Sofortantwort
Conversational UX einfach erklärt
UX-Design für Chatbots, Sprachassistenten und dialogbasierte Interfaces.
- Kurz gesagt
- Natürliche Sprache statt Buttons und Formulare
- Typischer Einsatz
- Chatbots, Sprachassistenten, In-App-Assistenten
- Wichtig zu wissen
- Graceful Handling von Missverständnissen
Conversational UX im Überblick
Conversational UX gestaltet Dialoge zwischen Menschen und KI – natürlich und hilfreich.
Gute vs. schlechte Konversation:
Schlecht:
Bot: "Bitte wähle: 1) Bestellung 2) Retoure 3) Sonstiges"
User: "Wo ist mein Paket?"
Bot: "Ungültige Eingabe. Bitte wähle 1, 2 oder 3."
Gut:
Bot: "Wie kann ich helfen?"
User: "Wo ist mein Paket?"
Bot: "Ich schaue nach. Deine letzte Bestellung
ist unterwegs und der voraussichtliche Liefertermin ist sichtbar. 📦"Technisch betrachtet
Design-Prinzipien
| Prinzip | Umsetzung |
|---|---|
| Natürlichkeit | Verständlich und passend zur Situation sprechen |
| Kontext | Vorherige Turns merken |
| Klarheit | Kurz und verständlich |
| Fehlertoleranz | Missverständnisse graceful handeln |
| Persönlichkeit | Konsistenter Ton |
Conversation Flow
User Intent erkennen
↓
Slots/Entities extrahieren
↓
Fehlende Infos nachfragen
↓
Aktion ausführen
↓
Bestätigung/ErgebnisUI-Patterns aus KI-Produkten
Mit LLM-basierten Assistenten hat sich Conversational UX über das reine Textfeld hinaus entwickelt. Etablierte Patterns:
| Pattern | Beispiel |
|---|---|
| Vorschlags-Chips | Klickbare Folgefragen unter der Antwort („Erkläre genauer”, „Kürzer bitte”) |
| Streaming-Antworten | Text erscheint Wort für Wort – reduziert gefühlte Wartezeit |
| Stop & Regenerate | Antwort abbrechen oder neu generieren, statt hilflos zuzusehen |
| Rich Responses | Tabellen, Code-Blöcke oder Karten statt reiner Fließtext |
| Kontext-Anzeige | Sichtbar machen, welche Dateien oder Quellen der Assistent gerade nutzt |
Produkte wie ChatGPT, Claude oder Copilot kombinieren diese Patterns: Der Dialog bleibt das Rückgrat, wird aber gezielt mit klassischen UI-Elementen angereichert. Reines „nur Chat” gilt inzwischen als Anti-Pattern für Aufgaben, die Auswahl, Vergleich oder Präzision erfordern.
Do & Don’t
| Do | Don’t |
|---|---|
| Zu Beginn zeigen, was der Assistent kann (Beispiel-Prompts) | Leeres Eingabefeld ohne Orientierung |
| Erwartungen ehrlich setzen („Ich kann X, aber nicht Y”) | Allwissenheit suggerieren |
| Bei Unsicherheit nachfragen statt raten | Falsche Antworten selbstbewusst formulieren |
| Kurze, scannbare Antworten als Default | Jede Frage mit einem Essay beantworten |
| Ausweg anbieten (Mensch, Formular, klassische UI) | Nutzer in der Konversations-Schleife festhalten |
Abgrenzung zu verwandten Begriffen
- Conversational UX vs. Chatbot-Entwicklung: Die Entwicklung liefert die Technik (Intent-Erkennung, LLM-Anbindung). Conversational UX gestaltet das Erlebnis darüber – Tonalität, Dialogfluss, Fehlerbehandlung.
- Conversational UX vs. Voice UX: Voice UX ist ein Spezialfall ohne visuelle Ebene. Vieles überträgt sich, aber Voice braucht kürzere Antworten und verzichtet auf visuelle Hilfen wie Chips oder Tabellen.
- Conversational UX vs. Prompt Engineering: Prompt Engineering optimiert, was das Modell erhält. Conversational UX gestaltet, was Nutzer erleben.
Messbarkeit
Ob ein konversationales Interface funktioniert, lässt sich an mehreren Signalen ablesen:
- Task Completion Rate: Erreichen Nutzer ihr Ziel im Dialog – oder brechen sie ab?
