NextGenUX – UX für zwei Nutzer: Menschen und AI Agents

Websites wurden bisher für Menschen gestaltet.

In der Discovery – also der vorbereitenden Projektphase – versuchen wir zunächst zu verstehen, wonach Nutzer suchen, welche Begriffe sie verwenden, welche Informationen sie benötigen und an welchem Punkt sie eine Entscheidung treffen. Daraus entwickeln wir Informationsarchitekturen, Navigationen,, Interaktionskonzepte, Funktionenund Inhalte.

Doch inzwischen betritt ein zweiter Nutzer die Customer Journey.

Er sieht keine Navigation. Er bewundert kein Hero Image. Er reagiert nicht auf Animationen und wahrscheinlich liest er auch keinen Call to Action so, wie ein Mensch ihn wahrnimmt. 

Trotzdem kann dieser Nutzer erheblichen Einfluss darauf haben, welches Unternehmen ausgewählt, welches Produkt empfohlen und welcher Anbieter überhaupt in Betracht gezogen wird.

Genauer gesagt, ein generatives Suchsystem, ein AI Assistant oder zunehmend ein AI Agent, der stellvertretend für einen Menschen Informationen findet, Angebote vergleicht, Entscheidungen vorbereitet oder perspektivisch sogar Aktionen ausführt, wird ein weiterer entscheidender Nutzer von Websites und Plattformen. 

Bereits heute konvertiert Traffic aus KI-Systemen bis zu 16% besser als aus herkömmlichen Quellen

Schon vor einem Jahr erzeugte Traffic aus generativen KI Quellen laut Adobe 16 % höhere Conversion-Rates, als solcher, der aus anderen Quellen wie Suchmaschinen, E Mail, Affiliates oder Social Media kam.  Zwar ist auch heute der Anteil des AI Traffics insgesamt noch vergleichsweise klein, aber dafür oft gezielter und konkreter in seinen Erwartungen und Abfragen. 

Google spricht inzwischen von mehr als fünf Billionen Suchanfragen pro Jahr und berichtet, dass Seiten die in den AI Overviews angezeigt werden, zu einer mehr als 10% höheren Nutzung dieser führen” 

Die nächste Generation von UX muss deshalb eine neue Frage beantworten:

Wie gestalten wir digitale Angebote, die für Menschen klar und gut nutzbar und für Maschinen zuverlässig verständlich sind?

Der Mensch verschwindet nicht aus der Customer Journey

UX wird sicher nicht zu „Agent Experience“, wie mancher uns momentan glauben machen will. Menschen bleiben diejenigen, die Ziele, Bedürfnisse, Unsicherheiten, Vorlieben und Verantwortung haben. Gerade bei komplexen Entscheidungen wollen sie Zusammenhänge verstehen, Vertrauen aufbauen und Kontrolle behalten.

Was sich aber verändert, ist die Rolle digitaler Systeme zwischen Mensch und Unternehmen. Ein typischer Nutzer öffnet vielleicht Google, besucht drei Websites und vergleicht anschließend mehrere Anbieter. Viele potentielle Kunden aber fragen schon heute einen AI Assistant:

„Welche Anbieter eignen sich für ein mittelständisches Unternehmen, das seine internationale Corporate Website modernisieren, Salesforce integrieren und künftig Inhalte auch über AI Search auffindbar machen möchte?“

Damit verändert sich vor allem der erste Kontakt fundamental. Der Nutzer sieht oft zunächst gar keine Website. Er rezipiert stattdessen sofort eine erste Antwort innerhalb des KI-Systems.

Die Aufgabe der Website ist in diesem Moment dann nicht mehr nur, den Menschen zu überzeugen, der auf ihr landet. Sie muss zugleich eine Informationsbasis liefern, aus der diese KI-Systeme eine korrekte und differenzierte Antwort auf die vom Benutzer gestellte Frage erzeugen können.

Die Customer Journey beginnt außerhalb der Website

Für Unternehmen ist das eine erhebliche Veränderung. Wenn bisher Website UX oft entlang einer relativ klaren Logik konzipiert wurden, unterbricht die generative Suche diese Logik.

