Personas

Zweck

Personas ersetzen die privaten Annahmen, die sich jedes Teammitglied über den Nutzer bildet, durch eine kleine Zahl dokumentierter, geteilter und überprüfbarer Archetypen. Jeder von ihnen stützt sich auf Interviews und Umfragedaten, die sich vorlegen lassen, wenn jemand eine Entscheidung bestreitet. Ein Team, das eine Lösung gestaltet, entscheidet ununterbrochen für jemanden: Welche Funktion kommt zuerst, welcher Weg wird optimiert, welcher Kanal bleibt bestehen. Ohne gemeinsame Referenz entscheidet jedes Teammitglied nach dem Nutzer, den es sich vorstellt, und diese vorgestellten Nutzer unterscheiden sich, ohne dass der Widerspruch je zutage tritt.

Die Technik stützt die Priorisierung: Eine Backlog-Option wird an der Persona gemessen, der sie dient, und am Rang dieser Persona im Pool, was eine abstrakte Wertdebatte in eine Frage mit überprüfbarer Antwort verwandelt. Sie stützt das Abstecken der Anforderungen: Ziele und Bedürfnisse einer Persona übersetzen sich in Akzeptanzkriterien und User Stories, und die in der Forschung gemessene Frustration wird zur Lücke, die die Lösung schliessen muss. Sie stützt schliesslich die Interaktionsgestaltung: Digitale Affinität und bevorzugter Kanal einer Persona diktieren Entscheidungen über Bildschirme, Abläufe und Kanäle, die der Text einer Anforderung offen lässt.

Das Ergebnis ist die Persona-Karte, eine Seite je Archetyp, dazu der Pool, den die Karten bilden, und dessen Rangfolge. Die Agile Extension zum BABOK Guide hält diese Rangfolge ausdrücklich fest: Personas werden geordnet, um jene zu identifizieren, die den grössten Nutzen aus der Lösungsgestaltung ziehen. Anforderungsanalyse, Backlog Refinement und Gestaltung greifen danach auf die Karte zurück, sofern sie dabei wieder aufgeschlagen wird.

Personas modellieren Nutzer. Die vier anderen Techniken der Familie 10.43 beantworten andere Fragen: Die Stakeholderliste erfasst, wer existiert (auch die Aufsichtsbehörde, den Sponsor und den internen Prüfer, aus denen nie eine Persona wird), die Stakeholder-Matrix sagt, wer Gewicht hat und welche Engagement-Strategie daraus folgt, das Zwiebeldiagramm sagt, in welcher Entfernung zur Lösung jeder steht. Die RACI-Matrix sagt, wer wofür einsteht, Tätigkeit für Tätigkeit, was keine der drei vorangehenden festlegt. Ein Team schlägt sie auf, wenn die Frage lautet «wer gibt frei». Eine Persona trägt Ziele und Verhaltensweisen, ohne Einflussachse und ohne hierarchischen Rang.

Anwendung

Wann sie eingesetzt wird

• Schlecht bekanntes Nutzersegment: Forschung ersetzt die Vermutungen des Teams vor der Gestaltung oder Neugestaltung.
• Agiles Team ohne verfügbaren Kundenvertreter: Die Persona ist das Gegenüber im Backlog Refinement und bei den User Stories.
• Stillschweigende und divergierende Annahmen über «den Nutzer»: Eine validierte Persona liefert eine einzige Referenz zum Dagegenhalten.
• Priorisierung eines Backlogs oder eines Umfangs: Jede Option an der Persona messen, der sie dient, und an ihrem Rang.
• Iterative Interaktionsgestaltung: Kanal und digitale Affinität einer konkreten Nutzerin verändern die Bildschirmentscheidungen.
• Lösung für Segmente mit gegenläufigen Bedürfnissen: Der Pool zeigt, was ein Durchschnittsnutzer verdeckt.
• Team-Alignment vor der Finanzierung der Forschung: eine provisorische Persona, datiert, als «Hypothese» etikettiert.

Wann sie nicht eingesetzt wird

• Kleine, namentlich bekannte, erreichbare Population: die fünf betroffenen Nutzer direkt befragen, statt ihren Archetyp zu konstruieren.
• Frage nach Macht oder organisatorischem Einfluss: Die Persona hat keine Einflussachse, die Stakeholder-Matrix nehmen.
• Technische Lösung ohne menschlichen Endnutzer: kein Gebrauch zu modellieren, die technische Stakeholderliste genügt.

