Die Hände einer Frau und eines Roboters zeigen auf einen Bildschirm. Darauf ist eine Eisenbahn zu sehen.

Neue Werkzeuge, neue Verantwortung: Maschinelles Lernen und Design

09.04.20

Künstliche Intelligenz (KI) ist dabei, Design als Disziplin zu verändern. Doch mit grossem Potenzial kommt auch grosse Verantwortung.

Wie maschinelles Lernen die Arbeit von Designer*innen verändern kann

Wäre es nicht praktisch, zu wissen, wo Leute in deinem Design hinschauen? Mit neuen Design-Werkzeugen, die maschinelles Lernen nutzen, könnte das möglich sein. Prädiktives Design nutzt Daten und statistische Methoden, um Verhaltensmuster in einem Design vorauszusagen. So kann ein System zum Beispiel die Daten von alten Heatmap-Tests nehmen und darauf basierend voraussagen, wo Leute in einem Design hinschauen werden. Umso mehr Daten einem solchen System zur Verfügung stehen, desto genauer werden die Voraussagen.

Zurzeit gibt es bereits diverse Design-Applikationen, die artifizielle Evaluationssysteme nutzen. Noch kann kein endgültiges Fazit gezogen werden. Diese Werkzeuge zeigen aber bereits auf, wie sich prädiktives Design in den nächsten Jahren entwickeln wird. Ein konkretes Beispiel hierfür ist Visual Eyes. Diese Applikation erstellt mit Hilfe von Daten aus Eye-Tracking-Tests Heatmaps, die aufzeigen, wo Nutzer*innen in einem Design hinschauen. Bonus: Visual Eyes kann mittels Plugin ganz einfach mit existierenden Designwerkzeugen wie Figma, Sketch und Adobe XD integriert werden. So hilft KI, unseren Designprozess zu optimieren und effizienter zu gestalten.

Eine Heatmap der Applikation Visual Eyes zeigt die Hotspots in unserem Peerdom-Design.
Eine Heatmap der Applikation Visual Eyes zeigt die „Hotspots“ in unserem Peerdom-Design.

Ein hilfreiches Werkzeug für die Menschheit?

KI-Applikationen werden die Arbeit von Designer*innen verändern. Das heisst aber nicht, dass wir sie ganz unkritisch anwenden sollten. Im Gegenteil, wir müssen uns den Risiken, die sie bergen, bewusst sein. Zum Beispiel beeinflussen Entscheidungen während der Datensammlung die Aussagen eines Evaluationssystems. Wir müssen uns somit genau überlegen, wessen Daten wir aus der Analyse ausschliessen. Diese Entscheidungen kann keine KI für uns treffen. Zurück zum Heatmap Beispiel: Die Heatmap mag uns Einblicke in ästhetische Präferenzen geben, zielt aber nicht auf inklusives Design ab. So kann ein laut Algorithmus „optimales“ Design für jemanden mit Sehbeeinträchtigung eine grosse Herausforderung darstellen. Dies sind alles Bedenken, die wir Designer*innen beim Gebrauch von solchen Systemen beachten müssen.

Es mag praktisch erscheinen, die ganze Arbeit zu automatisieren. Es ist dabei aber unsere Aufgabe, herauszufinden, wie maschinelles Lernen menschliche Probleme lösen kann. So können wir unsere Aufmerksamkeit und unseren Fokus auf die kreative und empathische Seite der Dinge legen. Es ist unser Ziel bei Nothing, Menschen zu verstehen, damit wir sie durch Technologie befähigen können, über ihre bisherigen Möglichkeiten hinauszugehen. Gerade wenn wir diese Werkzeuge zunehmend in unserer Arbeit einsetzen, ist es uns wichtig, die Menschlichkeit beizubehalten.

Mehr Material zu KI und menschlicher Interaktion:

Wir diskutieren gerne über das Potenzial, welches maschinelles Lernen in Design mit sich bringt. Du hast bereits eine spezifische Frage, wo du unseren Input möchtest? Melde dich bei Pace (pace@nothing.ch), unserem Experten in maschinellem Lernen.