Denn ein Teil der Orientierung, Recherche und Vorauswahl findet bereits statt, bevor ein Nutzer eine Unternehmenswebsite besucht.

Google beschreibt seine generativen Suchfunktionen ausdrücklich als Systeme, die relevante Informationen aus dem bestehenden Suchindex heranziehen und daraus Antworten zu komplexeren Fragestellungen erzeugen. Google betont gleichzeitig, dass die bisherigen Grundlagen guter Suchmaschinenoptimierung weiterhin gelten und kein spezielles geheimes Markup benötigt wird, um in AI Overviews oder AI Mode berücksichtigt zu werden.

Das ist wichtig, weil sich rund um Generative Engine Optimization schnell eine falsche Vorstellung entwickeln kann.

Es geht nicht darum, Texte für Maschinen statt für Menschen zu schreiben. Es geht darum, Informationen und Inhalte so gut zu strukturieren und so eindeutig zu formulieren, dass Menschen und Maschinen verstehen können, worum es geht. (Siehe hierzu auch unseren Artikel “Ist ihre Website KI-Ready?”)

Das klingt einfach. Viele Websites erfüllen diese Voraussetzung allerdings nur teilweise.

Maschinen brauchen Struktur.

Nehmen wir eine typische B2B Website.

Auf der Startseite steht eine abstrakte Positionierung. Auf einer Leistungsseite wird ein Angebot anders benannt als auf der Produktseite. Ein Case verwendet noch einen älteren Produktnamen. Die Pressemitteilung spricht von einer neuen strategischen Ausrichtung, während die Navigation weiterhin die frühere Unternehmensstruktur widerspiegelt.

Ein Mensch kann sich, wenn auch mit Mühe, durch solche Inkonsistenzen arbeiten. Er versteht Kontext. Er erkennt, dass „Digital Transformation Services“, „Transformation Consulting“ und „Digital Business Solutions“ wahrscheinlich miteinander zu tun haben.

Für Maschinen entstehen dadurch jedoch mehrere mögliche Interpretationen.

Wenn ein Unternehmen möchte, dass AI Systeme seine Leistungen korrekt wiedergeben, beginnt die Arbeit deshalb nicht mit einem neuen Chatbot. Sie beginnt bei Informationsarchitektur und Content Governance. Dies erfordert in der Regel auch eine neue Art über Inhalte nachzudenken und sie nicht einfach zu sammeln, sondern strukturiert aufzuarbeiten und zum Beispiel mittels eines Headless CMS auch verfügbar zu machen. 

Google nutzt strukturierte Daten explizit, um Inhalte und ihre Bedeutung besser zu verstehen. Bei Artikeln können strukturierte Daten Informationen wie Autor, Veröffentlichungsdatum und Titel eindeutig kennzeichnen. Für andere Inhaltstypen stehen wiederum eigene strukturierte Modelle zur Verfügung.

Strukturierte Daten allein lösen allerdings keine schlechte Informationsarchitektur.

Wenn eine Organisation selbst nicht klar benennen kann, welche Produkte sie anbietet, für wen sie gedacht sind und wie sie miteinander zusammenhängen, wird auch ein Schema Markup daraus keine gute Experience machen.

Diese Content Modellierung  wird in einer Welt generativer Suche zu einem Bestandteil von UX.

 

Next Gen UX beginnt deshalb mit semantischer Klarheit

Für klassische UX war die Frage entscheidend:

Findet ein Mensch die Information?

Für Next Gen UX kommt eine zweite Frage hinzu:

Kann ein System eindeutig verstehen, welche Information gemeint ist?

 

Leistungs- und ServIcebeschreibungen brauchen also eindeutige Definitionen

Eine Leistung sollte nicht auf jeder Seite anders beschrieben werden. Unternehmen sollten für wichtige Produkte und Services einen klar definierten Kern an Informationen und Inhalten  besitzen der zum Beispiel Angebotsbeschreibungen, Zielgruppenfits, Voraussetzungen oder Ansprechpartner aus einer möglichst verlässlichen Quelle bereitstellen und diese dann in den verschiedenen Kontexten wiederverwenden. 

