Kaum ein UX-Team misst gar nichts. In vielen Unternehmen werden über Analytics Zahlen zum Nutzungsverhalten erhoben. Es gibt Zufriedenheitswerte und Zahlen aus UX-Research-Maßnahmen. Und trotzdem kommen diese Zahlen selten dort an, wo über Budgets, Prioritäten und Stellen entschieden wird. Das ist kein Messproblem, sondern ein UX-Reifeproblem.
Ob Entscheider:innen in Unternehmen UX ernst nehmen, entscheidet sich auch daran, ob sie den Beitrag von UX verstehen können. Solange UX-Professionals Prozentwerte und Kennzahlen zeigen, die niemand verstehen und einordnen kann, bleibt UX das nette Extra. Wenn man dagegen zeigen kann, was eine Verbesserung in der Interaktion zwischen Anwender:innen und Produkt im Geschäftsergebnis auslöst, hat eine deutlich bessere Verhandlungsposition.
Genau darum ging es in unserem Webinar mit Tara Bosenick. Sie ist seit 1999 in der UX-Branche und hat eine der ersten UX-Research-Agenturen in Deutschland aufgebaut. Dazu hat sie Statistik studiert.
In diesem Blogbeitrag erfährst Du, worum es in Taras Webinar im Wesentlichen ging.
Metriken vs. KPIs
Metriken sind quantitative Messungen, wie z.B. Seitenaufrufe, Bounce Rate und Time on Task. Ein KPI ist, in Taras Worten, eine Metrik auf Steroiden. Es ist eine der wenigen entscheidenden Kennzahlen, an denen Entscheidungen hängen. KPIs sind in den allermeisten Unternehmen Business-Sprache und nicht UX-Sprache. Dazu gehören z.B. Conversion Rate, Customer Retention und Umsatz pro Kunde. Jeder KPI ist eine Metrik, aber die wenigsten Metriken sind ein KPI.
Metriken und KPIs müssen dabei immer in einem Kontext betrachtet werden. Die Aussage “Unsere Task Success Rate liegt bei 78 Prozent.” sagt an sich wenig. Erst im richtigen Kontext wird daraus eine Aussage. Das kann ein zeitlicher Vergleich (78 Prozent gegenüber 65 im letzten Quartal), ein Branchenvergleich (Benchmark der Branche bei 72) oder auch ein Bezug zu den Unternehmenszielen (23 Prozentpunkte unter dem Jahresziel) sein.
Ab wann Du überhaupt rechnen solltest
Quantitative Werte unterliegen statistischen Mechanismen. Deshalb ging Tara auch darauf ein, ab wann man mit Metriken wirklich rechnen kann. Als Beispiel nutzte sie den Usability-Test. Wenn von 12 Personen im Usability-Test 9 eine bestimmte Aufgabe lösen, dann ergibt das eine Erfolgsquote von 75%. Rechnet man das Konfidenzintervall dazu, liegt der wahre Wert mit 95-prozentiger Sicherheit irgendwo zwischen 43 und 95 Prozent. Eine so ermittelte Zahl ist statistisch so wackelig, dass man darauf keine Entscheidung treffen sollte. Andere Messmethoden, wie z.B. der SUS liefern deutlich stabilere Werte. Ein SUS-Wert von 75 bei denselben zwölf Personen und einer Standardabweichung von 15 liefert ein Intervall von 65,6 bis 84,4 Punkten. Das ist zwar nicht präzise, aber statistisch deutlich aussagekräftiger. Prozentwerte aus kleinen Stichproben werden im UX-Bereich leider häufig genutzt, obwohl sie sehr wackelig sind. Sie sollten nicht ohne Weiteres in Entscheidungsvorlagen genutzt werden. Taras Faustregel ist deshalb, dass unter 30 Personen pro Zielgruppe nicht gerechnet werden sollte. Es ist natürlich weiterhin gut, qualitativ mit kleinen Stichproben zu testen. Bei den Erkenntnissen aus solchen Studien solltest Du nur auf Prozentangaben verzichten.
