die richtige ist, und die Verantwortung für diese Entscheidung zu tragen. In dieser ersten Einheit wird erläutert, wo KI im UX-Workflow eingesetzt werden sollte, wo aufgehört werden sollte und wie Benutzerdaten sicher verschoben werden können.

Wo kommt KI im UX-Workflow zum Einsatz?

Ein UX-Projekt durchläuft ungefähr fünf Phasen: Entdeckung (Forschung), Definition (Persona und Problem), Produktion (Ablauf, Wireframe, Prototyp), Test (Benutzerfreundlichkeit) und Bereitstellung (Designsystem, Dokumentation). Künstliche Intelligenz spielt in jeder dieser Phasen eine andere Rolle.

• Discovery: Fasst Dutzende Interviewtranskripte (transkribierte Aufzeichnungen) in Minuten statt Stunden zusammen und extrahiert dabei erste Themen. Es bleibt aber jedem selbst überlassen, welches Thema wichtig ist.
• Beschreibung: Erstellt Persona (fiktives Profil, das einen bestimmten Benutzertyp darstellt) und Reisekartenentwürfe. Aber es ist Ihre Aufgabe, sicherzustellen, dass diese Entwürfe auf echten Daten basieren.
• Generierung: Wireframe (das kastenförmige Grundgerüst eines Bildschirms), Flussdiagramm und Schnittstellentext reproduzieren Variationen.
• Testen: Ermittelt Erkenntnisse aus Testaufzeichnungen und ordnet sie in der Reihenfolge ihrer Wichtigkeit.
• Präsentation: Schreibt Komponentendokumentation und Nutzungsregeln.

Der rote Faden ist dieser: KI generiert Entwürfe und Optionen; Urteil und Zustimmung verbleiben bei Ihnen.

Tipp: Nutzen Sie künstliche Intelligenz nicht, um „mir die Antwort zu geben“, sondern um „mir schnell Optionen zu geben und mir die Wahl zu lassen“. Die größte Effizienz erzielen Sie, wenn Sie die Vorbereitungsarbeit delegieren und nicht die Entscheidung.

Einsatzrisikostufe: Wo frei, wo vorsichtig?

Nicht jede Aufgabe birgt das gleiche Risiko. Eine einfache Faustregel: Je direkter die Ausgabe einen Benutzer betrifft, desto höher ist das Risiko.

Suche

Risikostufe

Die Rolle der künstlichen Intelligenz

menschliche Zustimmung

Zusammenfassung der Besprechungsnotiz

niedrig

Fast vollständig übertragen

leichtes Abschöpfen

Generieren einer Wireframe-Variante

niedrig-mittel

Erstellt einen Entwurf

Der Designer wählt aus und korrigiert

Erstellen eines Forschungsthemas

mittel

Vorsynthese

Ein Nachweis durch ein Angebot ist erforderlich

Schnittstellentext (Fehlermeldung etc.)

mittelhoch

erzeugt Abwechslung

Ton, Genauigkeit, Gesetzesprüfung

Bestätigung der Barrierefreiheit

hoch

Vorscan

Echter Test obligatorisch

Ermitteln Sie die tatsächlichen Bedürfnisse des Benutzers

am höchsten

kann nicht helfen

Alles im Designer

Dieses Diagramm ist ein Kompass: Wenn Sie aufsteigen, verringert sich Ihr Vertrauen in die KI und Ihre eigene Validierung steigt.

Halluzination und Voreingenommenheit: zwei grundlegende Grenzen

Sie müssen die beiden blinden Flecken der künstlichen Intelligenz von Anfang an verinnerlichen.

Halluzination (Fabrikation): Ein großes Sprachmodell (möglicherweise eine auf großen Textmengen trainierte KI zum Erraten von Wörtern) kann fließende, aber tatsächlich ungenaue Informationen liefern. Beispielsweise heißt es dort „Benutzer haben in 20 Gesprächen nach Geschwindigkeit gefragt“, aber in Wirklichkeit gibt es kein solches Zitat. Unabhängig davon, wie sicher die Ausgabe erscheint, ist sie ohne einen Link zur Quelle nicht korrekt.

Verzerrung: Das Modell weist inhärente Verzerrungen in den Daten auf, auf denen es trainiert wird. Klischees wie „Ältere Nutzer haben Angst vor Technik“ können sich in die Persona oder das Drehbuch einschleichen. Diese Sätze sind nicht unterstützte Verallgemeinerungen und sollten mit realen Daten getestet werden.

