Aus Nutzersicht sind KI-Systeme von Natur aus unsicher. Sie können zu inkonsistenten Ergebnissen führen und regelmäßig Fehler machen. Die Benutzeroberfläche bietet viele Möglichkeiten, Frustrationen, die durch KI-Einschränkungen entstehen, zu absorbieren, zu filtern und zu reduzieren. Als Entwickler spielen Sie eine zentrale Rolle bei der Gestaltung der KI-Nutzererfahrung, da Sie besser wissen, wie und wo ein KI-System wahrscheinlich versagen wird.
Ein wichtiger Designaspekt ist, wie viel Kontrolle die Nutzer über KI haben. Einige Möglichkeiten sind für Nutzer unsichtbar, während andere eine explizite Interaktion erfordern. Eine größere Offenheit bedeutet mehr Flexibilität, aber auch mehr Risiken und Komplexität, die bewältigt werden müssen.
In diesem Modul lernen wir Best Practices für das Design von UX-Mustern für drei Arten von Einblendungen: Hintergrund, eingeschränkt und offen. Für jeden Typ wird erläutert, wie sich technische und architektonische Entscheidungen auf die User Experience des KI-Systems auswirken.
KI im Hintergrund
KI kann verwendet werden, um eine bestehende Funktion dezent zu erweitern, ohne neue Funktionen einzuführen. So werden Unterbrechungen und das Risiko von Fehlern minimiert. In diesem Fall liegt die Verantwortung für Nützlichkeit, Zuverlässigkeit und ordnungsgemäße Herabstufung vollständig beim Produkt. Nutzer müssen nicht wissen, wie die KI funktioniert oder dass KI beteiligt ist, um davon zu profitieren.
Die Hintergrund-KI ist am besten geeignet, wenn:
- Die Aufgabe ist mit geringem Risiko verbunden.
- Die Nutzerkontrolle würde die Ergebnisse nicht wesentlich verbessern.
- Das Produkt kann weiterhin seinen Hauptnutzen bieten, auch wenn die KI-Funktion fehlschlägt oder nicht verfügbar ist.
Es gibt viele Beispiele für Hintergrund-KI im gesamten Web, von Spamfiltern über Unterhaltungsempfehlungen bis hin zu komplexen Beispielen wie den Bullet-Stream-Kommentaren von BILIBILI. Einige dieser Funktionen werden Sie vielleicht nicht einmal als „KI“ wahrnehmen.
Beispiel: KI-basierte Zusammenfassungen und Highlights von Rezensionen
Erinnern Sie sich noch an Example Shoppe? Bisher haben wir zwei Systemkonzepte für verschiedene KI-Funktionen veröffentlicht, darunter eine Kundensupportfunktion und eine erweiterte Produktsuche. Jetzt führen wir eine dritte Funktion ein: Zusammenfassungen von Rezensionen. Blueprint für KI-Systeme
Produktseiten enthalten oft Hunderte von Rezensionen. Für Nutzer kann es schwierig sein, die Merkmale zu bewerten, die für sie tatsächlich wichtig sind.
Sie können KI verwenden, um wiederkehrende Themen in Suchanfragen zu erkennen und personalisierte Rezensions-Highlights und Zusammenfassungen zu erstellen. In unserem Beispiel sucht der Nutzer nach Kopfhörern. Daher werden die Themen Klangqualität und Akkulaufzeit hervorgehoben. Das reduziert die kognitive Belastung und kann zu schnelleren Kaufentscheidungen führen.
Da Zusammenfassungen für jede Person einzigartig sind, sollten Sie beim Auswählen Ihrer Plattform Datenschutz und Geschwindigkeit priorisieren. Möglicherweise möchten Sie die integrierte KI und die Summarizer API verwenden, damit die Berechnungen direkt auf dem Gerät des Nutzers erfolgen.
Best Practices
Beachten Sie die folgenden Richtlinien, damit sich Ihre KI-Funktion nahtlos in die bestehende Nutzererfahrung einfügt:
- Für leichte Transparenz sorgen: Wenn KI nutzergenerierte Inhalte transformiert oder zusammenfasst, können Sie durch dezente Hinweise die Erwartungen Ihrer Nutzer steuern. Sie können neutrale Labels wie „Zusammenfassung“ oder „Wichtige Statistiken“ verwenden und progressive Offenlegung durch Tooltips oder andere UI-Elemente hinzufügen.
- Opt-out zulassen: Menschen haben unterschiedliche Ansichten zu KI. Manche empfinden KI als aufdringlich, überwältigend oder störend. Bieten Sie eine klare Möglichkeit, diese Funktionen zu deaktivieren.