Durch diese Content-Modellierung und Governance beschreibt eine gute Plattform nicht nur einzelne Inhalte, sondern ihre Beziehungen.

Ein Service gehört zu bestimmten Branchen. Ein Case belegt bestimmte Kompetenzen. Ein Experte steht für bestimmte Themen. Ein Produkt besitzt bestimmte Funktionen. Eine Veranstaltung behandelt definierte Fragestellungen.

Solche Relationen sind für Menschen hilfreich, weil sie relevante Anschlussinformationen ermöglichen. Für Maschinen sind sie zusätzlich wertvoll, weil sie Zusammenhänge expliziter machen.

Die Informationsarchitektur der Zukunft besteht deshalb weniger aus einem Baum von Webseiten und stärker aus einem Netz miteinander verbundener Informationen.

Der zweite Schritt: Content muss beantwortbare Fragen enthalten

Viele Corporate Websites produzieren viel Text und beantworten trotzdem erstaunlich wenige konkrete Fragen. Insbesondere wenn MItarbeiter Texte und Inhalte durch einfach KI-CHats erstellen, die keinerlei Vorgaben haben, entstehen schnell AI-Slope Texte die im ersten Moment gut klingen aber nicht wirklich wirken. Weder für Menschen noch KI-Systemen wirklich relevanten Antworten gibt. 

Eine Produktseite erzählt möglicherweise ausführlich von Innovation, Transformation und Zukunftsfähigkeit. Aber sie beantwortet nicht eindeutig:

Was kostet die Lösung oder welche Attribute und Metriken sind Preis-Relevant?

Mit welchen Bestands-Systemen lässt sie sich verbinden?

Für welche Unternehmensgröße und typische Use-Cases  ist sie gedacht?

Wie lange dauert eine Implementierung und welche Schritte sind notwendig?

Welche Abhängigkeiten bestehen?

Welche Ergebnisse sind realistisch und vergleichbar mit einem individuellen Anwendungsfall?

Für generative Systeme sind solche konkreten Informationen besonders wertvoll, weil Nutzer zunehmend vollständige Fragen statt einzelner Suchbegriffe formulieren.

Das bedeutet nicht, dass Unternehmen jede Website in eine riesige FAQ Sammlung umbauen müssen aber es bedeutet, Content entlang realer Informationsbedürfnisse zu entwickeln.

Sales Gespräche, Suchanfragen, Support Tickets, interne Suche und UX Research liefern dafür meist wesentlich bessere Hinweise als ein klassischer SEO Keyword Export. Eben ein echter und umfassender UX-Research. 

Eine einfache Methode besteht darin, für jeden zentralen Service zehn bis zwanzig echte Entscheidungsfragen zu sammeln und anschließend zu prüfen, ob die Website sie nachvollziehbar beantwortet. Also „Kann jemand auf Basis unseres Contents eine Entscheidung vorbereiten?“

Das ist ein erheblicher Unterschied. Eine andere Art über Inhalte nachzudenken und echte Buyer-Confidence herzustellen. 

Der dritte Schritt: Daten und Funktionen müssen maschinenzugänglich werden

Ein Suchsystem liefert Informationen. Ein Agent kann zusätzlich Aktionen ausführen.

Gartner prognostiziert beispielsweise, dass Agentic AI bis 2029 rund 80 Prozent häufiger Standardanfragen im Customer Service autonom lösen könnte. Laut Gartner könnten Agents dabei nicht nur Fragen beantworten, sondern beispielsweise Mitgliedschaften kündigen oder für Geschäftskunden Versandoptionen verhandeln. Das zeigt in welche Richtung sich Interaktionen entwickeln könnten.

Sobald Maschinen Aktionen ausführen sollen, reicht Content allein nicht mehr. Ein Agent benötigt Schnittstellen.

Wenn ein Nutzer beispielsweise wissen möchte, ob ein bestimmtes Ersatzteil verfügbar ist, kann ein AI Assistant die Information aus einer Webseite bzw. den verbundenen Systemen lesen.

Wenn er das Ersatzteil auch bestellen soll, braucht er Zugang zu einer definierten Funktion. Hier treffen dann UX und Plattformarchitektur unmittelbar aufeinander.

