KI verändert UX-Design. Aber wahrscheinlich anders, als viele noch vor zwei Jahren gedacht haben. Wir sehen keine Büros voller KI-Agenten, die selbstständig Nutzer interviewen, perfekte User Journeys entwickeln und anschließend in Figma das fertige Produkt gestalten.
Stattdessen passiert etwas viel Unspektakuläreres und gleichzeitig viel Interessanteres. KI übernimmt immer mehr Denk-, Schreib- und Strukturarbeit. Interviewfragen vorbereiten, Anforderungen sortieren, Workshop-Ergebnisse zusammenfassen, Microcopy variieren, User Stories formulieren, Hypothesen entwickeln oder Konzeptvarianten gegenüberstellen. Alles Aufgaben, die einen erstaunlich großen Teil unseres UX-Alltags ausmachen.
Und genau deshalb verändert KI nicht nur unsere Werkzeuge. Sie verändert langsam auch unsere Rolle im Team. Die spannende Frage lautet also nicht: Kann KI UX-Designer ersetzen? Sondern: Was wird eigentlich zur Aufgabe von UX-Designer/-innen, wenn die Produktion von Ideen, Texten und Varianten plötzlich sehr viel einfacher wird?
Von der Produktion zur Orchestrierung
Wer schon einmal an einem größeren digitalen Produkt gearbeitet hat, kennt das Problem. Es mangelt selten an Informationen. Es gibt Research-Ergebnisse, Analytics-Daten, Anforderungen, Tickets, Präsentationen, technische Einschränkungen, Stakeholder-Feedback, Nutzerwünsche und ungefähr 48 Post-its aus dem letzten Workshop.
Das eigentliche Problem ist häufig ein anderes: Jemand muss daraus einen sinnvollen Zusammenhang herstellen. Genau hier wird die Rolle von UX in Zukunft wichtiger.
Denn ein Sprachmodell kann innerhalb weniger Sekunden zehn Navigationsvarianten erzeugen. Es kann drei unterschiedliche User Flows beschreiben oder zwanzig Formulierungen für einen Button vorschlagen. Aber welche davon ist richtig? Welche passt zu unseren Nutzern? Welche unterstützt das Geschäftsmodell? Welche ist technisch realistisch? Und welche löst vielleicht elegant ein Problem, das in Wirklichkeit gar nicht existiert? Diese Entscheidungen nimmt uns die KI nicht ab. Der UX-Konzepter wird deshalb zunehmend zum Orchestrator.
Was bedeutet Orchestrierung im UX-Design?
Ein Orchester klingt schließlich auch nicht automatisch gut, nur weil möglichst viele Instrumente gleichzeitig spielen. Jemand muss entscheiden, wann welches Instrument gebraucht wird. Bei KI ist es ähnlich. Je leistungsfähiger die Werkzeuge werden, desto wichtiger wird die Fähigkeit, sie sinnvoll einzusetzen.
In der Praxis bedeutet das vor allem vier Dinge: Kontext geben, Perspektiven wechseln, Qualität bewerten und Entscheidungen vorbereiten.
Nehmen wir ein einfaches Beispiel. Ein Prompt wie „Erstelle ein UX-Konzept für eine Banking-App“ wird vermutlich irgendein Ergebnis produzieren. Wahrscheinlich sogar eines, das auf den ersten Blick ziemlich vernünftig aussieht. Aber was soll die App eigentlich erreichen? Wer benutzt sie? Welche Probleme bestehen heute? Welche regulatorischen Anforderungen gibt es? Welche technischen Einschränkungen müssen berücksichtigt werden?
Ohne diese Informationen kann die KI nur mit allgemeinen Mustern arbeiten. Ein wesentlich besserer Auftrag wäre deshalb: „Wir optimieren das Onboarding einer Banking-App für berufstätige Nutzer zwischen 30 und 55 Jahren. Viele Nutzer empfinden die notwendigen Sicherheitsprozesse als kompliziert und zeitaufwendig. Die regulatorischen Schritte dürfen nicht reduziert werden. Analysiere mögliche Nutzerängste und leite daraus Anforderungen an Informationsarchitektur und Kommunikation ab.“ Plötzlich wird aus einer beliebigen Aufgabe ein konkretes Problem. Das Interessante daran: Diese Fähigkeit ist gar nicht neu. Wir nennen sie im UX-Design seit Jahren Framing.
