Evidenzbewertung
Effekt-Score (E): 4/5 Beleglage für das zugrunde liegende Prinzip bzw. die Messmethode.
Transfer-Score (T): 4/5 Belege für zuverlässige Ergebnisse in der digitalen Produktpraxis.
Evidenz-Level: Hoch
[Belegt durch Praxistests] Metriken an Effektivität, Effizienz oder Zufriedenheit ausrichten und Erhebungsregeln sowie Unsicherheit mitberichten.
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.
Usability-Metriken verständlich erklärt
Wie gut lässt sich ein digitales System bedienen? Diese scheinbar einfache Frage ist in der UX-Forschung zentral – und zugleich komplex. Um Gebrauchstauglichkeit nachvollziehbar zu untersuchen, kommen standardisierte Verhaltensmaße und Selbstberichte zum Einsatz. Sie erfassen ausgewählte Aspekte der Effektivität, Effizienz und Zufriedenheit; subjektive Antworten werden dabei nicht zu objektiven Messungen. Diese drei Dimensionen – Effektivität, Effizienz und Zufriedenheit – sind in der Norm ISO 9241-11 verankert und bilden das Fundament vieler UX-Evaluationsstrategien.
KI 1. Effektivität: Erreichen Nutzer:innen ihre Ziele?
Ein zentrales Kriterium guter Usability ist die Frage: Kommen Nutzer:innen ans Ziel? Die sogenannte Task Success Rate (Aufgabenlösungsrate) gibt hier Aufschluss. Sie misst, wie viele Personen eine definierte Aufgabe erfolgreich abschließen – zum Beispiel eine Bestellung tätigen oder ein Formular absenden.
Praxisbeispiel
Ein Online-Shop möchte wissen, ob sein Checkout-Prozess funktioniert. Bei einem Usability-Test gelingt es 12 von 15 Personen, den Kaufprozess nach den vorab festgelegten Kriterien abzuschließen. Die Task Success Rate beträgt somit 80 %. Das ist ein deskriptives Ergebnis dieser Stichprobe; ohne passenden Benchmark und Unsicherheitsbetrachtung ist es nicht pauschal als gut oder schlecht einzuordnen.
Ergänzend hilft die Fehlerrate, also wie oft es zu Bedienfehlern kommt – etwa doppelte Klicks, falsche Eingaben oder Orientierungslosigkeit. Auch Teil-Erfolge (z. B. Aufgabe wurde abgeschlossen, aber nicht optimal) liefern differenzierte Einblicke.
2. Effizienz: Wie viel Aufwand ist nötig?
Usability heißt auch: Ziele sollen mit möglichst geringem Aufwand erreichbar sein. Die Time-on-Task (Bearbeitungszeit) misst, wie lange Nutzer:innen für eine Aufgabe brauchen. Sie wird entweder gestoppt (bei moderierten Tests) oder automatisiert über Logdaten und Tools erfasst.
Praxisbeispiel
Eine Versicherung überarbeitet ihre Schadensmeldung online. Vor dem Redesign dauerte der Vorgang im Schnitt 6:40 Minuten. Nach Einführung klarer Formulierungen und einer Fortschrittsanzeige sinkt die durchschnittliche Bearbeitungszeit auf 3:45 Minuten – eine Zeitersparnis von 44 %.
Auch die Zahl notwendiger Klicks oder Navigationsschritte (Interaktionskosten) sowie doppelte Eingaben (Wiederholaufwand) gelten als Effizienzindikatoren.
Wichtig: Weniger Zeit ist nicht automatisch besser – manche Aufgaben benötigen zurecht Sorgfalt. Daher ist die Kombination mit Erfolgsrate und qualitativer Beobachtung entscheidend.
3. Zufriedenheit: Wie empfinden Nutzer:innen die Nutzung?
Neben Zahlen zählt die subjektive Perspektive: Wie angenehm, klar oder frustrierend empfinden Menschen die Nutzung? Für diese Dimension der Zufriedenheit kommen standardisierte Fragebögen zum Einsatz.
Am häufigsten genutzt wird die System Usability Scale (SUS). Sie besteht aus zehn Aussagen, die auf einer Skala von 1 bis 5 bewertet werden – etwa „Ich fand das System einfach zu bedienen.“ Der daraus berechnete SUS-Score reicht von 0 bis 100. Ein Wert über 68 gilt meist als überdurchschnittlich.
Praxisbeispiel
Nach einem Test mit einer Gesundheits-App erreicht die Anwendung einen SUS-Wert von 74. Ergänzend zeigt der Net Promoter Score (NPS), dass 60 % der Nutzer:innen die App weiterempfehlen würden – ein starker Hinweis auf eine positive Gesamterfahrung.
Weitere Instrumente wie der User Experience Questionnaire (UEQ) oder AttrakDiff ermöglichen differenziertere Aussagen – etwa zur Klarheit, Attraktivität oder Originalität des Designs.
Ergänzende Metriken: Was sonst noch zählt
- Die Abbruchrate zeigt, an welcher Stelle Nutzer:innen Prozesse verlassen (z. B. Bestellabbruch im Checkout).
- Die Wiederverwendung bzw. Retention Rate gibt Hinweise auf die langfristige Nutzungsakzeptanz.
- Support-Anfragen deuten auf Informationslücken oder UX-Probleme hin.
Praxisbeispiel
Ein Software-Anbieter beobachtet, dass nach Einführung eines neuen Dashboards die Zahl der Support-Tickets zur Navigation sprunghaft ansteigt. Obwohl die Task Success Rate formal unverändert bleibt, zeigt sich hier ein klarer Optimierungsbedarf aus Nutzersicht.
