In der heutigen Zeit ist Nachhaltigkeit präsenter denn je, auf der anderen Seite nutzen wir immer mehr Technologie in unserem Alltag. Im besten Fall verbinden wir also diese Dinge miteinander. Leider fehlt den meisten UX Designern das theoretische Wissen dazu, hier setzt unser Medienprojekt an. Wir haben einen mit künstlicher Intelligenz umgesetzten Assistenten entwickelt. Dieser hilft als Webapplikation den Nutzern direkt in LeanScope AI Nachhaltigkeit zu berücksichtigen und damit verbundenen Gesetze und Richtlinien zu beachten. Mit Leanscope AI können CX und UX Professionals auf einfache Art und Weise Proto-Personas generieren, diese mit UX Research Daten anreichern und anschließend mit diesen Personas sogar chatten und Ideen brainstormen. Das ermöglicht so, ein tieferes Verständnis für die Zielgruppe zu erlangen. Das Tool ist in enger Kooperation mit Centigrade entstanden.
Die Idee: Anfangsschritte und Arbeitsteilung unseres Projekts
Das Medienprojekt ist eine Lehrveranstaltung, die wir im Rahmen unseres Medieninformatik-Studiums in den höheren Semestern belegen müssen. Wir hatten mehrere Projekte zur Auswahl, haben uns aber letztendlich für das Projekt “AI-powered sustainable UX” von Centigrade entschieden. So kamen wir als Dreiergruppe zusammen: Alica, Kevin und Simone. Kevin arbeitet schon seit einigen Jahren mit Webseiten und React und hat so schnell seine Rolle als Programmierer gefunden. Alica und Simone haben im Rahmen ihres Studiums schon einige Erfahrungen mit UI-Design und User-Research gesammelt und konnten sich diese Rollen gut aufteilen.
Die grundsätzliche Idee war es, einen Assistenten für LeanScope AI zu entwickeln, der Designer:innen unter die Arme greift, wenn es um Nachhaltigkeitsthemen geht, den sog. „Eco Advisor“. Beispielsweise sollen Ideen, die nicht nachhaltig sind als solche „entlarvt“ und werden, damit digitale Produkte von Grund auf nachhaltiger gestaltet werden.
LeanScope AI hilft wie angedeutet dabei, auf Basis von Personas und deren Nutzungsszenarien passende Ideen zu generieren und daraus Produkte zu entwickeln. Unser Projekt konzentriert sich vor allem darauf, bestehende Ideen unter Nachhaltigkeitsaspekten bewerten zu lassen.
Der Fokus lag hier auf einem Proof of Concept und weniger auf einem komplett fertigen Produkt. Kurz vor Beginn des Projektes wurde von OpenAI der ChatGPT Playground veröffentlicht, welcher uns den Umsetzungsprozess wesentlich erleichterte. Anstatt LeanScope direkt zu erweitern, haben wir uns dann für eine externe Webapplikation entschieden, die in direktem Datenaustausch mit LeanScope via GraphQL API steht. Wir haben die Applikation gestaltet und programmiert und den Assistenten konzipiert. Das Ganze konnten wir gut mit Nutzerbefragungen testen und verifizieren. Wie bereits zuvor erwähnt, haben wir das Projekt in drei Bereiche aufgeteilt: Nutzerforschung, UX Design und Programmierung. So konnten wir teilweise parallel arbeiten und uns gut ergänzen.
UX-Design: Ausarbeitung der Benutzerschnittstelle und der KI Persona
Im ersten Schritt des UX-Designs haben wir uns mit der Persona der KI beschäftigt. Dazu haben wir zunächst Nutzungsszenarien geschrieben, um uns über die genaue Anwendung der KI bewusst zu werden und die Zielgruppe zu definieren. Hierbei war vor allem interessant, aus welcher Richtung die Motivation für Nachhaltigkeit bei den einzelnen Nutzergruppen herrührt. Eltern zum Beispiel sind dadurch motiviert, eine bessere Welt für ihre Kinder zu hinterlassen, das trifft auf Singles natürlich nicht zu.
Nach etwas User Research (dazu später mehr) haben wir uns auf ein Schlüssel-Szenario festgelegt, in dem es um einen kinderlosen, relativ jungen UX-Designer geht, der in einem Startup für nachhaltiges Elektrogeräte-Refurbishing arbeitet. Wir haben uns für diese Persona entschieden, da wir zu dem Schluss gekommen sind, dass solche Startups, die auf Investorenkapital angewiesen sind, zum einen das größte Interesse an Nachhaltigkeit haben, und zum anderen sehr große Risiken eingehen, wenn ihnen aktuelle Gesetze und Richtlinien nicht bekannt sein sollten. Diese ziehen somit den größten Nutzen aus unserer Anwendung und stellen die Hauptzielgruppe dar.