Beschreibung

Was eine Persona-Karte trägt

Die Agile Extension zum BABOK Guide unterscheidet zwei Vorlagen: Die kurze Karte bietet auf einer Seite einen schnellen Überblick; die lange Karte nimmt dieselben Rubriken auf und öffnet weitere, etwa das Kaufmotiv. Zusätzliche Forschung führt von der einen zur anderen. In der Praxis liest sich die kurze Karte in dreissig Sekunden, die Bedingung dafür, dass sie während einer Sitzung nützt.

• Name und Gesicht: ein realistischer Vorname und ein repräsentatives Bild. Die Fotografie einer identifizierbaren Person bringt die Karte in Konflikt mit dem Recht am eigenen Bild und mit den Regeln des Schweizer Datenschutzgesetzes (DSG). Ein Team denkt anders, wenn die Frage lautet «was würde Nadia mit diesem Bildschirm tun» statt «was würde das Segment der Selbstständigen unter 35 tun».
• Kontext: Beruf, Ort und Lebenssituation, die erklären, wie diese Person die Lösung nutzt, und allein jene soziodemografischen Merkmale, die den Test der Trennschärfe bestehen. Selbstständigkeit ohne feste Arbeitszeiten erklärt eine fragmentierte mobile Nutzung, und genau diese Verkettung rechtfertigt das Merkmal.
• Geordnete Ziele: zwei bis drei Ziele, in Reihenfolge, die die Persona mit der Lösung erreichen will. Die Reihenfolge zählt so viel wie die Liste, denn sie gibt die Ordnung vor, in der die Lösung sie bedienen muss.
• Motivationen: warum eine Persona so mit der Lösung umgeht, wie sie es tut, unterschieden von dem, was sie erreichen will. Zwei Leistungssachbearbeiterinnen können dasselbe Ziel verfolgen, eine Abrechnung abzuschliessen, die eine getrieben von Tempo, die andere von der Angst vor dem Fehler, und beide Motivationen verlangen entgegengesetzte Bildschirme. Die Agile Extension macht daraus eine eigene Rubrik.
• Bedürfnisse: endliche und überprüfbare Anforderungen (Sicherheit, Vertrauen, Zugänglichkeit, schriftlicher Nachweis), die sich in Akzeptanzkriterien übersetzen. Die Agile Extension zieht die Grenze: Bedürfnisse sind endlich, wo Wünsche unendlich sind, und eine Rubrik, die sich endlos füllt, ist eine Rubrik von Wünschen.
• Frustrationen: die in der Forschung festgestellten Reibungspunkte, mit ihrem Ausmass, wo es messbar ist (eine Frist, eine Zahl von Schritten, ein abgebrochenes Formular).
• Verhalten, digitale Affinität und bevorzugter Kanal: was die Persona bereits tut, mit welchen Werkzeugen und über welchen Kanal sie die Sache erledigen will. Diese Rubrik trägt den grössten Teil der Gestaltungsfolgen.
• Repräsentatives Zitat: ein Satz aus der Forschung, der die Stimme des Segments zurückgibt und das Team daran erinnert, dass die Karte irgendwoher kommt.
• Differenzierungsmerkmale: was diese Persona von den anderen desselben Pools unterscheidet. Eine Persona, die sich von keiner anderen darin unterscheidet, was sie von der Lösung erwartet, hat keinen Grund, eigenständig zu bestehen.
• Erzählform: Der BABOK Guide hält fest, dass die Persona in Erzählform verfasst wird und die Geschichte aus der Sicht der Stakeholder-Gruppe lesen lässt. So erzeugt sie Empathie, wo ein Segmentblatt keine erzeugt. Die Agile Extension ergänzt die Vignette «ein Tag im Leben», eine kurze Erzählung, die hilft, sich die Nutzerin und ihre Erfahrung vorzustellen. In der Praxis passt sie in drei Zeilen und hält den Moment fest, in dem die Lösung in den Tag der Persona tritt. Eine Reihe ausgefüllter Felder informiert; die Erzählung ist das, woran sich ein Team drei Monate später in einer Design-Sitzung erinnert.

