Die Künstliche Intelligenz im Design Thinking Prozess Design einzusetzen wirk anfänglich etwas befremdlich. Geht Design Thinking doch stark von der Empathie für die Zielgruppe aus. Denn Design Thinking ist ein iterativer Prozess, der in verschiedene Phasen unterteilt ist, um Problemlösungen zu entwickeln, die stark auf die Bedürfnisse der Nutzer ausgerichtet sind. Künstliche Intelligenz (KI) kann jedoch intelligent in den verschiedenen Phasen dieses Prozesses eingesetzt werden, um die Effizienz und Wirksamkeit der Lösungen zu verbessern.
Hier sind die Phasen des Design-Thinking-Prozesses und Beispiele dafür, wie KI-Dienste in jeder Phase genutzt werden können.
Künstliche Intelligenz im Design Thinking Prozess der 6 Phasen
1. Verstehen
- KI-Anwendung: Einsatz von Text- und Datenanalyse-Tools zur Auswertung von Benutzerfeedback, Marktforschungsdaten oder Online-Foren.
- Vorteile: Diese Werkzeuge können große Datenmengen schnell durchsuchen, um Trends, Bedürfnisse und Problembereiche zu identifizieren, die möglicherweise manuell übersehen würden.
2. Empathie aufbauen
- KI-Anwendung: Verwendung von Natural Language Processing (NLP) und Sentiment-Analyse, um Emotionen und Meinungen in Benutzerkommentaren und -feedback zu verstehen.
- Vorteile: Diese Technologien ermöglichen es Designern, ein tieferes Verständnis für die Gefühle und Perspektiven der Nutzer zu entwickeln, indem sie subjektive Daten auf skalierbare Weise analysieren.
3. Synthese
- KI-Anwendung: Einsatz von Data-Mining- und Clustering-Algorithmen, um Muster in den Daten zu erkennen und Benutzeranforderungen zu kategorisieren.
- Vorteile: KI kann dabei helfen, komplexe Datenmengen zu organisieren und Schlüsselthemen oder -probleme zu identifizieren, was zu klareren Insights und definierten Designherausforderungen führt.
4. Ideenfindung
- KI-Anwendung: Nutzung von KI-gestützten Brainstorming-Tools oder generativen Design-Software, um neue Ideen oder Lösungsvorschläge zu generieren.
- Vorteile: KI kann unkonventionelle Lösungen vorschlagen, die außerhalb des menschlichen Denkrahmens liegen, und so den Ideenreichtum erweitern.
5. Prototyping
- KI-Anwendung: Einsatz von KI in CAD-Programmen für das generative Design, das automatisch Designalternativen basierend auf spezifizierten Zielen und Einschränkungen erstellt.
- Vorteile: Dies beschleunigt den Prototyping-Prozess erheblich und ermöglicht es Designern, schnell eine Vielzahl von Lösungen zu erkunden und zu optimieren.
6. Testen
- KI-Anwendung: Verwendung von KI-gestützten Usability-Tests und A/B-Testing-Tools, die Nutzerinteraktionen analysieren, um Einblicke in die Benutzererfahrung zu gewinnen.
- Vorteile: KI kann effizient große Mengen von Testdaten analysieren, um Verhaltensmuster zu erkennen, die Hinweise auf Benutzerpräferenzen und -probleme geben.
Beisoiele für die Anwendung von KI Tools im Design Thinking Prozess
| Phase | KI-Tool/Service | Beschreibung und Einsatzgebiet |
|---|---|---|
| Verstehen | IBM Watson Discovery | Kann große Datenmengen analysieren, um Muster und Trends zu erkennen, die für das Verständnis des Problems relevant sind. |
| Google Cloud Natural Language | Bietet Textanalyse durch maschinelles Lernen, um Sentiment- und Inhaltsanalyse in großen Textmengen durchzuführen. | |
| Beobachten | DataRobot | Automatisiertes maschinelles Lernen, das helfen kann, Verhaltensmuster in Nutzungsdaten zu identifizieren. |
| Talkwalker | Social Media Analytics-Tool, das Stimmungen und Trends in sozialen Netzwerken analysiert. | |
| Ideenfindung | OpenAI GPT (ChatGPT) | Generiert kreative Inhalte und Ideen basierend auf einer Beschreibung des Problems oder Thema. |
| Adobe Sensei | Bietet Designern KI-gestützte Tools zur Ideengenerierung und Content-Erstellung. | |
| Prototyping | Autodesk Fusion 360 | Nutzt generatives Design, um schnell Prototypen basierend auf Designzielen und -beschränkungen zu erstellen. |
| RunwayML | Ermöglicht Kreativen, Prototypen mit maschinellem Lernen zu erstellen, ohne Code schreiben zu müssen. | |
| Testen | Optimizely | Bietet A/B-Tests und KI-gestützte Experimente, um Prototypen effektiv zu testen und Feedback zu sammeln. |
| Hotjar | Zeichnet Benutzerinteraktionen auf Websites auf und liefert Einblicke, wie Nutzer mit Prototypen interagieren. | |
| Implementierung und Lernen | KI-basierte Analytics-Plattformen (z.B. Google Analytics) | Analysiert Benutzerverhalten und Feedback, um Verbesserungsmöglichkeiten zu identifizieren und zu lernen. |
| TensorFlow | Eine offene Bibliothek für maschinelles Lernen, die bei der Weiterentwicklung und Anpassung von Produkten nach dem Testing helfen kann. |