Evidenzbewertung

Effekt-Score (E): 5/5 Beleglage für das zugrunde liegende Prinzip bzw. die Messmethode.

Transfer-Score (T): 3/5 Belege für zuverlässige Ergebnisse in der digitalen Produktpraxis.

Evidenz-Level: Hoch

[Plausibel durch UX-Forschung] Kognitive Belastung nicht allein aus einer UI-Eigenschaft ableiten, sondern mit Aufgabenleistung und Nutzerfeedback im Kontext untersuchen.

Skala und Bewertungsregeln

Effekt-Score: 5 gesichert · 4 belastbar · 3 kontextabhängig · 2 schwach · 1 vorläufig.

Transfer-Score: 5 praxisbelegt · 4 feldbelegt · 3 teilweise belegt · 2 plausibel · 1 Hypothese.

Ohne fundierte wissenschaftliche oder normative Quelle ist E auf 3 begrenzt. Blog- und Agenturmeinungen begründen höchstens T=2. Bei nicht aufgelösten Konflikten gilt der konservativere Wert.

Evidenz-Level: Hoch = E ≥ 4 und T ≥ 3; Moderat = E ≥ 3; Vorläufig = E ≤ 2 oder T ≤ 1.

Kognitive Belastung & Usability

Wie stark ein System das Arbeitsgedächtnis beansprucht, beeinflusst seine Gebrauchstauglichkeit entscheidend. Die Cognitive Load Theory liefert dafür ein nützliches Rahmenmodell.

Definition: Kognitive Belastung

Kognitive Belastung (Cognitive Load) beschreibt die mentale Anstrengung, die notwendig ist, um Informationen zu verarbeiten und Aufgaben auszuführen – insbesondere im Arbeitsgedächtnis.

Drei Arten kognitiver Belastung: die traditionelle Einteilung

In der traditionellen Darstellung der Cognitive Load Theory (CLT) werden drei Arten mentaler Beanspruchung unterschieden. Spätere Reformulierungen behandeln die lernförderliche (germane) Belastung jedoch nicht als eigenständige dritte Last, sondern ordnen sie teilweise dem lernbezogenen Umgang mit der intrinsischen Belastung zu. Die Einteilung ist daher ein theoretisches Modell und keine unumstrittene Taxonomie.

1. Intrinsische Belastung
Diese ergibt sich aus der Komplexität des Inhalts selbst. Ein einfaches Formular zur Adressänderung erzeugt eine geringe intrinsische Last – ein komplexes Steuermodul dagegen eine hohe. UX-Design kann sie nicht reduzieren, aber durch gute Strukturierung unterstützen.

2. Extrinsische Belastung
Diese wird durch schlechtes Design verursacht. Unlogische Navigation, unnötige Pop-ups oder unverständliche Formulierungen führen zu unnötiger Denkleistung. UX-Ziel: diese Belastung minimieren.

3. Lernförderliche Belastung
Sie entsteht, wenn Informationen so aufbereitet sind, dass sie tieferes Verstehen fördern – etwa durch interaktive Hilfestellungen oder klare visuelle Strukturen. UX-Ziel: diese gezielt aktivieren.

Gestaltungsziel

Gute Interfaces reduzieren extrinsische Belastung – ohne den kognitiven Gehalt zu entwerten.

Prinzipien für kognitiv entlastetes UX-Design

Ein gebrauchstaugliches Design hilft Nutzer:innen, ihre kognitive Energie effizient einzusetzen. Hier einige zentrale Strategien:

Chunking: Komplexe Inhalte in sinnvolle Abschnitte gliedern – etwa durch Gruppenbildung in Formularen.
Progressive Disclosure: Nur die gerade relevanten Informationen zeigen, z. B. durch schrittweise Navigation oder Akkordeons.
Konsistenz: Wiedererkennbare Symbole, Layouts und Interaktionen fördern schnelles Erfassen.
Visuelles Feedback: Nach einer Eingabe sollte z. B. ein Button reagieren, damit keine Unsicherheit entsteht.
Weißraum gezielt nutzen: Er verbessert die visuelle Lesbarkeit und reduziert Reizüberflutung.
Begrenzte Wahlmöglichkeiten: Weniger Optionen führen zu schnelleren Entscheidungen (→ Hick’s Law).

