Prompt, Projekt oder Skill? Welches KI-Werkzeug deine UX Research wirklich beschleunigt

Dritte Rekrutierungsmail im selben Monat. Anderer Kunde, andere Zielgruppe, anderes Land. Aber die Struktur? Identisch. Studienart, Zeitraum, Screening-Kriterien, Incentive-Hinweis, NDA-Absatz. Wer im UX Research arbeitet, kennt dieses Déjà-vu: die alte Mail rauskramen, Variablen tauschen und sich fragen, warum das eigentlich noch Handarbeit ist.

Die ehrliche Antwort: Weil die meisten Researcher:innen nicht wissen, dass es jenseits von Copy-Paste und langem Prompt noch eine dritte Option gibt. Claude bietet mittlerweile drei Werkzeugebenen: den einzelnen Prompt, das Projekt mit Meta-Prompt und den Skill. Jede löst ein anderes Problem. Keine ersetzt die andere.

Das Problem ist nicht, dass es zu wenig UX-AI-Werkzeuge gibt. Das Problem ist, dass die Orientierung fehlt. Dieser Artikel sortiert das für dich. Du erfährst, was Prompts, Projekte und Skills trennt, wo im UX-Research-Prozess welches Werkzeug seinen Platz hat und wie du entscheidest, womit du loslegst.

📌 Das Wichtigste in Kürze

• Claude bietet drei Werkzeugebenen: Einzelprompt, Projekt mit Meta-Prompt und Skill. Jede hat ihren Platz.

• Skills eignen sich für wiederkehrende, strukturierte Aufgaben mit klarem Input und Output.

• Projekte eignen sich für iterative Workflows, die Dialog und Rückfragen brauchen.

• Im UX-Research-Alltag gibt es dutzende Aufgaben, die als Skill schneller laufen als im Chat.

• Skills sind seit Oktober 2025 verfügbar und seit Dezember 2025 ein offener Standard.

• Keine Coding-Kenntnisse nötig. Ein Skill ist eine Markdown-Datei mit Instruktionen.

• Die Kombination aus Skills und MCP-Connectoren wird UX-Workflows weiter verändern.

  
  

Woher kommen Claude Skills und was machen sie?

Kurze Antwort: Skills stecken schon länger in Claude, als die meisten ahnen. Die Dokumentenerstellungs-Funktionen für Word, Excel, PowerPoint und PDF, die im September 2025 kamen, liefen bereits komplett über Skills im Hintergrund. Nur wusste das niemand.

Am 16. Oktober 2025 hat Anthropic das Feature offiziell gelauncht. Zwei Monate später, am 18. Dezember 2025, folgte der entscheidende Schritt: Anthropic veröffentlichte die Agent-Skills-Spezifikation als offenen Standard auf agentskills.io. Microsoft übernahm den Standard für VS Code und GitHub, ebenso Cursor, Goose, Amp und OpenCode.

Was bedeutet das technisch? Ein Skill ist ein Ordner mit einer SKILL.md-Datei. Darin stecken ein Name, eine Beschreibung und Instruktionen in Markdown. Claude liest beim Start nur Name und Beschreibung jedes installierten Skills. Das verschlingt etwa 100 Tokens pro Skill. Erst wenn eine Aufgabe zum Skill passt, lädt Claude die vollständigen Instruktionen nach. Dieses Prinzip heißt Progressive Disclosure und erklärt, warum dutzende Skills parallel installiert sein können, ohne dass das Kontextfenster überquillt.

Skills sind verfügbar auf den Plänen Free, Pro, Max, Team und Enterprise. Voraussetzung: Code Execution muss aktiviert sein.

Prompt, Projekt oder Skill: Wann brauche ich was?

Eine Frage, die sich überraschend wenige Researcher:innen stellen. Die meisten lösen alles in Einzelchats, bis ihnen auffällt, dass sie ständig Kontext wiederholen, Instruktionen erneut tippen und Ergebnisse bekommen, die jedes Mal leicht anders ausfallen. Drei Werkzeuge, drei Einsatzgebiete.

Einzelner Prompt bedeutet: eine Frage, eine Antwort, kein Gedächtnis danach. Du öffnest einen Chat, stellst deine Frage, bekommst dein Ergebnis. Kein gespeicherter Kontext, keine Wiederverwendung. Das ist perfekt für einmalige Aufgaben. „Formuliere diese drei Usability-Findings um." Oder: „Was sind die Unterschiede zwischen Card Sorting und Tree Testing?" Kein Setup nötig, sofort einsatzbereit.

Ein Projekt mit Meta-Prompt ist ein dauerhafter Arbeitsraum. Du hinterlegst System-Instruktionen, lädst Referenzdateien hoch, definierst Regeln für Ton, Struktur und Qualität. Jeder neue Chat innerhalb dieses Projekts kennt den gesamten Kontext. Der Workflow lebt von Pingpong: Du gibst Input, Claude liefert einen Entwurf, du korrigierst, Claude überarbeitet. Ein typisches Beispiel: Blog-Produktion. Der gesamte Content-Prozess von der Themenexploration bis zum LinkedIn-Post läuft in einem Projekt, dessen Meta-Prompt Stimme, Formatierungsregeln und Qualitätsanspruch festzurrt. Auch Angebotserstellung mit viel Abstimmung oder Research-Konzepte, die mehrere Schleifen brauchen, gehören hierher.

