G wie Gespür

Theorie: Auf dem Papier wirkt KI wie die perfekte Research-Assistentin: Sie fasst Interviews zusammen, erkennt Muster, clustert Aussagen, schreibt Reports und schlägt Empfehlungen vor. Im User Research klingt das verführerisch: weniger Transkription, weniger Auswertung, weniger Aufwand. Kein stundenlanges Zuhören, kein Sichten von Notizen, kein Grübeln, ob eine Aussage ein Einzelproblem oder ein echtes Signal ist.

Realität: Gute User Research beginnt lange, bevor ein Satz transkribiert wird. Sie beginnt beim Zuschauen. Bei der kleinen Pause vor dem Klick. Beim Blick, der irritiert über den Bildschirm wandert. Beim Lachen, das Unsicherheit kaschiert. Beim Satz «Das ist verständlich», während die Hand zur falschen Stelle fährt. Das sind die Momente, in denen man spürt: Hier stimmt etwas nicht – auch wenn noch niemand es in Worte fassen kann.

KI kann solche Momente beschreiben, wenn man sie ihr liefert. Aber sie erlebt sie nicht. Sie sitzt nicht im Raum, sie spürt nicht, wann eine Testperson höflich statt ehrlich ist, und sie merkt nicht, wann ein Produkt fachlich korrekt und menschlich trotzdem daneben ist. Vor allem übersetzt sie Verhalten nicht von selbst in Bedeutung, von Bedeutung in Hypothesen und von Hypothesen in bessere Fragen.

Erfahrene Researcher hören nicht nur, was gesagt wird. Sie hören, was fehlt. Sie erkennen, wann ein Kunde das Problem falsch benennt. Sie wissen, wann man nachfragt, wann man schweigt und wann man eine unbequeme Beobachtung gegen eine liebgewonnene interne Überzeugung verteidigen muss.

Fazit: KI ist im User Research nicht nutzlos. Sie kann ordnen, verdichten und entlasten. Das ist viel. Aber sie kann nicht für uns verstehen. Wer User Research automatisieren will, bekommt vielleicht schnellere Dokumente. Wer Menschen verstehen will, muss weiterhin hinschauen, zuhören und übersetzen. Erkenntnis entsteht nicht im Prompt, sondern in dem Moment, in dem jemand merkt: Jetzt habe ich verstanden, worum es wirklich geht.