Die Benutzeroberfläche verlässt den Bildschirm – Chat, Sprache und agentische KI verändern UX

• Der Schwerpunkt von Software verschiebt sich weg von Bildschirmen und Menüs hin zu Dialog/Delegation/Ausführung im Hintergrund. Damit wird auch UX-Design nicht mehr auf feste Screens ausgerichtet, sondern auf Systeme, die die Absichten der Nutzer interpretieren und handeln.
• Chat ist keine Oberfläche, die alle Aufgaben ersetzt. Wenn Nutzer genau wissen, was sie wollen, ist eine strukturierte GUI geeignet; nur wenn das Ziel unklar ist, passt eine dialogorientierte Oberfläche.
• Sprache wird als soziale Interaktion wahrgenommen. Deshalb ist der Erhalt des Gesprächskontexts wichtiger als einzelne Befehle; Latenz/Kontextverlust/Fehlerbehebung wirken sich deutlich gravierender aus als bei bildschirmbasierten Interfaces.
• Agentische KI kann ohne Interface arbeiten. Damit Nutzer ihr vertrauen, muss sie jedoch Handlungsplan, Fortschritt, Berechtigungsumfang und den Punkt zeigen, ab dem etwas nicht mehr rückgängig zu machen ist. Die zentralen Muster sind sichtbare Planung/schrittweise Delegation/elegantes Eingreifen.
• Alle drei Paradigmen verschieben den Fokus von UX vom Interaktionsfluss hin zu Absicht und Vertrauensbeziehung. Die Grundprinzipien bleiben jedoch: Nutzer möchten verstanden werden, Kontrolle behalten und erleben, dass ihre Zeit und Aufmerksamkeit respektiert werden.

---

Die Aufspaltung bildschirmzentrierter UX

• In den vergangenen 30 Jahren bestand UX-Design darin, Bildschirme, Menüs, Modals, Buttons, Karussells und Abläufe zwischen Zuständen zu gestalten.
  • Die Desktop-Metapher aus Fenstern, Ordnern und Dateien lieferte ein gemeinsames Vokabular für digitale Produkte.
• Dieses Vokabular verschwindet nicht einfach, sondern spaltet sich in mehrere Interaktionsformen auf, die einander kaum ähneln.
  • Nutzer sprechen mit Software, delegieren Aufgaben oder prüfen nur noch Ergebnisse, die bereits im Hintergrund verarbeitet wurden.
  • Bildschirme bleiben bestehen, sind aber nicht mehr die Oberfläche, die den grundlegenden Vertrag zwischen Mensch und Produkt repräsentiert.
• Drei Paradigmen strukturieren UX derzeit neu: Chat, Sprache und agentische KI. Jedes verlangt einen anderen Interaktionsvertrag.

Chat ist kein universelles Interface

• 2022 hatten nur wenige Menschen natürliche Sprachbefehle in Produktoberflächen eingegeben; 2025 werden 73 % der Unternehmen in irgendeiner Form dialogorientierte Interfaces für Kundeninteraktionen nutzen.
• Das Texteingabefeld ist zu einem zentralen UI-Element geworden, doch Chat allein garantiert keine gute UX.
• Erika Halls Conversational Design unterscheidet: Dialog ist nur dann angemessen, wenn System und Nutzer Bedeutung aushandeln müssen.
  • Wenn Nutzer bereits wissen, was sie tun möchten – etwa In den Warenkorb, nach Preis filtern, Formular absenden –, ist ein strukturiertes Interface schneller, präziser und weniger ermüdend.
  • Dialog ist wirksam, wenn Nutzer explorieren, ihr Ziel unklar ist oder sich ihr Bedarf nur schwer durch Klicks oder Formulare ausdrücken lässt.
• Produkte, die das umsetzen, ersetzen nicht das gesamte Produkt durch Chat, sondern nutzen hybride Interfaces.
  • Notion AI ersetzt keine Dokumente, sondern arbeitet in einer Sidebar neben dem Dokument.
  • Linears Command Palette übernimmt das Erstellen von Tickets, die Nutzer bereits im Kopf haben; KI bearbeitet vage Fragen wie „Was blockiert das Mobile-Team?“.
  • GitHub Copilot ersetzt die IDE nicht durch ein Chatfenster, sondern liefert Inline-Vorschläge in der bestehenden Arbeitsumgebung.
• Das zentrale Kriterium lautet: Ist die Absicht klar, nutzt man eine strukturierte GUI; ist sie unklar, nutzt man Dialog.
  • Wer Chat als universelles Mittel zur Lösung aller Interface-Probleme behandelt, erzeugt unnötige Interaktionskosten.

