Künstliche Intelligenz ist nicht mehr nur eine Zukunftsvision. Heute gestaltet sie die Berufswelt aktiv um, wobei das digitale Produktdesign im Zentrum dieser Revolution steht. Die KI definiert nicht nur den Designprozess selbst, sondern auch die Rolle des Designers neu. Dieser Wandel kann positiv sein, wenn wir ihn als Chance für die Zusammenarbeit zwischen Mensch und KI sehen und nicht als Konkurrenz. Der Schlüssel zum Erfolg liegt in der Kombination von menschlicher Intelligenz und Empathie mit der Leistungsfähigkeit von Algorithmen, die uns in verschiedenen Phasen unserer Arbeit unterstützen können.
Mithilfe von maschinellem Lernen und generativen Modellen können wir heute fast jede Phase des Designprozesses beschleunigen und optimieren - von der Forschung über die Erstellung von Prototypen bis hin zur Erstellung von Abschlussberichten.
Inhaltsübersicht
- AI im Designprozess
1.1 Forschung, Benchmarking und Marktanalyse
1.2 Benutzerforschung: Vorbereitung und Analyse
1.3 Prototyping und Tests
1.4 Erstellen von Berichten, Präsentationen und Analysen - Neue Kompetenzen für UX-Designer
- Die Macht der Zusammenarbeit
- Referenzen
AI im Designprozess
Forschung, Benchmarking und Marktanalyse
Das Potenzial der KI wird in den frühen Phasen des Prozesses am deutlichsten. Tools wie Perplexity, Gemini, Claude oder ChatGPT können riesige Datenmengen schnell sichten und analysieren, Quellen verifizieren und die wichtigsten Erkenntnisse extrahieren. Sie erkennen automatisch Muster, die Stärken und Schwächen der Wettbewerber und potenzielle Marktlücken. Das Ergebnis? Ein schneller, umfassender und zuverlässiger Marktüberblick, der eine solide Grundlage für die nächsten Planungsphasen bietet.
Benutzerforschung: Vorbereitung und Analyse
KI kann auch den Rechercheprozess erheblich rationalisieren, wenngleich sie ihn nicht vollständig ersetzen kann. Wie bisher können Vorabrecherche, Benchmarking und Vorstudienanalyse fast vollständig automatisiert werden. KI-basierte Tools eignen sich hervorragend für diese Phase - Tools wie Gemini, Copilot oder ChatGPT können verwendet werden, um Forschungsszenarien auf der Grundlage von Richtlinien und Benutzeranweisungen zu erstellen.
Die Analyse und Organisation von Forschungsmaterialien nach einer Studie ist ein weiterer Schritt, bei dem KI helfen kann. Tools wie Mural AI kategorisieren und organisieren Notizen und Beobachtungen automatisch, während Notebook LM Sitzungsprotokolle erstellt und Zusammenfassungen generiert, was den Forschern eine Menge Zeit spart.
Einige Tools, wie z. B. Dovetail, verwalten auch Repositories für Forschungsmaterial, was in größeren Organisationen den Datenzugang und die Zusammenarbeit im Team erheblich erleichtert. Es gibt auch Lösungen, die eine vollautomatische Forschungsanalyse ohne Eingreifen des Forschers ermöglichen. Es ist jedoch wichtig zu bedenken, dass Algorithmen noch immer nicht in der Lage sind, Forschungssitzungen vollständig zu verarbeiten, da sie ausschließlich auf Transkripte angewiesen sind. In der Zwischenzeit verbalisieren die Nutzer nicht jede Mikrointeraktion, und selbst wenn wir sie dazu auffordern, beschreiben sie nicht jeden Gedanken, jede Emotion oder jedes Detail, das ihre Aufmerksamkeit erregt hat. Infolgedessen verlieren diese Tools entscheidenden Kontext.