Wenn ein Team unter Druck gerät, endlich Zahlen zu liefern, ist die Versuchung groß, aus fünf Interviews eine Metrik abzuleiten. Das fliegt aber irgendwann auf. Am Ende beschädigt das dann das Vertrauen in alles, was das Team sonst noch sagt.
Vorbereitung
Bevor die erste Erhebung startet, empfiehlt Tara folgende sieben Schritte:
- strategische Ziele definieren,
- Erfolgsfaktoren identifizieren
- Erfolgsfaktoren operationalisieren,
- ungewollte Nebeneffekte antizipieren,
- KPIs sauber formulieren,
- Ressourcen sichern,
- regelmäßig kommunizieren.
Tara beobachtet häufig, dass Schritt drei übersprungen wird. Operationalisierung heißt, ein abstraktes Konzept in eine messbare Größe zu übersetzen. Aus “Wir wollen die Benutzerfreundlichkeit verbessern.” wird “Wir wollen die Task Success Rate von 65 auf 85 Prozent heben.”. Aus “Ease of Use” werden Task Completion Rate und Time on Task. Solange dieser Schritt fehlt, misst Du irgendetwas und diskutierst hinterher darüber, was es bedeutet.
Darüber hinaus wird auch Schritt 4 häufig unterschätzt. Man sollte sich bewusst machen, welches Verhalten eine Kennzahl belohnt, wenn Menschen sie wirklich ernst nehmen. Metriken, die Einfluss auf den persönlichen Erfolg von Menschen haben, verändern ihr Verhalten. Manchmal kommt dabei die tatsächlich angestrebte Wirkung raus. Manchmal entsteht aber auch nur viel Business-Theater, das dazu dient, eine Kennzahl zu optimieren.
Der Metriken-Werkzeugkasten
Tara hat im Webinar die gängigen Metriken und Erhebungsverfahren vorgestellt:
Die Klassiker: Der SUS mit seinen zehn Fragen liefert einen vergleichbaren Gesamteindruck der Usability, sagt aber nichts über konkrete Probleme. Der CSAT misst Zufriedenheit nach einer Interaktion, ist schnell erhoben und stark kontextabhängig. Der CES fragt, wie schwer eine Aufgabe war, und ist damit für Support-Prozesse oft aussagekräftiger als Zufriedenheit. Und schließlich der NPS, den viele von oben aufgedrückt bekommen. Er basiert auf einer einzigen Frage und ist hinsichtlich seiner Korrelation zum Geschäftserfolg umstritten und messtheoretisch volatil. Tara rät daher von der Verwendung des NPS ab.
Das Google HEART-Framework betrachtet fünf Dimensionen: Happiness, Engagement, Adoption, Retention und Task Success. Tara findet die Kombination von subjektivem Erleben mit hart beobachtbarem Aufgabenerfolg sehr hilfreich. Sie rät aber dazu, nicht das gesamte Framework zu nutzen, sondern sich ein bis zwei Dimensionen auszusuchen, die zu den eigenen Geschäftszielen passen.
Der UX Score misst UX subjektiv und fällt, egal wie aufwändig man ihn konstruiert, immer auf dieselben drei Bereiche zurück. Nutzungsbezogene Aspekte, also Erlernbarkeit und Bedienbarkeit, sind theoretisch an der ISO 9241-110 aufgehängt. Nutzerbezogene Aspekte, also Identifikation und Inspiration, Affekt und die Befriedigung von Bedürfnissen. Und ästhetische Aspekte, wie Optik, Haptik und Akustik.
Taskbasierte Metriken, wie z.B. Success Rate, Time on Task, Error Rate, bilden die Grundlage jeder Usability-Messung. Dazu gehört auch ein Abbruchkriterium, damit eine gescheiterte Aufgabe nicht endlos läuft.