Die Klarheit der Absicht bestimmt das Interface

• Das Patent US20260065349A1 für ein mehrstufiges absichtsbasiertes Empfehlungssystem unterscheidet Anfragen auf zwei Ebenen.
  • Mikro-Absichten sind Anfragen mit hoher Zuverlässigkeit innerhalb derselben Kategorie.
  • Makro-Absichten sind explorative Ziele, die sich über mehrere Kategorien erstrecken.
• Welches Interface angeboten wird, sollte nicht davon abhängen, ob ein Produkt chat- oder GUI-zentriert ist, sondern davon, wie klar die Absicht des Nutzers ist.
• Perplexity verbessert nicht einfach das Suchfeld, sondern erzeugt für jede Frage in Echtzeit eine Antwortseite aus Zusammenfassung, Quellenzitaten, Folgefragen und strukturierten Daten.
• In der Forschung wird ein Ansatz, bei dem Nutzer ihr Ziel äußern und dafür spontan ein passendes Interface zusammengesetzt wird, Generative UI genannt.
  • Designer erstellen nicht mehr jeden Screen-Zustand manuell, sondern entwerfen Systeme und Regeln, die den passenden Zustand erzeugen.
  • Ihre Rolle verschiebt sich vom Schreiben fertiger Sätze hin zum Entwerfen der Grammatik, die Sätze erzeugt.

Vertrauensdesign für generative Interfaces

• Wenn erzeugte Ergebnisse nicht auf einmal, sondern Text schrittweise angezeigt werden, nehmen Nutzer das System nicht als hängend, sondern als arbeitend wahr.
• Ein während der Generierung stets sichtbarer Stopp-Button vermittelt das Gefühl, in einen undurchsichtigen Prozess eingreifen zu können.
• Klickbare Quellenzitate machen einen Chatbot nicht zum Orakel, das Wahrheiten verkündet, sondern zum Kooperationspartner, mit dem man Belege prüft.
• Kleine Interaktionsentscheidungen wie Streaming, Stopp-Button und Quellenanzeige bestimmen Vertrauen und Adoptionsfähigkeit des Gesamtsystems.

Sprache ist kein Befehlskanal, sondern ein sozialer Kanal

• Sprachinterfaces wurden seit der Ära der Smart Speaker als Kern von Ambient Computing präsentiert, doch die tatsächliche Erfahrung blieb hinter den Erwartungen zurück.
• Ab Ende 2025 beginnt sich der Schwerpunkt der Veränderung vom Bildschirm zum Ohr zu verschieben.
• Die im Juni 2026 vorgestellte Siri AI wird nicht als Sprachassistent zusätzlich zum Smartphone präsentiert, sondern als geräteübergreifende Gesprächsebene.
  • Eine auf dem iPhone begonnene Frage kann auf dem iPad fortgeführt werden, der Gesprächskontext bleibt erhalten.
  • Sie erkennt, was auf dem Bildschirm zu sehen ist, und nutzt persönlichen Kontext aus E-Mail, Kalender und Fotos.
  • Sensible Anfragen werden per datenschutzwahrender On-Device-Inferenz verarbeitet; AirPods werden vom Zubehör zum primären Interface erweitert.
• Clifford Nass und Scott Brave analysieren in Wired for Speech, dass Menschen Sprache nicht als Befehlskanal, sondern als Kanal sozialer Interaktion wahrnehmen.
  • Wenn wir Sprache hören, werden soziale kognitive Systeme aktiviert, die Gegenseitigkeit, Kontext und Beziehung erwarten.
  • Die bisherige Siri folgte einem transaktionalen Modell: Befehl geben, Ergebnis erhalten, Beziehung beendet. Das widersprach diesen Erwartungen.
  • Das neue Modell zielt auf eine relationale Struktur, die Kontext über Gespräche, Geräte und Zeit hinweg erhält.

