KI sollte sich nicht wie Magie anfühlen

Magie macht Spaß

Jeder liebt einen guten Zaubertrick. Etwas mitzuerleben, das wir nicht verstehen und nicht kontrollieren können, fasziniert uns. Wir setzen für ein paar Minuten unseren Unglauben aus und akzeptieren, dass alles und jedes möglich ist.

Gerade diese Natur der Magie macht KI-Demos so unterhaltsam und ansprechend. Wenn ein unerwartetes Ergebnis auf dem Bildschirm erscheint und wir nicht erklären können, wie es überhaupt funktionieren kann, ist der Wow-Effekt garantiert.

Aber genau derselbe Grund, der Magie so unterhaltsam und attraktiv macht, macht sie zu einer sehr schlechten Wahl für die User Experience alltäglicher Produkte.

Das Anti-Pattern des Zauberknopfs

Als bestehende Produkte hastig KI-Funktionen in ihr Funktionsportfolio aufnahmen, wählten die meisten eine Abkürzung im Produktdesign und sprangen, statt das zu lösende Problem zu verstehen - mehr dazu später -, direkt zur Lösung. Das Ergebnis war in den meisten Fällen das Hinzufügen eines brandneuen Buttons zur Benutzeroberfläche, versehen mit einem Zauberstab 🪄 oder magischen Glitzer✨, der die Aufmerksamkeit der Nutzer auf sich zieht.

Als Nutzer fühlt sich das Klicken auf diesen neuen Zauberknopf zunächst aufregend an, wird aber nach ein paar Versuchen schnell enttäuschend. Genau wie bei einer Zaubershow hast du keine Kontrolle darüber, was jedes Mal aus dem Hut kommt, wenn die Magie wirkt, mit dem Unterschied, dass du in diesem Fall versuchst, echte Arbeit zu erledigen.

Der Hauptgrund, warum ein Zauberknopf ein User-Experience-(UX)-Anti-Pattern ist, besteht darin, dass er gegen ein zentrales Konzept im UX-Design verstößt: das Management von Nutzererwartungen. Wie in diesem großartigen Artikel dargelegt, ist Erwartungsmanagement der Prozess von:

1. Zu verstehen, was Nutzer sich als erfolgreiches Ergebnis vorstellen;

Ein Zauberknopf gewinnt sehr wenig, wenn überhaupt, Informationen über die Absicht des Nutzers. Der Nutzer weiß nicht, was ihn erwartet, und das Produkt versucht zu erraten, was der Nutzer möglicherweise will.

2. Es mit der Realität abzugleichen (ist es machbar?);

Da die Eingabe so undefiniert und weit gefasst ist, ist die Wahrscheinlichkeit, dass das Ergebnis im Vergleich zur Absicht des Nutzers falsch, unvollständig oder schlicht falsch ist, viel zu hoch. Es ist daher keine Überraschung, dass die meisten Produkte, die diesen Ansatz verwenden, in der Ergebnisansicht eine Meldung wie „KI-Antworten können ungenau oder irreführend sein“ anzeigen.

3. Und sie durch den Prozess zu führen, damit das Endergebnis dem, was sie sich wünschen, so nahe wie möglich kommt. Und selbst wenn etwas fehlt, wissen sie warum und können damit leben;

Die Interaktion mit dem Zauberknopf ist eine Einmal-Interaktion: klicken, Daumen drücken und ein Ergebnis erhalten. Es gibt keine Verfeinerung oder informierten Prozess, was zu einer großen Diskrepanz zwischen der Nutzerabsicht und dem Endergebnis führt.

Das Ergebnis ist in den meisten Fällen ein geringer wahrgenommener Nutzen, was sich auf die Nutzerbindung auswirkt.

Ein Chat ist nicht immer die Antwort

Während generative KI bidirektionale Interaktionen in natürlicher Sprache ermöglicht, teilt eine Chat-UX, bei der der Nutzer die erforderliche Aufgabe über eine textuelle Anfrage abfragt, einige der gleichen Probleme, die der Zauberknopf mit sich bringt.