Unsere KI-Persona sollte unsere Zielgruppe also effektiv unterstützen, aber wie? Der Ton macht die Musik. Uns war schnell klar, dass es wichtig ist, dass die KI freundlich und auf Augenhöhe mit dem Nutzer kommuniziert und nicht von oben herab. Außerdem war es uns wichtig, dass sie vertrauenswürdig wirkt und realistische Erwartungen hat. Durch die Definition dieser Eigenschaften konnten wir sicherstellen, dass unser Assistent eine klare und konsistente Persönlichkeit hat, die den Bedürfnissen und Erwartungen unserer Nutzer entspricht.
Im zweiten Teil ging es darum, einen Prototyp für unsere App zu entwickeln. Zuerst haben wir einzeln gebrainstormt, dann haben wir einen Low-Fi Prototypen entwickelt. Als dieser dann stand und wir ihn durch User Research verifizieren konnten, ging es weiter in die High-Fi Prototypenentwicklung. Dafür haben wir Figma benutzt. Angefangen hat es mit der Farbpalette, wir haben uns bewusst gegen das klassische “Klimagrün” entschieden und stattdessen ein zu LeanScope ähnliches Blau gewählt. Dies ist nicht nur konsistenter für die LeanScope-Nutzer, sondern wirkt auch seriöser und vertrauenswürdiger. Darauf aufbauend haben wir die Grundstruktur des Low-Fi Prototypen übernommen und festgestellt, dass manche Dinge in einer groben Skizze besser aussehen als im konkreten Design. Nach einigen Versuchen hatten wir ein solides, einfaches, aber professionell aussehendes Design, das wir dann an die Programmierung weitergaben.
Programmierung: Technische Umsetzung der KI
In diesem Abschnitt konzentrieren wir uns auf die Implementierung der KI und nicht auf die Implementierung der Benutzerschnittstelle. Es beschäftigten uns vor allem folgende Fragen:
Wie können wir unseren Assistenten eine Persönlichkeit geben?
Nachdem wir im Design eine Persona entwickelt hatten, die die KI bekommen sollte, mussten wir uns überlegen, wie wir dies technisch umsetzen können. Dies ließ sich relativ einfach lösen: In LeanScope selbst können Personas als JSON-Datei exportiert werden, im Playground kann man diese mitgeben. Speichert man den JSON im Playground ab, wird er bei jeder Anfrage verwendet.
Wie stellen wir sicher, dass Chat-GPT keine falschen oder unseriösen Quellen für die Analyse verwendet?
Hier mussten wir uns auf frühere Recherchen verlassen. Die Quellen wurden von uns manuell überprüft und dann für den Assistenten freigegeben.
Wie können wir dem Assistenten sagen, dass er immer den gleichen Ansatz zur Lösung eines Problems verwenden soll, um konsistent zu bleiben?
Wir mussten es ausprobieren und noch mehr ausprobieren. Nach einiger Zeit fanden wir heraus, dass es am effizientesten ist, dem Assistenten genaue Schritte vorzugeben, die er befolgen soll. Dies gilt insbesondere auch für die Struktur der Antworten, denn hier ist Konsistenz wichtig. Die Antworten wurden kleinschrittig beschrieben und in der Länge begrenzt. Ergänzend wurden Regeln vorgegeben, z.B. dass die KI nicht das Thema wechseln sollte.
Abschließend lässt sich sagen, dass die Programmierung eines KI-Assistenten ein fortlaufender Prozess des Experimentierens und Anpassens ist. Wir waren jedoch überrascht, wie schnell der Assistent bereits gute Antworten auf teilweise komplexe Rechtsfragen geben konnte.
UX-Research: Gestaltung eines benutzerzentrierten KI-Assistenten
Um so nah wie möglich an den Nutzenden zu entwickeln, haben wir an einigen Stellen Nutzerbefragungen durchgeführt. Alle unsere Interviews waren semi-strukturiert, was zu einigen interessanten (und zum Teil auch etwas längeren) Gesprächen und Erkenntnissen führte, die wir nicht erwartet hatten.