Achtung: Fließfähigkeit und Genauigkeit der KI-Ausgabe sind nicht dasselbe. Die gefährlichste Ausgabe ist die, die in falschen, aber perfekten Sätzen geschrieben ist.

Benutzerdaten, KVKK und Einwilligung

UX-Forschung arbeitet mit personenbezogenen Daten: Gesprächsprotokolle, Name, Arbeitsplatz, Screenshots und sogar Audio. Das Hochladen dieser Daten in ein beliebiges Tool für künstliche Intelligenz kann einen Verstoß gegen das KVKK (Gesetz zum Schutz personenbezogener Daten) darstellen. Die Faustregel besteht aus drei Schritten: Anonymisieren, Einhaltung der Einwilligungserklärung, Verwendung eines von der Behörde genehmigten Tools.

• Maskieren Sie direkte Kennungen wie Name, Telefon, E-Mail, Firmenname (z. B. „Teilnehmer 3“).
• Überschreiten Sie nicht den Umfang der Einwilligung, die dem Teilnehmer während der Forschung erteilt wurde. Wenn Sie nicht gesagt haben: „Es wird in künstliche Intelligenz verarbeitet“, seien Sie vorsichtig.
• Wählen Sie in einer Unternehmensumgebung Tools aus, bei denen klar ist, wo die Daten gespeichert sind und ob sie für das Modelltraining verwendet werden.

drei Mini-Koffer

Fall 1 – Zeitersparnis, am richtigen Ort. Ein Designer ließ die KI 18 Interviewprotokolle (insgesamt 62 Seiten) zusammenfassen. Das Vorlesen, das per Hand zwei Tage gedauert hätte, wurde auf 40 Minuten verkürzt. Aber der Designer ordnete jedes Thema in der Ausgabe dem tatsächlichen Zitat zu und stellte fest, dass drei Themen keine Grundlage hatten. Ergebnis: Geschwindigkeit + Zuverlässigkeit.

Fall 2 – Nicht verifizierte Ausgabe wurde in die Präsentation eingegeben. Ein anderes Team hat den durch künstliche Intelligenz erzeugten Satz „70 % der Nutzer bevorzugen Mobilgeräte“ in den Bericht aufgenommen. Auf die Frage nach der Quelle stellte sich heraus, dass solche Daten nicht vorlagen; Das Model hatte sich die Nummer ausgedacht. Das Vertrauen der Stakeholder wurde beschädigt. Lektion: Zahlen und Behauptungen verbreiten sich nicht ohne Beweise.

Fall 3 – Risiko der Offenlegung personenbezogener Daten. Ein Praktikant hat die Audioaufnahme zusammen mit den Namen der Teilnehmer auf eine kostenlose Website hochgeladen, die sie automatisch transkribiert. Das Sicherheitsteam der Einrichtung markierte dies als KVKK-Risiko und der Vorgang wurde gestoppt. Lektion: Werkzeugauswahl und Anonymisierung erfolgen von Anfang an.

Kopierbare Eingabeaufforderungen

Ihre Rolle: Senior UX Research Assistant. Aufgabe: Extrahieren Sie bis zu 6 Themen aus dem anonymisierten Interviewprotokoll unten. Regeln: Fügen Sie neben jedem Thema MINDESTENS ein wörtliches Zitat mit dem Tag [Teilnehmer X] hinzu. Produzieren Sie kein Thema, für das Sie kein Angebot finden. Schreiben Sie im Zweifelsfall „schwache Unterstützung“. Transkript: <<text>>

Überprüfen Sie diese KI-Ausgabe: Überprüfen Sie den Text für jedes Element in der Themenliste unten auf eine sachliche Grundlage. Markieren Sie diejenigen, die keine Grundlage haben, als „NICHT VERIFIZIERT“ und schreiben Sie, warum Sie misstrauisch sind. Liste: <<Themen>> Quelltext: <<Transkript>>

Finden Sie alle persönlichen/identifizierenden Daten (Name, Telefon, E-Mail, Firma, Adresse) im folgenden Text und ersetzen Sie sie durch [MASKIERT]. Stellen Sie die Änderungsliste auch als Tabelle bereit. Löschen Sie keine Informationen, sondern maskieren Sie sie.Text: <<dump>>

Klassifizieren Sie eine Designaufgabe: Bestimmen Sie die Risikostufe (niedrig/mittel/hoch) für „<<Aufgabe>>“, schreiben Sie die Rolle der KI und die erforderliche menschliche Genehmigung in einem Satz. Erläutern Sie Ihre Argumentation.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Fassen Sie diese Gespräche zusammen.“

Ergebnis: Ein nicht quellenbezogener, allgemeiner und nicht überprüfbarer Text; Es ist nicht klar, welcher Satz woher kam.