Best Practices im Umgang mit Usability-Metriken
- Kombinieren statt isolieren: Die Kombination aus objektiven und subjektiven Metriken (z. B. Time-on-Task + SUS) liefert das rundeste Bild.
- Kontext beachten: Eine Aufgabe im B2B-Umfeld erfordert andere Metriken als eine Freizeit-App.
- Nicht nur Mittelwerte betrachten: Eine hohe Streuung bei der Bearbeitungszeit kann auf versteckte UX-Probleme hinweisen.
- Ergebnisse einordnen: Benchmarks oder Vorher-Nachher-Vergleiche erhöhen die Aussagekraft.
Fazit
Usability-Metriken sind weit mehr als Zahlen – sie machen Nutzungserfahrungen greifbar. Richtig erhoben und interpretiert, ermöglichen sie fundierte Entscheidungen für UX-Optimierung, zeigen Fortschritte auf und helfen, Designqualität gegenüber Stakeholdern zu belegen. Entscheidend ist dabei ein kontextsensibler, reflektierter Einsatz – und die Ergänzung um qualitative Einsichten.
Häufige Fragen (FAQ)
Welche drei Dimensionen definiert ISO 9241-11 für Usability?
Was misst die Effektivität?
Wie wird Effizienz erfasst?
Wie misst man Zufriedenheit?
Welche ergänzenden Metriken sind relevant?
Warum sollte man Metriken kombinieren?
UX-Metriken und quantitative Erhebungsinstrumente
Diese Beiträge befassen sich mit etablierten und neuen quantitativen Methoden zur Erfassung der User Experience. Im Fokus stehen standardisierte Skalen, Vergleichsmetriken und strategische Werkzeuge für die UX-Evaluation.
The Usability Metric for User Experience (UMUX)
Einführung des kompakten UMUX-Fragebogens (4 Items), der ähnlich zuverlässig wie der SUS ist und auf ISO 9241-11 basiert.
Finstad, K. (2010). The usability metric for user experience. Interacting with Computers, 22(5), 323–327. https://doi.org/10.1016/j.intcom.2010.04.004
Measurement Practices in User Experience (UX) Research
Systematische Analyse von 153 CHI-Studien. Zeigt verbreitete UX-Skalen (SUS, UEQ, NASA-TLX) und kritisiert deren teils unsystematischen Einsatz.
Perrig, S., Aeschbach, L. F., Scharowski, N., von Felten, N., Opwis, K., & Brühlmann, F. (2024). Measurement practices in user experience (UX) research. Frontiers in Computer Science. https://doi.org/10.3389/fcomp.2024.1368860
Quantifying User Research
Lehrbuchkapitel mit detaillierter Erklärung von Metriken wie Task Success, Time-on-Task, Fehler und Zufriedenheit — ideal für Praktiker.
Sauro, J., & Lewis, J. R. (2012). Quantifying user research. In Quantifying the User Experience. https://doi.org/10.1016/B978-0-12-384968-7.00002-3
The UX Metrics Table: A Missing Artifact
Vorschlag einer „UX Metrics Table“ als strategisches Artefakt zur Metrikenauswahl und Iterationssteuerung in UX-Projekten.
Wallach, D., Conrad, J., & Steimle, T. (2017). The UX metrics table: A missing artifact. In Design, User Experience, and Usability. https://doi.org/10.1007/978-3-319-58634-2_37
Supporting User-Perceived Usability Benchmarking
Entwicklung eines Reaktionskarten-basierten quantitativen Index für subjektive Usability-Wahrnehmung inkl. Vergleichstool.
Veral, R., & Macías, J. A. (2019). Supporting user-perceived usability benchmarking through a developed quantitative metric. International Journal of Human–Computer Studies. https://doi.org/10.1016/j.ijhcs.2018.09.012
Science-Corner: Evidenzdaten
- Setting
- Metriken aus Tests, standardisierten Skalen und Produktnutzung
- Replikationsstatus
- Repliziert / wiederholt untersucht
- Evidenz-Level
- Hoch (E=4, T=4)
- Schlüsselquellen (APA)
-
- International Organization for Standardization. (2018). Ergonomics of human-system interaction—Part 11: Usability: Definitions and concepts (ISO Standard No. 9241-11:2018). Quelle öffnen
- Frøkjær, E., Hertzum, M., & Hornbæk, K. (2000). Measuring usability: Are effectiveness, efficiency, and satisfaction really correlated? Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 345–352. https://doi.org/10.1145/332040.332455
- Hornbæk, K. (2006). Current practice in measuring usability: Challenges to usability studies and research. International Journal of Human-Computer Studies, 64(2), 79–102. https://doi.org/10.1016/j.ijhcs.2005.06.002
- Bangor, A., Kortum, P. T., & Miller, J. T. (2008). An empirical evaluation of the System Usability Scale. International Journal of Human–Computer Interaction, 24(6), 574–594. https://doi.org/10.1080/10447310802205776
- Lewis, J. R. (2018). The System Usability Scale: Past, present, and future. International Journal of Human–Computer Interaction, 34(7), 577–590. https://doi.org/10.1080/10447318.2018.1455307
- Prüfdatum / Version
- 2026-11-01 · 1.1
- Nächste Prüfung
- 2027-11-01 (Review-Rhythmus: 12 Monate)
Zuletzt geändert: 1. November 2026