wie KI das erlernen neuer fähigkeiten beschleunigt und gleichzeitig die produktivität steigert.

Ein erfahrener UX/CX-Designer wird zum Requirements Engineer & QA-Tester. Warum Künstliche Intelligenz in Kombination mit senioriger Fachexpertise kein Bedrohungsszenario ist, sondern ein echter Multiplikator für Konsistenz, Qualität und Geschwindigkeit.

über die rolle.

Digitalprojekte leben von der präzisen Schnittstelle zwischen Nutzerbedürfnis, technischer Machbarkeit und geschäftlicher Anforderung. Mit mehr als 20 Jahren Erfahrung im Bereich User Experience (UX) und Customer Experience (CX) gehört das Verstehen komplexer Customer Journeys zu meinem täglichen Handwerkszeug.

In meinem aktuellen Projekt hat sich mein Rollenprofil erweitert: Als Requirements Engineer und QA-Tester verantworte ich nun direkt die Erstellung von User Stories sowie die Qualitätskontrolle vor dem Go-Live. Beide Disziplinen sind mir aus früheren Projekten vertraut. Was sich jedoch grundlegend verändert hat, ist das methodische Ökosystem – insbesondere der gezielte Einsatz von Künstlicher Intelligenz (KI) als kollaborativer Partner im täglichen Arbeitsablauf.

das szenario: komplexität beherrschen ohne qualitätsverlust.

In der Praxis ist die Überführung komplexer Fachanforderungen in intuitive und leicht verständliche User Stories eine Kunst für sich. Auch wenn ich aus meiner langjährigen Erfahrung weiß, wie gute Anforderungen aufgebaut sein müssen, bringt der Wechsel in einen neuen Fachbereich und die Einarbeitung in neue Kundensysteme stets eine hohe kognitive Belastung mit sich.

Der Wunsch, im neuen Projektkontext so schnell wie möglich voll produktiv zu sein, war für mich der treibende Faktor, die Möglichkeiten moderner KI-Tools gezielt zu nutzen:

• Einarbeitung & Wissensaufbau: Wie kann ich fachfremde Prozesse und komplexe Kundendokumentationen in kürzester Zeit durchdringen?
• Effizienz & Qualität: Wie lassen sich repetitive Aufgaben automatisieren, ohne dass die Genauigkeit leidet?

Die entscheidende Frage lautet: Wie lassen sich Anforderungen schneller und konsistenter formulieren, ohne dass die fachliche Tiefe und die Ausrichtung an der User Experience verloren gehen?

unser ansatz: erfahrung trifft KI-agenten.

Der Schlüssel liegt nicht im automatisierten Ersetzen menschlicher Arbeit, sondern in der gezielten Augmentierung eigener Fähigkeiten. Künstliche Intelligenz agiert hierbei als Werkzeugkasten und Beschleuniger – die Richtungsweisung und Qualitätskontrolle verbleiben vollständig beim Experten (Human-in-the-Loop).

Um meinen Lernprozess zu verkürzen und Ergebnisse zu liefern, die die Erwartungen des Kunden übertreffen, habe ich folgende Maßnahmen umgesetzt:

1. Die richtige Werkzeugkette

Durch den kombinierten Einsatz von Google Gemini, Microsoft Copilot sowie KI-Funktionen in Design-Tools wie Figma und Entwicklungs-Setups (z. B. Claude Code) entsteht eine nahtlose Unterstützung über die gesamte Wertschöpfungskette hinweg.

2. Zielgerichteter Aufbau von KI-Skills & Agenten

Auf Basis von Zertifizierungen im Bereich AI Leadership habe ich strukturierte Workflows und spezialisierte Assistenten entwickelt:

• Custom Requirements Agent: Entwicklung eines spezialisierten Agenten, der erkennt, was eine qualitativ hochwertige User Story ausmacht, und die generierten Ergebnisse exakt an die bestehenden Kundenprozesse anpasst.
• Der „Checklist Agent“ (Microsoft Copilot): Integration von Prozessen, Methoden und spezifischen Kundenerwartungen in einen Prüf-Agenten. Dieser dient als automatisierte Qualitätskontrolle, um sicherzustellen, dass alle erforderlichen Elemente und Akzeptanzkriterien vollständig enthalten sind.
• Wissens-Aggregator für schnelles Onboarding: Einbindung von Projektdokumenten, Prozessabläufen und Methoden in einen Assistenten, der Zusammenfassungen erstellt und komplexe Fragen beantwortet. Dadurch reduziert sich der Zeitaufwand für Nachfragen bei Teammitgliedern oder Kunden drastisch. Statt offener Fragen kann ich direkt mit einer fundierten Interpretation auf den Kunden zugehen und lediglich um Bestätigung bitten.

3. Domänenwissen als Qualitätsfilter

Ein KI-Modell liefert Entwürfe in Sekundenschnelle. Erst die 20-jährige Erfahrung im UX/CX-Bereich ermöglicht es jedoch:

• KI-Halluzinationen oder logische Lücken im Anforderungsfluss sofort zu erkennen.
• Randfälle (Edge Cases) zu identifizieren, die das System übersehen hat.
• Sicherzustellen, dass die Akzeptanzkriterien nicht nur technisch sauber, sondern auch aus Nutzersicht schlüssig sind.

vorteile und wertschöpfung.

Der methodische Einsatz von KI-Agenten in der Anforderungserhebung, Einarbeitung und Qualitätssicherung schafft direkte operative Mehrwerte für Projektteams und Auftraggeber:

• Beschleunigte Erstellung von User Stories: Die Zeit von der ersten Anforderungsskizze bis zur fertigen, strukturierten User Story samt Akzeptanzkriterien reduziert sich signifikant.
• Effizientere Einarbeitungsphase: Durch KI-gestützte Wissensaufbereitung wird die Einarbeitungszeit in neue Fachdomänen verkürzt und die Autonomie im Projekt ab Tag 1 gesteigert.
• Höhere Konsistenz & Standardisierung: Durch die Verwendung hinterlegter Checklisten im KI-Agenten entsprechen alle Akzeptanzkriterien denselben Qualitätsstandards und Prozessvorgaben des Kunden.
• Verringerte Nacharbeit in der Entwicklung: Präzisere Vorgaben und integrierte QA-Testfälle reduzieren Missverständnisse zwischen Fachbereich, UX und Softwareentwicklung.
• Fokus auf Mehrwert: Routinetätigkeiten beim Texten werden minimiert. Es bleibt mehr Raum für die Architektur des Gesamtsystems, die Stakeholder-Kommunikation und die User Experience.