Was das Scheitern von Humane AI Pin und Rabbit R1 zeigt

• Humane AI Pin war ein bildschirmloses, sprachzentriertes Wearable, in das 240 Mio. Dollar investiert wurden. Es kam im April 2024 für 699 Dollar auf den Markt und wurde vor Ablauf eines Jahres eingestellt.
• Cathy Pearl nennt in Designing Voice User Interfaces Latenz und Fehlerbehebung als zentrale Variablen für Spracherlebnisse.
  • Der AI Pin brauchte selbst bei alltäglichen Fragen 2 bis 5 Sekunden; in Sprachinterfaces fühlen sich schon 2 Sekunden sehr lang an.
  • Nach jeder Interaktion wurde der Zustand zurückgesetzt, sodass keine kontinuierliche Kontextbasis entstand – eine Grundvoraussetzung für Gespräche.
• Auch Rabbit R1 litt beim Start unter denselben Problemen, verbesserte sich jedoch Ende 2025 nicht durch neue Hardware, sondern weil RabbitOS 2 die Anforderungen sprachlicher Interaktion berücksichtigte.
• Voice UX ist deutlich empfindlicher gegenüber Latenz und Kontextverlust als Bildschirm-UX.
  • Auf einem Bildschirm können Nutzer umliegende Elemente überfliegen und sich erneut orientieren.
  • Bei Sprache fehlen visuelle Anker für räumliches Gedächtnis; reißt der Gesprächsfluss ab, ist Erholung schwierig.
  • Auch die Anforderungen an Infrastruktur für schnelle Antworten, Kontexterhalt und natürliche Fehlerbehebung sind höher.

Neue Designelemente für Ohr und Körper

• Spatial Audio entsteht als Feedback-Ebene, die den Bildschirm ersetzt.
  • Die Echtzeit-Audioszenenanalyse der AirPods unterscheidet Signale von Umgebungsgeräuschen und macht Klang selbst zum Mittel der Zustandskommunikation.
• Haptische Vibrationen von Wearables bestätigen abgeschlossene Aktionen, ohne dass Nutzer auf einen Bildschirm schauen müssen.
• Beim Sprachparadigma geht es weniger darum, mit dem Telefon zu sprechen, sondern darum, Interaktionen während anderer Tätigkeiten wie Kochen, Gehen oder Fahren zu gestalten.
  • Die Aufmerksamkeit der Nutzer richtet sich nur teilweise auf das Produkt.
  • Der Kontext liegt nicht im Bildschirm, sondern in körperlicher Aktivität und Umgebung.
  • Mit einem nur auf Screen-Layouts ausgerichteten Designmodell ist das schwer zu bewältigen.

Agentische KI handelt ohne Interface

• Agentische KI beantwortet nicht nur Fragen, sondern führt Handlungsfolgen aus: Sie nutzt Tools, navigiert im Web, schreibt Code, sendet E-Mails und übermittelt Formulare.
• Zwischen 2024 und 2025 wechselte sie von Forschungsdemos in reale Produkte.
  • OpenAI Operator reserviert Restaurants.
  • Anthropic Claude steuert über die computer use API im Namen des Nutzers einen Webbrowser.
  • Salesforce Agentforce bearbeitet Kundenservice-Fälle ohne menschliches Eingreifen von Anfang bis Ende.
• Gartner prognostiziert, dass der Anteil von Unternehmensanwendungen mit integrierten, aufgabenbezogenen KI-Agenten von unter 5 % im Jahr 2025 auf 40 % Ende 2026 steigen wird.
• Agenten brauchen für die Ausführung von Aufgaben kein Interface; damit Nutzer ihnen vertrauen, brauchen sie jedoch ein sichtbares Interface, mit dem sie Handlungen verstehen und kontrollieren können.

Automatisierung und menschliche Kontrolle gleichzeitig erhöhen

• Ben Shneiderman argumentiert in Human-Centered AI, dass der Ersatz menschlicher Urteile durch autonome Agenten technisch verfrüht und ethisch riskant ist.
• Die Alternative besteht nicht darin, Automatisierung zugunsten menschlicher Kontrolle zu senken oder menschliche Kontrolle zugunsten höherer Automatisierung zu entfernen, sondern hohe menschliche Kontrolle und hohe Automatisierung gemeinsam bereitzustellen.
• Statt die Rolle des Menschen zu minimieren, sollte Aufsicht verständlich, zugänglich und wenig belastend gestaltet werden.
• Ziel agentischer UX ist nicht die Wahl zwischen Autonomie und Kontrolle, sondern von Anfang an kontrollierbare Autonomie zu schaffen.

Das Paradox der Agenten-Transparenz

• Ein Agent, der ohne Erklärung still handelt, ist effizient, kann aber Angst auslösen.
• Ein Agent, der jede Handlung fortlaufend erklärt, kann vertrauenswürdig sein, Nutzer aber mit Systemlogs ermüden.
• Gutes Design zeigt genug, damit Nutzer Kontrolle spüren, begrenzt Informationen aber so, dass sie nicht von internen Systemaktivitäten überwältigt werden.
• In real ausgerollten Agentenprodukten zeigen sich gemeinsame Muster: sichtbare Planung, schrittweise Delegation und elegantes Eingreifen.