Gute KI-Arbeit beginnt mit gutem Problemverständnis
Vielleicht liegt genau hier eines der größten Missverständnisse rund um KI. Aktuell wird sehr viel über Prompts gesprochen. Welcher Prompt erzeugt die beste Persona? Welcher Prompt erstellt die perfekte User Journey? Welche Formulierung liefert die besten UX-Texte?
Natürlich ist gutes Prompting hilfreich. Aber langfristig wird die wichtigere Fähigkeit nicht darin bestehen, besonders raffinierte Befehle zu formulieren. Sie wird darin bestehen, das richtige Problem zu erkennen.
Denn auch der beste Prompt rettet kein schlecht verstandenes Nutzerproblem. Wenn wir eine falsche Annahme über Nutzer haben, kann die KI daraus in beeindruckender Geschwindigkeit ein vollständiges Konzept bauen. Mit Persona, User Journey, Pain Points, User Stories und vielleicht sogar mit überzeugenden Argumenten. Nur ist das Konzept dann eben sehr professionell ausgearbeiteter Unsinn. Deshalb wird kritisches Denken im KI-Zeitalter nicht weniger wichtig. Sondern wichtiger.
KI verändert die Zusammenarbeit im UX-Team
Auch unsere Zusammenarbeit wird sich dadurch verändern. Viele Produktteams funktionieren heute noch ein wenig wie ein Staffellauf. Research sammelt Erkenntnisse und übergibt sie an Design. Design erstellt Konzepte und übergibt sie an den Produktmanager. Der Produktmanager schreibt Anforderungen und übergibt sie an die Entwicklung. Bei jeder Übergabe geht etwas verloren. Kontext verschwindet, Entscheidungen werden vereinfacht und Annahmen werden irgendwann zu vermeintlichen Fakten.
KI kann diese Übergänge deutlich verkürzen. Stell dir vor, ein Research-Team hat 35 Interviews geführt. Statt tagelang Aussagen manuell zu sortieren, kann ein Sprachmodell zunächst wiederkehrende Themen, Pain Points und mögliche Muster herausarbeiten. Der Researcher überprüft und interpretiert diese Ergebnisse. Produkt kann daraus erste Hypothesen formulieren. Design entwickelt mehrere Lösungsrichtungen. Die Entwicklung ergänzt technische Risiken und Edge Cases.
Plötzlich entsteht kein Staffellauf mehr. Es entsteht ein gemeinsamer Denkraum. Das bedeutet nicht, dass KI Research übernimmt. Oder Design. Oder Produktmanagement. Sie reduziert zunächst einmal Unstimmigkeiten zwischen diesen Disziplinen. Und genau das könnte langfristig einer ihrer größten Effekte auf Produktteams sein.
Mehr Varianten bedeuten nicht automatisch bessere UX
Es gibt allerdings einen Haken. Wenn Ideen fast nichts mehr kosten, bekommen wir sehr viele Ideen. Und wer schon einmal einen Workshop mit zwölf Konzeptvarianten erlebt hat, weiß: Mehr Auswahl führt nicht automatisch zu besseren Ergebnissen.
KI kann dieses Problem sogar verschärfen. Innerhalb weniger Minuten entstehen fünf User Flows, acht Navigationsmodelle und 25 Varianten für das Onboarding. Alle klingen plausibel. Was jetzt?
Hier kommt eine Fähigkeit ins Spiel, die im UX-Design enorm an Bedeutung gewinnen dürfte: Qualität bewerten.Welche Lösung reduziert tatsächlich Komplexität? Welche passt zum Nutzungskontext? Welche Annahmen stecken darin? Welche Randfälle wurden vergessen? Welche Variante erzeugt Vertrauen? Und was müssten wir mit echten Nutzern testen?
Die Aufgabe von UX verschiebt sich damit ein Stück weit weg von: „Ich muss eine Lösung produzieren.“ hin zu: „Ich muss erkennen, welche Lösung die richtige Richtung einschlägt.“
Die wichtigsten UX-Kompetenzen werden erstaunlich menschlich
Interessanterweise sind es deshalb nicht unbedingt technische Fähigkeiten, die durch KI wichtiger werden. Es sind sehr menschliche. Kritisches Denken zum Beispiel. KI kann eine Antwort liefern, aber jemand muss erkennen, ob sie überhaupt plausibel ist. Empathie wird ebenfalls wichtiger. Ein Sprachmodell kann Frustration beschreiben. Es erlebt sie aber nicht. Es sitzt nicht neben einem Nutzer, der zum dritten Mal versucht, einen Prozess abzuschließen und irgendwann entnervt aufgibt.