Unternehmen sollten deshalb prüfen, welche Prozesse heute ausschließlich über visuelle Interfaces zugänglich sind.

• Kann ein Termin nur gebucht werden, indem jemand einen Kalender im Browser anklickt?
• Kann eine Produktverfügbarkeit nur aus einer gerenderten Seite gelesen werden?
• Kann eine Serviceanfrage nur über ein komplexes Formular gestartet werden?

Solche Prozesse funktionieren für Menschen. Für agentische Systeme sind sie deutlich schwerer zugänglich.

Die langfristig robustere Lösung besteht darin, wichtige Funktionen über klar definierte APIs bereitzustellen und das visuelle Interface als eine mögliche Nutzungsschicht darauf aufzubauen.

Laut einer MuleSoft Umfrage erwarten 94 Prozent der befragten IT Verantwortlichen, dass AI Agents eine stärker API orientierte IT Architektur erfordern werden. Gleichzeitig warnt die Studie davor, Agents ohne ausreichende Integration einfach auf bestehende Systemlandschaften zu setzen. 86 Prozent der Befragten sehen das Risiko, dadurch zusätzliche Komplexität und Handhabarkeit zu erzeugen.

UX muss künftig auch Übergaben gestalten

Wenn Menschen und Agents gemeinsam handeln, entsteht außerdem eine neue Art von User Flow.

Ein Agent recherchiert. Der Mensch entscheidet.

Der Agent führt eine Aktion aus. Das System verlangt eine Bestätigung.

Der Mensch greift ein. Der Agent setzt den Prozess fort.

Diese Übergaben gehören zur UX.

Unternehmen sollten daher frühzeitig definieren, welche Entscheidungen automatisiert getroffen werden dürfen und an welchen Stellen menschliche Zustimmung notwendig ist.

Ein Reiseagent kann vielleicht verschiedene Flugoptionen vergleichen. Die verbindliche Buchung sollte aber möglicherweise bestätigt werden.

Ein Kundenservice Agent kann eine Rückerstattung vorbereiten. Ab einer bestimmten Summe sollte ein Mitarbeiter übernehmen.

Ein B2B Agent kann Produktinformationen abrufen und Konfigurationen vergleichen. Ein verbindliches Angebot benötigt eventuell einen Vertriebsprozess.

Gute Agentic Experience bedeutet deshalb nicht maximale Autonomie.Sie bedeutet nachvollziehbare Autonomie. Dazu braucht es Governance. Der Nutzer muss erkennen können, was ein System getan hat, auf welcher Grundlage es gehandelt hat und wie er eine Entscheidung korrigieren kann.

Vertrauen wird zum zentralen UX Prinzip

Schon bei klassischen Websites gilt Vertrauen als wichtiges Element guter UX.

Bei AI Interaktionen wird es grundlegender. Ein Button tut in der Regel genau das, was auf ihm steht.

Ein Agent interpretiert dagegen Ziele und Kontext.

Das bedeutet, dass Nutzer nicht nur verstehen müssen, welche Aktion möglich ist. Sie müssen verstehen, welche Entscheidung ein System für sie getroffen hat.

Deshalb sollten Agent Interfaces fünf Dinge sichtbar machen:

• Was soll passieren?
• Welche Informationen verwendet das System?
• Welche Aktion wird tatsächlich ausgeführt?
• Welche Konsequenz hat sie?
• Kann sie rückgängig gemacht werden?

Gerade bei sensiblen Daten, finanziellen Entscheidungen oder rechtlich relevanten Prozessen sollte ein Unternehmen außerdem klar definieren, wo Automatisierung endet. Es ist Voraussetzung für Akzeptanz.

UX Research verändert sich ebenfalls

Wenn AI Systeme Teil der Customer Journey werden, reicht es langfristig nicht aus, nur den direkten Website Traffic zu analysieren.