Sichtbare Planung

• Bevor ein Agent handelt, sollte er dem Nutzer zeigen, was er vorhat.
• Nicht Systemsprache wie POST /api/calendar/event ausführen, sondern eine für Menschen verständliche Formulierung wie: „Ich möchte in dem von Ihnen genannten Restaurant einen Tisch um 19 Uhr reservieren. Soll ich zuerst die Verfügbarkeit prüfen?“
• Eine Vorschau vor der Ausführung ist der Moment, in dem Nutzer entscheiden, ob sie dem System vertrauen.
• Auch Forschung zu Multi-Agent Reinforcement Learning zeigt, dass mehrere Agenten vor Handlungen Pläne teilen müssen, um Systemkonsistenz zu erhalten.

Schrittweise Delegation

• Agenten sollte Autonomie nicht von Anfang an vollständig übertragen werden; sie sollte in dem Maße erweitert werden, wie Vertrauen entsteht.
• Die Agenten von Intercom bearbeiten zunächst einfache Aufgaben mit hoher Sicherheit und fragen vor riskanten Handlungen nach Zustimmung.
• Frühere Genehmigungen der Nutzer fungieren als Vertrauensmodell; je mehr ein Agent seine Zuverlässigkeit beweist, desto umfassendere Handlungsrechte erhält er.
• Der Mensch bleibt nicht dadurch in the loop, dass er Aufgaben selbst ausführt, sondern indem er Grenzen setzt, die der Agent nicht überschreiten darf.

Elegantes Eingreifen und unumkehrbare Handlungen

• Nutzer müssen an jedem Punkt eines Agenten-Workflows Stopp sagen und die Kontrolle übernehmen können.
• Da Agenten schwer rückgängig zu machende Handlungen wie das Senden von E-Mails oder das Buchen von Flugtickets ausführen können, reicht eine einfache Undo-Funktion nicht aus.
• Das System sollte nicht erst nach einer Handlung Wiederherstellung versuchen, sondern vor dem Überschreiten eines unumkehrbaren Punkts klar darauf hinweisen und Zustimmung einholen.

Erklärbarkeit wird zum Produkt selbst

• Als klinische KI-Systeme Empfehlungen ohne Begründung anzeigten, wurden sie vom medizinischen Personal nicht genutzt.
• Nachdem das Interface so geändert wurde, dass jeweils nur eine Empfehlung angezeigt wurde, ergänzt um ein Begründungspanel und eine Ignorieren-Funktion mit einem Klick, setzte sich die Nutzung fort.
• Weder das KI-Modell noch die Empfehlungsergebnisse wurden verändert; geändert wurde nur das Interface.
• In agentischer UX ist Erklärbarkeit keine angehängte Funktion für regulatorische Compliance, sondern die zentrale Produkterfahrung, die Nutzer dazu bringt, das Produkt anzunehmen.

Von Bildschirmzuständen zu Systemhandlungen

• Designer gestalten nicht nur die im Interface sichtbaren Zustände, sondern auch, wie sich das System verhält, wenn Nutzer nicht hinschauen.
• Die Frage verschiebt sich von „Was sieht der Nutzer?“ zu „Worauf muss der Nutzer vertrauen können, um diesem System zu vertrauen?“
• Verhalten, Verantwortung, Absicht und Vertrauensurteile werden wichtiger als visuelle Komposition.

Von Interaktion zu Absicht

• Don Norman argumentiert in The Design of Everyday Things, dass Design scheitert, wenn die von Nutzern angenommene Funktionsweise eines Systems von seiner tatsächlichen Funktionsweise abweicht.
• Traditionelle UX nimmt an, dass Nutzer bereits entschieden haben, welche Handlung sie ausführen wollen, bevor sie am Interface ankommen.
  • Menüs existieren, weil Nutzer wissen, welches Menü sie öffnen wollen.
  • Formulare existieren, weil Nutzer wissen, welche Felder sie ausfüllen wollen.
• Tatsächlich bringen Nutzer oft keine konkrete Absicht mit, sondern ein abstrakteres Ziel.
  • Diese Annahme war nie vollkommen korrekt, aber 30 Jahre lang ausreichend nützlich, um bildschirmbasierte UX zu bauen.
• Neue Interfaces trennen Ziel und Absicht.
  • Chat ermöglicht Nutzern, ein Ziel in natürlicher Sprache zu äußern, woraufhin das System die Absicht konkretisiert.
  • Sprache ermöglicht Zieläußerungen auch in Situationen, in denen die Hände nicht frei sind.
  • Ein Agent erhält ein Ziel einmalig und führt dann einen mehrstufigen Plan aus, um es zu erfüllen.
• Die gemeinsame Veränderung dieser drei Paradigmen ist, dass nicht Interaktion, sondern Absicht zum primären Designgegenstand wird.