Auch systemisches Denken gewinnt an Bedeutung. Digitale Produkte bestehen schließlich nicht aus einzelnen Screens. Sie bestehen aus Prozessen, Daten, Regeln, Abhängigkeiten, Geschäftsmodellen und Nutzererwartungen. Eine scheinbar kleine UX-Entscheidung kann Auswirkungen auf Support, Entwicklung, Datenschutz oder Conversion haben.
KI kann einzelne Teile dieses Systems analysieren. Den Zusammenhang müssen weiterhin Menschen herstellen. Und dann wäre da noch eine Fähigkeit, über die erstaunlich wenig gesprochen wird: mit Unsicherheit umgehen zu können. KI liefert häufig sehr klare Antworten. Die Realität ist leider selten so klar.
Der UX-Designer als Qualitätsfilter und Übersetzer
Vielleicht verändert sich deshalb auch unser Selbstverständnis. UX-Designer/-innen werden stärker zu Moderator/-innen, Kurator/-innen, Übersetzer/-innen und Qualitätsfiltern. Sie übersetzen zwischen Nutzerbedürfnissen und Geschäftsmodell, zwischen technischer Machbarkeit und gewünschtem Erlebnis, zwischen Research-Erkenntnis und Produktentscheidung. Und zunehmend auch zwischen KI-Output und Realität.
Das klingt zunächst weniger spektakulär als „AI powered Design“. Ist aber wahrscheinlich sehr viel näher an dem, was gute UX schon immer ausgemacht hat. Denn UX war nie nur das Erstellen von Wireframes. Die eigentliche Arbeit bestand schon immer darin, Komplexität zu verstehen und daraus sinnvolle Entscheidungen für Menschen abzuleiten.
Brauchen wir künftig überhaupt noch UX-Teams?
Diese Frage taucht in Diskussionen über KI zwangsläufig irgendwann auf. Wenn KI Research Ergebnisse zusammenfasst, User Flows entwickelt, Texte schreibt und erste Interface-Ideen erzeugt. Wozu brauchen Unternehmen dann noch große UX-Teams? Vielleicht ist das die falsche Frage. Interessanter wäre: Welche UX-Teams lernen, KI sinnvoll in ihre Arbeit zu integrieren?
Denn KI macht ein schlechtes Team nicht automatisch gut. Sie kann sogar dafür sorgen, dass schlechte Entscheidungen schneller produziert werden. Ein gutes Team dagegen kann KI nutzen, um schneller zu explorieren, früher zu diskutieren und mehr Zeit für die wirklich schwierigen Fragen zu gewinnen.
Welche Probleme lösen wir? Für wen? Welche Annahmen müssen wir überprüfen? Welche Risiken übersehen wir? Und woran erkennen wir eigentlich, dass unsere Lösung funktioniert?
Fazit: KI macht menschliche UX-Kompetenzen wertvoller
Je mehr ich mich mit KI im UX Design beschäftige, desto weniger glaube ich, dass die entscheidende Veränderung in einzelnen Tools liegt. Tools werden kommen und gehen. Was bleibt, ist die Fähigkeit, gute Probleme zu erkennen, sinnvolle Fragen zu stellen und Ergebnisse kritisch zu beurteilen.
KI kann uns helfen, schneller zu recherchieren, zu strukturieren, zu formulieren und Varianten zu entwickeln. Sie kann Sparringspartner, Strukturierer und Ideengeber sein. Aber sie trägt keine Verantwortung für das Produkt. Das tun weiterhin wir.
Vielleicht werden UX-Designer/-innen deshalb künftig tatsächlich weniger Zeit damit verbringen, einzelne Artefakte von Grund auf zu produzieren. Dafür werden wir mehr orchestrieren, bewerten, verbinden und entscheiden.
Und vielleicht ist das gar keine neue Rolle. Vielleicht wird durch KI einfach nur deutlicher sichtbar, worin gute UX-Arbeit schon immer bestanden hat.