KI schreibt Artikel. KI übersetzt. KI prüft Links, fasst Traffic zusammen, schlägt Textänderungen vor und korrigiert die nächste Runde.
Irgendwann taucht ein merkwürdiges Problem auf:
Alle im System kennen die Website zu gut.
Die Entwickler wissen, was jeder Button bedeutet. Die KI kann aus Spezifikationen die Absicht ableiten. Die Betreiber haben die Oberfläche so oft gesehen, dass ihr Gehirn Unklarheiten automatisch ergänzt.
Ein Erstbesucher hat diesen Vorteil nicht.
„Was ist das?“ „Wo soll ich klicken?“ „Warum hat sich die Sprache geändert?“ „Wie komme ich zurück?“ „Der Satz ist verständlich, aber irgendwie komisch.“
Genau dieses „irgendwie komisch“ ist wertvoll.
Die Lösung wurde fast schon komisch einfach:
neue Besucher dafür bezahlen, die verwirrenden oder seltsamen Stellen beim Benutzen zu melden.
Ein Yen pro gültigem Fund, maximal 1.000 Yen pro Teilnehmer.
Menschen sind wieder beim Prüfen der Website dabei. Ihre Aufgabe: „Irgendwas stimmt hier nicht.“
1. Ausgelagert wird kein Code-Review, sondern Reibung beim ersten Kontakt
Gesucht ist keine riesige professionelle Prüfung.
Nützlich sind Beobachtungen wie:
- die Funktion eines Buttons ist unklar,
- der nächste Schritt ist nicht offensichtlich,
- eine Überschrift wirkt seltsam,
- ein Element ist mobil schwer zu bedienen,
- ein verwandter Artikel führt in die falsche Sprache,
- eine Aktion erzeugt eine leere Seite,
- ein Text ist grammatisch korrekt, klingt aber unnatürlich,
- eine offensichtliche Funktion scheint zu fehlen.
Digital.gov beschreibt Usability-Tests als Beobachtung von Menschen, während sie versuchen, ein Produkt oder einen Dienst zu benutzen.[1] GOV.UK weist ebenfalls darauf hin, dass echte Nutzer konkrete Probleme bei Sprache, Layout und Aufgabenerfüllung sichtbar machen können.[2]
Das ist also kein neues Ritual aus der KI-Ära.
Es ist klassisches Usability-Testing, das in eine Website zurückkehrt, die Inhalte inzwischen mit Maschinengeschwindigkeit erzeugen und verändern kann.
2. Der Betreiber selbst kann ein erstaunlich schlechter Tester werden
„Prüf einfach deine eigene Website sorgfältig“ funktioniert, solange sie klein ist.
Mit mehr Artikeln, Sprachen und Wegen wird eine vollständige manuelle Kontrolle unrealistisch.
Außerdem weiß der Betreiber zu viel.
Er kennt die Suche. Er kennt den Zweck des Bereichs für verwandte Inhalte. Er kennt die Sprachumschaltung. Kleine Merkwürdigkeiten werden normalisiert.
Und noch etwas:
alles manuell zu prüfen ist lästig.
Das ist kein moralisches Versagen. Es zeigt, dass man die Arbeit anders aufteilen sollte.
Statt auf heroische Disziplin zu setzen, kann man diese Aufgabe abtrennen.
Der Betreiber muss nicht jede Seite ansehen. Er kann entscheiden, welche Hinweise zählen, und ein System bauen, das Funde in Korrekturen verwandelt.
3. Ein Yen kauft keine Ideen; er kauft den Blick eines neuen Besuchers
Ein Yen pro Problem klingt lächerlich niedrig, wenn man an Beratung denkt.
Aber gekauft wird etwas anderes:
die Tatsache, dass ein Mensch beim ersten Kontakt an dieser Stelle wirklich gestolpert ist.
Eine Person kann viele Funde liefern, aber die Gesamtvergütung ist auf 1.000 Yen begrenzt. Dasselbe Problem anders zu formulieren erzeugt keine neuen bezahlten Einträge.
