AI-native UX
Context
Abschnitt betitelt „Context“Dein Design-Team hat einen Prototyp gebaut: Ein Chat-Interface für Euer neues AI-Feature. Der CEO findet es “sehr ChatGPT”. Das Problem: 80% Eurer User wollen gar nicht chatten. Sie wollen Ergebnisse.
Als PM musst Du verstehen, dass AI-Interfaces nicht einfach “normale UI plus Chat” sind. AI-Output ist nicht-deterministisch — und das verändert alles: Wie Du Ergebnisse anzeigst, wie Du Vertrauen aufbaust und welche Interaktionsmuster funktionieren.
Concept
Abschnitt betitelt „Concept“Non-Deterministic Interfaces
Abschnitt betitelt „Non-Deterministic Interfaces“Traditionelle UX ist deterministisch: Input X ergibt immer Output Y. Ein Button tut immer dasselbe. AI-UX ist probabilistisch: Input X ergibt eine Verteilung moeglicher Outputs.
Das hat direkte Konsequenzen für Dein Interface:
- Jeder AI-Output muss als Vorschlag kommuniziert werden, nicht als Fakt
- Interfaces müssen Variabilitaet zeigen, nicht verstecken
- User brauchen Möglichkeiten zur Regeneration (“Generate Again”-Buttons)
- Confidence Indicators gehören zum Output, nicht in eine Debug-Ansicht
Chat vs. Structured Output
Abschnitt betitelt „Chat vs. Structured Output“Nicht jede AI-Interaktion braucht ein Chat-Fenster. Die Unterscheidung ist entscheidend:
| Chat-Interface | Structured Output | |
|---|---|---|
| Staerke | Explorativ, mehrdeutig, Reasoning | Bekannte Inputs, Validierung, Volumen |
| Schwaeche | Ineffizient für repetitive Tasks | Unflexibel bei offenen Fragen |
| Beispiel | ”Analysiere diesen Vertrag” | Rechnungsklassifikation mit Dropdown |
Die Regel: “If it’s a form, it should stay a form” (gaengige UX-Design-Empfehlung). Ein Formular in ein Chat-Interface zu zwingen macht es schlechter, nicht besser.
Best Practice: Jedes Formular sollte conversational triggerbar sein, jeder Agent sollte an ein Formular uebergeben können. Das reine Chat-Paradigma ist für komplexe Workflows bereits ueberholt.
Progressive Disclosure für AI
Abschnitt betitelt „Progressive Disclosure für AI“AI-Outputs enthalten viel Information. Nicht alles gehört auf den ersten Blick:
- Level 1: Kernergebnis — die Antwort, die der User braucht
- Level 2: Confidence Scores, Quellen, Reasoning-Zusammenfassung
- Level 3: Vollstaendige Chain of Thought, Rohdaten, Alternativen
Microsofts Copilot passt das Interface dynamisch an Nutzerverhalten an: Power-User sehen mehr Optionen und Details, Gelegenheitsnutzer weniger.
User Onboarding für AI Features
Abschnitt betitelt „User Onboarding für AI Features“Die größte UX-Gefahr bei AI-Features: Die Demo wirkt magisch, die Realität enttaeuscht. Dieser “Magic Demo Gap” ist der haeufigste Grund, warum AI-Features nach dem Launch an Nutzung verlieren.
- Erwartungsmanagement: Kommuniziere klar, was die AI kann und was nicht — bevor der User das erste Ergebnis sieht
- Progressive Trust: Starte mit einfachen, zuverlaessigen AI-Funktionen. Erst wenn Vertrauen aufgebaut ist, komplexere anbieten
- Bestehende Patterns nutzen: Notion fuehrte AI über Slash Commands ein — ein Pattern, das User bereits kannten. Neue Interaktionsmuster erfordern mehr Onboarding-Aufwand
- Kein Feature-Dump: Schrittweise Einführung schlägt “hier sind alle 12 AI-Features auf einmal”
Für Dich als PM: Plane das Onboarding als Teil des AI-Features, nicht als Nachgedanken. Der erste AI-Kontakt bestimmt, ob User dem Feature vertrauen oder es ignorieren.
Loading und Streaming UX
Abschnitt betitelt „Loading und Streaming UX“AI-Operationen sind inhaerent langsamer als CRUD. Streaming ist nicht optional:
- User nehmen Streaming-Responses als 40-60% schneller wahr als identische Non-Streaming-Responses
- Streaming zeigt: “AI arbeitet” — nicht einfach nur “laedt”
- Accessibility-Problem: Streaming ist für Screen Reader problematisch. Barrierefreie Alternativen einplanen.
Framework
Abschnitt betitelt „Framework“AI-UX Pattern-Entscheidungsmatrix:
| Aufgabe | Pattern | Beispiel-Produkt |
|---|---|---|
| Exploration, offene Fragen | Chat + Streaming | ChatGPT, Claude |
| Content-Erstellung | Chat + Side-by-Side-Editor | ChatGPT Canvas, Claude Artifacts |
| Code-Assistenz inline | Ghost Text / Autocomplete | GitHub Copilot |
| Bestehendes Tool erweitern | Slash-Commands, Inline-AI | Notion AI (lila markiert) |
| Hintergrund-Intelligenz | Kein sichtbares AI-UI | Linear (Triage-Intelligence) |
| Visuelle Generierung | Grid + Variations | Midjourney (4-Bild-Grid) |
| Code-Generierung + Preview | Chat-to-Output + Live-Vorschau | v0 by Vercel |
Design-Prinzipien für die Auswahl:
- Modalitaet an Aufgabe matchen — nicht jede AI braucht Chat
- Zeigen dass AI arbeitet — Streaming, Skeleton Screens, Progress
- Information schichten — Progressive Disclosure statt Information Overload
- Variabilitaet einbauen — “Generate Again”, Varianten, Slider
- Bestehende Workflows respektieren — Linear-Ansatz: AI verstaerkt, statt Chatbot hinzuzufuegen
Scenario: Notion AI — Inline statt Chat
Abschnitt betitelt „Scenario: Notion AI — Inline statt Chat“Ende 2022. Notion hat über 30 Millionen User und ist eines der meistgenutzten Produktivitaets-Tools weltweit. Der AI-Hype explodiert — ChatGPT ist gerade gelauncht, jedes SaaS-Produkt kuendigt “AI Features” an. Notion steht unter Druck: Die Waitlist für Notion AI hat bereits über 2 Millionen Eintraege. Die User erwarten etwas.