Ein einziger Test regiert den Inhalt der Karte, und die Nielsen Norman Group formuliert ihn: Ein Detail verdient seinen Platz, wenn es eine Gestaltungsentscheidung verändert oder eine Abwägung erleichtert, und sonst fällt es weg. Lieblingsfarbe, Kinderzahl und Automarke fallen fast immer durch diesen Test. Rubrik für Rubrik angewandt, trennt er eine brauchbare Karte von einer biografischen Notiz.

Der Test der Trennschärfe

Die beiden Leitfäden des IIBA gehen bei den soziodemografischen Merkmalen auseinander. Der BABOK Guide beschreibt die Persona im Element .4 seines Abschnitts 10.43, ohne ein einziges demografisches Merkmal zu nennen: Der Archetyp ist dort auf die Ziele der Gruppe ausgerichtet. Die Agile Extension druckt sie in ihrem Abschnitt 7.7 auf die Vorlage: Die kurze Karte trägt Alter, Beruf und Ort gegenüber den Zielen, die lange Karte öffnet eine Rubrik «Demographics». Der Leitfaden hält unter seinen Stärken fest, dass demografische Daten, wo sie vorliegen, ein guter Einstieg in den Aufbau von Personas seien. Die Praktikerin erhält also eine Vorlage, auf der das Alter vorgedruckt ist, was die Häufigkeit des Mangels erklärt.

Der Ausweg steht im selben Abschnitt 7.7. Die Agile Extension benennt dort die Rubrik der Differenzierungsmerkmale und bestimmt sie über das, was diese Persona von einer anderen unterscheidet. Differenzierungsmerkmal ist das Wort des IIBA für das Kriterium, das dieser Test anlegt. Der Leitfaden behält dieses Kriterium einer einzigen Rubrik vor; wir wenden es auf alle übrigen an und auf die demografischen Felder, die dieselbe Vorlage vordruckt. Die Frage stellt sich dann einmal je Merkmal: Trennt dieses Merkmal Verhaltensweisen, Bedürfnisse oder Ziele, für diese Lösung? Lautet die Antwort ja, wird der Mechanismus benannt. Lautet sie nein, verlässt das Merkmal die Karte, so leicht es auch zu erheben war.

Die positive Antwort gehört der Praxis selbst. Cooper führte die Persona als Instrument einer zielgerichteten Gestaltung ein, und seine drei ursprünglichen Personas unterschieden sich durch ihre Ziele, ihre Aufgaben und ihr Kompetenzniveau. Die Nielsen Norman Group sagt, woran sich ein Cluster bildet: an Verhaltensweisen, Haltungen, Motivationen, Reibungspunkten und Zielen, unter Ausschluss demografischer Merkmale wie Alter, Land oder Einkommen. Eine Persona ruht auf einem qualitativen Verständnis der Nutzerinnen und Nutzer statt auf zweifelhaften Korrelationen zwischen demografischen oder analytischen Variablen. Clayton Christensen hat dem Argument seine kausale Form gegeben: Zwischen 18 und 35 Jahre alt zu sein und einen Hochschulabschluss zu haben, bestimmt keinen Kauf; es mag mit der Entscheidung korrelieren, aber es verursacht sie nicht. Die Aufgabe, die die Person erledigen will, verursacht die Entscheidung. Seine Theorie der Jobs to Be Done benennt diese Aufgabe.

Die Nielsen Norman Group entscheidet ausdrücklich über Alter und Einkommen; die übrigen Urteile sind unsere.

Die operative Regel, die daraus folgt, ist unsere: Ein demografisches Merkmal kehrt an dem Tag auf die Karte zurück, an dem es ein Verhalten erklärt, das es verursacht hat, und es steht dort mit diesem Mechanismus. Das Cluster bildet sich an den beobachteten Verhaltensweisen, aus denen die Gestaltung ihre Bildschirme und Abläufe zieht.

Die Generationen X, Y, Z, Alpha

Die Generationenkohorte ist das Merkmal, das dem Test am längsten standhält, weil es aussieht, als erkläre es etwas. Sie scheitert auf drei voneinander unabhängigen Feldern. Das erste, das arithmetische, genügt für sich allein.

