Methode

Journey Mapping für KI-Interaktionen

User Journey Mapping visualisiert den Arbeitsablauf einer Person entlang einer Zeitachse. Festgehalten werden Aufgaben, genutzte Werkzeuge, Gedanken und Emotionen. Im Kontext von KI-Anwendungen macht die Methode sichtbar, an welchen Stellen ein KI-System ins Spiel kommt und wie es wahrgenommen wird. Außerdem zeigt sie, wo das Nutzungserleben scheitert oder gelingt. Das Ergebnis ist eine visuelle Karte, die als Grundlage für die Analyse von Schmerzpunkten und die gezielte Gestaltung von KI-Interaktionen dient.

Handlung

exploration analyse

Handlungsfeld

mensch technik prozess

Inhaltsverzeichnis

So wird's gemacht

Was ist User Journey Mapping?

User Journey Mapping ist eine Methode aus dem Service Design, die den Ablauf einer Nutzungserfahrung aus der Perspektive einer konkreten Person darstellt. Statt technische Systemabläufe zu dokumentieren, zeigt eine Journey Map, was jemand tut, denkt und fühlt. Der Nutzungsverlauf beginnt an einem definierten Ausgangspunkt und endet bei einem Ziel oder Abschluss. Die Zeitachse gliedert diesen Ablauf in nacheinander folgende Phasen oder Schritte. Für jede Phase werden typischerweise festgehalten: die ausgeführte Aufgabe, die genutzten Werkzeuge oder Kanäle, der emotionale Zustand sowie offene Fragen oder Gedanken der Person.

Warum ist die Methode bei KI-Systemen besonders wichtig?

KI-Systeme unterscheiden sich von klassischer Software dadurch, dass ihre Ausgaben probabilistisch und adaptiv sind. Außerdem sind sie oft schwer nachvollziehbar. Die Guidelines von Amershi et al. (2019) adressieren die Gestaltung von Mensch-KI-Interaktion insgesamt. Die spezifische Herausforderung der Nachvollziehbarkeit algorithmischer Entscheidungen wird gezielter in der XAI-Literatur behandelt (vgl. Liao et al., 2020). Nutzerinnen und Nutzer stehen vor der besonderen Herausforderung, die Fähigkeiten und Grenzen des Systems einzuschätzen. Sie müssen außerdem verstehen, warum es zu bestimmten Ergebnissen kommt (Yang et al., 2020). Diese Einschätzung entsteht an konkreten Kontaktpunkten in der Nutzung. Sie kann dort aber auch zusammenbrechen. Eine Journey Map macht genau diese Momente sichtbar: Wo versteht jemand die KI-Ausgabe? Wo fehlt das Vertrauen? Wo wird Kontrolle vermisst? Ohne diese Perspektive bleiben Gestaltungsentscheidungen abstrakt.

Wie erstellt man eine Journey Map?

Persona und Szenario festlegen: Wer nutzt das System, in welchem Kontext, mit welchem Ziel? Eine Journey Map bezieht sich immer auf eine konkrete Person in einer konkreten Situation. Sie beschreibt keine abstrakten „Nutzer" im Allgemeinen.
Phasen oder Schritte benennen: Der Ablauf wird in sinnvolle Abschnitte unterteilt. Das können zeitliche Phasen sein (Vorbereitung, Durchführung, Nachbearbeitung). Es können auch funktionale Schritte sein (Anmelden, Eingabe machen, Ergebnis prüfen, Entscheidung treffen).
Ebenen befüllen: Für jeden Schritt werden die relevanten Dimensionen eingetragen: Was tut die Person? Welche Werkzeuge oder Systeme nutzt sie? Was denkt oder fragt sie sich? Wie fühlt sie sich? Bei KI-Anwendungen kommt eine weitere Frage hinzu: Ist an diesem Schritt ein KI-System beteiligt? Wenn ja: auf welche Weise?
KI-Kontaktpunkte markieren: Alle Stellen, an denen das KI-System aktiv wird oder Einfluss auf den Ablauf hat, werden gezielt hervorgehoben. Aus verschiedenen Forschungsperspektiven lassen sich typische KI-Kontaktpunkte ableiten, die bei der Erstellung einer Journey Map besonders beachtet werden sollten.
- Erstnutzung: Wie wird vermittelt, was das System kann und was nicht?
- Datenfreigabe: An welchen Stellen gibt die Person Daten an das System weiter? Geschieht das bewusst oder unbewusst?
- KI-Ausgabe oder Empfehlung: Der zentrale Moment, in dem das System ein Ergebnis, eine Einschätzung oder einen Vorschlag liefert.
- Erklärungsmoment: Stellen, an denen die Person verstehen möchte, warum das System zu diesem Ergebnis kommt.
- Feedback-Schleife: Rückmeldungen der Person ans System, die dessen künftige Ausgaben beeinflussen.
- Korrektur oder Übersteuern: Situationen, in denen die Person das Systemergebnis ablehnt oder überschreibt.
- Ergebnisbewertung: Kann die Person einschätzen, ob das Ergebnis gut oder schlecht war?
Emotionen einzeichnen: Entlang der Zeitachse wird für jeden Schritt festgehalten, wie die Person sich fühlt: positiv, negativ oder unsicher.
Schmerzpunkte identifizieren: Stellen mit negativen Emotionen, offenen Fragen oder Brüchen im Ablauf werden als Schmerzpunkte markiert. Basierend auf der XAI-Forschung lassen sich Schmerzpunkte bei KI-Systemen häufig in vier Bereiche einordnen: Transparenzdefizite (Warum dieses Ergebnis?) und Kontrolleinschränkungen (Kann ich das ändern?). Hinzu kommen Vertrauensprobleme (Soll ich dem folgen?) und Datenschutzbedenken (Was passiert mit meinen Daten?).
Karte gemeinsam lesen und diskutieren: Die fertige Journey Map ist ein Gesprächsanlass. Unterschiedliche Perspektiven auf dieselbe Karte zeigen, wo Interpretationen auseinandergehen. Das Auseinandergehen der Interpretationen ist selbst schon ein nützlicher Befund.

Tipp

Zu abstrakte Personas liefern zu abstrakte Karten. Je konkreter die Ausgangssituation ist, desto brauchbarer werden die Ergebnisse. Gemeint ist eine bestimmte Person, ein bestimmter Tag und ein bestimmtes Ziel. Wenn das Team die Nutzungsreise einer realen Person aus einer Beobachtung oder einem Interview aufbaut, steigt die Qualität der identifizierten Schmerzpunkte erheblich. Das ist besser als sie frei zu erfinden.

Referenzen

Stickdorn, M., & Schneider, J. (2011). This is Service Design Thinking. BIS Publishers.
Kalbach, J. (2016). Mapping Experiences: A Complete Guide to Customer Alignment Through Journeys, Blueprints, and Diagrams. O'Reilly Media.
Amershi, S., Weld, D., Vorvoreanu, M., Fourney, A., Nushi, B., Collisson, P., Suh, J., Iqbal, S., Bennett, P. N., Inkpen, K., Teevan, J., Kikin-Gil, R., & Horvitz, E. (2019). Guidelines for Human-AI Interaction. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems, 1–13.
Yang, Q., Steinfeld, A., Rosé, C., & Zimmerman, J. (2020). Re-examining Whether, Why, and How Human-AI Interaction Is Uniquely Difficult to Design. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–13.
Liao, Q. V., Gruen, D., & Miller, S. (2020). Questioning the AI: Informing Design Practices for Explainable AI User Experiences. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–15.