Die Obergrenze ist wichtig.
„Findet so viele Probleme wie möglich“ kann schnell zu folgender Idee führen:
„Warum lasse ich nicht eine KI 10.000 Verbesserungen erzeugen?“
Deshalb braucht ein mengenbasiertes Modell Leitplanken:
- die Website tatsächlich ansehen,
- reale Seiten, Elemente oder Verhaltensweisen nennen,
- umformulierte Duplikate zusammenführen,
- eine klare Zahlungsobergrenze setzen.
Ein Yen ist hier ein Experiment und keine allgemeine Empfehlung für faire Bezahlung. Zeitaufwendige oder spezialisierte Arbeit braucht ein anderes Modell.
4. Die schlechteste Abgabe lautet: „Die KI hat 10.000 Verbesserungen erstellt“
KI muss nicht verboten werden.
Das Problem sind allgemeine Ratschläge, die ohne Produktkontakt entstanden sind.
„Navigation verbessern.“ „Barrierefreiheit erhöhen.“ „Responsive Design optimieren.“
Alles richtig.
Und für diesen Zweck fast wertlos.
Ein guter Bericht ist konkret:
„Auf dieser Seite wusste ich nicht, was dieser Button tun würde.“ „Nach dieser Zwischenüberschrift springt das Thema plötzlich.“ „Nur in dieser Sprache führen verwandte Artikel zurück zur Standardsprache.“
KI kann danach den Text bereinigen, Duplikate bündeln und Formate vereinheitlichen.
Die Reihenfolge zählt:
Der Mensch entdeckt; die KI organisiert.
5. Wenn jeder Fund als einzelne Chatnachricht kommt, stirbt zuerst der Auftraggeber
Wenn viele Funde zusammenkommen sollen, sollten die Leute sie gesammelt schicken.
Der Albtraum ist ein endloser Chat:
„Fund 1.“ „Fund 2.“ „Ach ja, Fund 3.“ „Noch eine Sache…“
Der Test ist ausgelagert, dafür entsteht eine neue manuelle Aufgabe: Berichte einsammeln.
Besser sind Sammelabgaben:
- Excel,
- Tabellenblatt,
- txt,
- nummerierte Liste,
- beliebiger kopierbarer Text.
Screenshots müssen nicht Standard sein. Bei visuellen Fehlern können sie helfen, aber Text lässt sich viel leichter durchsuchen, deduplizieren, sortieren und weiter automatisiert verarbeiten.
Der GOV.UK-Leitfaden zur Nutzerforschung weist ebenfalls darauf hin, dass getippte Notizen leichter aufzubewahren und zu analysieren sind und dass ein klarer Beobachtungspunkt pro Notiz das Sortieren erleichtert.[3]
Ein paar einfache Angaben reichen:
Ort / aktueller Zustand / Verbesserungsvorschlag
Für Fehler:
Ort / Aktion / Ergebnis
6. Bei mehrsprachigen Websites heißt „erfolgreich erzeugt“ nicht „klingt natürlich“
Alle 12 Sprachen können erfolgreich gebaut werden. Alle URLs können funktionieren. Und trotzdem kann das Ergebnis merkwürdig sein.
- ein Fragment bleibt in der Ausgangssprache,
- ein Button klingt falsch übersetzt,
- die Bedeutung stimmt, aber Muttersprachler würden es nie so sagen,
- längerer Text zerstört das Layout,
- der Sprachwechsel funktioniert, doch verwandte Inhalte springen zur Standardsprache,
- eine Sprachversion verliert einen Abschnitt.
Teilnehmer müssen nur Sprachen prüfen, die sie wirklich lesen können.
Die Maschine fragt:
wurde es erzeugt?
Der Mensch fragt:
würde ein normaler Mensch das so sagen?
Das sind verschiedene Tests.