Periode, Alter und Kohorte sind durch eine Identität verbunden, Periode = Alter + Kohorte, sodass ein im Querschnitt beobachteter Unterschied in genau demselben Mass mit einem Alterseffekt (dreissig zu sein), mit einem Periodeneffekt (dem Jahr der Erhebung) und mit einem Kohorteneffekt vereinbar ist. Rudolph, Rauvola, Costanza und Zacher formulieren es ohne Milderung: Es existiert kein statistisches Modell, das Generationeneffekte eindeutig identifizieren könnte, und solange Alter, Periode und Kohorte in zeitlichen Begriffen definiert sind, bleiben sie unauflöslich vermengt. Dieselbe Arbeit hält fest, dass die Grenzen der Etiketten je nach Studie um drei bis neun Jahre schwanken, sodass zwei Arbeiten über die «Millennials» nicht von denselben Menschen handeln.

Das zweite Feld ist die Messung. Die Meta-Analyse von Costanza, Badger, Fraser, Severt und Gade (2012), zwanzig Studien und 19'961 Personen, vergleicht vier Generationen bei Arbeitszufriedenheit, organisationaler Bindung und Kündigungsabsicht: Die korrigierten Unterschiede sind vernachlässigbar und wechseln je nach verglichenem Paar das Vorzeichen. Drei Jahre später finden Costanza und Finkelstein wenig belastbare empirische Belege für einen Generationenunterschied und fast keine Theorie, die erklären würde, warum es ihn geben sollte; eine Meta-Analyse von 2025 findet dieselbe Leere, und die Disziplin hat dem Konzept den Nachruf geschrieben, der es unter die Managementmoden einreiht.

Das dritte ist institutionell. Das Pew Research Center, das Umfrageinstitut, dessen Daten die Etiketten genährt haben, kündigte im Mai 2023 an, generationenbezogene Auswertungen nur noch dort vorzunehmen, wo historische Daten den Vergleich von Generationen in vergleichbaren Lebensphasen erlauben. Dieselbe Mitteilung kündigt an, Alters-, Perioden- und Zusammensetzungseffekte zu kontrollieren, bevor das Institut irgendetwas einer Kohorte zuschreibt. Es beschreibt ein überfülltes Feld, in dem Inhalte kursieren, die «oft als Forschung verkauft werden und die eher Clickbait oder Marketing-Mythologie sind».

Bleibt die Fassung, der die Business-Analyse in der Sitzung begegnet: Der Digital Native komme allein zurecht, also genüge die App. Die Nielsen Norman Group hat dieses Stereotyp im Usability-Test geprüft, mit Teilnehmenden der Jahrgänge 1986 bis 1997, und alle drei Überzeugungen fallen. Sie ersetzen den telefonischen Kontakt nicht durch digitale Kanäle, sie ergänzen ihn. Sie erledigen häufiger mehrere Dinge gleichzeitig, ohne es besser zu tun. Und ihr Verständnis davon, wie das Web funktioniert, ist das aller anderen auch. Die Kohorte sagt die digitale Kompetenz nicht voraus, diese lässt sich beobachten.

Der Ausweg steht im Satz der Agile Extension selbst, die «generationenbezogene oder erfahrungsbasierte» Differenzierungsmerkmale anbietet: Man lässt die erste Hälfte und nimmt die zweite. «Jahrgang 1998» trennt nichts. «Verwaltet ihre Versicherung seit 2019 online, hat nie ein Papierformular verschickt» trennt, lässt sich prüfen und erzeugt eine Gestaltungsfolge. Die Literatur, die das Konstrukt zerlegt hat, schlägt dasselbe vor: das Alter als Kontinuum behandeln und fragen, was eine Person erlebt hat und was sie tut.

Ein erfahrungsbasiertes Differenzierungsmerkmal erhebt man mit einer Tatsachenfrage: «erzählen Sie mir das letzte Mal, als Sie eine Abrechnung erledigt haben, vom ersten bis zum letzten Handgriff». Die datierte Episode gibt ein Gerät, einen Kanal und einen Zeitpunkt; die berichtete Gewohnheit gibt die Meinung, die eine Person von sich selbst hat. Die Antwort taugt, wenn sie eine verortbare Tatsache nennt: das Jahr des Wechsels zum Portal, das letzte verschickte Papierformular, das Werkzeug, das das vorige abgelöst hat. Die Kontrolle ist eine einzige Frage an die Karte, bevor die Zeile darauf steht: Liesse sich dieses Merkmal durch Nutzungsdaten widerlegen? Wenn nicht, ist die Zeile ein Selbstporträt und verlässt die Karte.

