Artificial Intelligence (AI) im UX Design

KI-gestützte Produkte stellen UX-Designer vor fundamentale neue Fragen: Wie kommuniziert eine Oberfläche, dass eine Entscheidung von einem Algorithmus getroffen wurde? Wie viel Transparenz braucht ein System, damit Nutzerinnen und Nutzer ihm vertrauen? Wie wird Bias in Datensätzen zu einem Interface-Problem — und wie können Designer gegensteuern? Dieser Kurs adressiert genau diese Schnittstelle zwischen Designpraxis und KI-System-Eigenschaften. Teilnehmende lernen, KI-Features nicht nur zu verkleiden, sondern bewusst zu gestalten: mit Erklärbarkeits-Patterns, Override-Mechanismen, ethisch fundierten Designentscheidungen und einem Grundverständnis des europäischen Regulierungsrahmens (EU AI Act).

Modul 1 — Grundlagen: KI-Systeme aus Designperspektive verstehen: Bevor eine Oberfläche gestaltet werden kann, muss das Designteam verstehen, wie KI-Systeme arbeiten — und wo ihre Grenzen liegen. Dieser Block gibt keine Einführung ins Machine Learning, sondern vermittelt das konzeptionelle Wissen, das Designer brauchen, um sinnvoll mit Entwicklern und Produktmanagern über KI-Features zu sprechen.

• Was KI-Systeme leisten können und wo sie versagen: Trainingsdaten, Modell-Output, Konfidenz
• Deterministische vs. probabilistische Systeme: Was bedeutet das für den Interface-Entwurf?
• Die sieben Designprinzipien für vertrauenswürdige KI nach EU-Richtlinien
• Mental Models von Nutzern gegenüber KI: Erwartungen, Missverständnisse, Vertrauensaufbau
• KI-Klassifizierung nach EU AI Act: Hochrisiko-Systeme und ihre Anforderungen an Interfaces
• Designethik in KI-Projekten: Wer trägt Verantwortung für algorithmische Entscheidungen?

Modul 2 — Erklärbarkeit und Transparenz: Explainable AI (XAI): Nutzerinnen und Nutzer, die nicht verstehen, warum ein System eine bestimmte Empfehlung oder Entscheidung trifft, reagieren mit Misstrauen oder Fehlverhalten. Dieser Block behandelt die Interface-Patterns, die Systemtransparenz auf verständliche Weise kommunizieren — ohne die Benutzeroberfläche zu überfordern.

• XAI-Grundkonzepte: Was müssen Nutzer über eine KI-Entscheidung wissen?
• Erklärbarkeits-Pattern-Bibliothek: Feature-Importance-Balken, Entscheidungsbaum-Visualisierungen, Gegenbeispiele
• Konfidenz-Kommunikation: Prozentwerte, Farben, Balken — was wirkt wie?
• Progressive Disclosure für KI-Erklärungen: wann zeige ich wie viel?
• Override-Mechanismen: Wie gestalte ich Einspruchs- und Korrektur-Flows?
• Fallstudie: Kreditentscheidungs-UI, Diagnoseunterstützung, Recruiting-Screening

Modul 3 — Bias, Ethik und Human-Centered AI: Algorithmischer Bias ist kein rein technisches Problem — er manifestiert sich in Interfaces. Wer welche Empfehlungen bekommt, wessen Gesicht die Gesichtserkennung schlechter erkennt, welche Sprache das Modell bevorzugt — all das ist für Designer relevant und gestaltbar. Dieser Block schärft das Bewusstsein und gibt konkrete Methoden.

• Bias-Arten und ihre Interface-Manifestationen: Representation Bias, Measurement Bias, Aggregation Bias
• Fairness-Definitionen im UX-Kontext: Gleiche Fehlerquoten, Chancengleichheit, individuelle Fairness
• Methoden zur Bias-Erkennung im UX-Research: Audit-Protokolle, diverse Testgruppen
• Feedback-Mechanismen gestalten, die systemische Fehler an Entwickler zurückmelden
• Datenschutz-by-Design in KI-Produkten: Minimaldatenerhebung, Opt-out-Flows
• EU AI Act High-Risk-Anforderungen: Dokumentation, Aufsicht, Erklärbarkeit für Endnutzer

Modul 4 — Conversational UI, Adaptive Interfaces und KI-Werkzeuge im UX-Prozess: Chatbasierte KI-Interfaces und sich anpassende Systeme sind die häufigsten KI-Feature-Typen, mit denen Designer heute konfrontiert werden. Dieser Block behandelt die Besonderheiten dieser Interface-Klassen und zeigt außerdem, wie KI-Werkzeuge im eigenen UX-Prozess sinnvoll eingesetzt werden können.

