Nutzerforschung für KI Features Drei Schritte zu nutzerzentrierter Automation

Hallo und herzlich willkommen auf dem SkillUp Blog! Ich bin Markus Hartlieb, Entwickler, KI-Experte und Gründer smarter Automationen wie Marie, der Social-Media-Assistentin für Unternehmen. Mit über 30 Jahren Erfahrung in digitaler Strategie und KI weiß ich: Die besten KI-Features entstehen nicht im Vakuum, sondern direkt aus dem echten Leben der Nutzer. Heute tauchen wir in die Nutzerforschung für KI-Features ein – ein einfacher, aber mächtiger Ansatz mit drei Schwerpunkten:

• Aufgaben beobachten
• Hindernisse notieren
• Worte der Nutzerinnen übernehmen

Diese Methode hilft dir, KI-Tools zu bauen, die wirklich nützlich sind, Frustration vermeiden und Begeisterung wecken. Lass uns starten!

Stell dir vor, du entwickelst ein neues KI-Feature für dein Team oder Unternehmen. Vielleicht einen Agenten, der E-Mails sortiert, Inhalte plant oder Kundenfragen beantwortet. Klingt super, oder? Aber ohne Nutzerforschung endet es oft so: Die KI ist technisch top, doch die Leute nutzen sie nicht, weil sie nicht zu ihrem Alltag passt. Ich habe das bei vielen Projekten erlebt, von Marie bis zu Workshops mit Führungskräften. Nutzerforschung dreht das um. Sie macht deine KI menschlich und effektiv. Und der beste Teil: Du brauchst keine teuren Tools oder Teams. Mit Beobachten, Notieren und Übernehmen kommst du weit.

Aufgaben beobachten

Das ist der Grundstein jeder guten Nutzerforschung. Nimm dir Zeit, schau dir an, was Menschen wirklich tun, wenn sie ihre Arbeit erledigen. Nicht, was sie sagen, dass sie tun – sondern was sie tatsächlich machen. Setz dich hin, nimm ein Teammitglied oder Kunden bei der Hand und beobachte still. Welche Schritte gehen sie durch? Wo klicken sie herum? Wie lange dauert jede Aufgabe?

Nehmen wir ein Beispiel aus meiner Welt. Bei der Entwicklung von Marie, unserer Social-Media-Automation, habe ich Marketing-Teams beobachtet. Statt zu fragen was sie brauchen, habe ich zugeschaut. Ein typischer Tag: Content-Ideen sammeln, Posts schreiben, Zeitpläne prüfen, Hashtags recherchieren. Ich sah, wie sie stundenlang zwischen Tools wechselten – Excel für Planung, Canva für Grafiken, Buffer für Posting. Die Aufgabe Post planen dauerte ewig, weil nichts nahtlos zusammenpasste. Durch Beobachten wurde klar: Die KI muss diese Schritte bündeln, nicht nur Text generieren. Ergebnis? Marie übernimmt jetzt das Beobachten der Trends, schlägt fertige Posts vor und plant automatisch. Die Teams sparen Stunden und lächeln dabei.

Warum funktioniert Beobachten so gut? Weil Menschen oft nicht wissen, was sie brauchen, bis sie es sehen. Sie beschreiben ihre Aufgaben idealisiert, aber in der Realität gibt es Umwege und Gewohnheiten. Beobachte 5 bis 10 Nutzer bei 2-3 typischen Aufgaben. Notiere die Sequenz: Schritt 1, Schritt 2 usw. Frage zwischendurch nach dem Warum. Das gibt dir Rohdaten für dein KI-Feature. In meinen Workshops bei SkillUp üben wir das direkt – und die Teilnehmer staunen, wie viel sie in 30 Minuten lernen.

Hindernisse notieren

Während du beobachtest, achte auf Reibungspunkte. Wo zögern die Nutzer? Wo klicken sie mehrmals falsch? Wo seufzen sie oder zeigen sie Frustration? Diese Momente sind Gold wert. Sie zeigen, wo deine KI eingreifen kann.

Ein konkretes Beispiel: In einem Projekt für ein mittelständisches Unternehmen habe ich Kundensupport beobachtet. Die Aufgabe: Anfragen bearbeiten. Hindernis Nummer eins: Suchen in alten E-Mails und Tickets dauerte Minuten, weil alles durcheinander war. Die Mitarbeiter tippten wild, scrollten endlos. Ich notierte: Hindernis – Kontextsuche fehlt. Die KI könnte hier mitmischen, indem sie vergangene Gespräche zusammenfasst und Vorschläge macht. Tatsächlich haben wir einen Agenten gebaut, der genau das tut: Er scannt Historie, schlägt Antworten vor und lernt aus Feedback. Das Team halbiert seine Bearbeitungszeit – messbar und motivierend.

