So integrieren Sie KI, ohne Benutzer zu verprellen

width="1024" height="576" sizes="auto, (max-width: 1024px) 100vw, 1024px">Nutzlose, störende und/oder zu aufdringliche KI-Funktionen können für IT-Anwender schnell zum roten Tuch werden.Master1305 | shutterstock.com



Künstliche Intelligenz (KI) liefert vielversprechende Ergebnisse – etwa im Bereich der Softwareentwicklung. Geht es darum, die Technologie in Anwendungen für Endbenutzer einzubinden, sieht die Sache anders aus: Immer mehr Funktionen mit „KI-Label“, die weder hilfreich noch nützlich sind, bevölkern inzwischen die Benutzeroberflächen. Diese Hype-getriebenen „Add-Ons“ können im besten Fall zur Ablenkung werden. Wenn es weniger gut läuft, beeinträchtigen sie die Produktivität und vergraulen die Endbenutzer.  



Diese sind infolgedessen zunehmend genervt von der ubiquitären Präsenz von KI(-Funktionen). Das zeigt etwa ein Blick auf den „State of Marketing 2025“-Report der Umfrageplattform SurveyMonkey. Demnach:




lehnen 46 Prozent der Befragten Unternehmen ab, die KI zur Content-Erstellung nutzen, während



43 Prozent angeben, wahrscheinlich eher nicht Kunden solcher Firmen werden zu wollen.




Unternehmen mit KI-Ambitionen sollten sich deshalb die Frage stellen, ob es sich angesichts der Gefahr, potenzielle Kunden zu verlieren, tatsächlich lohnt, die Technologie in ihr Softwareprodukt oder ihren Service zu integrieren. Und falls die Antwort auf diese Frage ja lautet, gilt es, dabei richtig vorzugehen. Wie das in der Praxis funktioniert – beziehungsweise welche Fehler zu vermeiden sind – haben wir diejenigen gefragt, die es wissen müssen: ausgewiesene Experten.



KI in Produkte integrieren – Anti-Pattern



„Viele tappen in diese Falle und flanschen KI-Funktionen an, um vom Hype zu profitieren, anstatt echte, konkrete Nutzerprobleme zu lösen“, kritisiert Jody Bailey, Chief Product and Technology Officer bei Stack Overflow. Das Ergebnis seien oft instabile Funktionen, die Fehler verursachen, Sicherheitslücken schaffen oder Workflows stören, statt zu optimieren. Insbesondere, wenn den Benutzern solche Funktionen ohne Ausweichmöglichkeit oktroyiert werden, könnten diese sich „gefangen“ fühlen, argumentiert Brian Smith, Principal Product Manager bei Red Hat: „Das größte Anti-Pattern ist, die Nutzung von KI-Funktionen zu erzwingen, die dem User keinen klaren Mehrwert bieten.“



Ein Beispiel dafür führt Matt Martin, ehemaliger CEO und Mitbegründer des kürzlich von Salesforce übernommenen Softwareanbieters Clockwise, an: „Chat-Erlebnisse, die von der Haupt-App losgelöst sind, lenken besonders stark ab. Was interessiert mich ein Chatbot in Google Docs, wenn ich gerade etwas tippe? Wenn es den Kern-Workflow nicht verbessert und den Kern-ROI nicht steigert, wozu dient diese Funktion dann?“



Wenn ohne ein klares Verständnis der Nutzerintention entwickelt werde, stünden im Ergebnis häufig Tools, die zwar beeindruckend aussähen, aber an den tatsächlichen Bedürfnissen der User vorbeigingen, gibt Stack-Overflow-Entscheider Bailey zu bedenken. Er fügt hinzu: „Diese sogenannten ‚Lösungen‘ untergraben den Trust der Benutzer und bremsen Teams aus. Das kann zu Frustration führen – und dazu, dass eine Plattform nach der Einführung von KI schlechter dasteht als zuvor.“



In diesem Zusammenhang spiele auch eine Rolle, dass im Hinblick auf Performance-Messungen häufig die In-Technologien im Fokus stünden und nicht das tatsächliche Nutzerverhalten, meint Justin O’Connor, Gründer und CEO des KI-Plattformanbieters Infracodebase: „Teams legen zu viel Wert auf Metriken zur Modellqualität und ignorieren die Produkt-Outcomes. So sind die Features dann zwar technisch clever umgesetzt, aber nutzlos.“



