Task Success Rate & Time-on-Task

Wenn Nutzer:innen ein digitales Produkt verwenden, stellt sich eine zentrale Frage: Erreichen sie ihre Ziele – und wie effizient gelingt das? Zwei der aussagekräftigsten quantitativen Kennzahlen in der UX-Forschung beantworten genau diese Frage: die Task Success Rate und die Time-on-Task. Beide Metriken sind robust, vergleichbar und bilden gemeinsam eine objektive Grundlage für die Bewertung der Usability von Anwendungen.

Wie erfolgreich sind Nutzer:innen? – Die Task Success Rate

Die sogenannte Aufgabenlösungsrate gibt an, wie viele Personen eine bestimmte Aufgabe vollständig und korrekt abschließen konnten. Sie wird als Prozentsatz angegeben und eignet sich besonders gut, um die Effektivität eines Systems zu messen.

Praxisbeispiel: In einem Usability-Test sollen Nutzer:innen ein Konto in einer Banking-App eröffnen. Von zehn Testpersonen gelangen sieben erfolgreich bis zum letzten Schritt. Drei brechen vorher ab – teils, weil die „Weiter“-Schaltfläche schlecht sichtbar ist, teils wegen unklarer Eingabefelder. Ergebnis: Task Success Rate = 70 %. Ein klarer Hinweis auf Optimierungspotenzial im Onboarding-Prozess.

Varianten der Erhebung

• Binär: Erfolg ja/nein – einfach zu erheben, aber wenig differenziert.
• Gestuft: Zusätzlich zwischen „vollständig“, „teilweise“ und „abgebrochen“ unterscheiden – besonders bei komplexen Aufgaben sinnvoll.
• Fehlerbasiert: Zusätzlich analysieren, warum Aufgaben scheitern – z. B. technische Fehler, Missverständnisse, Usability-Probleme.

Die Erfolgsquote eignet sich auch sehr gut für Vergleiche zwischen Versionen, z. B. bei Redesigns oder A/B-Tests. Auch über längere Zeiträume hinweg kann die Metrik zeigen, ob Verbesserungen tatsächlich Wirkung zeigen.

Wie effizient ist die Nutzung? – Time-on-Task

Während die Erfolgsrate die Erreichung eines Ziels beschreibt, erfasst die Time-on-Task den Aufwand, der dafür nötig ist – meist in Form der benötigten Zeit.

Praxisbeispiel: In einem E-Commerce-Test dauert der Bestellprozess bei der alten Version einer Checkout-Seite durchschnittlich 3:20 Minuten. Nach einem UI-Redesign sinkt die Bearbeitungszeit auf 1:50 Minuten. Die durchschnittliche Time-on-Task reduziert sich um 45 % – ein klarer Hinweis auf höhere Effizienz.

Aber: Weniger Zeit ist nicht automatisch besser. Ein extrem kurzer Time-on-Task kann auch auf oberflächliche Bearbeitung oder Desinteresse hinweisen. Deshalb sollte diese Metrik immer im Kontext der Aufgabenstellung und Nutzerziele interpretiert werden.

Wie wird gemessen?

• Bei moderierten Tests: per Stoppuhr oder digitalem Timer
• Bei digitalen Systemen: automatisch via Logfiles, Session-Recording oder Analytics
• Wichtig: Start- und Endpunkte müssen klar definiert sein (z. B. erster Klick auf „Anmelden“ bis letzte Eingabe)

Gemeinsam stark: Effektivität & Effizienz

Die beiden Metriken entfalten ihre volle Aussagekraft erst in Kombination. Eine Aufgabe kann schnell erledigt sein – aber trotzdem häufig scheitern. Oder sie wird meist erfolgreich bewältigt, dauert aber auffällig lange.

Beispielhafte Kombination: In einem Intranet-Test schaffen es 90 % der Nutzer:innen, eine bestimmte Information zu finden – aber sie benötigen im Schnitt über 4 Minuten dafür. Die Interpretation: Das System funktioniert, aber nicht effizient. Hier könnte eine bessere Navigation oder Suchfunktion Abhilfe schaffen.

Best Practices aus der Praxis

• Aufgaben realistisch formulieren: Die Aufgabenstellung sollte dem echten Nutzungskontext entsprechen.
• Start- und Endpunkte operationalisieren: Nur so lassen sich Zeiten und Erfolgsraten konsistent erheben.
• Ausreißer nicht einfach streichen: Ein:e Nutzer:in braucht 10 Minuten, weil das Interface in einer bestimmten Konstellation blockiert – das ist kein „Messfehler“, sondern ein wertvoller Insight.
• Triangulieren mit qualitativen Methoden: Aussagen aus Interviews oder Thinking-Aloud helfen, Zahlen zu interpretieren („Warum war die Aufgabe schwierig?“).

Fazit

Task Success Rate und Time-on-Task sind bewährte Werkzeuge, um die Leistung von Nutzer:innen messbar zu machen. Als quantitative Metriken liefern sie klare, vergleichbare und aussagekräftige Daten über die Gebrauchstauglichkeit eines Systems – vorausgesetzt, sie werden kontextsensibel und methodisch sauber eingesetzt. In der Praxis sind sie unverzichtbar für Benchmarking, Redesign-Evaluationen und kontinuierliche UX-Optimierung.