Klassifizierung von Usability-Problemen: Tara betonte die Wichtigkeit der Klassifizierung von Usability-Problemen. Sie setzt dabei auf ein Modell aus 3 Ja-Nein-Fragen.
- Tritt das Problem entlang einer Hauptaufgabe auf?
- Ist es aus Nutzersicht schwer zu lösen, finden die Testpersonen also keinen Weg weiterzukommen?
- Und bleibt es bestehen, oder ist es punktuell?
Aus den Antworten ergibt sich eine Bewertung des Schweregrades von gering über mittel bis kritisch, und daraus wiederum die Priorisierung.
Engagement-Metriken betrachten die Stellen, an denen das Geld verdient wird. Retention gilt als stärkster Prädiktor für langfristigen Erfolg. Conversion hat die direkteste Umsatzwirkung. Feature Adoption zeigt Produktrelevanz. Die Analyse der User Journey findet die Pain Points, denen Anwender:innen auf dem Weg zum Ziel begegnen.
Risikometriken sind sogenannte Leading Indicators und damit Frühwarnindikatoren. Dazu gehören u.a. Fehler, Abstürze, Abbrüche im Warenkorb, Frust-Signale wie Rage Clicks, Klicks ins Leere und hektisches Scrollen, steigende Supportlast und kippende Stimmung in Social Media.
Der Punkt, an dem Messsysteme kippen
Taras Agentur hat über zwölf Jahre für einen großen Telekommunikationsanbieter ein halbjährliches Experience Tracking über dessen gesamtes Produktportfolio betrieben. Irgendwann hing ein Drittel der Vorstandstantiemen an diesem Messwert. Du kannst Dir vorstellen, wie hoch das Interesse an einer steigenden Kurve plötzlich war. Das führte zwangsläufig zu einem jahrelangen Streit über Aufgaben. Denn gemessen wurden pro Produkt die drei wichtigsten und typischsten Nutzeraufgaben. Wer diese Aufgaben definiert, definiert das Ergebnis. Wären nach und nach nur noch harmlose Aufgaben ins System gewandert, hätte die Kurve wunderbar ausgesehen und nichts mehr bedeutet. Genau diese Diskussion hat das Team bewusst geführt, immer wieder, über Jahre.
Metrikensysteme stehen immer im Spannungsfeld zwischen zwei Mechanismen. Nach Peter Drucker kann man nur das steuern, was gemessen wird. Nach Goodharts Gesetz führt aber jede Kennzahl, die zum Ziel wird, auch zu unerwünschten Nebenwirkungen.
Von UX zum Business
Auf der wirtschaftlichen Seite laufen die meisten Metriken-Ketten auf drei zentrale KPIs zu: Umsatz, gesparte Kosten und Customer Lifetime Value. Unter Umsatz hängen Conversion Rate, durchschnittlicher Bestellwert, Upsell und Feature Adoption. Unter Kosteneinsparung Supportaufkommen, Entwicklungszeit, Fehlerkosten und Schulungsaufwand. Unter Lifetime Value Retention, Loyalität, Wiederkaufrate und Empfehlungen. In manchen Branchen kommt Aufmerksamkeit dazu, z.B. im Mediengeschäft.
Die Verbindung dorthin läuft über Ursache-Wirkungsketten, die man belegen kann. Ein schnellerer Checkout führt zu weniger Abbrüchen und höherer Conversion. Ein besseres Onboarding führt zu schnellerer Aktivierung und höherer Retention. Weniger Bedienfehler führen zu weniger Support-Tickets und damit zu gesparten Kosten.
Tara warnt aber vor einem zu schnellen Herleiten von Ursache-Wirkungsketten. Korrelation lässt sich schnell nachweisen, Kausalität nicht. Ihr Lieblingsbeispiel ist der Zusammenhang zwischen Eisverkäufen und Ertrinkenden. Beide Kennzahlen steigen mit dem warmen Wetter. Einen echten Zusammenhang zwischen ihnen gibt es aber nicht.