Dabei sei KI unter Umständen gar nicht die richtige Lösung für die jeweilige Aufgabe, wie Melissa Ruzzi, Director of AI beim Sicherheitsanbieter AppOmni, erklärt: „Im Vergleich kann es deutlich mehr Zeit und Geld kosten, ein Problem mit KI zu lösen, als mit einem statistischen, datenwissenschaftlichen Ansatz.“



Allerdings scheitern KI-Initiativen in der Erfahrung von Markus Nispel, Head of AI Engineering und CTO EMEA beim Netzwerk-Spezialisten Extreme Networks, auch häufig an Data-Accessibility-Problemen: „Zum Beispiel, wenn die erforderlichen Daten nicht verfügbar sind oder vom System nicht verstanden werden, weil domänenspezifisches Fachwissen nicht richtig integriert wurde.“



Ein weiteres Anti-Pattern führt Infracodebase-CEO O’Connor an: „Teams untercshätzen auch oft den zukünftigen Change-Management-Bedarf. Sie führen KI ein, ohne Onboarding, Dokumentation oder Support zu überdenken. Und die Benutzer bleiben verwirrt und verärgert zurück. Im besten Fall gewöhnen sie sich an dem unnötigen KI-Funktionsüberfluss. Im schlimmsten Fall erodiert der Trust, während die Support-Anfragen steigen und Funktionen nicht mehr genutzt werden.“



Best Practices, um KI in Produkte zu integrieren



Um die Nutzerbasis nicht zu vergrätzen, gibt es eine ganze Reihe von Ansätzen. Das wichtigste Grundprinzip ist dabei, die User-Perspektive einzunehmen, wie auch Charity Majors, CTO beim Observability-Anbieter Honeycomb, empfiehlt: „Ein nutzerorientierter Ansatz bedeutet, dass das Produkt auch ohne KI nutzbar bleiben sollte – inklusive simpler Opt-out-Möglichkeiten und ohne aufdringliche Aufforderungen zu Feedback oder Bewertungen. Wenn Sie hauptsächlich davon motiviert sind, das Label ‚KI-gestützt‘ auf die Funktion, das Produkt oder die Marketingkampagne zu kleben, lautet mein Rat: Lassen Sie es.“



Um Fehltritte zu vermeiden, legt Stack-Overflow-Manager Bailey Unternehmen ans Herz, die Benutzer mit Blick auf neue KI-Funktionen frühzeitig mit einzubeziehen – etwa im Rahmen von Feedback-Loops, offenen Community-Aufrufen oder A/B-Tests: „Inkrementelle Rollouts  mit klaren Erklärungen befähigen die Beutzer zudem, sich einzugewöhnen. So bekommen diese nicht das Gefühl, plötzlich auf einer unbekannten Plattform gelandet zu sein.“



Ex-Clockwise-CEO Martin rät in diesem Zusammenhang dazu, vor allem KI-begeisterte User mit Early-Adopter-Mentalität zu fokussieren: „Nutzer, die noch nicht bereit sind, den Sprung in neue Technologien zu wagen, könnten verprellt werden, wenn man sie zu früh einbezieht.“



Neeraj Abhyankar, VP of Data & AI beim IT-Serviceanbieter R Systems, rät davon ab, KI-Funktionen einzuführen, die Reibungsverluste verursachen oder Nutzer zu neuen Arbeitsweisen zwingen: „Im Sinne der Konsistenz ist es am besten, vertraute Bedienelemente zu ergänzen, statt komplett zu ersetzen. Es ist essenziell, dass KI unterstützend wirkt und nicht aufdringlich ist.“



Das unterstreicht auch CEO O’Connor: „KI-Unterstützung sollte im Hintergrund laufen und nur dann in Erscheinung treten, wenn sie nützlich ist und ohne Nachteile ignoriert werden kann. Zudem sollte KI für den Nutzer klar erkennbar sein – inklusiver eindeutiger Grenzen und Hinweisen in der Benutzeroberfläche, die signalisieren, wenn sie aktiv ist.“



Erfolgsbeispiele für benutzerzentrische KI-Funktionen



Ein Beispiel für die erfolgreiche KI-Erweiterung einer etablierten Plattform ist die „AI Assist“-Funktion von Stack Overflow. Diese wurde 2025 eingeführt und unterstützt die User über eine Schnittstelle auf LLM-Basis dabei, auf die umfangreiche Wissensdatenbank der Plattform zuzugreifen. Die Funktion kam dabei sowohl wegen ihres Community-First-Ansatzes als auch ihrer Transparenz gut an.