• Conversational-UI-Flows: Turn-Taking, Fehlerbehandlung, Onboarding und Offboarding
• Chatbot-Designprinzipien: Klare Fähigkeitskommunikation, Graceful Degradation, Handoff zu menschlichem Support
• Adaptive Interfaces: Personalisierung, Kontext-Awareness, Nutzerkontrolle vs. Automatisierung
• KI-Werkzeuge im Research: Syntheseassistenten, Affinity-Diagramm-Tools, automatische Transkripte
• KI-Werkzeuge im Design: Generative UI-Vorschläge, Accessibility-Prüfung, Varianten-Exploration
• Kritischer Umgang mit KI-generierten Designvorschlägen: Qualitätsprüfung und Kuratierung

Praxis-Block — Designprojekte und Prototypen für KI-Interfaces

• XAI-Pattern anwenden: Entscheidungs-Erklärung für einen Empfehlungsalgorithmus prototypen
• Konfidenz-Kommunikation gestalten: Drei Varianten einer Unsicherheits-Anzeige testen
• Override-Flow für eine KI-Scoring-Anwendung entwickeln und iterieren
• Bias-Audit an einem existierenden Interface-Prototyp durchführen
• Conversational-UI-Fluss für einen Onboarding-Bot skizzieren und testen
• Adaptive Navigation für unterschiedliche Nutzungskontexte entwerfen
• EU AI Act: Checkliste für ein Hochrisiko-KI-Interface erstellen
• Wizard-of-Oz-Usability-Test für ein KI-Feature planen und auswerten
• Persona-Set für KI-Nutzer mit unterschiedlichem Tech-Vertrauen entwickeln
• KI-Werkzeug im eigenen UX-Research-Prozess erproben und kritisch bewerten
• Portfolio-Stück: Vollständiges UX-Konzept für ein KI-gestütztes Feature

Dieser Kurs richtet sich an UX- und UI-Designer sowie Product Designer, die mit KI-Features konfrontiert werden und deren Besonderheiten im Designprozess aktiv gestalten wollen. Auch UX-Researcher und Product Manager mit Designhintergrund profitieren von den Methoden und Frameworks.

• UX-Designer, die KI-Features in digitale Produkte integrieren müssen
• UI-Designer und Product Designer, die auf explainable und ethische KI-Interfaces spezialisieren wollen
• UX-Researcher, die Methoden für die Evaluation von KI-Produkten suchen
• Quereinsteiger mit digitalem Grundverständnis und Interesse an UX/UI-Design

Der Kurs verbindet konzeptionelle Diskussionen mit handfester Designarbeit. Fallstudien aus realen KI-Produkten — Kreditbewertungssysteme, medizinische Diagnosetools, Recruiting-Screening — dienen als Ausgangspunkt für eigene Designentscheidungen. Peer-Kritik und strukturiertes Feedback auf Prototypen sind feste Bestandteile des Formats. Der Kurs lässt sich online oder in Präsenz absolvieren.

Die genaue Kursdauer variiert je nach Anbieter und Durchführungsform. Das Curriculum ist modular aufgebaut und kann sowohl in intensiven Vollzeitblöcken als auch berufsbegleitend absolviert werden.

Nach Abschluss erhalten Teilnehmende ein Zertifikat des jeweiligen Anbieters. Das im Kurs erarbeitete Portfolio-Stück — ein vollständiges UX-Konzept für ein KI-Feature — ist der direkteste Kompetenznachweis für spezialisierte Designrollen im KI-Umfeld.

KI-Produkte proliferieren — und die meisten von ihnen haben erhebliche UX-Defizite: mangelhafte Erklärbarkeit, fehlende Override-Optionen, unbewusst eingebauter Bias, überfordernde Schnittstellen. Designer, die diese Probleme benennen und lösen können, sind in Tech-Unternehmen, Agenturen und Beratungen gleichermaßen gefragt. Die Auseinandersetzung mit dem EU AI Act gibt dem Kurs eine Dimension, die in Designausbildungen noch selten vermittelt wird: Regulierung als Designanforderung zu verstehen, statt sie als externe Bürokratie zu betrachten. Hochrisiko-Systeme, für die der Act strenge Interface-Anforderungen stellt, sind genau die Systeme, bei denen designkompetente Fachkräfte den größten Unterschied machen. Schließlich positioniert der Kurs seine Absolventinnen und Absolventen in einer Nische, die wächst: AI-Product-Designer und UX Researcher mit KI-Spezialisierung sind gefragte Profile, die den Brückenschlag zwischen Designdenken und algorithmischen Systemem beherrschen — eine Kombination, die am Markt noch selten ist.