Der Weg zu belastbaren Ursache-Wirkungsketten gelingt in drei Schritten:
- Hypothese aufstellen, etwa: bessere Navigation führt zu mehr Feature-Nutzung.
- Mechanismus erklären, also warum das eine das andere auslösen sollte.
- Validieren, über A/B-Tests, Zeitreihenanalysen oder kontrollierte Messungen.
Wer den dritten Schritt überspringt, baut eine Argumentation, die beim ersten kritischen Rückfragen aus dem Controlling zusammenfällt.
Der Umweg über das Risiko
Die Frage nach dem ROI ist für UX-Teams fast nicht sauber zu beantworten, weil sie rückwärts gerichtet ist. Was hat es gebracht? Der Nachweis kommt nach der Investition und lässt sich meistens nicht isolieren. Man denkt sich dann etwas aus, das plausibel klingt, und weiß beim Vortragen selbst, dass es geschätzt ist.
Risikomanagement funktioniert andersherum, nämlich vorwärts. Die zentrale Frage ist: “Welches Risiko verhindert es?” Größere Unternehmen haben eine Risikomanagement-Abteilung. Die gibt es, weil das KonTraG über Paragraf 91 des Aktiengesetzes vom Vorstand verlangt, Risiken früh zu erkennen. Dort existiert eine etablierte Sprache aus Schadenshöhe und Eintrittswahrscheinlichkeit.
Strategisch geht es dabei um verpasste Trends, Conversion-Verluste, Imageschäden, Innovationsstau und Wettbewerbsnachteile. Operativ um falsche Produktentwicklung mangels Research, hohe Supportkosten, ineffiziente interne Prozesse, teuren Schulungsaufwand und verzögerte Markteinführung durch späte UX-Korrekturen. Das sind Risiken, die die Kolleg:innen aus dem Risikomanagement durchrechnen können. In der Medizintechnik ist das übrigens seit Jahrzehnten Alltag, dort läuft die Risikoanalyse parallel zum UX-Strang, sonst kommt das Gerät nicht auf den Markt.
Nebenbei verändert das Deine Sprache. Aus User Needs wird Risikominderung, aus Frustration werden Fehlerkosten und aus Delight wird Prozessverlässlichkeit. Statt “Die Nutzer verstehen den Flow nicht.” sagst Du “Die Fehlerrate liegt bei 23 Prozent. Die kalkulierten Supportkosten liegen im fünfstelligen Bereich pro Jahr.”. Das ist Übersetzung, und sie ist eines der wirksamsten Mittel, um UX in einer Organisation nach oben anschlussfähig zu machen.
Nicht viele Metriken, sondern die richtigen
Tara hat deutlich gemacht, dass es nicht viele Metriken braucht. Um ein Schiff zu steuern, brauchst Du keine 50 Instrumente, sondern drei. Einen Kompass für die Richtung, eine Karte für den Kontext und einen Tiefenmesser für die Gefahren. Übersetzt heißt das: Core-Metriken als Kompass, unterstützende Metriken als Karte, Risikometriken als Tiefenmesser.
Konkret heißt das drei bis fünf Core-Metriken, im Maximum sieben, direkt an Geschäftsziele gekoppelt und in festem Rhythmus getrackt. Die Begründung dafür ist kognitionspsychologisch, wir halten ungefähr sieben Dinge gleichzeitig im Arbeitsgedächtnis. Welche das sind, hängt vom Kontext ab, und zwar an sechs Stellschrauben: Rolle, Phase, Produkt, Budget, Branche und Prozess. Ein Universal-Set für alle gibt es nicht.