Stack-Overflow-Manager Bailey hat aus dieser KI-Einführung viel gelernt, wie er erklärt: „Eine der wichtigsten Lektionen für mich war, dass KI-Funktionen auf der Grundlage von echtem Nutzer-Feedback weiterentwickelt werden müssen. Unsere Community war schon immer sehr engagiert und hat sich lautstark zu Wort gemeldet – dieses Feedback war für die Integration von KI entscheidend. ”



Ein weiteres Beispiel ist der LLM-gestützte Befehlszeilen-Assistent in Red Hat Enterprise Linux. Er ist vollständig optional, wie Red-Hat-Manager Smith erklärt: „Die Teams können auch entscheiden, wie der Assistent bereitgestellt wird – inklusive Konfigurationen für den Einsatz im Netzwerk, offline oder On-Premises.“



Auf der Seite der Geschäftsanwender hebt der ehemalige Clockwise-Entscheider Martin den KI-Anbieter Superhuman positiv hervor: „Die Funktionen der Plattform wie automatische Kategorisierung und automatisierte Drafts sind wirklich nützlich. Und sie funktionieren reibungslos und generieren unmittelbart Mehrwert für das Produkt.“



Im Bereich Softwareentwicklung haben sich KI-Agenten, die in bestehende Plattformen integriert wurden, relativ gut an Entwickler-Workflows angepasst. Das hat einige Anbieter von SaaS-Tools dazu veranlasst, von traditionellen Benutzeroberflächen auf KI-native Designs umzusteigen, wie etwa O’Connor berichtet: „Wir haben mit einem traditionellen SaaS-Produkt begonnen und KI hinzugefügt. Was uns überrascht hat, war, wie schnell die Nutzer ihr Verhalten geändert haben. Sie haben es vorgezogen, mit dem Agenten zusammenzuarbeiten, um Probleme zu lösen und in der Konsequenz den Großteil der klassischen SaaS-Benutzeroberfläche nicht mehr genutzt.“



KI oder nicht KI – Entscheidungs-Support



Im Jahr 2024 stellten Forscher der Washington State University fest, dass Konsumenten von Produkten, deren Beschreibung den Begriff „künstliche Intelligenz“ enthält, eher Abstand nehmen. Der Grund ist laut den Wissenschaftlern ein gering(er) ausgeprägtes, emotionales Vertrauen. In Developer-Kreisen zeigt sich ähnliche Skepsis: So nutzt zwar mittlerweile die Hälfte der Entwickler täglich KI-Tools. Allerdings geben in einer Stack-Overflow-Umfrage 79 Prozent der Teilnehmer an, nicht vorzuhaben, KI in Produktivumgebungen einzusetzen.



Angesichts dieser Unsicherheiten hinsichtlich der Benutzerakzeptanz von KI, stellt sich für Produktmanager die Frage: Wie entscheidet man, ob sich KI-Funktionen lohnen? Laut unseren Experten gehören zu den eindeutigen Anzeichen für einen positiven ROI:




eine nachhaltige Nutzung,



positives User-Feedback,



eine im Laufe der Zeit steigende Akzeptanz, sowie



qualitativ hochwertige Ergebnisse.




Eine weitere wichtige Kennzahl ist außerdem der Prozentsatz der Nutzer, die KI-gesteuerte Funktionen gegenüber alternativen Workflows bevorzugen.



Warnsignale sind hingegen:




hohe Abmelderaten,



vermehrte Support-Anfragen, oder



mehr Nutzerbeschwerden, beziehungsweise negatives Feedback.




„Diejenigen Unternehmen, die KI nicht als vages Ziel betrachten, sondern als eine Reihe gezielter, schnell implementierter Workflows, die darauf ausgerichtet sind, echte Probleme der Nutzer zu lösen, werden einen zufriedenstellenden ROI erzielen können – wer diesem Modell nicht folgt, eher nicht“, bringt es KI-Experte Nispel auf den Punkt. (fm)



Dieser Artikel ist im Original bei unserer Schwesterpublikation Infoworld.com erschienen.