Die Sinus-Milieus

Das SINUS-Institut (Heidelberg und Berlin) baut seit mehr als vierzig Jahren eine Segmentierung der Gesellschaft nach zwei Achsen. Die senkrechte Achse ist die soziale Lage, von der Oberschicht bis zur Unterschicht. Die waagerechte Achse ist die Grundorientierung der Werte, von der Tradition (Pflicht, Ordnung) über Individualisierung und Modernisierung bis zu den jüngeren Neuorientierungen. Ein Milieu versammelt Menschen, die vergleichbare Werte und eine vergleichbare soziale Lage teilen. Das Geburtsjahr geht in keine der beiden Achsen ein, und genau das macht das Modell hier einschlägig: Es trennt nach gemessenen Werten.

Die Schweizer Ausgabe, 2002 aufgebaut, wurde 2024 auf der Grundlage einer repräsentativen Online-Befragung vom August 2023 mit 2'036 Personen zwischen 16 und 75 Jahren aus allen Sprachregionen neu erstellt. Sie umfasst zehn Milieus: Konservativ-Arrivierte (13%) und Nostalgisch-Bürgerliche (12%) sind die grössten, und Progressive Realisten (6%) kamen mit der Revision von 2024 hinzu. Ein Mikrogeografie-Produkt liefert die Milieuverteilung und die Kaufkraft je Postleitzahl.

Ein Milieu segmentiert eine Bevölkerung; eine Persona ist der Archetyp der Nutzerinnen und Nutzer einer Lösung. Das Milieu trägt die Werte, die Mediennutzung und die Kommunikationspräferenzen einer Person, und es schweigt darüber, was sie vom Leistungsportal erwartet. Es geht deshalb in die Forschung ein. Es steckt die Rekrutierung ab: Man zieht die Interviewstichprobe so, dass die Milieus vertreten sind, die für die Lösung Gewicht haben, ein Kriterium, das Verhalten trennt, wo eine Altersklasse nichts trennt. Es liefert eine Abdeckungsprüfung nach der Gruppierung: Welche Milieus lässt der Pool draussen, und ist diese Auslassung eine Entscheidung oder ein Versehen? Diese Kontrolle fängt einen Pool auf, der ausschliesslich aus Leuten besteht, die dem Projektteam gleichen. Und es gibt eine belegte Antwort auf die Rubrik des bevorzugten Kanals, jene Rubrik, die zu oft geraten wird.

Zwei Grenzen nennt die Analystin dem Kunden. Das Modell ist kommerziell und lizenziert: Das Basis-Informationspaket wird gekauft; Mikrogeografie, Workshops und Zertifizierungen werden separat verrechnet; tiefergehende Arbeiten laufen über zugelassene Partner. Wer es kauft, auditiert es nicht, und eine veröffentlichte Kritik wirft dem Institut methodische Intransparenz vor. Und es verschiebt die Einordnung in Kategorien, ohne sie aufzuheben: Ein Milieu ist eine bessere Kategorie als eine Generation, denn es misst sich an Werten statt an einem Geburtsjahr. Auf eine Karte geklebt anstelle eines beobachteten Verhaltens, scheitert es an demselben Test. Ein Milieumodell oder eine CRM-Segmentierung beantwortet die Frage «welches Segment sprechen wir an und über welchen Kanal», während die Persona beantwortet, was eine Nutzerin von der Lösung erwartet.

