Ersetzt KI UX-Designer? Personas, User Flows und Research-Zusammenfassungen automatisieren, doch welches Problem wirklich zählt, entscheidet ein Mensch.
Diese Seite umfasst auch: UI-Designer.
KI lässt UX-Designer nicht verschwinden. KI beschleunigt vielmehr die Ordnung von Research-Ergebnissen und erste Flows.
Ein UX-Designer ist mehr als jemand, der brauchbare Screens erstellt. Die Rolle besteht darin zu verstehen, was Nutzer erwarten, wo sie sich verwirren und welche Art von Nutzungserlebnis zu weiterer Nutzung oder besserem Verständnis führt, und daraus die gesamte Nutzungsstruktur zu designen. Die Verantwortung reicht über einen einzelnen Screen hinaus und umfasst den gesamten Nutzungskontext.
Der Wert dieses Berufs liegt weniger im Zeichnen von Flows als darin, zu definieren, welches Nutzungsproblem überhaupt gelöst werden sollte. KI kann die Ordnung von Research-Ergebnissen und Flow-Entwürfe beschleunigen, doch das eigentliche Problem des Nutzungserlebnisses zu definieren, bleibt stark menschlich.
Von ai-job-risk.net aus vier öffentlichen Datensätzen berechnet, auf einer Skala von 0–100 relativ zu den 188 von uns erfassten Berufen. Ein höherer Wert bedeutet, dass mehr Aufgaben des Berufs solche sind, die generative KI erledigen kann oder für die sie bereits genutzt wird. Er ist keine Wahrscheinlichkeit, den Arbeitsplatz zu verlieren.
Aufgabenanalyse durch Forschende (Eloundou et al.; ILO). Dargestellt als Perzentil unter allen von ihnen bewerteten Berufen.
Beobachtete Nutzung von Microsoft Copilot und Anthropic Claude für die Aufgaben dieses Berufs. Dargestellt als Perzentil unter allen von ihnen bewerteten Berufen.
Produktivitätsänderung: Der Anteil dieses Berufs an der Beschäftigung in den Branchen, in denen er ausgeübt wird, dürfte sinken, da Verbesserungen bei Designwerkzeugen, einschließlich verbesserter Designfähigkeiten generativer künstlicher Intelligenz (KI), die Produktivität dieser Beschäftigten steigern.
Productivity change - share decreases as improvements in design tools, including improvements in design capabilities of generative artificial intelligence (AI), enhance productivity of these workers.
US-Werte für den BLS-Beruf „Web and digital interface designers“. Die BLS-Prognosen gehen davon aus, dass sich die Technologie im historischen Tempo weiterentwickelt; sie sind keine Prognose allein der Auswirkungen von KI.
Quellen
Expositionsindex von ai-job-risk.net aus den unten genannten Datensätzen berechnet (Datenstand: 15. Oktober 2026). US-Arbeitsmarktzahlen stammen unverändert von der BLS.
Die Herausgeber haben diese Website weder erstellt noch geprüft oder empfohlen. Vollständige Quellenangaben, Lizenzen und Methode
In UX-Arbeit kann KI heute Interview-Zusammenfassungen, erste Personas, User-Flow-Entwürfe, Survey-Zusammenfassungen und Listen von Verbesserungshypothesen schnell erzeugen. Betrachtet man nur die Sichtbarkeitsphase, kann die Arbeit hoch automatisierbar wirken.
In der Praxis ist eine saubere Persona oder Journey Map jedoch für sich genommen nicht wertvoll. Jemand muss weiterhin entscheiden, welches Problem wirklich zählt, wo das Nutzungserlebnis tatsächlich bricht und welche Veränderung sowohl für Nutzer als auch für das Geschäft spürbar relevant wäre.
Ein UX-Designer ist daher mehr als jemand, der das Nutzungserlebnis nur oberflächlich glättet. Die Rolle besteht darin, das reale Problem zu definieren und die Struktur der Lösung zu entwerfen. Entscheidend ist die Trennung zwischen Phasen, die KI beschleunigen kann, und Urteilen, die menschlich bleiben.
KI eignet sich besonders gut, Research-Ergebnisse zusammenzufassen und generische Nutzungserlebnis-Flows zu entwerfen. Arbeit, die vor allem Informationen ordnet und sichtbar macht, wird weiter automatisiert.
