Reibungslos ist nicht bedeutsam
Wir haben das Onboarding reibungslos gestaltet. Elf Minuten. Das war die durchschnittliche Abschlusszeit. Der Nutzer meldete sich an, der Assistent fuehrte ihn durch vier Bildschirme, befuellte automatisch die Unternehmensdaten, schlug drei Anwendungsfaelle vor und bot fuer jeden eine vorgefertigte Vorlage an. Elf Minuten von der Landingpage bis “einsatzbereit”.
Die Konversionskennzahlen waren exzellent. Abschlussrate: 94 %. Time-to-First-Value: unter drei Minuten nach dem Onboarding. Das UX-Team feierte. Das Produktteam feierte. Die Zahlen waren eindeutig.
Dreissig Tage spaeter lag die Retention bei 12 %.
Achtundachtzig Prozent der Nutzer, die das reibungslose Onboarding abschlossen, kamen nie wieder. Sie hatten sich angemeldet, waren durch die Erfahrung geglitten, hatten das Tool ein- oder zweimal benutzt und waren verschwunden. Nicht mit Beschwerden. Nicht mit Fehlermeldungen. Nicht mit Feedback. Sie gingen einfach — reibungslos.
Die Reibungslosigkeits-Annahme
Das dominante UX-Paradigma des letzten Jahrzehnts ist Reibungsreduzierung. Jeder Klick, jedes Formularfeld, jeder Moment des Zoegerns wird als zu eliminierende Reibung behandelt. Die Annahme ist linear: weniger Reibung gleich mehr Engagement. Je weniger Hindernisse zwischen Nutzer und Wert, desto wahrscheinlicher erreicht und behaelt der Nutzer diesen Wert.
Fuer transaktionale Interaktionen — einen Kauf abschliessen, ein Formular absenden, sich fuer eine Testversion anmelden — stimmt die Annahme. Amazons Ein-Klick-Bestellung ist das kanonische Beispiel. Reibungsreduzierung in transaktionalen Kontexten erhoeht die Konversion, weil die Absicht des Nutzers bereits gebildet ist. Er weiss, was er will. Die Reibung ist ein Hindernis zwischen einer bereits getroffenen Entscheidung und einer noch nicht ausgefuehrten Handlung.
Fuer Lerninteraktionen — ein neues Tool einfuehren, eine neue Faehigkeit entwickeln, eine neue Praxis in einen bestehenden Arbeitsablauf integrieren — scheitert die Annahme. Und sie scheitert gerade deshalb, weil die Absicht des Nutzers noch nicht gebildet ist. Er weiss nicht, was er von dem Tool will. Er weiss nicht, was das Tool in seiner taeglichen Praxis werden kann. Die Entdeckung ist die Arbeit. Und Entdeckung erfordert Reibung.
Was Reibung tut
Reibung ist kognitiver Widerstand. Es ist der Moment, in dem der Nutzer innehalten, nachdenken, entscheiden und investieren muss. In der UX-Orthodoxie ist dieser Moment ein Versagen — ein Punkt, an dem das Design das Beduerfnis des Nutzers nicht antizipiert hat und ihn zu Anstrengung gezwungen hat.
In Lernkontexten ist dieser Moment der gesamte Zweck.
Robert Bjork, kognitiver Psychologe an der UCLA, praegte 1994 den Begriff “wuenschenswerte Schwierigkeit”. Bjorks Forschung zeigte, dass Lernbedingungen, die Schwierigkeit einfuehren — Uebung ueber die Zeit verteilen, verschiedene Themen verschraenken, muehsames Abrufen erfordern — eine bessere Langzeitretention produzieren als Bedingungen, die auf unmittelbare Leichtigkeit optimiert sind.
Das kontraintuitive Ergebnis: Lernen im Moment einfacher zu machen, macht es langfristig schlechter. Bjork demonstrierte das in Dutzenden von Experimenten. Studenten, die mit Karteikarten in zufaelliger Reihenfolge lernten, lernten langsamer als Studenten, die in geblockter Reihenfolge lernten — behielten aber mehr, schnitten bei Transferaufgaben besser ab und entwickelten flexibleres Wissen. Die Zufallsanordnung war Reibung. Die Reibung war produktiv.