Unternehmen sollten zusätzlich untersuchen:

• Welche Fragen stellen Nutzer generativen Suchsystemen in unserem Themenfeld?
• Wie wird unsere Marke dort beschrieben? Ist erkennbar für was sie steht und wo Differenzierung ist?
• Welche Produkte oder Leistungen werden korrekt erkannt?
• Welche Wettbewerber werden gemeinsam mit uns genannt und wie ist der Vergleich ausgezeichnet? 
• Welche falschen oder veralteten Informationen tauchen auf?
• Welche Seiten werden von AI Systemen als Quelle genutzt?

Ein sinnvoller erster Schritt besteht darin, AI Referral Traffic im bestehenden Analytics Setup sauber zu beobachten und regelmäßig Stichproben in relevanten generativen Suchsystemen durchzuführen. 

Was sollten Unternehmen also tun um Ihre Websites und Plattformen zu optimieren?

Man muss nicht auf autonome Shopping Agents warten, um eine Website auf diese Entwicklung vorzubereiten.

Ein pragmatischer Ansatz besteht aus sechs Schritten.

Erstens: Entitäten definieren.
Produkte, Leistungen, Branchen, Ansprechpartner, Standorte und Cases sollten eindeutig benannt und strukturiert sein.

Zweitens: Beziehungen modellieren.
Welche Leistung gehört zu welcher Branche? Welche Cases belegen sie? Welche Experten stehen dafür? Welche technischen Systeme sind relevant?

Drittens: konkrete Fragen beantworten.
Content sollte nicht nur Markenbotschaften transportieren, sondern reale Entscheidungsfragen beantworten.

Viertens: strukturierte Daten sauber implementieren.
Wo geeignete Schema Typen existieren, sollten sie genutzt und regelmäßig validiert werden. Google stellt dafür eigene Tests und Dokumentationen bereit.

Fünftens: wichtige Funktionen über Schnittstellen verfügbar machen.
Nicht jede Funktion benötigt sofort eine öffentliche API. Aber zentrale Prozesse sollten technisch so gebaut sein, dass künftig nicht ausschließlich ein menschlicher Klick auf einer Website der einzige Zugangsweg ist.

Sechstens: AI als eigenen Touchpoint messen.
Referral Traffic, Sichtbarkeit, wiederkehrende Fragen und fehlerhafte Darstellungen sollten Teil des Experience Monitorings werden.

Keiner dieser Schritte erfordert einen radikalen Umbau über Nacht. Zusammen verändern sie aber die Architektur einer Website erheblich.

Wird die Website dadurch unwichtiger?

Wahrscheinlich passiert das Gegenteil.

Wenn AI Systeme stärker zwischen Unternehmen und Nutzer treten, wird die Qualität der eigenen digitalen Informationsbasis wichtiger.

Denn generative Systeme brauchen verlässliche Quellen.

Google betont in seinen eigenen Empfehlungen für AI Search weiterhin die Bedeutung hilfreicher, originärer und gut zugänglicher Inhalte. Generative Suchfunktionen basieren auf dem bestehenden Suchindex und den etablierten Qualitätssystemen der Suche.

Die Website ist st nicht mehr zwingend der Beginn jeder Journey aber oft deren Endpunkt oder eine zentrale Quelle der Wahrheit, aus der Menschen und Maschinen Informationen beziehen.

Das verändert auch die Aufgabe von UX. UX muss nicht mehr nur menschliche User in das Zentrum stellen. Die Frage lautet:

Wie schaffen wir eine digitale Informations und Servicearchitektur, die auch dann funktioniert, wenn ein Teil der Journey von Maschinen übernommen wird?

Das ist keine Ablösung von User Experience. Wir gestalten weiterhin für Menschen. Aber es ist eine Erweiterung.

Wir müssen nur akzeptieren, dass Menschen ihre Ziele künftig immer häufiger mit Hilfe intelligenter Systeme erreichen werden.Die beste digitale Experience der nächsten Jahre könnte deshalb eine sein, bei der der Nutzer unsere Website gar nicht vollständig bedienen muss, trotzdem die genau richtigen Informationen erhält und dennoch jederzeit die Kontrolle und die Möglichkeit zur menschlichen Interaktion habt. 

Profitieren Sie von unseren Erfahrungen und kontaktieren Sie uns für Ihr Projekt.