Schon innerhalb eines Teams unterscheidet sich der Bedarf. Research braucht qualitative Insights, Painpoints, Aufgabenerfolg und Zufriedenheit. Design will wissen, wie Interaktionsmuster, visuelle Hierarchie und Barrierefreiheit bewertet werden. Das Produktmanagement schaut auf Conversion, Feature Adoption und Retention. Und als UX-Lead interessiert mich, was unsere Maßnahmen bringen, wie schnell wir gefundene Probleme abarbeiten, wie viel unseres Portfolios wir mit Research überhaupt abdecken und wie nah das, was wir tun, an unserer Strategie liegt.
Genau deshalb lohnt der Blick auf die Schnittmenge. Wenn Aufgabenerfolg und Zufriedenheit von allen Rollen geteilt werden, entsteht daraus gemeinsame Sprache statt paralleler Reportings. Das ist einer der stillen UX-Reifegewinne eines Metrikensystems.
Womit Du anfängst
Für den Start brauchst Du in der Regel je ein Werkzeug für Verhaltensdaten, für Nutzungstests und für Befragungen. In jeder Kategorie gibt es alles von kostenlos bis Enterprise. Fang kostenlos an und skaliere, wenn es trägt.
Vorher lohnt allerdings der Blick auf das, was schon da ist. Analytics liefert Verhaltensdaten, CRM und Support-Tickets liefern Haltungsdaten und aus dem Vertrieb kommen Geschäftskennzahlen. Tara betont: Erst ernten, was vorhanden ist, dann ergänzen. Bevor Du Deinen eigenen Zahlen traust, solltest Du drei Dinge prüfen. Misst Du wirklich, was Du messen willst, sind die Ergebnisse wiederholbar, und bildet Deine Stichprobe Deine Nutzer:innen ab?
KI in Verbindung mit Metrikensystemen nutzen
Tara arbeitet seit Jahren intensiv mit KI und ist trotzdem skeptisch. Ihr Bild dafür sind Pubertierende. Man kann ihnen viel zutrauen, nur nicht blind vertrauen. In Verbindung mit einer gesunden Skepsis kann KI auch bei Metrikensystemen hilfreich sein.
Ein Beispiel aus ihrer Praxis: Die Conversion Rate bricht an einem Dienstag um 23 Prozent ein. Die menschliche Analyse landet bei “irgendwas ist mit dem Dienstag”. Die maschinelle Auswertung findet eine bestimmte Browser-Version mit einem Fehler im Checkout. Betroffen waren nur acht Prozent der Anwender:innen, aber 40 Prozent der Abschlüsse.
KI kann dabei helfen, Muster zu erkennen, die in Durchschnittswerten unsichtbar sind. Beispielsweise schleichende Verhaltensänderungen über Wochen, die zu Abwanderung führen. Korrelationen über mehrere Faktoren hinweg, die niemand von Hand findet. Randfälle mit zwei Prozent der Nutzenden und 30 Prozent der Support-Tickets. Dazu die automatisierte Auswertung von allem, was an qualitativem Input hereinkommt, aus Feedback-Buttons, Support-Anfragen, Store-Bewertungen und Social Media, sortiert nach Stimmung, Emotion und Thema.
Aus denselben historischen Daten lassen sich auch Prognosen bauen. Wer wandert mit welcher Wahrscheinlichkeit in den nächsten Wochen ab, wer steht kurz vor einem Abschluss, und was bedeutet eine geplante Verbesserung voraussichtlich für Umsatz und Retention. Prognosen mit sauber ausgewiesener Unsicherheit sind übrigens genau die Sprache, die im Finanzbereich ohnehin gesprochen wird.
Zwei Einschränkungen hat sie gleich mitgeliefert. Vieles davon geht auch mit klassischer Statistik, KI macht vor allem das Zusammenführen bequemer. Und sie ist kein Autopilot. Wie gut die Ergebnisse werden, hängt an der Sorgfalt beim Fragen und Prompten.