- Formulierung beachten: Die Sprache ist ein wichtiger Bestandteil jeder Nutzererfahrung, auch bei KI-generiertem Text. In unserem Beispiel sollten Zusammenfassungen Trends und nicht Behauptungen widerspiegeln. Fügen Sie Ihrem Systemprompt Regeln hinzu, um eine zu selbstbewusste Sprache in der Zusammenfassung zu reduzieren oder zu entfernen.
- Graceful Fallback entwickeln: Stellen Sie nach Möglichkeit auch ohne KI einen Mehrwert bereit. Wenn die Zusammenfassung aus technischen Gründen nicht verfügbar ist, z. B. weil ein Modell nicht verfügbar ist, sollten trotzdem nicht zusammengefasste Rezensionen angezeigt werden. Sobald das Modell heruntergeladen wurde, kann Ihre Anwendung die neue Zusammenfassung automatisch anzeigen.
- Unterbrechungen bei der Einrichtung minimieren: Der erste Download eines clientseitigen Modells kann zu Problemen führen. Machen Sie zuerst den Wert der Funktion deutlich. Sie können einen eingeschränkten serverseitigen Fallback hinzufügen oder den Download an das Ende des Nutzer-Journeys verschieben, um Unterbrechungen zu minimieren. Wenn Sie den richtigen Zeitpunkt und Kontext wählen, können Sie Ihr Produkt an den Prioritäten des Nutzers ausrichten.
Eingeschränkte KI
Während Hintergrund-KI automatisch ausgeführt wird, werden Funktionen mit eingeschränkter KI explizit vom Nutzer ausgelöst, oft über einen Link oder eine Schaltfläche. Sie legen die Aufgabe, die Absicht, die Einschränkungen und das Ausgabeformat in einem Systemprompt fest. Im Gegensatz zu einem Cursor für offene Prompts haben Nutzer nur begrenzte oder gar keine Optionen, außer die Aufgabe zu starten und eine Ausgabe zu erhalten. Das System behält die Vorhersagbarkeit bei, indem es den Umfang der KI-Funktionen stark einschränkt.
Wie bei der Hintergrund-KI lassen sich Funktionen mit eingeschränkter KI gut mit clientseitigen Modellen kombinieren, die für die jeweilige Aufgabe angepasst sind.
Beispiel: Titelerstellung
Das Generieren von Überschriften kann eine besonders schwierige Aufgabe sein. BlogBuddy nutzt KI, um Autoren dabei zu helfen, durchdachte, kontextbezogene Überschriften mit minimalem Aufwand zu erstellen. Blueprint für das KI-System
Der Nutzer kann auf Titel anzeigen klicken, um mehrere Entwürfe zur Bewertung und Optimierung zu erstellen.
Wie das mit der Prompt API implementiert werden kann, haben wir im Abschnitt Prompt Engineering beschrieben. Erstellen Sie einen Systemprompt, der die Aufgabe, stilistischen Einschränkungen und die Ausgabestruktur codiert. Nur die Inhalte des Blogposts werden dynamisch über die Benutzeroberfläche übergeben. Bei der clientseitigen Implementierung ist die Funktion so optimiert, dass sie ohne Einrichtungsaufwand wiederholt verwendet werden kann.
Best Practices
Ihr Ziel ist es, Nutzer dazu zu bewegen, neue Funktionen zu verwenden. So können Sie den Wert demonstrieren und den Nutzern die Kontrolle über das Ergebnis geben:
- Klarheit und Selbstbewusstsein vermitteln: Klare Aktionslabels sind immer besser als generische Formulierungen wie „KI fragen“. Der Nutzer sollte intuitiv verstehen, was passiert, nicht nur wie es passiert. Wenn die Latenz Ihrer Funktion gering ist, fügen Sie Labels hinzu, die darauf hinweisen, dass das Ergebnis bereits verfügbar ist. Verwenden Sie beispielsweise Titel anzeigen anstelle von Titel generieren.
- Nutzer auf dem Laufenden halten: Fügen Sie leichte kognitive Reibung hinzu, um die Nutzer aufmerksam zu halten. Wenn Sie mehrere Optionen anbieten, können Sie verhindern, dass Nutzer sich mit einem Ergebnis, das ihnen nicht gefällt, in einer Sackgasse befinden. Nutzer sollten Ergebnisse explizit akzeptieren oder bearbeiten können, bevor sie gespeichert werden.
- Ergebnis nach Möglichkeit im Voraus vorbereiten: Insbesondere bei clientseitigen Aufgaben sollten Sie das Ergebnis vorab berechnen, damit es sofort verfügbar ist.
- Schnelle Iteration unterstützen: Die Regeneration sollte einfach, reversibel und kostengünstig sein. Nutzer sollten die Möglichkeit haben, ihre Aktionen rückgängig zu machen. Sammeln Sie diese Feedbacksignale, damit Sie die Funktion für zukünftige Läufe optimieren können.