Obwohl Nutzer die Möglichkeit haben sollten, ihre Absichten über Freitexteingaben präziser auszudrücken, ist die Realität, dass sie sich die meiste Zeit nicht sicher sind, wie sie das tun sollen. Deshalb wird Prompt Engineering notwendig, um genaue Ergebnisse von ChatGPT-ähnlichen Anwendungen zu erhalten, was als Hürde für die Einführung wirkt.

Das vom Chat zurückgegebene Ergebnis kann je nach Prompt mehr oder weniger genau sein, aber es bleibt dennoch eine Einmal-Interaktion, die Nutzer dazu zwingt, zu verstehen, wie sie mit nachfolgenden Interaktionen nachfassen müssen, um das Ergebnis zu verfeinern.

Deshalb eignet sich eine Chat-UX hervorragend für bestimmte Anwendungsfälle wie Kundensupport oder einfache Frage-und-Antwort-Widgets, reicht jedoch für komplexere Interaktionen nicht aus.

Die zu erledigende Aufgabe verstehen

Der erste Schritt jedes guten Produktdesigns besteht darin, das zu lösende Problem zu verstehen oder, einem beliebten Framework folgend, die zu erledigende Aufgabe des Nutzers. Ohne das Bedürfnis des Nutzers zu verstehen, das wir abdecken wollen, ist es unmöglich, eine gute Lösung anzubieten.

Als Produktentwicklungsteams ist es wichtig anzuerkennen, dass KI trotz des Hypes kein Selbstzweck ist, sondern nur ein -mächtiges- neues Werkzeug, das wir nutzen können, um die Probleme der Nutzer zu lösen.

Das ist ein Thema, das über den Rahmen dieses Artikels hinausgeht; in zukünftigen Beiträgen werden wir behandeln, wie man Best Practices des Produktdesigns auf die KI-Produktentwicklung anwendet.

Zylons „magiefreier“ Ansatz für die Produktentwicklung

Wie oben erklärt, ist Magie macht Spaß zwar unterhaltsam und spannend, aber nicht die Art von User Experience, die für Alltagsprodukte geeignet ist.

Zylon bietet ein Produkt, das entwickelt wurde, um die zuvor eingeführten Usability-Probleme zu beheben. Es abstrahiert die Komplexität der KI-Technologie und schlägt einen frischen Ansatz für die User Experience vor, bei dem verfügbare Aktionen auf reale Anwendungsfälle abgebildet werden (Firmendaten abfragen, zusammenfassen, einen strukturierten Bericht erstellen) und einfach, konsistent, transparent und reproduzierbar sind.

Dieses Designmuster wird sowohl auf vom Nutzer initiierte Interaktionen als auch auf proaktive Interaktionen angewendet, bei denen Zylon Aufgaben autonom ausführt, um Nutzern zu helfen, ihre Ziele zu erreichen - auch über KI-Proaktivität werden wir in zukünftigen Beiträgen mehr teilen.

Wir sind stolz darauf, ein Produkt zu entwickeln, das sich nicht magisch anfühlt, auch wenn das bedeutet, beim ersten Eindruck weniger Wow auszulösen. Wir verfolgen einen anderen Wow-Effekt, nämlich den, der entsteht, wenn unsere Nutzer zurückblicken und sehen, wie viel Zeit und Ressourcen sie durch den Einsatz von Zylon zur Optimierung ihrer alltäglichen Aufgaben und Prozesse gespart haben.

Möchten Sie es selbst erleben? Werden Sie Teil der Beta heute!

Iván Martínez, Mitgründer & CEO

Autor: Iván Martínez Toro, Mitgründer & Co-CEO bei Zylon
Veröffentlicht: Januar 2024
Zuletzt aktualisiert: Feb 2026
Iván leitet private On-Premise-KI-Deployments für regulierte Branchen und unterstützt Finanzinstitute, Gesundheitsorganisationen und staatliche Einrichtungen bei der Implementierung sicherer, souveräner KI-Infrastruktur für Unternehmen.