Den Pool aufbauen

1. Population und Granularität festlegen
   Benennen, wem die Lösung dient, dann die Granularität auf das Bedürfnismotiv setzen, den wiederkehrenden Grund, der eine Person zur Lösung bringt: eine Persona je eigenständigem Motiv. Die gewählte Granularität bestimmt die Zahl der Personas, die in Schritt 4 herauskommt.
2. Die Forschung durchführen
   Der BABOK Guide nennt Interview und Umfrage. Die Reihenfolge zählt: zuerst qualitativ (halbstrukturierte Interviews, Beobachtung vor Ort), was Haltungen und Motivationen sichtbar macht, dann quantitativ (Umfrage, Analytics), um die beobachteten Bedürfnismotive zu validieren und ihr Gewicht zu messen. Analytics allein zeigt, was Menschen tun, ohne je zu sagen, warum, und eine allein darauf gebaute Persona bleibt hohl.
3. Gruppieren
   Die beobachteten Ziele, Haltungen und Verhaltensweisen zu Clustern bündeln. Ein Cluster bildet sich an einem Unterschied im Verhalten gegenüber der Lösung: Zwei Personen gleichen Alters aus demselben Kanton können zu entgegengesetzten Clustern gehören, und zwei Personen, die biografisch nichts verbindet, können ein einziges bilden.
4. Zusammenführen und streichen
   Die Cluster zusammenführen, die dasselbe von der Lösung verlangen, und jene fallen lassen, die die Forschung zu schwach trägt. Ein Pool von drei bis fünf Personas bleibt merkbar und damit brauchbar.
5. Die Karte schreiben
   Zuerst die kurze Karte, die lange nur dort, wo eine Entscheidung die Organisation bindet. Jede Rubrik besteht den Test des entscheidenden Details, bevor sie geschrieben wird, und die erzählerische Vignette entsteht zuletzt, wenn die Ziele geordnet sind.
6. Den Pool ordnen
   Die Personas nach dem Nutzen ordnen, den sie aus der Lösungsgestaltung ziehen, was die Agile Extension ausdrücklich festhält. Das Ordnungskriterium wird angekündigt, bevor geordnet wird: Ein Nutzenkriterium und ein Kriterium des Nutzungsvolumens ergeben unterschiedliche Reihenfolgen, beide vertretbar. Ein Rang, der nicht sagt, worauf er beruht, hält die Vorlieben des Teams fest. Der Rang entscheidet danach die Abwägung: Wollen zwei Personas Unvereinbares, greift ein im Voraus gefasster Entschluss statt einer Entscheidung im Moment des Konflikts.
7. Die Karten am Leben halten
   Sie bei jedem Design-Review und jeder Refinement-Sitzung wieder vor das Team legen, in der Form «welcher unserer Personas dient dieser Vorschlag und auf welchem Rang». Hier sterben die meisten Persona-Anstrengungen, und erst dieser Schritt macht die vorangegangenen lohnend.
8. Überarbeiten
   Jede Karte datieren und sie wieder aufnehmen, wenn Markt, Produkt oder Segment sich bewegen. Eine Persona altert, und eine abgelaufene Karte zeigt das nicht an.

Die provisorische Persona und die Regel der Etikette

Die beiden Leitfäden des IIBA widersprechen einander im zentralen Punkt der Technik. Der BABOK Guide hält fest, dass Personas «auf der Grundlage von Wissen und nicht von Meinung» entstehen: Die Forschung geht dem Archetyp voraus. Die Agile Extension räumt unter ihren Stärken das Gegenteil ein: Wenn die Daten fehlen, ist es bisweilen nötig, Personas aus kaum mehr als ein paar dürren Fakten über die vorgesehenen Endnutzer zu erfinden, unter der einzigen Bedingung, dass ein repräsentativer Pool weiterhin ausgewiesen wird.

Der Widerspruch entscheidet sich an der Etikette, die die Karte trägt. Eine provisorische Persona, datiert, mit dem Vermerk «Hypothese» und der Liste der Forschung, die sie bestätigen wird, ist ein legitimes Instrument des Alignments: Sie gibt einem Team einen gemeinsamen Gegenstand, dem es widersprechen kann, und das erste Interview wird sie korrigieren. Dieselbe Karte ohne Etikette ist genau der Mangel, den die Technik verhindern soll.

Die Interaction Design Foundation benennt die vier Familien von Personas: Die zielgerichtete Persona (goal-directed), die rollenbasierte Persona (role-based) und die engagierende Persona (engaging) stammen alle drei aus der Forschung, während die fiktive Persona (fictional) aus den Annahmen des Teams gezogen ist. Die ersten drei werden als Ergebnisse ausgeliefert. Die vierte wird als Hypothese ausgeliefert, und sie trägt das Datum, an dem sie geprüft oder aufgegeben wird.