- Bei Bedarf detailliertere Steuerelemente bereitstellen: Mit zusätzlichen strukturierten Elementen wie Tonfall-Tags, Längenauswahl oder voreingestellten Stilen lassen sich die Ergebnisse optimieren. In vielen Fällen entsteht der Bedarf an zusätzlicher Kontrolle im Laufe der Zeit, wenn sich das Vertrauen und die Anforderungen der Nutzer weiterentwickeln. Richten Sie Feedback-Loops ein, damit Sie diese Entwicklungen im Blick behalten können.
Zwischen Hintergrund- und eingeschränkter KI wählen
Einige Funktionen können entweder als Hintergrund- oder als eingeschränkte KI implementiert werden, je nachdem, wie und wann Sie sie präsentieren. Diese Unterscheidung hängt von der Sichtbarkeit, der kognitiven Belastung und dem Timing ab und nicht von den verfügbaren Funktionen. Anstatt beispielsweise einen expliziten Klick auf eine Schaltfläche zu erfordern, könnten Titel proaktiv im Hintergrund vorbereitet werden, während der Nutzer schreibt. Wenn der Nutzer das Titelfeld fokussiert, können Sie Vorschläge präsentieren.
Diese Vorgehensweise funktioniert am besten, wenn:
- Die für die Funktion erforderlichen Eingaben sind standardmäßig verfügbar.
- Die Anzahl der KI-basierten Funktionen ist gering.
- Die Kosten für die Vorberechnung sind gering.
- Vorschläge können eingeblendet werden, ohne den Nutzer bei seiner Aufgabe zu stören.
Im Gegensatz dazu ist die eingeschränkte KI in Produkten mit mehreren KI-Funktionen oder ‑Aktionen vorzuziehen. Explizite Trigger tragen dazu bei, unnötige Berechnungen zu vermeiden, und geben Nutzern ein besseres Gefühl für Intention und Agency.
Offene KI
Bei Open-Ended-KI haben Nutzer mit Freiform-Eingaben die direkte Kontrolle über das Verhalten eines KI-Systems. Anstatt eine vordefinierte Aktion auszulösen, können Nutzer Kontext in natürlicher Sprache angeben. Nach dem Einreichen interpretiert das KI-System die Intention, fügt fehlenden Kontext hinzu und schätzt, was als Nächstes zu tun ist.
Eingaben sind sehr individuell und oft unvorhersehbar. Ihr KI-System muss in der Lage sein, diese Variabilität zu bewältigen. Dieser Typ bietet die höchste Flexibilität, birgt aber auch das höchste Risiko für die Nutzerfreundlichkeit:
- Mehrdeutige oder unvollständige Nutzereingabe
- Unvorhersehbare Ausgaben
- Höhere Wahrscheinlichkeit falscher oder irreführender Antworten
- Erhöhtes Risiko von Übervertrauen
- Versuche, das System zu manipulieren, z. B. indem unangemessene Inhalte generiert werden sollen
Beispiel: KI-basierter Kundenservicemitarbeiter
Bei Example Shoppe umfasst der Kundensupport eine Vielzahl von Problemen: Sendungsverfolgung, Rückgaben, Produktfragen, Lieferprobleme und Sonderfälle, die nicht in saubere Workflows passen. Frischen Sie Ihr Wissen über den Blueprint für KI-Systeme aus dem Platform-Modul auf.
Nachdem Sie eingeschränkte KI-Funktionen für die häufigsten Aktionen hinzugefügt haben, kann die Benutzeroberfläche überladen sein. Ein offener KI-Support-Agent kann dagegen für mehr Flexibilität sorgen.
- Häufige Probleme schnell beheben
- Wartezeiten und Supportkosten reduzieren
- Sofortige Unterstützung zu vielen Themen ohne komplexe Supportabläufe
Der Wert des Support-Agents liegt in der Bewältigung von Variabilität im großen Maßstab. Letztendlich müssen Sie ein System entwickeln, das diese Eingaben verantwortungsbewusst verarbeiten kann. Sie hoffen und erwarten zwar, dass Nutzer ihr bestes Urteilsvermögen einsetzen und Vertrauen kalibrieren, aber Sie können für falsche Antworten des Modells haftbar gemacht werden.
Nutzer öffnen einen Chat mit dem Agent und fragen: „Wo ist meine Bestellung?“ oder „Mir wurde der Betrag zweimal in Rechnung gestellt. Kannst du mir helfen?“ Der Agent interpretiert die Intention, stellt klärende Fragen, ruft relevante Informationen ab und schlägt nächste Schritte oder Aktionen vor.
