KI-Tools im UX-Prozess: Von Research bis Prototyping

KI ist im Design-Alltag angekommen

Vor zwei Jahren galt der Einsatz von Künstlicher Intelligenz im UX-Prozess noch als experimentell. 2026 ist er Standard. Ob Figma AI, ChatGPT, Midjourney oder spezialisierte Tools wie Maze AI und UserTesting AI — KI ist an jedem Touchpoint des Designprozesses angekommen: von der ersten Nutzerbefragung bis zum finalen Prototypen.

Die entscheidende Frage ist längst nicht mehr ob Designer KI nutzen sollten, sondern wie. Denn KI ersetzt kein gutes Design — sie verstärkt es. Wer die Werkzeuge beherrscht, gestaltet schneller, fundierter und vielschichtiger. Wer sie ignoriert, wird in Teams mit KI-kompetenten Kolleg:innen schlechter mithalten können.

KI im UX-Prozess ist wie ein zweiter Monitor: Man arbeitet nicht automatisch besser, aber man hat mehr Raum zum Denken. Der Mehrwert entsteht durch die Art, wie du sie einsetzt — nicht dadurch, dass du sie einsetzt.

1. User Research mit KI beschleunigen

Interview-Transkripte analysieren

Früher verbrachten Researcher Tage damit, Interview-Aufzeichnungen zu transkribieren und zu codieren. Tools wie Otter.ai, Dovetail AI oder Notta transkribieren Interviews inzwischen nahezu fehlerfrei — inklusive Sprechererkennung und Zeitstempel. Der echte Game-Changer ist aber die automatische Themenclusterung: KI erkennt wiederkehrende Muster in 20 Interviews und macht sie in Minuten sichtbar.

Praktisch bedeutet das:

• Transkription: Automatisch und in Echtzeit, oft unter 5 Minuten für ein Stunden-Interview
• Sentiment-Analyse: Erkennt Frustration, Begeisterung oder Unsicherheit an der Sprache
• Theme-Clustering: Gruppiert Aussagen nach Themen, ohne dass du jedes Zitat manuell taggst
• Zitat-Extraktion: Findet die aussagekräftigsten Stellen für deine Research-Präsentation

Warnung: KI-gestützte Analyse ersetzt nicht das aktive Zuhören im Interview selbst. Emotionen, Pausen und non-verbale Signale bleiben menschliche Disziplin. Nutze die Tools für die Nacharbeit, nicht als Ersatz für echte Empathie.

Sekundärforschung in Minuten

Was früher Tage in Google Scholar kostete, erledigt Perplexity, Claude oder ein gut genutztes ChatGPT-DeepResearch in einer Stunde. Strukturierte Marktübersichten, Wettbewerber-Analysen oder State-of-the-Art-Zusammenfassungen zu einem Fachgebiet sind kein Zeitfresser mehr — wenn du die Quellen kritisch prüfst.

Gute Prompts für Sekundärforschung haben drei Teile: Rolle (z. B. „Du bist UX-Researcher"), Auftrag (z. B. „Fasse die aktuellen Usability-Standards für Banking-Apps zusammen") und Format (z. B. „Als Tabelle mit Quelle und Relevanz"). Je präziser der Prompt, desto nützlicher die Antwort.

2. Ideation: Schneller zu mehr Ideen

Divergente Ideation mit KI

In der Ideation-Phase ist KI kein Ersatz für kreative Gehirne, aber ein hervorragender Sparringspartner. Während Designer früher allein vor dem leeren Miro-Board saßen, liefert ein gezielter Prompt sofort 20 verschiedene Lösungsansätze — die man verwerfen, kombinieren oder weiterentwickeln kann.

Bewährte Ideation-Prompts:

• „Gegen-Brainstorming": „Wie würde das schlechteste mögliche Onboarding aussehen?" — Die Antworten offenbaren versteckte Annahmen
• Perspektivwechsel: „Wie würde Apple / Duolingo / ein Schweizer Bankhaus dieses Problem lösen?"
• Constraint-Play: „Wie gestaltest du diesen Flow, wenn Nutzer nur 30 Sekunden Zeit haben?"
• Analogie-Prompts: „Was können wir vom Check-in-Prozess am Flughafen für unseren Onboarding-Flow lernen?"