Die zentrale Frage für das Produkt-Team: Wie soll AI in Notion erscheinen?
Die Fakten:
- 2M+ Waitlist-Signups für Notion AI vor dem Launch
- Notion ist ein Editor-zentriertes Produkt — User verbringen ihre Zeit in Dokumenten
- Der Marktstandard 2022/2023: Standalone-Chatbot als separates Feature
- User-Insight aus der Forschung: “Ich will mein Dokument nicht verlassen, um mit einer AI zu reden”
Die Entscheidung — drei Optionen:
- Standalone AI Chat: Ein separates Chat-Fenster neben dem Editor. User stellen Fragen, kopieren Ergebnisse zurück ins Dokument
- Inline AI: AI direkt im Editor — über Slash-Commands (
/ai), lila hervorgehoben, im bestehenden Dokument-Workflow. Kein neues Interface - Hybrid: Chat-Sidebar für komplexe Fragen, Inline für schnelle Aktionen
Was hat Notion entschieden — und warum?
Die Entscheidung: Option 2 — Inline AI, vollständig integriert in den Editor.
Notion hat den “Chatbot draufschrauben”-Ansatz explizit abgelehnt. Stattdessen: “Write with AI” und “Edit with AI” als native Funktionen im Dokument. Der Slash-Command /ai fuegt sich nahtlos in das bestehende Slash-Command-System ein, das Notion-User bereits kennen. AI-generierter Content erscheint lila hervorgehoben — direkt dort, wo der User arbeitet.
Warum es funktioniert hat — durch die Linse der AI-UX Pattern-Matrix:
- Modalitaet an Aufgabe gematcht: Notion ist ein Schreib-Tool. Die Aufgabe ist “Text erstellen und bearbeiten” — nicht “mit einer AI explorativ diskutieren”. Inline-AI passt zur Aufgabe, ein Chatbot hätte ein neues Interaktionsmuster erzwungen
- Bestehende Workflows respektiert: User kannten Slash-Commands bereits. Kein neues Interaktionsmodell noetig. Default-on für alle User, kein separates Onboarding
- Progressive Disclosure umgesetzt: Level 1 ist das Kernergebnis direkt im Dokument (lila markiert). Level 2 erscheint bei Hover oder Klick — Optionen zum Verfeinern, Kuerzen, Umformulieren. Kein Information Overload
- Variabilitaet eingebaut: “Try Again”, Tone-Anpassungen und Laengen-Optionen geben dem User Kontrolle über den nicht-deterministischen Output
Das Ergebnis: Launch im Februar 2023. Rund 50% der aktiven User haben AI-Features innerhalb von sechs Monaten adoptiert — eine aussergewoehnlich hohe Adoptionsrate für ein neues Feature.
Das entscheidende Insight: User wollen ihr Dokument nicht verlassen, um mit einer AI zu sprechen. Die Integration in den bestehenden Workflow hat die Huerde eliminiert, die ein separates Chat-Interface aufgebaut hätte.
Reflect
Abschnitt betitelt „Reflect“- Das Interface muss zur Aufgabe passen, nicht zur Technologie. Notion hat nicht gefragt “Wie bauen wir einen Chatbot?” sondern “Wie wird Schreiben besser?”. Chat ist ein Interaktionsmuster — nicht der Default. Die Slash-Command-Integration war möglich, weil das Team die bestehende Aufgabe verstanden hat, nicht die Technologie in den Vordergrund gestellt hat.
- “Bolt on a chatbot” ist das Anti-Pattern dieser Generation. Notion hat es explizit abgelehnt. Ein separates Chat-Fenster hätte den Workflow gebrochen und eine Copy-Paste-Schleife erzeugt. Die hohe Adoptionsrate (ca. 50% in sechs Monaten) zeigt: Geringe Friktionskosten schlagen Feature-Reichtum.
- Progressive Disclosure entscheidet über Adoption. Lila Highlight als Level 1, Optionen bei Hover als Level 2 — Notion hat AI-Output geschichtet, statt alles auf einmal zu zeigen. Das reduziert Ueberforderung bei Gelegenheitsnutzern und gibt Power-Usern trotzdem Kontrolle.
- Default-on senkt die Aktivierungsenergie. Kein separates Onboarding, kein Feature-Toggle, kein “AI aktivieren”-Button. Die AI war einfach da — im gleichen Slash-Command-Menue, das User schon kannten. Die beste AI-UX ist die, die kein neues mentales Modell erfordert.
Quellen: Notion AI Launch Announcement (Februar 2023), Notion AI Waitlist Data (2022), “Notion AI: Lessons in Building AI-First Features” — Lenny’s Podcast (2023), Nielsen Norman Group “AI UX Patterns” (2024)