Stark: „Extrahieren Sie bis zu 6 Themen aus diesem anonymisierten Transkript; fügen Sie zu jedem Thema mindestens ein wörtliches Zitat mit der Markierung [Teilnehmer X] hinzu; erstellen Sie kein Thema, für das Sie kein Zitat finden können.“

Ergebnis: Ein evidenzbasiertes, überprüfbares und entscheidungsfreundliches Ergebnis.

Der Unterschied liegt in einem Satz: Eine starke Eingabeaufforderung gibt Kontext + Regel + Beweisanforderung an.

Häufige Fehler

• Verschieben der Ausgabe von der Validierung zur Entscheidung. Der häufigste und teuerste Fehler; Ein erfundenes Thema kann die gesamte Designrichtung verzerren.
• Hochladen personenbezogener Daten ohne diese zu anonymisieren. KVKK-Verstoß und Verlust des Unternehmensvertrauens.
• Künstliche Intelligenz „entscheiden“ lassen. „Welches Design ist besser?“ Die Antwort auf die Frage liegt im Produkt, im Benutzer und in den Daten; nicht im Modell.
• Die Datenrichtlinie des Fahrzeugs wurde nicht gelesen. Geben Sie kritische Daten ein, ohne zu wissen, ob Ihre Daten in das Modelltraining einfließen oder nicht.
• Geläufigkeit mit Genauigkeit verwechseln. Ein gut geschriebener Satz bedeutet nicht, dass es sich um einen korrekten Satz handelt.

Zusammenfassend

KI ist Beschleuniger und Blueprint-Partner im UX-Workflow; Es übernimmt die Vorbereitungsarbeit in jeder Phase, von der Entdeckung bis zur Präsentation. Aber Urteilsvermögen, Entscheidung und Verantwortung bleiben beim Designer. „Wie stark wirkt sich das Risiko der Aufgabe auf den Benutzer aus?“ Messen Sie mit der Frage; Erhöhen Sie Ihre Verifizierung, wenn das Risiko steigt. Halluzination und Voreingenommenheit sind zwei dauerhafte Grenzen: Untermauern Sie jede Behauptung mit Beweisen, überprüfen Sie jedes Klischee mit Daten. Transportieren Sie Benutzerdaten durch Anonymisierung im Rahmen von KVKK und Einwilligung. Diese Reflexe sind die sichere Grundlage für jede Technik im weiteren Verlauf des Moduls.

Anwendungsaufgabe

1. Listen Sie 5 Designaufgaben aus Ihrem eigenen aktuellen Projekt (oder einem fiktiven Projekt) auf.
2. Platzieren Sie jede Aufgabe in der Risikotabelle oben: niedrig, mittel, hoch.
3. Schreiben Sie für jede Aufgabe einen Satz „Rolle der KI“ und „menschliche Zustimmung erforderlich“.
4. Wenn Sie über ein Interviewprotokoll verfügen, anonymisieren Sie es mit der dritten Eingabeaufforderung und überprüfen Sie die Maskierungstabelle.
5. Tragen Sie das Ergebnis in einer Tabelle ein und erläutern Sie in einem Absatz, warum die Aufgabe mit dem höchsten Risiko die Zustimmung eines Menschen erfordert.

Checkliste

• [ ] Ich habe die KI als Entwurfsgenerator positioniert, nicht als Entscheidungsträger.
• [ ] Ich habe das Risikoniveau jeder Mission bestimmt.
• [ ] Ich habe es mir zur Gewohnheit gemacht, Ergebnisse mit Beweisen zu verknüpfen.
• [ ] Ich habe keine personenbezogenen Daten in ein Tool hochgeladen, ohne sie zu anonymisieren.
• [ ] Ich habe die Datenrichtlinie des von mir genutzten Fahrzeugs überprüft.
• [ ] Ich habe Halluzinationen und Voreingenommenheitsprüfungen zu meinem Arbeitsablauf hinzugefügt.