Konzepte visualisieren

Tools wie Midjourney, DALL·E oder das in Figma integrierte Figma AI erzeugen in Sekunden Mood-Boards, Stilrichtungen oder erste UI-Explorationen. Besonders im Kundengespräch ist das Gold wert: Statt über abstrakte Konzepte zu diskutieren, zeigst du drei visuell unterschiedliche Richtungen und fragst: „In welche Richtung geht das Produkt für dich?"

3. Wireframing und Prototyping

Von Text zu Wireframe in Sekunden

2026 ist der Schritt vom Briefing zum klickbaren Prototyp drastisch kürzer geworden. Tools wie Uizard, Galileo AI oder Figma AI erzeugen aus einer Textbeschreibung innerhalb von Minuten valide Screens — inklusive realistischer Platzhaltertexte, plausibler Informationsarchitektur und responsivem Verhalten.

Typischer Workflow:

• Input: „Onboarding-Flow für eine Fitness-App, drei Screens, zielgruppenorientiert 35–55 Jahre"
• KI-Output: Drei responsive Screens mit Navigation, CTAs, Formularen und Beispieltexten
• Designer-Arbeit: Kuratieren, verfeinern, Markenidentität einpflegen, Edge-Cases durchdenken

Der Fokus verschiebt sich von produzieren zu kuratieren. Das ist keine Entwertung der Design-Arbeit — es ist eine Aufwertung. Die wertvollste Arbeit war schon immer das Denken, nicht das Pushen von Rechtecken.

Content-Prototypen mit echten Daten

Ein unterschätzter Einsatz: KI füllt Prototypen mit realistischen Inhalten statt Lorem Ipsum. Eine E-Commerce-Produktseite mit echten Produktbeschreibungen, einem plausiblen Preisniveau und authentischen Review-Texten wirkt völlig anders als mit Dummy-Text — und testet sich auch anders. Nutzer geben im Usability-Test sehr unterschiedliches Feedback, wenn der Content sich echt anfühlt.

Praxis-Tipp: Erstelle einen „Content-Prompt" als Teil deines Design-Systems. Ein wiederverwendbarer Prompt, der im Stil deines Produkts Produkt-, Marketing- und UI-Texte erzeugt, spart dir bei jedem Prototypen Stunden.

4. UX Writing und Microcopy

UX Writing ist einer der Bereiche, in denen KI den größten Impact hat. Fehlerfehlermeldungen, Button-Labels, Empty States oder Onboarding-Texte sind wiederkehrende Aufgaben, die KI strukturiert lösen kann — wenn du ihr deinen Tone of Voice beibringst.

Was gut funktioniert:

• Tone-of-Voice-Briefings: Beschreibe die Markensprache in 3–5 Sätzen plus Beispielen. Die KI adaptiert erstaunlich treffsicher
• Varianten-Generierung: „Schreib mir 10 Varianten für diesen Save-Button — von funktional bis spielerisch"
• Längenoptimierung: „Kürze diesen Fehlertext auf maximal 60 Zeichen, ohne den Sinn zu verlieren"
• Lokalisierung: Erste Übersetzungsvorschläge mit kulturellen Nuancen, die klassische Translation-Memory-Systeme übersehen

Was schlecht funktioniert: Originalität. Wenn alle mit denselben Tools arbeiten, klingen alle Produkte irgendwann gleich. Die menschliche Arbeit liegt in der Kuratierung und Veredelung — im bewussten Brechen mit dem KI-Default, wo es Sinn ergibt.

5. Usability-Tests und Analyse

Automatisiertes Testing

Tools wie Maze AI oder UserTesting AI führen moderierte und unmoderierte Tests durch, werten Heatmaps automatisch aus und generieren Zusammenfassungen der wichtigsten Erkenntnisse. Besonders wertvoll für kleine Teams: Du kannst in der Entscheidungsphase zwischen zwei Design-Varianten in unter 48 Stunden eine datenbasierte Grundlage haben, statt wochenlang zu argumentieren.

Heuristische Analyse durch KI

Ein unterschätzter Einsatz: Lade deinen Figma-Screen als Bild in ein multimodales KI-Modell und bitte um eine heuristische Evaluation nach Nielsen. Die Ergebnisse ersetzen keinen erfahrenen UX-Reviewer, decken aber zuverlässig offensichtliche Probleme auf, bevor der Design-Review-Termin mit dem Team beginnt.

Beispiel-Prompt für Heuristische KI-Reviews: „Bewerte diesen Screen nach den 10 Usability-Heuristiken von Jakob Nielsen. Nenne für jede Heuristik ein konkretes Problem und einen konkreten Verbesserungsvorschlag."

