AI für UX Research

Was du mitnimmst

• Verschiedene AI-Tools im Research-Prozess ausprobiert – mit echten Szenarien, nicht nur Demos
• Qualität und Verlässlichkeit von AI-Ergebnissen realistisch einschätzen können
• Gezieltes Prompting beherrschen – für optimale Resultate aus AI-Tools
• Eigene Anwendungsideen entwickeln – wie AI deine tägliche Arbeit konkret unterstützen kann

Was du mitnimmst

• Prompts bauen statt Prompts suchen – das Verfahren, mit dem du dir gemeinsam mit dem LLM für jede beliebige Aufgabe einen passenden Prompt entwickelst. Die eine Kompetenz, die alles andere überflüssig macht.
• Meta-Prompting beherrschen – das LLM den Prompt schreiben lassen, mit dem du dann arbeitest. Der Trick, nach dem es bei den meisten „klick“ macht.
• Prompt-Ketten für komplexe Analysen – große, unscharfe Aufgaben so zerlegen, dass am Ende ein nachvollziehbares Ergebnis steht und keine plausibel klingende Fantasie.
• Wissen, wann was reicht – für welche Aufgabe ein einzelner Prompt genügt, wann ein Framework, wann die volle Kette. Spart dir Zeit an beiden Enden.
• Verstehen, warum AI halluziniert – nicht als Bug, sondern als Architektur. Wer das kapiert hat, prüft anders.
• Quellenhygiene – eigene Daten machen Antworten besser. Und falsche Daten machen falsche Antworten überzeugender. Wie du damit umgehst.
• Eine Checkliste für den Alltag – vor, während und nach dem Prompten. Kurz genug, dass du sie wirklich benutzt.

Was du mitnimmst

• Systematische Skill- und Assistant-Entwicklung – das 4-Stufen-Reifegradmodell für professionelle AI-Tools
• Wissensbasierte Skills erstellen – wie du Fachwissen strukturiert integrierst, statt es in jedem Chat neu zu erklären
• Strukturierte Output-Formate– professionelle Templates, die im Skill mitreisen und konsistente Ergebnisse liefern
• Robustheit durch Testing– Schwachstellen finden und systematisch beheben, bevor es die Kolleg:innen tun
• In-Prompt-Engineering – fortgeschrittene Techniken für zuverlässige Antworten
• Automatisierung und Integration – wie du Skills im Team teilst und Assistenten in echte Workflows einbettest

Was du mitnimmst

• Strategische Klarheit statt Tool-Chaos – eine durchdachte AI-Vision für dein Team
• Systematische Potenzialanalyse – wo AI echte Hebel in der UX-Arbeit schafft
• Priorisierte Use Cases – konkrete Anwendungsfälle mit Impact-Bewertung
• Umsetzungsroadmap – vom Experiment zur etablierten Praxis
• Erfolgsmetriken definieren – wie du den AI-Erfolg messbar machst
• Rahmenbedingungen klären – Datenschutz, Infrastruktur und Ressourcen berücksichtigen

Was du mitnimmst

• Die 2×2-Landkarte – zwei Fragen an die Aufgabe, und die Automatisierungs-Grenze fällt heraus
• Die Härteskala – erkennen, ob dein Kontrollpunkt wirklich hält oder nur eine höfliche Bitte ist
• Verifikation, die trägt – Daten-Test-Sets, erzwungene Stopps und deterministische Checks richtig einsetzen
• Reliabilität ≠ Validität– warum ein stabiler Check kein Beweis für Richtigkeit ist
• Ein Urteil, das umzieht – funktioniert in Claude, ChatGPT und Copilot gleichermaßen

Was du mitnimmst

• Einen Prozess, den du wirklich verstehst – visualisiert, analysiert, mit den Schwachstellen markiert
• Methodisches Handwerkszeug– BPA, BPMN-light, Muda: einfach anwendbar, ohne Zertifizierungs-Overhead
• Einen Entscheidungsrahmen für Technologie – der zwischen Automatisierung, AI, Kombination und „lass mal lieber" unterscheidet
• Eine Argumentationslinie für Stakeholder – ein One-Pager, mit dem du intern nicht ins Schlingern gerätst
• Klarheit über die Reihenfolge – optimieren, standardisieren, automatisieren. In genau dieser Reihenfolge.