KI ist wirksam darin, Nutzerkommentare zu clustern und Kernpunkte zu ordnen. Das beschleunigt die erste Phase der Synthese. Jemand muss jedoch weiterhin entscheiden, welche Kommentare auf einen wirklich fundamentalen Pain Point hinweisen.
Erste Entwürfe von Personas und Journeys auf Basis gemeinsamer Verhaltensmodelle lassen sich relativ leicht automatisieren. Das reduziert Formatierungsaufwand. Ob das Modell das aktuelle Problem tatsächlich trifft, bleibt jedoch menschliche Aufgabe.
KI ist gut darin, eine breite Liste von Verbesserungsansätzen aus Usage Logs und Research Findings zu generieren. Das verbreitert den Option Set. Welche Hypothesen tatsächlich zuerst getestet werden sollten, bleibt jedoch beim Menschen.
Current Touchpoints und Flows sichtbar zu machen, lässt sich relativ leicht automatisieren. Das hilft beim Aufbau von Alignment. Jemand muss jedoch weiterhin identifizieren, wo echte Unzufriedenheit und Drop-off tatsächlich entstehen.
Was bei UX-Designer bleibt, ist die Definition des realen Nutzungsproblems und die Entscheidung darüber, was zuerst verändert werden sollte. Je stärker die Arbeit davon abhängt, die Bedeutung der Nutzungserlebnis strukturell zu erfassen, desto mehr menschlicher Wert bleibt.
Was Nutzer sagen, dass sie nicht mögen, und was sie tatsächlich von weiterer Nutzung abhält, ist oft nicht dasselbe. Jemand muss weiterhin definieren, was als wirkliches Problem gelten sollte. Die Qualität der Lösung hängt von der Qualität der Frage ab.
Eine Verbesserung kann für Nutzer gut sein und dennoch warten müssen, weil Business-Constraints entgegenstehen. Jemand muss weiterhin die Reihenfolge entscheiden, die User Value und Business Value sinnvoll austariert.
PM, Engineering, Sales und Customer Success sehen oft unterschiedliche Probleme. Jemand muss sie weiterhin in ein gemeinsames Nutzungserlebnis-Thema reframen. UX hängt stark von gemeinsamem Verständnis ab und nicht von individueller Intuition.
Jemand muss weiterhin beurteilen, was sich verändert hat, was nicht und was durch andere Faktoren erklärbar sein könnte, wenn Logs und User Tests gelesen werden. Starke UX-Arbeit hängt davon ab, nicht vorschnell aus Zahlen allein zu schließen.
Künftige UX-Designer werden weniger dafür geschätzt, wie schnell sie Flows entwerfen, und mehr dafür, wie gut sie Nutzungsprobleme definieren und priorisieren können. KI-Unterstützung zu nutzen und gleichzeitig Problem Framing und Interpretation zu schärfen, wird besonders wichtig.
Man muss über das bloße Wiederholen beobachteter Beschwerden hinausgehen und definieren, worin das strukturelle Problem eigentlich besteht. Ist die Problemformulierung falsch, driften sowohl Lösung als auch Validierung.
Man muss zwischen Stimmen von Nutzern und Verhaltensdaten hin- und herwechseln können. Nur eine Seite zu betrachten, führt oft zu einem verzerrten Bild der Nutzungserlebnis.
Es reicht nicht, Verbesserungsideen nur nebeneinanderzulegen. Jemand muss weiterhin erklären, warum die Reihenfolge der Veränderung genau so und nicht anders sein sollte. In UX entscheidet Überzeugung rund um Prioritäten oft darüber, ob Arbeit überhaupt passiert.
Selbst wenn Zusammenfassungen und Personas sauber aussehen, glätten sie oft Widersprüche und emotionale Intensität aus dem Feld heraus. UX-Designer brauchen die Disziplin, zur First-Hand-Beobachtung zurückzugehen und die Hypothese erneut zu prüfen.
Erfahrung als UX-Designer entwickelt nicht nur Screen-Arbeit, sondern auch Problemdefinition, Nutzungsstrukturierung und die Interpretation von Validierungsergebnissen. Dadurch wird der Wechsel in benachbarte Rollen leichter, die Product Judgment und User Understanding ins Zentrum stellen.