Als erstes haben wir unsere Personas verifiziert, insbesondere ihre Frustrationen und Bedürfnisse. Dazu haben wir so viele Stakeholder wie möglich interviewt, darunter UX Designer, Juristen und Mitglieder einer Nachhaltigkeitsorganisation. Die angegebenen Gründe für nachhaltiges Handeln waren überraschend vielseitig und reichten von “Status und Lifestyle”, über “Bedürfnis nach Sinnhaftigkeit des eigenen Handelns”, bis hin zu “Verantwortung gegenüber den eigenen Kindern”. Auch die Frustrationen der Befragten deckten ein breites Spektrum ab. Häufiger wurden allerdings “Greenwashing” und eine “zu geringe Nachfrage nach nachhaltigen Alternativen” genannt. Insgesamt haben die Ergebnisse uns viel über den künftigen Fokus unseres Projekts verraten und unsere Personas größtenteils bestätigt bzw. gut ergänzt.
In den zweiten Interviews ging es um die Entwicklung und Anpassung der KI-Persona, hier waren sich die Nutzer sehr einig: Es sollten kurze, einfache und umsetzbare Ideen sein. Sie sollten nicht vorwurfsvoll formuliert sein und der Assistent sollte zwar natürlich, aber nicht zu menschlich wirken. Besonders wichtig war den Nutzern außerdem, dass die KI keine Falschinformationen ausgibt, wenn es zu einem Punkt kein nützliches Feedback gibt.
Anschließend führten wir Interviews zum High-fi Prototypen durch. Hier ging es uns ausschließlich um das Design und Usability der Anwendung und nicht um die Ausgabe der KI. Der Prototyp wurde durchweg positiv bewertet, abgesehen von einigen Kleinigkeiten, die von verschiedenen Nutzern unterschiedlich bewertet wurden: Soll die Chat Funktion vordefiniert oder offen sein? Wo wird die Persona angezeigt? Diese Dinge mussten dann von uns entschieden und umgesetzt werden.
Nach diesem Prozess gab es nur noch eins: den finalen Test. Unser Fokus bei der Umsetzung lag vor allem auf der Funktionalität. Das Visuelle musste aufgrund des Zeitdrucks an der ein oder anderen Stelle darunter leiden. Zum Feedback gehörte zum Beispiel die Beobachtung, dass der Assistent auf jede Abfragesprache in Englisch antwortet, was als störend im deutschen Arbeitsfeld wahrgenommen wurde. Des Weiteren war unsere finale Anwendung sehr unübersichtlich, da es sich in der Umsetzung als kompliziert herausstellte, das Design aus LeanScope und dem Prototyp zu übernehmen. Außerdem wurde sich gewünscht, dass die Antworten der KI kürzer ausfallen und in Stichpunkten angegeben werden. Dann wäre es allerdings notwendig, durch Auswahl einzelner Stichpunkte eine detailliertere Auskunft über diese erfragen zu können. Alles in allem wurde die Umsetzung der Idee aber für gut befunden und die Nutzer zeigten großes Interesse an einer zukünftigen Nutzung des Assistenten. Der Proof of Concept wurde also definitiv erbracht.
Zusammenfassend waren wir relativ überrascht, wie unterschiedlich Feedback aus derselben Nutzergruppe sein kann. So schienen die Arbeitsabläufe und Bedürfnisse sehr stark von Person zu Person zu variieren – was einige als Vorteil sahen, empfanden andere als störend.
Ein Ausblick in die Zukunft: Potenzial und Weiterentwicklung und Front End Ausbau
Zusammenfassend kann gesagt werden, dass gezeigt wurde, dass es möglich ist, einen KI-Assistenten mit Nachhaltigkeitsfokus zu programmieren und dass es auch eine interessierte Zielgruppe gibt. Ergänzend zu dem bisher Erreichten muss das User Interface noch an den High-Fi Prototypen angepasst und einige kleine Änderungen an den Prompts vorgenommen werden.
Das Potenzial des Endprodukts ist jedoch groß, UX Design hat einen enormen Einfluss auf die Nutzer und bietet die Chance, viel zu verändern. Darüber hinaus ist Nachhaltigkeit für Unternehmen interessant, da sie Geld, Zeit und Arbeitskraft spart. Wir sehen daher ein großes Potenzial für die tatsächliche Nutzung und hoffen, einen positiven Beitrag zur nachhaltigen digitalen Zukunft leisten zu können.
Wir haben Dein Interesse geweckt? Schau Dir unsere Leistungen an!