Wenden Sie das auf KI-Tool-Onboarding an. Ein reibungsloses Onboarding — vier Bildschirme, automatisch befuellt, vorgefertigte Vorlagen — produziert unmittelbare Leichtigkeit. Der Nutzer fuehlt sich kompetent. Die Abschlusskennzahlen sehen gut aus. Aber der Nutzer hat keinen kognitiven Aufwand investiert, um zu verstehen, was das Tool tut, wie es funktioniert oder warum es fuer seinen spezifischen Arbeitsablauf relevant ist. Das Verstaendnis ist oberflaechlich. Die Erinnerung ist fragil. Beim naechsten Mal, wenn der Nutzer vor einer Arbeitsherausforderung steht, ist das Tool nicht unter den Optionen, die sein Gehirn abruft — weil der Abrufpfad nie durch mueehsames Engagement aufgebaut wurde.
Ein Onboarding mit produktiver Reibung — das den Nutzer auffordert, seinen eigenen Anwendungsfall zu definieren, seine eigene Vorlage zu konfigurieren, zu artikulieren, welches Problem das Tool fuer ihn loesen soll — dauert laenger. Die Abschlussrate sinkt. Die Time-to-First-Value steigt. Aber der Nutzer, der es abschliesst, hat kognitiven Aufwand investiert, um die Rolle des Tools in seiner Arbeit zu verstehen. Die Erinnerung ist dauerhaft. Der Abrufpfad ist stark. Dreissig Tage spaeter nutzt er das Tool noch — weil er ein mentales Modell davon gebaut hat, nicht nur ein Konto darauf.
Das Elf-Minuten-Problem
Zurueck zum Elf-Minuten-Onboarding. Was passierte in diesen elf Minuten?
Der Nutzer wurde gefuehrt. Der Assistent sagte ihm bei jedem Schritt, was zu tun ist. Die automatische Befuellung trug den Firmennamen, die Branche und die Groesse ein. Die vorgeschlagenen Anwendungsfaelle wurden algorithmisch basierend auf dem Firmenprofil generiert. Die vorgefertigten Vorlagen erforderten keine Konfiguration.
Zu keinem Zeitpunkt traf der Nutzer eine Entscheidung, die Nachdenken erforderte. Zu keinem Zeitpunkt artikulierte der Nutzer, was er brauchte. Zu keinem Zeitpunkt begegnete der Nutzer einem Moment produktiver Verwirrung — dem Moment, in dem die Faehigkeiten des Tools und die Beduerfnisse des Nutzers kollidieren, wo der Nutzer aktiv ein Verstaendnis dafuer konstruieren muss, wie dieses Tool in seine Arbeit passt.
Das Elf-Minuten-Onboarding war eine Fuehrung. Der Nutzer war ein Passagier. Er sah die Sehenswuerdigkeiten. Er fuhr nicht selbst.
Als der Bus ihn bei “einsatzbereit” absetzte, hatte er keine Karte. Er wusste nicht, wo er war, warum er dort war oder wie er zurueckfinden wuerde. Also kam er nicht zurueck.
Die bedeutsame Alternative
Bedeutsames Onboarding ist nicht schwieriges Onboarding. Die Unterscheidung ist wichtig. Schwierigkeit um ihrer selbst willen — verwirrende Oberflaechen, unklare Anweisungen, unnoetige Komplexitaet — ist keine produktive Reibung. Es ist schlechtes Design. Produktive Reibung ist Aufwand, der Verstaendnis produziert.
Drei Prinzipien aus Bjorks Forschung zur wuenschenswerten Schwierigkeit sind direkt auf KI-Tool-Onboarding anwendbar:
Generierungseffekt. Information, die vom Lernenden generiert wird, wird besser behalten als Information, die dem Lernenden praesentiert wird. In Onboarding-Begriffen: Den Nutzer auffordern, seinen eigenen Anwendungsfall zu formulieren, statt aus einer vorgefertigten Liste auszuwaehlen. Die Handlung, “Ich moechte dieses Tool nutzen, um eingehende Support-Tickets nach Dringlichkeit zu klassifizieren” zu formulieren, erfordert mehr Aufwand als “Support-Ticket-Klassifizierung” aus einem Menue anzuklicken. Der Aufwand ist das Lernen. Der Nutzer, der den Anwendungsfall formuliert, versteht den Zweck des Tools besser als der Nutzer, der einen Menuepunkt anklickt.