Der am wenigsten automatisierte Teil des Forschungsprozesses bleibt die Durchführung der Studien. Obwohl es immer mehr Tools gibt, die so genannte "synthetische Benutzer" anbieten, können sich Designentscheidungen nicht allein auf deren Empfehlungen stützen. Ein solcher Ansatz führt nicht zu sinnvollen Lösungen. Synthetische Benutzer sind im Wesentlichen Algorithmen, die auf gemittelten Trainingsdaten basieren. Sie fungieren als vereinheitlichende Werkzeuge, die stets auf die universellste Lösung abzielen. In der Praxis sind sie Chimären, die sich aus Millionen von Verhaltensweisen und statistischen Präferenzen zusammensetzen. Diese "Durchschnittsnutzer" gibt es in der Realität nicht, und Forschungsergebnisse, die sie einbeziehen, führen zu verflachten, sich wiederholenden und oberflächlichen Schlussfolgerungen. Die Essenz der UX-Forschung besteht darin, die tatsächlichen, spezifischen Bedürfnisse einer Zielgruppe zu ermitteln. Wir führen Forschung durch, um den Benutzerkontext zu verstehen und Lösungen zu entwerfen, die diesem entsprechen - etwas, das nicht erreicht werden kann, wenn man sich ausschließlich auf synthetische Daten verlässt.
Prototyping und Tests
In der frühen Entwurfsphase kann die KI auf der Grundlage erster Annahmen und Storyboards schnell einfache, einfache Bildschirm-Prototypen erstellen. Auf diese Weise können Designer Ideen schnell testen, Feedback einholen und Konzepte verfeinern, bevor sie zu detaillierteren Arbeiten übergehen. Bis vor kurzem konnte es nach Workshops, in denen großartige Ideen entwickelt wurden, mehrere Tage dauern, bis die Materialien analysiert und die ersten Prototypen erstellt waren. Heute ermöglichen Tools wie Mural AI oder FigJam die Erfassung und vorläufige Analyse von Workshop-Daten in kürzester Zeit, und Figma Make kann in nur einem Tag mehrere einfache, funktionierende Prototypen erstellen.
Wie Andrew Ng, ein renommierter Wissenschaftler, Unternehmer und einer der Pioniere des modernen maschinellen Lernens (Mitbegründer von Google Brain und Coursera, ehemaliger Leiter der KI-Abteilung bei Baidu), anmerkt, ist es wertvoll, diese Gelegenheit zu nutzen, um mehrere vorläufige, sogar grobe Prototypen zu erstellen. Ng plädiert für eine praktische Herangehensweise an die KI und sieht sie als leistungsstarkes Werkzeug, mit dem sich wiederholende Phasen des Designprozesses automatisieren lassen. Aus seiner Sicht soll KI die Geschwindigkeit von Designern erhöhen und es ihnen ermöglichen, mehr Konzepte in kürzerer Zeit zu untersuchen. Mit diesem Ansatz können Designer nicht nur theoretisch verschiedene Lösungen analysieren, sondern auch in der Praxis sehen, was tatsächlich funktioniert. Man darf jedoch nicht vergessen, dass KI sich durch das Erkennen und Reproduzieren von Mustern aus Trainingsdaten auszeichnet, was die Gefahr der Homogenisierung birgt. Wireframe-Generatoren erzeugen oft nahezu identische Layouts, und Icon-Generatoren können übermäßig komplexe Formen erzeugen, die von einer minimalistischen Ästhetik abweichen. Infolgedessen sehen viele Projekte ähnlich aus, weil die Algorithmen auf denselben oder sehr ähnlichen Datensätzen trainiert wurden.
Erstellen von Berichten, Präsentationen und Analysen
KI unterstützt Designer auch in der Endphase der Arbeit. Tools wie Notebook LM oder Copilot können Berichte und Präsentationen auf der Grundlage geschlossener Datensätze erstellen und so das Risiko von sogenannten Halluzinationen minimieren. Doch auch hier bleibt der menschliche Input entscheidend, da Algorithmen oft allgemeine Empfehlungen aussprechen, die zwar formal korrekt sein mögen, aber nicht unbedingt für einen bestimmten Projektkontext relevant sind.