Notiere Hindernisse präzise: Beschreibe sie neutral, z.B. Dauert 2 Minuten, 5 Klicks nötig, Frustration sichtbar. Gruppiere sie: Technische (langsame Ladezeiten), Prozessuale (zu viele Schritte), Emotionale (Verwirrung bei Optionen). Für KI-Features zielen Hindernisse oft auf Automatisierungspotenzial: Wo wiederholt sich Arbeit? Wo fehlt Intelligenz? In der KI-Verordnung ab 2025, an der ich mit Schulungen beteiligt bin, wird sogar gefordert, solche Risiken zu kennen – Nutzerforschung hilft dir, compliant und effizient zu sein.

Worte der Nutzerinnen übernehmen

Am spannendsten ist der Dritte Punkt: Hör genau hin, was sie sagen – ihre echten Formulierungen. Nicht umformulieren, sondern 1:1 übernehmen. Das macht dein KI-Feature nahbar und intuitiv.

Beispiel aus der Praxis: Beim Beobachten eines Verkaufsteams hörte ich den Wunsch nach etwas das anzeigt ob der Kunde kaufwillig ist ohne dass man raten muss. Kein Fachchinesisch, sondern klare Worte. Also baute ich eine KI ein, die genau dies abfragt: die Kaufbereitschaft. Und antwortet mit Prozenten basierend auf Chathistorie. Die Nutzer sagten später: Das ist genau das was sie meinten! Übernimm Phrasen wie den besten Termin finden oder Alternativen zeigen – und lass die KI sie spiegeln. Plötzlich fühlt sich die Technik wie ein Kollege an.

Kombiniere die drei Schritte für maximale Wirkung. Starte mit Beobachten: Wähle 3 Kernaufgaben, z.B. Content erstellen, Leads qualifizieren, Reports bauen. Beobachte 5 Nutzer pro Aufgabe. Notiere Hindernisse in Echtzeit auf einem Sheet: Aufgabe, Hindernis, Häufigkeit. Sammle 20-30 Zitate. Analysiere dann: Welche Hindernisse tauchen öfter auf? Welche Worte wiederholen sich? Priorisiere top 3 für dein KI-Feature.

Lass uns das an Marie anwenden. Beobachten ergab: Aufgabe Social-Post planen. Hindernis: Trend-Recherche dauert 15 Minuten pro Post. Worte: Finde mir virale Ideen schnell. Marie übernimmt jetzt: Scannt Trends, schlägt Posts vor – mit den Worten der Nutzer: Hier sind virale Ideen für dich. Skalierbar, automatisiert, individuell. Unternehmen, die das einsetzen, posten doppelt so oft und engagieren mehr Follower.

Für Mittelständler ist das perfekt. Kein Riesenbudget nötig. In meinen SkillUp-Trainings machen wir das hands-on: Teams recherchieren selbst, bauen Prototypen und testen. Ergebnis? KI-Projekte mit messbaren Zielen, wie 30 Prozent Zeitersparnis. Und es bleibt menschlich – KI unterstützt, ersetzt nicht.

Aber Achtung: Häufige Fehler vermeiden. Beobachte nicht nur Superuser, sondern auch Anfänger. Notiere nicht nur große, sondern kleine Hindernisse – die summieren sich. Und übernimm Worte nicht wörtlich in Tech-Slang, sondern passe sie an. Teste immer iterativ: Baue ein Minimal-Feature, beobachte erneut.

Nutzerforschung zahlt sich aus. Sie macht KI-Features, die Leute lieben. In einer Welt, wo KI überall ist, unterscheidet das Gewinner von Verlierern. Projekte wie Marie zeigen: Automatisierung plus Nutzerverständnis revolutioniert Content, Kommunikation und mehr.

Bist du bereit, loszulegen? Nimm dir nächste Woche 2 Stunden, beobachte dein Team. Notiere Hindernisse, sammle Worte. Baue drauf auf – und sieh, wie effizienter und kreativer alles wird. Bei SkillUp helfe ich dir gerne dabei, sei es in Workshops oder Beratung. Lass uns die Arbeitswelt smarter machen!

Das war es für heute. Welche Aufgabe beobachtest du als Erstes? Schreib in die Kommentare – ich freue mich auf deine Gedanken. Bis bald!