Abstandseffekt. Ueber die Zeit verteiltes Lernen wird besser behalten als in einer einzigen Sitzung konzentriertes Lernen. In Onboarding-Begriffen: Das Onboarding nicht in elf Minuten abschliessen. Es ueber drei Tage verteilen. Tag eins: Konto einrichten und einen Anwendungsfall definieren. Tag zwei: Den ersten Workflow mit Unterstuetzung konfigurieren. Tag drei: Den Workflow mit echten Daten ausfuehren und die Ergebnisse pruefen. Jede Tagessitzung ist kurz. Der Abstand zwischen den Sitzungen ermoeglicht Konsolidierung — den schlafabhaengigen Gedaechtnisprozess, den Matthew Walker dokumentiert hat, bei dem das Gehirn neue neuronale Pfade waehrend der Ruhe staerkt.
Drei kurze Sitzungen ueber drei Tage produzieren bessere Retention als eine lange Sitzung, selbst wenn die Gesamtzeit gleich ist. Der Abstand ist Reibung. Die Reibung ist produktiv.
Verschraenkungseffekt. Lernen, das zwischen verschiedenen Aufgaben oder Konzepten wechselt, produziert besseren Transfer als Lernen, das sich auf eine Aufgabe konzentriert. In Onboarding-Begriffen: Nicht ein Feature nach dem anderen in einer linearen Abfolge praesentieren. Stattdessen dem Nutzer eine echte Aufgabe geben, die die gleichzeitige Nutzung mehrerer Features erfordert. “Klassifizieren Sie diese fuenf Support-Tickets mit dem Tool” erfordert vom Nutzer, die Oberflaeche zu navigieren, Anfragen zu formulieren, Ausgaben zu interpretieren und Ergebnisse zu vergleichen — alles im Dienst einer einzigen Aufgabe. Die Verschraenkung ist kognitiv anspruchsvoller als eine Feature-fuer-Feature-Tour. Die Anforderung ist das Lernen.
Die Retentionsdaten
Das ist nicht theoretisch. Wir haben die Daten.
Bei Bluewaves haben wir beide Ansaetze mit der KI-Tool-Einfuehrung eines Kunden getestet. Die Kontrollgruppe erhielt das standardmaessige reibungslose Onboarding — die Elf-Minuten-Version. Die Testgruppe erhielt das strukturierte Reibungs-Onboarding — drei Sitzungen ueber drei Tage, mit angewandten Prinzipien der Generierung, des Abstands und der Verschraenkung. Gesamte Onboarding-Zeit fuer die Testgruppe: etwa 35 Minuten (verteilt ueber drei Tage).
Ergebnisse nach 30 Tagen:
- Kontrollgruppen-Retention: 14 %
- Testgruppen-Retention: 61 %
Ergebnisse nach 90 Tagen:
- Kontrollgruppen-Retention: 8 %
- Testgruppen-Retention: 47 %
Die Testgruppe verbrachte dreimal so lange mit dem Onboarding. Ihre 90-Tage-Retention war fast sechsmal hoeher. Die Investition in produktive Reibung — 24 zusaetzliche Minuten der Nutzerzeit — produzierte eine 39-Prozentpunkt-Verbesserung in nachhaltiger Adoption.
Die reibungslose Version war schneller. Die bedeutsame Version war besser. Das ist nicht dasselbe.
Die emotionale Ebene
Bjorks Forschung erklaert den kognitiven Mechanismus. Aber es gibt eine emotionale Ebene, die der kognitive Rahmen verfehlt.
Wenn ein Nutzer Aufwand in die Konfiguration eines Tools investiert — seinen Anwendungsfall definiert, seine eigene Vorlage baut, seine erste Anfrage debuggt — entwickelt er, was Psychologen den “IKEA-Effekt” nennen. Der Begriff stammt aus einem Paper von 2012 von Norton, Mochon und Ariely, die zeigten, dass Menschen Dinge mehr wertschaetzen, wenn sie Aufwand in deren Erstellung investiert haben. Dasselbe IKEA-Regal, fertig montiert gekauft, kostet dasselbe und spart Zeit. Aber das Regal, das Sie selbst gebaut haben — mit der Frustration, den fehlenden Schrauben, der Anleitung auf Schwedisch — wird mehr wertgeschaetzt. Weil Sie es gebaut haben.
Dasselbe Prinzip gilt fuer KI-Tool-Adoption. Die Konfiguration, die Sie eingerichtet haben — der Anwendungsfall, den Sie definiert haben, die Vorlage, die Sie gebaut haben, der Workflow, den Sie entworfen haben — gehoert Ihnen. Sie haben investiert. Sie aufzugeben kostet psychologisch, nicht nur praktisch. Die versunkenen Kosten sind emotional, nicht nur zeitlich.
