UX Tests mit KI
Ein wichtiger Schritt oder nur heiße Luft?
Prädiktive Aufmerksamkeitsmodelle, trainiert auf Eye Tracking Daten, durch LLMs simulierte Nutzer oder Agentenbasierte Interaktionstests werden seit 2025 immer zunehmender diskutiert. Dass diese neuen Methoden zu funktionieren scheinen, zeigen Anbieter wie Attention Insight oder Neurons mit Genauigkeitsangaben von über 90%. Im Ergebnis präsentieren diese Heatmaps, Klarheitswerte, Klicktest Werte oder Fokus Verteilungen, aber wie relevant sind diese Erkenntnisse? Wir geben einen Einblick in welchen Dimensionen diese sich eignen und in welchen sie scheitern.
Gerade bei der Überprüfung von Wireframes und geplanten Klickpfaden können Saliency Modelle und Interaktionstests Antworten liefern, die sonst nur durch aufwendige Usertests entstanden wären. Das spart nicht nur Aufwand, sondern führt auch zu einem barrierefreieren Ergebnis, da mehr Iterationen durchgeführt werden. Hier bestechen neuartige Predictive UX Tests eindeutig mit ihrer Schnelligkeit und Klarheit.
Heatmaps messen zwar eindeutig, was auffällt und was nicht, scheitern aber an der Evaluation von User Intentionen. Ein echter Benutzer besucht eine Website nie ohne Absicht, sondern hat ein gewisses Vorwissen, Ziel oder eine Aversion zu gewissen Dingen. Genau dieser Kontext fehlt den Heatmap-Ergebnissen komplett. Zumindest Heatmaps eignen sich kaum zur Messung von Nutzerintentionen oder zur Bewertung, ob Nutzer ihre Ziele erreichen.
Ein weiteres Problem an beispielsweise einem modernen Fixationsmodell ist, dass diese isoliert bewerten, ob ein Button visuell für den Nutzer zu sehen ist. Während auch das relevant ist, fehlt hier eindeutig die Verständnis Komponente. Das Model beachtet nicht, ob User den Button überhaupt verstehen, sondern misst nur die reine Wahrnehmung.
Die in den Werbungen und Benchmarks versprochenen Quoten sind Ergebnisse von Laborstudien innerhalb kleiner Nutzerkreise. Diese sind nicht repräsentativ für ältere oder eingeschränkte Nutzer und übersehen damit sogar die Zielgruppe, welche per WCAG berücksichtigt werden sollte.
FUF Insight
Die eindeutige Stärke
Die oben genannten Predictive-UX-Tests sind ein wertvolles Werkzeug in einem ansonsten aufwendigen Prozess der barrierefreien Gestaltung. Bei Frank und Freunde setzen wir diese Methoden vor allem für die iterative Überprüfung von Wireframes und frühen Designkonzepten ein.
Dadurch lassen sich visuelle Hierarchien, Interaktionsmuster und mögliche Schwachstellen bereits während der Entwicklungs- und Designphase effizient bewerten, ohne für jede Iteration umfangreiche Nutzertests durchführen zu müssen.
Einen vollständigen Ersatz für Accessibility-Walkthroughs, Nutzertests, Magnifier-Walkthroughs oder Clickpath-Evaluationen stellen diese Methoden jedoch nicht dar. Besonders bei einer finalen Version eines Produkts bleiben Tests mit realen Nutzungsszenarien ein wichtiger Bestandteil einer ganzheitlichen Barrierefreiheitsprüfung.