- Turns pro Aufgabe: Braucht eine einfache Anfrage fünf Nachfragen, ist der Dialog ineffizient gestaltet.
- Fallback- und Eskalationsrate: Wie oft landet ein Gespräch beim Menschen oder in der „Das habe ich nicht verstanden”-Schleife?
- Wiederholungsrate: Formulieren Nutzer dieselbe Frage mehrfach um, versteht das System sie nicht.
- Regenerate-Klicks: Häufiges Neu-Generieren deutet auf unpassende Antwortqualität oder -länge hin.
Quantitative Metriken sollten durch qualitative Reviews echter Gesprächsverläufe ergänzt werden – erst dort zeigt sich, warum ein Dialog scheitert.
Schritt für Schritt
Wie ein hilfreicher Dialog entsteht
Aufgabe und Gesprächsgrenzen klären
Bestimme, welche Aufgabe der Dialog zuverlässig unterstützen kann und wann eine andere Oberfläche oder eine verantwortliche Person besser geeignet ist. Eine Unterhaltung braucht ein klares Ziel, nicht nur beliebige Gesprächsfähigkeit.
Kontext sparsam und sichtbar führen
Behalte nur Informationen, die für die aktuelle Aufgabe nötig sind, und mache wichtige Annahmen überprüfbar. Menschen sollen korrigieren, neu beginnen oder einen Schritt überspringen können, ohne die Kontrolle zu verlieren.
Rückfragen und Fehler verständlich behandeln
Frage gezielt nach, wenn eine Information fehlt oder mehrdeutig ist. Bei Unsicherheit erklärt das System seine Grenze und bietet eine sichere Alternative, statt eine plausible Antwort zu erfinden.
Abschluss und Übergabe gestalten
Fasse Ergebnis, nächste Schritte und offene Punkte klar zusammen. Bei komplexen oder kritischen Anliegen muss ein Dialog sauber an Dokumente, Formulare oder Menschen übergeben können.
Konkretes Beispiel
Ein Assistent hilft bei der passenden Anfrage
Eine Person möchte interne Unterstützung erhalten, weiß aber nicht, welche Informationen für eine gute Anfrage fehlen. Der Assistent soll nicht raten, sondern den Vorgang strukturiert vorbereiten.
Freies Gespräch
Der Assistent beantwortet einzelne Sätze, ohne Ziel, fehlende Angaben oder Dringlichkeit zu klären. Das Gespräch wird lang, und am Ende fehlen Informationen, die für eine hilfreiche Bearbeitung nötig wären.
Geführter Dialog
Der Dialog erklärt die benötigten Angaben, fragt nur das Nötige nach und zeigt eine zusammengefasste Anfrage zur Prüfung. Bei sensiblen Fällen übergibt er klar an eine zuständige Person statt selbst zu entscheiden.
Einordnung
Vorteile und Grenzen
Das spricht dafür
- Kann Menschen schrittweise durch komplexe Aufgaben und fehlende Informationen begleiten.
- Erlaubt flexible Rückfragen und verständliche Erklärungen im jeweiligen Nutzungskontext.
- Macht Übergaben, Zusammenfassungen und nächste Schritte direkt im Gespräch sichtbar.
Das solltest du beachten
- Dialoge können langsamer und anstrengender sein als eine passende strukturierte Oberfläche.
- Falsch geführter Kontext oder erfundene Annahmen können Vertrauen und Ergebnis beschädigen.
- Ein Gespräch darf klare Prozesse, Datenschutz und menschliche Verantwortung nicht verschleiern.
Vertiefung · für FortgeschritteneVom Anliegen zur kontrollierten Übergabe
Aufgaben im Dialog
- System Prompt
- Eine Anweisung, die die Rolle und das Verhalten eines Sprachmodells festlegt.
- Context Engineering
- Optimale Zusammenstellung von Kontext für LLM-Anfragen.
- Guardrail UX
- UX-Patterns zum Schutz vor KI-Fehlern und für sichere Grenzen.
- Human-in-the-Loop
- Menschen überprüfen und entscheiden über KI-Ergebnisse.
- Structured Output
- LLMs geben Antworten in vordefinierten Formaten wie JSON aus.