6. Grenzen und Verantwortung

Was KI (noch) nicht kann

Bei aller Euphorie: KI hat klare Grenzen, die 2026 noch genauso real sind wie 2023.

• Strategisches Urteilsvermögen: KI kann Optionen generieren, aber nicht entscheiden, welche davon zum Unternehmen passt
• Echter Kontext: Die Gespräche mit Stakeholdern, die internen Politiken, die ungeschriebenen Regeln — all das fließt nicht in den Prompt ein
• Accessibility-Tiefe: KI prüft offensichtliche Barrieren (Kontrast, Alt-Texte), aber echte Barrierefreiheit braucht menschliches Testen mit echten Nutzer:innen
• Ethische Abwägung: Ob ein Design die Nutzer wirklich respektiert oder nur so aussieht, erkennt nur ein reflektierter Designer

Datenschutz ernst nehmen

Ein oft unterschätztes Thema: Welche Daten fließen in die KI? Persönliche Interview-Transkripte, interne Strategiedokumente oder noch nicht veröffentlichte Designs gehören in der Regel nicht in öffentliche Modelle. Für sensible Projekte sind lokale oder enterprise-freigegebene Modelle Pflicht. Der DSGVO-Rahmen ist dabei weniger Hürde als Erinnerung an gute Praxis.

KI-Spuren im Portfolio

Wer sein Portfolio mit KI-generierten Screens füllt, ohne das zu kennzeichnen, verkauft fremde Arbeit als eigene. Die Praxis, KI-Einsätze transparent zu dokumentieren, ist in den letzten Jahren zum professionellen Standard geworden. Das ist keine Einschränkung — es macht dein Portfolio sogar glaubwürdiger, weil deutlich wird, wo dein Design-Denken stattgefunden hat.

Transparenz-Hinweis in eigener Sache: Auch die Bilder in diesem Blog entstehen teilweise mit KI-Unterstützung. Meine Entscheidungen zu Stil, Bildsprache und Auswahl bleiben aber bewusst menschlich — und das sollte in einem ehrlichen Portfolio sichtbar sein.

7. So baust du deinen KI-gestützten Workflow auf

Nicht jedes Tool lohnt sich für jedes Team. Ein pragmatischer Einstieg:

• Woche 1–2: Transkription und Research-Auswertung automatisieren (schnellster ROI)
• Woche 3–4: Ein zweites Tool für UX Writing und Content etablieren
• Monat 2: Prototyping-KI in den Workflow integrieren — erst für interne Explorationen, dann für Kundenprojekte
• Monat 3: Eigene Prompt-Bibliothek aufbauen (Tone-of-Voice, Review-Checks, Ideation-Starter)
• Laufend: Ein klares Team-Statement zu Datenschutz, Transparenz und Qualitätssicherung

Der wichtigste Schritt ist nicht das Tool, sondern die Prompt-Bibliothek. Eine gut gepflegte Sammlung wiederverwendbarer Prompts ist das moderne Äquivalent eines Design-Systems — und genauso wertvoll.

Fazit

KI verändert den UX-Prozess nicht, indem sie Designer ersetzt, sondern indem sie die Arbeit verschiebt: weg von repetitiver Produktion, hin zu kuratierendem, strategischem Denken. Wer das versteht, arbeitet 2026 schneller und fundierter als je zuvor.

Die zentralen Takeaways:

• Research beschleunigen, nicht ersetzen: KI transkribiert und clustert, du interpretierst
• Ideation als Dialog: Prompts sind der neue Brainstorming-Partner — nicht die neue Kreativabteilung
• Prototyping wird kuratiert: Produktion ist nicht mehr der Engpass, Qualität im Denken schon
• UX Writing mit Struktur: Tone-of-Voice-Prompts sparen Stunden — Originalität bleibt Handarbeit
• Ethik und Transparenz: Datenschutz, Urheberschaft und ehrliches Portfolio sind keine Nebensache
• Prompt-Bibliothek als Asset: Gut gepflegte Prompts sind das neue Design-System

Die spannendste Konsequenz: Die wertvollsten Designer sind 2026 nicht die, die am besten mit Figma umgehen können — sondern die, die am klarsten denken können. KI verstärkt Klarheit, aber sie kann sie nicht erzeugen. Das bleibt unser Job.