Praxisbeispiel: Formulardesign

Ein Versicherungsformular mit 20 Pflichtfeldern auf einer Seite wirkt überfordernd.
Besser: Es wird in drei überschaubare Abschnitte unterteilt, die jeweils durch eine Fortschrittsanzeige ergänzt werden. Hilfetexte erscheinen kontextabhängig – nur dann, wenn sie gebraucht werden. So sinkt die extrinsische Belastung deutlich.

Messung kognitiver Belastung

UX-Research kann Cognitive Load über verschiedene Methoden erfassen:

Subjektive Verfahren wie NASA-TLX-Fragebögen
Verhaltensdaten wie Time-on-Task oder Fehlerhäufigkeit
Physiologische Verfahren wie Pupillometrie oder Blickverläufe (Eyetracking)

Diese Indikatoren helfen, kritische Stellen im Interface zu erkennen – und gezielt zu verbessern.

Fazit

Ein gutes UX-Design ist nicht nur visuell ansprechend oder funktional. Es berücksichtigt auch die kognitiven Ressourcen der Nutzer:innen.
Designentscheidungen, die kognitive Belastung bewusst steuern, ermöglichen effektivere Nutzung, mehr Zufriedenheit – und letztlich bessere Gebrauchstauglichkeit.

Merksatz

Gute Usability entlastet das Denken – nicht die Nutzer:innen.

Häufige Fragen (FAQ)

Was bedeutet kognitive Belastung im UX-Kontext?

Kognitive Belastung beschreibt die mentale Anstrengung, die nötig ist, um Informationen zu verarbeiten und Aufgaben auszuführen – insbesondere im Arbeitsgedächtnis.

Welche Arten kognitiver Belastung gibt es?

In der traditionellen Darstellung unterscheidet die Cognitive Load Theory intrinsische, extrinsische und lernförderliche Belastung. Spätere Reformulierungen behandeln die lernförderliche Belastung nicht als eigenständige dritte Last.

Warum ist extrinsische Belastung problematisch?

Sie entsteht durch unnötig komplizierte Interfaces, unklare Navigation oder überflüssige Informationen. Sie erhöht die mentale Beanspruchung und verschlechtert die Usability.

Wie kann UX-Design kognitive Belastung reduzieren?

Durch Strategien wie Chunking, progressive Disclosure, konsistente Gestaltung, visuelles Feedback, gezielten Weißraum und begrenzte Wahlmöglichkeiten.

Wie lässt sich kognitive Belastung messen?

Über subjektive Verfahren (z. B. NASA-TLX), Verhaltensdaten (Fehler, Time-on-Task) oder physiologische Methoden wie Pupillometrie und Eyetracking.

Was ist das Ziel im UX-Design?

Extrinsische Belastung minimieren, intrinsische Belastung sinnvoll strukturieren und lernförderliche Belastung gezielt aktivieren – für effiziente und angenehme Nutzung.

Science-Corner: Evidenzdaten

Setting

Kognitionspsychologische Laborforschung und produktbezogene Evaluation

Replikationsstatus

Repliziert / wiederholt untersucht

Evidenz-Level

Hoch (E=5, T=3)

Schlüsselquellen (APA)

Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4
Sweller, J., van Merriënboer, J. J. G., & Paas, F. (2019). Cognitive architecture and instructional design: 20 years later. Educational Psychology Review, 31(2), 261–292. https://doi.org/10.1007/s10648-019-09465-5
Miller, G. A. (1956). The magical number seven, plus or minus two: Some limits on our capacity for processing information. Psychological Review, 63(2), 81–97. https://doi.org/10.1037/h0043158
Hick, W. E. (1952). On the rate of gain of information. Quarterly Journal of Experimental Psychology, 4(1), 11–26. https://doi.org/10.1080/17470215208416600
Hart, S. G., & Staveland, L. E. (1988). Development of NASA-TLX (Task Load Index): Results of empirical and theoretical research. In P. A. Hancock & N. Meshkati (Eds.), Human mental workload (Advances in Psychology, Vol. 52, pp. 139–183). North-Holland. https://doi.org/10.1016/S0166-4115(08)62386-9

Prüfdatum / Version

2026-11-01 · 1.1

Nächste Prüfung

2027-11-01 (Review-Rhythmus: 12 Monate)

Zuletzt geändert: 1. November 2026