Die Etikette ist ein Band auf der Karte, «nicht validierte Hypothese, Forschung geplant, N Interviews, Termin», und die Karte verliert dieses Band erst an dem Tag, an dem die Forschung erledigt ist. Diese Disziplin kostet nichts. Ihr Fehlen kostet die Glaubwürdigkeit des ganzen Pools, denn eine einzige erfundene und nicht deklarierte Karte sät Zweifel an allen Karten, die nicht erfunden sind.

Die Persona in einer Dateninitiative

Der Guide to Business Data Analytics des IIBA (§3.16) nutzt die Persona für ein Merkmal mit Trennschärfe, das das Marketing nicht führt: was die Person mit Daten anfangen kann. Eine für ein Dashboard gebaute Persona trägt, wie sie Daten nutzt und erzeugt, wie vertraut sie mit der Analyse ist und in welcher Form ein Ergebnis für sie brauchbar wird. Diese drei Merkmale bestimmen Gestaltungsentscheide: den Aggregationsgrad, die Wahl der Diagramme, die Häufigkeit der Bereitstellung.

Ein Unterschied in der analytischen Vertrautheit rechtfertigt zwei Personas nur dann, wenn er ändert, was ihnen geliefert wird. Wo er nichts ändert, gehört er in eine Spalte der Stakeholderliste.

Woran die Übung scheitert

Die nicht deklarierte Erfindung

Eine Karte, die aus dem geschrieben wurde, was das Team zu wissen glaubt, sieht genau aus wie eine Karte aus der Forschung: gleiche Vorlage, gleicher Vorname, gleiches Zitat. Als Ergebnis präsentiert, kehrt sie die Prämisse der Technik um, denn sie verleiht Meinungen die Autorität von Wissen und friert sie in einem Artefakt ein, das niemand mehr bestreiten wird. Die Abwehr ist prozedural: Jede Aussage auf einer Karte führt auf ihre Quelle in der Forschung zurück, und eine Karte, deren Interviews sich nicht vorlegen lassen, trägt das Hypothesen-Band oder bleibt in der Schublade.

Die demografische Karikatur

«Frau zwischen 25 und 54, mit Abschluss, an Wohlbefinden interessiert» reiht Merkmale aneinander, von denen keines ein Verhalten trennt, und der Mangel sitzt in jedem einzelnen Merkmal. Die Altersspanne auf fünf Jahre zu verengen, ergäbe eine engere und ebenso stumme Karte. Der Test der Trennschärfe läuft daher Merkmal für Merkmal. Eine Karte, von der keine Zeile eine Gestaltungsentscheidung steuert, ist eine Marketing-Segmentierung in der falschen Vorlage, was die Nielsen Norman Group zu ihren fünf dokumentierten Fehlerursachen zählt.

Der zerfallende Pool

Zwölf Personas, geboren aus dem Wunsch, keine interne Empfindlichkeit zu verletzen, merkt sich niemand, und das Team fällt auf seinen imaginären Nutzer zurück. Zwei Personas, die dieselbe Gestaltung verlangen, sind eine einzige Persona.

Die geschriebene und nie wieder geöffnete Karte

Dieses Scheitern ist das häufigste und das teuerste: Die Nielsen Norman Group stellt es an die Spitze ihrer fünf Ursachen für das Scheitern von Personas, und der gesamte Forschungsaufwand ist bereits ausgegeben, wenn es eintritt. Vorbeugen lässt sich, indem man die Persona in ein bestehendes Ritual einschreibt: Der Name der bedienten Persona steht in der Definition jedes Backlog-Elements, und ein Design-Review beginnt mit der aufgehängten Karte.

Die Konstruktion im stillen Kämmerlein

Personas, die das Forschungsteam allein erarbeitet und dann als fertiges Ergebnis präsentiert, kommen als Urteil von aussen an, und die Nielsen Norman Group macht daraus ihre dritte Fehlerursache. Die Stakeholder in die Clusterbildung einzubeziehen, kostet einen halben Tag und verschafft jene Zustimmung, die über die spätere Nutzung entscheidet.