Ein Skill ist das Gegenteil von Iteration. Input rein, Output raus. Du tippst deine Anfrage in irgendeinen Chat, Claude erkennt automatisch, dass ein passender Skill existiert, lädt ihn und liefert das Ergebnis. Oder du rufst ihn direkt per Slash-Command auf. Keine Rückfragen, kein Dialog, kein Projektkontext nötig. Dafür: konsistente Ergebnisse, jedes Mal.

Die Faustregel: Wenn du eine Aufgabe mehr als einmal im Monat machst und sie jedes Mal dieselbe Grundstruktur hat, ist sie ein Skill-Kandidat. Wenn du dabei Rückfragen stellen und iterieren musst, gehört sie in ein Projekt. Wenn es eine Einmal-Sache ist, reicht ein Prompt.

Wo im UX-Research-Prozess lohnen sich Skills?

Mehr Stellen, als die meisten vermuten. UX AI entfaltet seinen größten Hebel nicht bei der einen großen Analyse, sondern bei den vielen kleinen Verrichtungen, die sich durch jedes Projekt ziehen. Hier die typischen Phasen mit konkreten Aufgaben, die als Skill funktionieren.

Vor der Studie: Alles, was ein Briefing als Input nimmt

Die Vorbereitung einer Studie besteht aus Aufgaben, die sich von Projekt zu Projekt kaum verändern. Die Inhalte wechseln, die Struktur bleibt. Genau der Sweet Spot für Skills.

Rekrutierungsmails zum Beispiel. Ein Skill, der aus einem Briefing eine fertige Mail an die Rekrutierungsagentur destilliert: Studienart, Zielgruppe, Screening-Kriterien, Zeitraum, NDA-Hinweis. Wichtig bei solchen Skills: bewusst entscheiden, was der Skill nicht tun soll. Eine Incentive-Höhe vorschlagen etwa gehört nicht in den Skill, weil das eine Budgetentscheidung ist, die beim Menschen bleibt.

Dieselbe Logik funktioniert für Screener-Fragebögen. Aus der Zielgruppenbeschreibung im Briefing einen Screener mit Filterlogik, Knock-out-Fragen und Quotierung generieren. Oder für Diskussionsleitfäden: Warm-up, Themenblöcke nach Forschungsfragen, Aufgaben, Cool-down, mit Zeitschätzungen pro Block. Oder für Einverständniserklärungen und Datenschutz-Texte, bei denen nur die Variablen wechseln (Studienart, Zielgruppe, Setting, Aufzeichnung), die DSGVO-Anforderungen aber stabil bleiben.

Nach der Studie: Vom Rohbefund zum Report

Die Auswertungsphase steckt voller Aufgaben, die handwerklich sauber sein müssen, aber keinen Geistesblitz erfordern.

Rohbeobachtungen in saubere Findings gießen, nach einem festen Schema: Was wurde beobachtet, bei wie vielen Teilnehmer:innen, warum es vermutlich passiert, welche Auswirkung es hat. Genau hier verhindert ein Skill das berüchtigte „Das ist eine Beobachtung, kein Finding"-Problem.

Severity-Ratings nach der Nielsen-Skala für eine Problemliste. Zitate aus Transkripten herausschälen, thematisch clustern und mit Teilnehmer-ID in eine Tabelle packen. Executive Summaries aus wuchernden Reports kondensieren. Stakeholder-Mails nach Studienabschluss formulieren: Was war das Ziel, was haben wir gelernt, was empfehlen wir, was sind die nächsten Schritte.

All das folgt immer derselben Choreografie. Und alles davon schreiben die meisten Researcher:innen heute jedes Mal neu.

Rund ums Projekt: Briefing-Check und Methodenwahl

Ein Briefing-Check-Skill nimmt ein Kundenbriefing und klopft es gegen eine Checkliste ab: Sind die Forschungsfragen trennscharf formuliert? Ist die Zielgruppe messbar definiert? Passt die vorgeschlagene Methode zur Fragestellung? Das Ergebnis ist eine Liste offener Punkte für den Kickoff-Call. Kein Ersatz für das Gespräch, aber eine Vorbereitung, die fünf Minuten statt dreißig verschlingt.

Methoden-Empfehlungen für frühe Beratungsgespräche funktionieren ähnlich. Die Kundin beschreibt ihr Problem, der Skill schlägt passende Methoden vor mit Begründung, typischem Setup und Aufwandsschätzung.

Was macht eine Aufgabe zum guten Skill-Kandidaten?

Nicht alles, was regelmäßig auf dem Schreibtisch landet, taugt zum Skill. Die Aufgabe braucht vier Eigenschaften.

Sie ist wiederkehrend. Mindestens einmal im Monat, besser öfter. Einmalige Sonderfälle sind Prompts, keine Skills.