Das reibungslose Onboarding produziert keinen IKEA-Effekt. Die vorgefertigten Vorlagen gehoeren nicht Ihnen. Die automatisch befuellte Konfiguration war nicht Ihre Wahl. Das Tool aufzugeben kostet nichts — keine Investition wurde getaetigt, also geht keine Investition verloren. Der Ausstieg ist genauso reibungslos wie der Einstieg.
Das ist das Paradox, das die UX-Orthodoxie uebersieht: Einstiegsreibung zu reduzieren reduziert auch Ausstiegsreibung. Wenn Sie es leicht machen anzufangen, machen Sie es leicht aufzuhoeren. Wenn Sie den Nutzer investieren lassen, machen Sie ihn zurueckhaltend, seine Investition aufzugeben.
Das Spektrum bedeutsamer Reibung
Nicht alle Reibung ist produktiv. Die Kunst ist, die richtige Art und Menge an Reibung zum richtigen Zeitpunkt zu kalibrieren. Ein Spektrum:
Destruktive Reibung (eliminieren): Verwirrende Oberflaechenbeschriftungen, unklare Fehlermeldungen, kaputte Integrationen, unnoetige Login-Schritte, langsame Seitenladezeiten. Diese Reibung fuegt keinen Lernwert hinzu und erzeugt nur Frustration. Gnadenlos eliminieren.
Neutrale Reibung (reduzieren): Formularfelder fuer Informationen, die automatisch befuellt werden koennten, Setup-Schritte fuer Konfigurationen, die der Nutzer wahrscheinlich nicht aendern wird, Feature-Touren fuer Faehigkeiten, die der Nutzer noch nicht braucht. Diese Reibung hilft nicht beim Lernen, schadet aber auch nicht aktiv. Reduzieren, indem man sie spaeter in der Erfahrung platziert — zeigen, wenn der Nutzer es braucht, nicht bei der ersten Ankunft.
Produktive Reibung (bewahren): Den Nutzer auffordern, seinen Anwendungsfall zu formulieren, ihn bitten, die erste Ausgabe des Tools zu bewerten (“War diese Antwort hilfreich? Warum oder warum nicht?”), eine Wahl zwischen zwei Ansaetzen praesentieren und eine Entscheidung verlangen. Diese Reibung produziert Verstaendnis. Bewahren.
Essenzielle Reibung (einfuehren): Verifizierungsschritte vor automatisierten Aktionen (“Das Tool wird diese E-Mail an 200 Kunden senden. Bestaetigen?”), Reflexionsaufforderungen nach bedeutsamen Tool-Interaktionen (“Sie haben das Tool diese Woche 50 Mal benutzt. Welcher Anwendungsfall hat den meisten Wert produziert?”), Kalibrierungsuebungen, die dem Nutzer helfen, die Grenzen des Tools zu verstehen (“Das Tool hat dies falsch beantwortet. Was an der Frage machte es schwierig?”). Diese Reibung entsteht nicht natuerlich im Produktfluss. Bewusst einfuehren.
Die Design-Implikation
Die Implikation fuer KI-Tool-Design ist spezifisch und kontraintuitiv: Das Onboarding sollte schwerer sein als das Produkt.
Das Produkt sollte effizient sein. Sobald der Nutzer weiss, was das Tool tut und wie es zu benutzen ist, sollte die Interaktion schnell, sauber und reibungsarm sein. Das Tool sollte tun, was der Nutzer erwartet, schnell und zuverlaessig.
Das Onboarding sollte muehsam sein. Nicht frustrierend. Muehsam. Der Nutzer sollte das Onboarding mit einem mentalen Modell des Tools verlassen — nicht nur mit einem Konto darauf. Er sollte wissen, worin das Tool gut ist, worin es schlecht ist, welche Probleme es in seinem spezifischen Arbeitsablauf loest und wie seine Ausgaben zu bewerten sind.
Dieses mentale Modell ist das, was reibungsloses Onboarding nicht aufbaut. Das Modell erfordert kognitive Investition. Die Investition erfordert Reibung. Die Reibung ist das Feature.
Die Unternehmens-Implikation
Diese Analyse hat spezifische Implikationen dafuer, wie Bluewaves die Adoptionsschicht fuer seine Kunden gestaltet.