7. Duplikate sind beim Bezahlen Verschwendung, bei der Priorisierung Gold
Wenn eine Person dasselbe Problem dreimal anders formuliert, ist es ein Fund.
Wenn drei unabhängige Personen am selben Button hängenbleiben, ist das etwas anderes.
Das bedeutet: Verschiedene Menschen kommen an derselben Stelle nicht weiter.
Bei der Analyse sollte man trennen:
- Paraphrasen derselben Person → zusammenführen,
- gleiche Funde verschiedener Personen → Häufigkeit behalten.
„Drei Leute waren hier verwirrt“ ist stärkere Evidenz als eine persönliche Designvorliebe des Betreibers.
Der GOV.UK-Service-Standard empfiehlt regelmäßige Usability-Tests mit tatsächlichen oder potenziellen Nutzern und mit Geräten, die reales Nutzungsverhalten widerspiegeln.[4]
8. Der endgültige Kreislauf lautet KI → Mensch → KI
Die Schritte können so aussehen:
- KI erzeugt Inhalte.
- KI übersetzt.
- KI prüft bekannte technische und strukturelle Bedingungen.
- KI behebt bekannte Fehler.
- Menschen lesen, klicken, zögern und verirren sich.
- Menschen melden „Irgendwas stimmt hier nicht“ als Text.
- KI dedupliziert.
- KI gruppiert die Probleme danach, wie ernst sie sind, ob sie wieder auftreten und wie viel Arbeit die Korrektur macht.
- KI schlägt Korrekturen vor oder setzt sie um.
- Maschinen- und Menschentests laufen erneut.
Menschen bekommen wieder eine eigene Aufgabe beim Prüfen.
Aber nicht für mechanische Wiederholung.
Die Maschine findet einen 404. Der Mensch sagt: „Der Link funktioniert, aber ich verstehe nicht, warum ich hier gelandet bin.“
Die Maschine prüft, ob eine Übersetzung vorhanden ist. Der Mensch sagt: „So redet niemand.“
Diese Arbeitsteilung ist sinnvoll.
9. Testen erzeugt Pageviews, aber Pageviews sind nicht das Produkt
Wenn jemand wirklich Dutzende Seiten prüft, steigen natürlich die Seitenaufrufe.
Auf werbefinanzierten Seiten können beim normalen Browsen auch normale Anzeigenimpressionen entstehen.
Das ist ein Nebeneffekt.
Werbeklicks oder Werbeeinblendungen dürfen nicht zur Arbeits- oder Zahlungsbedingung werden.
Gekauft wird kein Traffic.
Gekauft wird die Beobachtung, die entsteht, weil ein echter Mensch die Seite tatsächlich besucht hat.
10. Das Ende der Automatisierung war nicht „null Menschen“
Automatisierung beginnt oft mit der Vorstellung, Menschen aus jedem Schritt zu entfernen.
Reife Automatisierung kann zur gegenteiligen Schlussfolgerung führen:
Menschen dorthin verschieben, wo nur Menschen Wert schaffen.
Maschinen können Entwürfe schreiben, übersetzen, ähnliche Meldungen zusammenfassen, Links prüfen, Funde zählen und Korrekturen vorschlagen.
Von Menschen kauft man nur noch:
„Beim ersten Blick habe ich es nicht verstanden.“ „Das nervt.“ „Das fühlt sich falsch an.“ „Das wäre nützlich.“
Ein Yen kauft nicht wirklich einen Satz.
Er kauft einen Wahrnehmungsmoment eines Gehirns, das die Annahmen des Betreibers nicht teilt.
Nachdem fast alles automatisiert wurde, kam der Mensch zurück.
Berufsbezeichnung: Irgendwas-stimmt-hier-nicht-Detektor.
Vielleicht ist das die menschlichste Aufgabe von allen.
Quellen (4)
- Menschen beim Benutzen beobachten digital.gov
- Tests mit Nutzern gov.uk
- Beobachtungen festhalten gov.uk
- Einen Dienst einfach benutzbar machen gov.uk
