Wie UX-Praktiker KI-Konzepte kommunizieren: Einblicke aus praktischen Design-Erfahrungen

Da künstliche Intelligenz in benutzerorientierten Technologien immer verbreiteter wird, stehen UX-Praktiker (UXPs) vor neuen Herausforderungen bei der Gestaltung und Kommunikation von KI-unterstützten Schnittstellen. Diese Studie untersucht, wie UXP nach praktischen Erfahrungen mit dem Training von KI-Modellen mithilfe des Google-Tools Teachable Machine KI-Konzepte kommunizieren. Durch die Analyse von Designpräsentationen und Interviews mit 27 UXP identifizierten die Forscher zentrale Themen, wie UXP mit KI als Designmaterial arbeiten und kommunizieren.

UXPs berichteten von erheblichen Herausforderungen bei der effektiven Zusammenarbeit mit KI-Engineering-Teams. Zu den Hauptproblemen gehörten: - Die Arbeit erfolgt unabhängig und linear zwischen UX- und KI-Teams - UXP werden oft spät im Entwicklungsprozess hinzugezogen - Mangelndes Verständnis über die Fähigkeiten und Einschränkungen von KI - Erosion des Vertrauens zwischen UX- und KI-Teams aufgrund von Kommunikationslücken - Schwierigkeiten, die Kluft zwischen UX- und KI-Bereichen zu überbrücken Diese Herausforderungen verdeutlichen die Notwendigkeit besserer Kommunikations- und Kollaborationsstrategien zwischen UX- und KI-Teams.

Bei der Erstellung von Designpräsentationen betonten UXP mehrere Schlüsselaspekte der KI-Kommunikation: - Begründung der Modellauswahl, Vergleich von Vor- und Nachteilen verschiedener Modelle - Kundenwert und geschäftliche Vorteile der KI-Lösung - Ingenieurskosten und Implementierungsüberlegungen - Modellleistung, mit starkem Fokus auf Genauigkeit Viele UXP betrachteten Genauigkeit als den kritischsten Faktor, der kommuniziert werden muss, da sie als entscheidend für die Erfüllung der Benutzerbedürfnisse und die Anregung von Diskussionen über die Verbesserung des KI-Systems angesehen wird. Dennoch hatten UXP oft Schwierigkeiten, technische Aspekte der Modellleistung effektiv zu kommunizieren.

Die Verwendung von Teachable Machine zur Experimentierung mit KI-Modellen hatte einen erheblichen Einfluss darauf, wie UXP die KI-Kommunikation angehen: - Erhöhtes Vertrauen in die Diskussion über KI-Fähigkeiten und -Einschränkungen - Besseres Verständnis von Datenqualitätsproblemen und deren Auswirkungen auf die Modellleistung - Konkretere Ideen zur Iteration und Verbesserung von KI-Modellen - Verbesserte Fähigkeit, Kommunikationslücken mit technischen Stakeholdern zu überbrücken Diese praktische Erfahrung half UXP, ein nuancierteres Verständnis von KI als Designmaterial zu entwickeln.

UXPs zeigten sich sowohl der potenziellen Vorteile als auch der Risiken bewusst, die die Integration von KI in ihre Designs mit sich bringt. Zu den wichtigsten Überlegungen gehörten: - Ethische Implikationen von KI-gesteuerten Entscheidungen - Datenschutzbedenken im Zusammenhang mit Datensammlung und -nutzung - Potenzial für KI-Voreingenommenheit und deren Auswirkungen auf Benutzer - Balance zwischen Automatisierung und Benutzerkontrolle sowie -autonomie Viele UXP integrierten diese Überlegungen in ihre Designpräsentationen und zeigten einen ganzheitlichen Ansatz für KI-unterstütztes UX-Design auf.

Nach der Experimentierung mit KI-Modellen waren UXP in der Lage, konkretere nächste Schritte für die KI-Entwicklung in ihren Projekten zu formulieren: - Vorschläge zur Erweiterung und Diversifizierung von Trainingsdaten - Ideen zur Verfeinerung von Modellarchitekturen und Verbesserung der Genauigkeit - Vorschläge für Benutzertests zur Validierung KI-gesteuerter Funktionen - Pläne für iterative Verbesserungen basierend auf realen Nutzungsdaten Diese Fähigkeit, umsetzbare nächste Schritte vorzuschlagen, zeigt den Wert praktischer KI-Erfahrungen für UXP bei der Steuerung der Projektentwicklung auf.

Diese Studie hebt die Bedeutung hervor, UXP praktische KI-Erfahrungen zu bieten, um ihre Fähigkeit zur Kommunikation und Zusammenarbeit an KI-unterstützten Projekten zu verbessern. Durch die Überbrückung der Kluft zwischen UX- und KI-Bereichen können Organisationen effektivere interdisziplinäre Teamarbeit fördern und bessere KI-gesteuerte Benutzererfahrungen schaffen. Zukünftige Forschungen sollten untersuchen, wie Werkzeuge wie Teachable Machine in UX-Workflows integriert und Best Practices für die KI-Kommunikation in Designpräsentationen entwickelt werden können.