Erfahrung darin, Nutzungsprobleme zu priorisieren, lässt sich direkt in Feature- und Roadmap-Entscheidungen übertragen.
Expositionsindex 82/100 · US-Jobs 2025–35 +6,9%
Erfahrung darin, Nutzerfrust in strukturelle Probleme zu übersetzen, unterstützt auch Prozessverbesserung und Requirements-Arbeit.
Expositionsindex 88/100 · US-Jobs 2025–35 +10,1%
Menschen, die die breitere Nutzungserlebnis verstehen, bringen oft stärkere Priorisierung zurück in detaillierteres Screen Design.
Erfahrung darin, aus Interviews und Beobachtung Hypothesen zu formen, unterstützt auch stärker researchorientierte Rollen.
Expositionsindex 94/100 · US-Jobs 2025–35 +7,0%
Erfahrung darin, zu sehen, wo Nutzer kämpfen und was fortgesetzte Nutzung blockiert, passt auch gut zu Post-Implementation-Support und Adoption Work.
Expositionsindex 83/100 · US-Jobs 2025–35 +3,9%
Erfahrung darin, über den Weg von Acquisition bis Continued Use hinweg zu denken, kann auch Funnel-Optimierung und Conversion-Verbesserung unterstützen.
Expositionsindex 94/100 · US-Jobs 2025–35 +7,0%
KI lässt UX-Designer nicht verschwinden. KI beschleunigt vielmehr die Ordnung von Research-Ergebnissen und erste Flows. Zusammenfassungen und Visualisierungen werden leichter, doch das reale Nutzungsproblem zu definieren, Business- und Nutzungserlebnis-Prioritäten auszubalancieren, Abstimmung zwischen Abteilungen zu bauen und Validierungsergebnisse zu interpretieren, bleibt. Langfristiger Wert wird weniger davon abhängen, wie sauber zusammengefasst werden kann, sondern wie gut das Nutzungsproblem definiert wird, das wirklich gelöst werden sollte.
Hier stehen Berufe aus derselben Branche wie UX-Designer. Sie sind nicht identisch, helfen aber dabei, KI-Einfluss und berufliche Nähe besser zu vergleichen.
UX-Designer erreicht 90 von 100 auf unserem Index der Exposition gegenüber generativer KI (Rang 32 von 188). Er misst, wie viel der Arbeit KI erledigen kann oder wofür sie genutzt wird, nicht, ob der Beruf verschwindet. Das BLS erwartet, dass sich die US-Beschäftigung für UX-Designer von 2025 bis 2035 um +6,0% verändert.
KI eignet sich besonders gut, Research-Ergebnisse zusammenzufassen und generische Nutzungserlebnis-Flows zu entwerfen. Arbeit, die vor allem Informationen ordnet und sichtbar macht, wird weiter automatisiert. Zum Beispiel: Interviews und Surveys zusammenfassen; Personas und Customer Journeys entwerfen; Verbesserungshypothesen auflisten; Den aktuellen Nutzungserlebnis-Flow visualisieren.
Was bei UX-Designer bleibt, ist die Definition des realen Nutzungsproblems und die Entscheidung darüber, was zuerst verändert werden sollte. Je stärker die Arbeit davon abhängt, die Bedeutung der Nutzungserlebnis strukturell zu erfassen, desto mehr menschlicher Wert bleibt. Zum Beispiel: Das reale Nutzungsproblem definieren; Business- und Nutzungserlebnis-Prioritäten ausbalancieren; Gemeinsames Verständnis zwischen Abteilungen herstellen; Validierungsergebnisse interpretieren.
Künftige UX-Designer werden weniger dafür geschätzt, wie schnell sie Flows entwerfen, und mehr dafür, wie gut sie Nutzungsprobleme definieren und priorisieren können. KI-Unterstützung zu nutzen und gleichzeitig Problem Framing und Interpretation zu schärfen, wird besonders wichtig. Zum Beispiel: Problemdefinition; Qualitative und quantitative Evidenz verbinden; Prioritäten erklären können; KI-Zusammenfassungen nicht als Schluss behandeln.
