synthetische Nutzer
Synthetische Nutzer sind KI-gesteuerte Profile, die das Verhalten echter Menschen nachahmen und zum Testen von Produkten oder Diensten eingesetzt werden. Unternehmen ersetzen damit klassische Nutzerstudien – zumindest teilweise – durch automatisierte Simulationen.
Ein synthetischer Nutzer ist kein Mensch, sondern ein Computerprogramm, das wie ein Mensch mit einer App, einer Website oder einem Dienst interagiert. Das Programm bekommt eine Beschreibung: zum Beispiel „43 Jahre, kauft gerne online, scheut komplizierte Menüs“. Es handelt dann so, wie ein Mensch mit diesem Hintergrund vermutlich handeln würde. Unternehmen nutzen das, um frühzeitig herauszufinden, wo echte Nutzer scheitern oder abspringen würden – ohne vorher echte Personen befragen zu müssen. Die Profile werden meistens von einem großen Sprachmodell, also einem KI-System, das Text versteht und produziert, gesteuert.
Tempo und Kosten im Produkttest
Klassische Nutzerstudien sind aufwendig. Man sucht Teilnehmer, vereinbart Termine, wertet Videoaufnahmen aus. Das dauert Wochen und kostet viel Geld. Synthetische Nutzer können innerhalb von Minuten Tausende von Szenarien durchspielen.
Dieser Geschwindigkeitsvorteil ist besonders wertvoll, wenn ein Produkt kurz vor dem Launch steht und noch schnell Schwachstellen gefunden werden sollen. Ein Team kann nachts Änderungen einbauen und morgens bereits Testergebnisse auswerten – ein Rhythmus, der mit menschlichen Testpersonen nicht möglich wäre.
Dazu kommt die Skalierbarkeit. Während eine echte Nutzerstudie selten mehr als ein paar Dutzend Teilnehmer hat, lassen sich synthetische Profile in beliebiger Zahl erstellen. Man kann gezielt seltene Nutzergruppen simulieren, etwa Menschen mit sehr schlechter Internetverbindung oder Personen, die digitale Formulare kaum kennen.
Wie ein Profil entsteht und wie es testet
Der Ausgangspunkt ist eine sogenannte Persona – eine kurze Beschreibung einer fiktiven Person mit Alter, Gewohnheiten, Zielen und möglichen Frustrationen. Diese Beschreibung wird an ein Sprachmodell übergeben. Das Modell schlüpft gewissermaßen in die Rolle dieser Person.
Dann erhält das Modell eine Aufgabe: „Buche einen Flug nach Wien unter 200 Euro.“ Es navigiert durch die Oberfläche, trifft Entscheidungen, bricht ab, wenn etwas unklar ist – und protokolliert dabei jede Aktion. Das Protokoll zeigt Entwicklern, an welcher Stelle die Simulation ins Stocken geraten ist.
Wichtig ist die Abgrenzung: Ein synthetischer Nutzer folgt keinem festen Skript, das vorab von Hand geschrieben wurde. Er reagiert flexibel auf das, was die Oberfläche gerade zeigt – ähnlich wie ein echter Mensch. Das unterscheidet ihn von klassischen automatisierten Tests, die nur prüfen, ob Knöpfe klickbar sind, nicht ob der Ablauf intuitiv wirkt.
Synthetische Nutzer in der Praxis und ihre Grenzen
Start-ups im UX-Bereich – UX steht für User Experience, also die Erfahrung, die jemand beim Benutzen eines Produkts macht – haben begonnen, ganze Plattformen rund um synthetische Nutzer zu bauen. Firmen wie Synthetic Users oder Personas AI lassen Kunden eigene Profile konfigurieren und Studien automatisiert auswerten.
Auch große Technologieunternehmen experimentieren damit intern. Sie setzen synthetische Nutzer ein, bevor echte Betaphasen starten – also Testphasen, in denen echte Menschen eine noch unfertige Version nutzen. Synthetische Nutzer filtern grobe Fehler heraus, damit menschliche Tester später mit etwas konfrontiert werden, das schon grundlegend funktioniert.
Allerdings gibt es eine harte Grenze: Synthetische Nutzer lernen aus Texten über menschliches Verhalten, nicht aus gelebter Erfahrung. Emotionen, kulturelle Feinheiten oder physische Einschränkungen – etwa wie jemand mit zitternden Händen ein Touchscreen-Formular bedient – bilden sie kaum zuverlässig ab. Deshalb gelten sie in der Fachwelt als sinnvolle Ergänzung echter Studien, nicht als vollständiger Ersatz.