Neue Kompetenzen für UX-Designer
Da immer mehr Designprozesse durch KI automatisiert werden, erfährt die Rolle des UX-Designers einen deutlichen Wandel. Designer müssen nun ihre Fähigkeiten über die traditionelle Rolle der Oberflächengestaltung hinaus erweitern. Sie sollten nicht nur in der Lage sein, intuitive Lösungen zu entwerfen, sondern auch KI-generierte Daten zu interpretieren und in Design-Entscheidungen zu übersetzen, die einen echten Einfluss auf das Unternehmen haben.
Es ist wichtig, dass die Ergebnisse des Designs über Ästhetik und Benutzerfreundlichkeit hinausgehen und sich in greifbaren Ergebnissen niederschlagen, d. h. das Nutzererlebnis verbessern, Geschäftsziele unterstützen und den Produktwert steigern. In einer Welt, in der Algorithmen immer mehr technische Aufgaben übernehmen, zeichnet die Fähigkeit, einfühlsam zu denken, kritisch zu analysieren und den Entwürfen Bedeutung zu verleihen, einen großartigen Designer aus.
Die Macht der Zusammenarbeit
Bei gutem UX-Design geht es darum, echte, oft verborgene Nutzerbedürfnisse zu entdecken und sie kreativ und authentisch zu erfüllen. Dies erfordert Einfühlungsvermögen, Intuition und den Mut, über Muster hinauszugehen, die KI nicht übertreffen kann.
Die Zukunft des UX-Designs bedeutet nicht eine Welt ohne Designer - ganz im Gegenteil. Es ist eine Zukunft, in der KI Routineaufgaben automatisiert, während sich Designer auf Visionen, Emotionen und Strategien konzentrieren. Menschen, nicht Algorithmen, bringen Verständnis, Kreativität und Urteilsvermögen in das Design ein - Eigenschaften, die nicht programmiert werden können.
Es entstehen neue Berufe, wie z. B. der KI-Designer, der Designkenntnisse mit dem Verständnis von Algorithmen verbindet. Ein KI-Designer ist ein Spezialist, der mit Hilfe von KI Produkte und Erlebnisse entwickelt und dabei Kreativität, Design und technisches Fachwissen miteinander verbindet. Doch auch in dieser Partnerschaft bleibt der Mensch der Architekt des Nutzererlebnisses, wobei die künstliche Intelligenz als leistungsstarkes Werkzeug dient.
Suchen Sie nach Designern, die KI, Kreativität und technisches Fachwissen in jedem Projekt zusammenbringen?
Kontaktieren Sie unser UXLab-Team!Referenzen
- Siemens Digital Industries Software. KI in der Produktentwicklung. Erhältlich bei: https://blogs.sw.siemens.com/digital-transformation/ai-in-product-development/ (Zugriff: 12. Dezember 2025).
- AND Academy. KI im UX-Design. Erhältlich bei: https://www.andacademy.com/resources/blog/ui-ux-design/ai-in-ux-design/ (Zugriff: 12. Dezember 2025).
- YouTube. AI im UX-Design [Video]. Verfügbar unter: https://www.youtube.com/watch?v=vzflkDRbcbk (Zugriff: 12. Dezember 2025).
- STX Next. Designing with AI: Praktische Tipps für bessere Benutzererfahrungen. Erhältlich bei: https://www.stxnext.com/blog/designing-with-ai-practical-tips-for-better-user-experiences (Zugriff: 12. Dezember 2025).
- Zhang, X., et al. (2021). [Titel der Arbeit]. arXiv. Verfügbar unter: https://arxiv.org/pdf/2112.12387 (Zugriff: 12. Dezember 2025).
- Digidop. Wie die KI die Rolle des Designers im Jahr 2025 verändert. Erhältlich bei: https://www.digidop.com/blog/how-ai-is-transforming-the-designers-role-in-2025 (Zugriff: 12. Dezember 2025).
- Galaxy UX Studio. Auswirkungen von AI auf das UI/UX-Design. Erhältlich bei: https://www.galaxyux.studio/affect-of-ai-on-ui-ux-design/ (Zugriff: 12. Dezember 2025).
