Conversational UX

Einfach erklärt

Conversational UX gestaltet Dialoge zwischen Menschen und KI – natürlich und hilfreich.

Gute vs. schlechte Konversation:

Schlecht:
Bot: "Bitte wählen Sie: 1) Bestellung 2) Retoure 3) Sonstiges"
User: "Wo ist mein Paket?"
Bot: "Ungültige Eingabe. Bitte wählen Sie 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. 📦"

Technischer Deep Dive

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/Ergebnis

UI-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.