Sie ist strukturiert. Es gibt ein erkennbares Muster: gleiche Abschnitte, gleiche Logik, gleiche Qualitätskriterien. Die Variablen wechseln, der Rahmen nicht.

Sie braucht wenig Rückfragen. Wenn du bei jeder Ausführung drei Entscheidungen treffen musst, die vom Kontext abhängen, ist ein Projekt besser geeignet.

Und der Output ist klar definiert. Eine Mail, ein Fragebogen, eine Tabelle, ein Rating. Kein offenes Ergebnis, das erst durch Diskussion Form annimmt.

Wo Skills nicht passen: Interpretation von Forschungsergebnissen. Methodenwahl bei nebulösen Fragestellungen. Empathische Moderation. Strategische Beratung. Alles, wo Urteilsvermögen den Unterschied macht, ist nicht delegierbar. Und das ist gut so. Skills räumen die Routine beiseite, damit mehr Kapazität für genau diese Arbeit bleibt.

Wohin geht die Reise?

Drei Entwicklungen, die für UX Research auf dem Radar sein sollten.

Plattformunabhängigkeit. Skills sind seit Dezember 2025 ein offener Standard. Ein Skill, der für Claude gebaut wird, funktioniert prinzipiell auch in Cursor, Codex oder Gemini CLI. Einmal investieren, nirgendwo eingesperrt sein.

Skills, die sich selbst schleifen. Anthropic will perspektivisch Agenten befähigen, Skills eigenständig zu erstellen, zu bearbeiten und zu evaluieren. Konkret könnte das bedeuten: Ein Finding-Formulierer wird nach vielen Durchläufen präziser, weil er lernt, welche Formulierungsmuster im jeweiligen Kontext verfangen. Stand Mai 2026 ist das noch Zukunftsmusik, aber die Stoßrichtung ist unmissverständlich.

Skills plus MCP-Connectoren. Skills liefern das Wissen (wie eine Aufgabe zu erledigen ist), MCP-Connectoren liefern den Draht zu externen Tools wie Jira, Confluence oder Dovetail. Anthropic will beide Systeme enger verschränken. Für UX Research hieße das: Ein Finding-Skill, der weiß, wie ein sauberes Finding aussehen muss, gekoppelt mit einem MCP-Connector, der das Ergebnis direkt ins Research-Repository schiebt. Kein Copy-Paste mehr zwischen Werkzeugen.

Fazit: Fang mit der Aufgabe an, die dich am meisten nervt

Die Werkzeuge sind da. Prompts für Einmalfragen, Projekte für iterative Arbeit, Skills für wiederkehrende Routine. Die Frage ist nicht, ob sich UX AI für deinen Research-Alltag lohnt. Die Frage ist, wo du den Hebel ansetzt.

Die pragmatische Empfehlung: Nimm die eine Aufgabe, die mindestens einmal im Monat anfällt und bei der jedes Mal der Gedanke aufblitzt, „das habe ich doch schon hundertmal geschrieben". Bau dafür einen Skill. Das dauert eine halbe Stunde. Danach weißt du, ob das Prinzip für dich trägt.

Ob das die Rekrutierungsmail ist, der Screener, der Briefing-Check oder die Stakeholder-Mail nach der Studie: egal. Der Effekt ist derselbe. Weniger Routine, mehr Kapazität für die Arbeit, die wirklich zählt.

FAQ:

Brauche ich Coding-Kenntnisse, um einen Skill zu bauen? 

Nein. Eine SKILL.md-Datei ist Markdown mit einem kurzen YAML-Header für Name und Beschreibung. Den Rest schreibst du in natürlicher Sprache. Für komplexere Skills kannst du Skripte hinzufügen, musst du aber nicht.

Was kostet das? 

Skills sind Teil deines bestehenden Claude-Plans. Keine Zusatzkosten. Voraussetzung ist, dass Code Execution in den Einstellungen aktiviert ist. Skills stehen auf allen Plänen zur Verfügung, von Free bis Enterprise.

Wie unterscheiden sich Skills von einem guten Prompt? 

Ein Prompt ist einmalig. Du tippst ihn, bekommst dein Ergebnis, und beim nächsten Mal tippst du ihn wieder. Ein Skill ist wiederverwendbar, feuert automatisch, wenn Claude die passende Aufgabe erkennt, und liefert konsistente Ergebnisse, weil die Instruktionen festgeschrieben sind.

Kann ich Skills im Team teilen? 

Auf Team- und Enterprise-Plänen ja. Du kannst Skills mit Kolleg:innen oder der gesamten Organisation teilen. Auf anderen Plänen sind Custom Skills an deinen Account gebunden.

Funktionieren Skills nur in Claude? 

Nein. Seit Dezember 2025 ist die Agent-Skills-Spezifikation ein offener Standard. Tools wie Cursor, VS Code, Codex und Gemini CLI unterstützen das Format.

💌 Noch nicht genug? Dann lies weiter – in unserem Newsletter. 

Kommt viermal im Jahr. Bleibt länger im Kopf. https://www.uintent.com/de/newsletter