Kommunikation
Man kann viel Geld in ein perfektes Metrikensystem investieren, was verpufft, wenn es nicht richtig kommuniziert wird. Tara empfiehlt, greifbare Metriken zu nutzen, um Aufmerksamkeit zu erzeugen. Dann geht es darum, Relevanz zu zeigen, also zu erklären, wo das Problem genau liegt. Es ist wichtig Metriken von Zahlen in etwas Greifbares mit einer geschäftlichen Konsequenz zu übersetzen. Aus “32 Prozent Abbruch” wird “jeder dritte Nutzer scheitert”. Die zahlenbasierte Aussage sollte dann mit einer konkreten Handlung enden.
Dazu kommt eine Verdichtung nach Zielgruppe. Das C-Level benötigt dabei eine sehr kompakte Aufbereitung mit einer Kernbotschaft, maximal drei Charts und einem direkten Bezug zu Euro. Produktteams brauchen Details und Segmente.
Entscheidend ist auch der kommunikative Rhythmus. Die Metriken sollten nicht nur in einem Dashboard bereitgestellt werden. Es ist gut über Alerts für kritische Werte, ein automatisches wöchentliches Reporting ins Team, ein monatliches Reporting zu den Stakeholdern und quartalsweises Reporting ins Führungsgremium zu kommunizieren.
Fazit
Metriken sind das Vokabular, in dem eine Organisation über Wirkung spricht. Wer dieses Vokabular mitbringt, kann in den Runden, in denen entschieden wird, aktiv mitmischen.
Der Einstieg ist kleiner, als er von außen wirkt. Am Anfang genügen drei bis fünf Kennzahlen, sauber operationalisiert und mit einer nachvollziehbaren Ursache-Wirkungskette zu dem, was Dein Unternehmen als Erfolg zählt.
Mehr zum Thema UX-Metriken
Eine Stunde Webinar reicht für die grobe Orientierung, aber nicht für Dein eigenes Metrikensystem. Wer tiefer einsteigen will: Im Online-Seminar arbeitet Tara am 13. und 20. November 2026, jeweils von 9 bis 12:30 Uhr, mit maximal zwölf Teilnehmenden an genau dieser Frage. Der inhaltliche Bogen geht vom Überblick über die Metriken-Kategorien über die Verknüpfung mit Business-KPIs und die KI-gestützte Auswertung bis zur Kommunikation gegenüber Stakeholdern. Am Ende steht ein erster Wurf für ein Metriken-Canvas für Deinen konkreten Fall.
Online-Seminar
UX-Metriken – Definieren, messen und steuern
“UX ist wichtig, aber schwer messbar.” Diesen Satz hörst du ständig, wenn’s um Budget geht. Bullshit. UX ist messbar – du musst nur wissen, welche Zahlen zählen und wie du sie mit Business-Erfolg verknüpfst.
Das Problem: Die meisten UXler sammeln irgendwelche Metriken, ohne zu verstehen, was sie wirklich bedeuten oder wie sie mit Geschäftserfolg zusammenhängen. Das Ergebnis? Zahlen, die niemanden interessieren, und UX bleibt “nice to have”.
Zeit, das zu ändern. In diesem intensiven Tagesseminar lernst du, welche UX-Metriken wirklich wichtig sind, wie du sie strategisch mit Business-KPIs verknüpfst und wie du damit Stakeholder überzeugst. Entwickle dein individuelles Metriken-Framework, das perfekt zu deinem Job passt und den messbaren Impact deiner UX-Arbeit beweist.
Im Detail geht es um:
- Umfassender Überblick über alle relevanten UX-Metriken-Kategorien – was wirklich zählt
- Passende Metriken auswählen für verschiedene UX-Fragestellungen und Projektphasen
- UX-Metriken strategisch verknüpfen mit Business-KPIs – endlich verstehen, wie alles zusammenhängt
- AI-basierte Ansätze zur Metriken-Analyse kennenlernen – die Zukunft der UX-Messung
- Individuelles Metriken-Framework entwickeln – maßgeschneidert für deinen Arbeitskontext
- Metriken-basierte Kommunikation beherrschen – Stakeholder und Management überzeugen