Wenn wir ein KI-Tool fuer einen 200-Personen-Hersteller einfuehren, ist das Onboarding kein Produkt-Walkthrough. Es ist ein dreitaegiges strukturiertes Engagement:
Tag eins: Der Problem-Workshop. Bevor das Tool geoeffnet wird, verbringt das Team 90 Minuten damit, die spezifischen Probleme zu identifizieren, die das Tool adressieren wird. Nicht generische Probleme. Spezifische: “Ich verbringe jeden Morgen 45 Minuten damit, Lieferantenrechnungen nach Kostenstelle zu kategorisieren.” “Ich bekomme dieselbe Kundenfrage zu Lieferzeiten fuenfzehn Mal am Tag.” “Ich verbringe zwei Stunden pro Woche mit dem Formatieren von Berichten, die niemand liest.” Jedes Teammitglied schreibt sein Problem auf. Das Schreiben ist der Generierungseffekt — die kognitive Investition, die Eigentuemergefuehl erzeugt.
Tag zwei: Die erste echte Aufgabe. Das Team nutzt das Tool fuer eine echte Aufgabe — eine, die ausgewaehlt wurde, weil das Tool bekannt dafuer ist, sie gut zu bewaeltigen. Keine Demo. Eine echte Arbeitsaufgabe mit einem echten Ergebnis. Die Ausgabe wird gemeinsam bewertet: War das nuetzlich? Wo war es stark? Wo war es schwach? Die Bewertung ist die Verschraenkung — die Nutzung mehrerer kognitiver Faehigkeiten (Anfragen formulieren, Ausgaben interpretieren, mit Fachwissen vergleichen) im Dienst einer einzigen Aufgabe.
Tag drei: Die Konfigurationssitzung. Das Team passt die Konfiguration des Tools basierend auf dem an, was es an Tag zwei gelernt hat. Sie waehlen die Standard-Prompt-Vorlagen. Sie legen das Ausgabeformat fest. Sie definieren die Bewertungskriterien fuer “gut genug”. Die Konfiguration ist der IKEA-Effekt — die Investition, die Eigentuemergefuehl erzeugt.
Drei Tage. Etwa 90 Minuten pro Tag. Gesamtzeit: 4,5 Stunden, verteilt ueber drei Tage.
Die reibungslose Alternative schliesst in 11 Minuten ab. Die bedeutsame Alternative braucht 4,5 Stunden. Die 30-Tage-Retention spricht fuer sich.
Die tiefere Frage
Es gibt eine Frage unter dieser Beobachtung, die ich halten moechte, ohne sie aufzuloesen, weil sie ueber KI-Tool-Design hinaus in etwas Breiteres reicht darueber, wie wir Arbeit gestalten.
Die Optimierung auf Reibungslosigkeit — in Tools, in Arbeitsablaeufen, in Organisationen — setzt voraus, dass Aufwand Kosten sind, die minimiert werden muessen. Die Forschung zur wuenschenswerten Schwierigkeit legt nahe, dass Aufwand manchmal eine Investition ist, die bewahrt werden muss. Beides ist wahr. Die Kunst ist zu wissen, was wann zutrifft.
Wenn ein Kunde einen Kauf abschliessen will, ist Aufwand Kosten. Eliminieren.
Wenn ein Teammitglied eine neue Faehigkeit lernen will, ist Aufwand eine Investition. Bewahren.
Wenn eine Fuehrungskraft einen neuen Arbeitsablauf einfuehren will, ist Aufwand ein Signal. Zuhoeren.
Der Reibungslosigkeits-Impuls — jedes Hindernis entfernen, jeden Weg glaetten, jeden Schritt automatisieren — produziert Erfahrungen, die leicht zu beginnen und leicht zu vergessen sind. Der Bedeutsamkeits-Impuls — investieren, engagieren, entscheiden, bauen — produziert Erfahrungen, die schwerer zu beginnen und schwerer aufzugeben sind.
Reibungslos ist nicht bedeutsam. Bedeutsam ist nicht reibungslos. Die Designfrage ist nicht “Wie reduzieren wir Reibung?”, sondern “Wo ist Reibung produktiv?”
Das Tool, zu dem Menschen zurueckkehren, ist nicht das Tool, das am einfachsten zu starten war. Es ist das Tool, mit dem sie eine Beziehung aufgebaut haben — und Beziehungen erfordern per Definition Investition.
Elf Minuten waren schnell. Elf Minuten waren nicht genug. Die bedeutsame Version dauert laenger, kostet mehr Aufmerksamkeit und produziert etwas, das haelt. Die reibungslose Version produziert eine Kennzahl. Die bedeutsame Version produziert eine Praxis.