Die meisten offenen KI-Systeme basieren auf serverseitigen Modellen. Diese können mit anderen Komponenten wie Datenbanken, externen Tools und Geschäftslogik kombiniert werden, um ein zusammengesetztes KI-System zu bilden. Sie sollten Eskalierungswege zu menschlichen Kundenservicemitarbeitern bereitstellen.
Best Practices
Fokus auf Transparenz, Vertrauensabstimmung und Kontrollmechanismen:
- Nutzer anleiten, ihre Absicht klar zu formulieren: Geben Sie Vorschläge für Prompts („Ich möchte eine Bestellung zurückgeben“) und empfohlene Follow-ups, um Unklarheiten zu vermeiden.
- Systemstatus und Annahmen sichtbar machen: Der Kundenservicemitarbeiter sollte klar kommunizieren, was er versteht („Es sieht so aus, als ob Sie sich nach Bestellung 12345 erkundigen.“) und welche Informationen er verwendet.
- Vor dem Ausführen von Aktionen fragen: Bevor sensible Aktionen wie Rückgaben, Erstattungen oder Adressänderungen ausgeführt werden, sollte der Kundenservicemitarbeiter die Aktion zusammenfassen und den Nutzer um Bestätigung bitten.
- Auf Überprüfung und Korrektur ausgelegt: Nutzer sollten in der Lage sein, Missverständnisse zu korrigieren, Anfragen neu zu formulieren oder die Unterhaltung zurückzuspulen, ohne von vorn beginnen zu müssen.
- Mit eingeschränkten KI-Funktionen kombinieren: Zu viele Rückfragen können Nutzer abschrecken. Fügen Sie strukturierte Elemente als Verknüpfungen hinzu. Eine abgeleitete Bestellnummer kann beispielsweise als anklickbares Element dargestellt werden, mit dem der Nutzer sie suchen, auswählen oder ersetzen kann, anstatt die Anfrage im Text neu zu formulieren.
- Unsicherheiten und Einschränkungen aufzeigen: Der Agent sollte Unsicherheiten eingestehen, fehlende Informationen signalisieren und bei geringem Vertrauen an einen Menschen eskalieren.
Bei dieser Art von KI-Lösung müssen Ihre Nutzer Antworten kritisch bewerten und wissen, wann sie eskalieren müssen.
Bedeutende Vorteile
In diesem Modul haben wir uns verschiedene Arten von KI-basierten Nutzererlebnissen angesehen:
- Mit Background AI können Sie Ihrer bestehenden User Journey zusätzlichen Wert oder Freude hinzufügen.
- Eingeschränkte KI-Funktionen können für bestimmte, genau definierte Anwendungsfälle verwendet werden, die sich am besten mit KI umsetzen lassen.
- Offene KI ist für Bereiche mit hoher Variabilität erforderlich. Verwenden Sie „Offen“ nur, wenn Sie sehr zuversichtlich sind, was die technische Leistung Ihres Systems angeht.
In der folgenden Tabelle sind die empfohlenen UX-Muster für die einzelnen KI-Typen zusammengefasst:
| UX-Thema | UX-Muster | Hintergrund | Eingeschränkt | Offen |
| Transparenz | KI ist deutlich gekennzeichnet | |||
| Einfache Erklärung des KI‑Verhaltens | ||||
| Systemstatus und Annahmen sichtbar | ||||
| Anleitung | Vorschläge für Prompts | |||
| Strukturierte Eingabe (Tags, Voreinstellungen) | ||||
| Kontrollgruppe | Expliziter KI-Trigger | |||
| Vorschau der Ausgabe vor dem Anwenden ansehen | ||||
| Mehrere Alternativen | ||||
| Neu generieren | ||||
| Rückgängig machen | ||||
| Vertrauensabstimmung | Konservative Formulierung | |||
| Konfidenzindikatoren | ||||
| Risiko- und Fehlerbehebung | Absichtliche Reibung und Überprüfungspunkte | |||
| Übergabe an Kundenservicemitarbeiter / Eskalierung | ||||
| Ordnungsgemäße Rückkehr zum ursprünglichen Zustand ohne KI |
Weitere Informationen
Wenn Sie mehr über UX-Muster erfahren möchten, empfehlen wir Ihnen die folgenden Ressourcen:
- Google People + AI Guidebook
- Das HAX Toolkit von Microsoft, insbesondere die Richtlinien für die Interaktion zwischen Mensch und KI.
- The Shape of AI von Emily Campbell.
- Kapitel 10 von The Art of AI Product Development.
Wissen testen
Welche Art von UX-Muster ist die Hintergrundunschärfe bei Videoanrufen?
Wann sollten Sie offene KI als UX-Muster verwenden?