Designer gestalten Vertrauensbeziehungen

• Die Rolle von Designern verschiebt sich vom Gestalten von Interaktionsflüssen hin zum Gestalten von Vertrauensbeziehungen zwischen Menschen und Systemen, die in ihrem Namen handeln.
• Zu den neuen Gestaltungsgegenständen gehören:
  • wie viel Arbeit Nutzer an das System delegieren,
  • wie das System mehrdeutige Anforderungen interpretiert,
  • wie die Differenz zwischen dem, was Nutzer sagen, und dem, was sie tatsächlich wollen, überprüft wird.
• Diese Arbeit erfordert neue Werkzeuge und Bewertungsmethoden.
  • Forschung zur Mensch-KI-Interaktion schlägt Methoden vor, die nicht nur Aufgabenabschluss messen, sondern auch, ob Nutzer sich ausreichend informiert fühlen und den Eindruck haben, Kontrolle zu behalten.
• Beim Bau von Systemen, die im Namen von Nutzern urteilen, braucht es zudem ethische Maßstäbe dafür, welche Entscheidungen delegiert werden dürfen.

Aufgaben für Designer von Chat, Sprache und Agenten

• Bei Chatinterfaces ist die schwierigste Aufgabe nicht zu entscheiden, wo Chat eingesetzt werden soll, sondern wo Chat nicht eingesetzt werden sollte.
  • Erfolgreiche Produkte sind nicht die mit der stärksten KI, sondern die, die präzise unterscheiden, welche Aufgaben in Dialoge und welche in Formulare gehören.
  • Diese Unterscheidung ist keine Engineering-, sondern eine Designentscheidung.
• Bei Sprachinterfaces müssen Elemente außerhalb des Bildschirms gestaltet werden.
  • Weil Reaktionszeit wichtiger ist als Layout, muss Zeit gestaltet werden.
  • Kontext muss mit Blick darauf gestaltet werden, woran sich Nutzer erinnern.
  • Es muss gestaltet werden, wie ein Gespräch wiederhergestellt wird, wenn das System etwas nicht verstanden hat.
  • Audio-Feedback, Haptik, räumliche Signale und Strategien zur Gesprächsreparatur werden zu neuen Werkzeugen.
• Agentische Systeme sind der Bereich mit den am wenigsten etablierten Mustern und dem höchsten Risiko.
  • Entscheidungen zu Transparenz, Eingriffskontrolle und schrittweiser Delegation bestimmen, ob Nutzer sich ermächtigt oder überwacht fühlen.
  • Über einzelne Produkte hinaus beeinflussen sie, wie viel Autonomie Menschen KI in verschiedenen Branchen einräumen werden.
• Wenn ein Produkt alle drei Paradigmen gemeinsam unterstützt, muss zusätzlich das Koordinationsproblem gelöst werden, Interfaces mit unterschiedlichen Interaktionsverträgen zu einer konsistenten Erfahrung zu verbinden.

Unveränderte Prinzipien von UX

• Auch wenn neue Interfaces entstehen, wollen Nutzer weiterhin das Gefühl haben, verstanden zu werden.
• Sie fürchten Kontrollverlust, meiden undurchsichtige Produkte und vertrauen ehrlichen Produkten.
• Produkte, die Nutzer sich unfähig oder langsam fühlen lassen, werden weiterhin gemieden.
• Die Rolle guter UX-Designer bestand immer darin, Nutzer sich kompetent und verstanden fühlen zu lassen.
• Chat, Sprache und Agenten sind neue Instrumente dafür; die Kriterien Klarheit/Vertrauen/Freude/Respekt vor Zeit und Aufmerksamkeit bleiben unverändert.

Weiterführende Lektüre

• Erika Hall — Conversational Design
• Cathy Pearl — Designing Voice User Interfaces
• Clifford Nass / Scott Brave — Wired for Speech
• Ben Shneiderman — Human-Centered AI
• Don Norman — The Design of Everyday Things