Die fehlende Unterstützung von oben

Eine Geschäftsleitung, die überzeugt ist, den Nutzer bereits zu kennen, weicht keiner Karte, wie gut die Forschung dahinter auch sei. Die Nielsen Norman Group ordnet diese Ursache an zweiter Stelle ein, direkt hinter der nie genutzten Karte. Die Unterstützung wird daher geprüft, bevor die Forschung beginnt.

Die zu perfekt gestaltete Karte, die niemand mehr revidiert

Ein wie eine Hochglanzbroschüre gesetztes Dokument entmutigt die Korrektur und wird falsch. Ein bearbeitbares, datiertes, versioniertes Format wird an dem Tag korrigiert, an dem ein Interview einer Frustration widerspricht.

KI-Überlegungen

Der belastbarste Anwendungspunkt ist die Verdichtung. Zwölf halbstrukturierte Interviews ergeben mehrere Stunden Transkript und Hunderte offener Umfrageantworten, und dieses Material von Hand zu gruppieren, dauert lange und gerät ungleichmässig, je nach Ermüdung der Analystin. Ein Sprachmodell extrahiert die genannten Ziele, Frustrationen und Kanäle, schlägt Cluster-Kandidaten vor und zitiert die Passagen, die sie begründen. Die Analystin arbeitet dann an einem ersten Entwurf, den sie prüft, korrigiert und kürzt. Eine Kontrolle macht diesen Einsatz vertretbar: Jedes vorgeschlagene Cluster muss auf die Textstellen zurückführbar sein, die es tragen, und ein Cluster ohne Textstelle wird gestrichen.

Das Modell formuliert ausserdem Varianten derselben Karte für ein Team-Review, was die Abstimmung eines Textes beschleunigt, den mehrere Personen akzeptieren müssen. Und es wendet den Test des entscheidenden Details Rubrik für Rubrik an, indem es für jedes Feld fragt, welche Entscheidung es informiert, eine systematische Prüfarbeit, in der die Maschine gleichmässiger ist als ein Mensch am Ende einer Sitzung.

Seit Cooper zieht die Technik ihre Autorität aus der Forschung mit realen Nutzerinnen und Nutzern, und eine Persona, die man einem Modell ohne Interview und ohne Umfrage abverlangt, erzeugt genau das Artefakt, das die Technik verhindern soll: eine plausible Fiktion, von einer aus Interviews gebauten Karte nicht zu unterscheiden, ohne den Beleg, der sie vertrauenswürdig machen würde. Die Nielsen Norman Group hat diese «synthetischen Nutzer» getestet, generierte Profile, die eine Nutzergruppe nachahmen und künstliche Forschungsergebnisse liefern, ohne dass jemand untersucht worden wäre. Sie hält sie für die meisten Forschungstätigkeiten für zu oberflächlich: eindimensionale Antworten, fehlende Verhaltensnuancen, systematische Gefälligkeit gegenüber dem, was die Forscherin erwartet. Derselbe Artikel räumt eine Verwendung ein, die Entwicklung von Proto-Personas, die anschliessend mit echten Teilnehmenden verfeinert werden, und er nennt das Prinzip, das sie vertretbar macht: jedes synthetische Ergebnis als Hypothese behandeln, die durch echte Forschung zu validieren ist. Das ist die Regel der Etikette, angewandt auf die Maschine.

Interview-Transkripte tragen regelmässig besonders schützenswerte Personendaten im Sinne des DSG, zu Gesundheit, finanzieller Lage oder Familiensituation, und Interviews aus dem Versicherungsbereich tragen sie fast immer. Die Anonymisierung geht der Übermittlung an ein externes Verdichtungswerkzeug voraus, und die im Interview eingeholte Einwilligung deckt diese Bearbeitung ausdrücklich ab.

Beispiele

Das Ergebnis der Technik ist eine ausgefüllte Persona-Karte. Die fünf Techniken der Familie 10.43 teilen denselben Fall: eine Krankenkasse, die ihre Leistungsabwicklung digitalisiert, mit einem Self-Service-Portal für die Versicherten und einem automatisierten Eingang der Rechnungen der Leistungserbringer.

Das Ziel auf Rang 1, den Eigenanteil vor der Buchung zu kennen, verlangt einen laufenden Zähler der aufgebrauchten Franchise und des erreichten Selbstbehalts, aktuell gehalten und ohne lange Anmeldung einsehbar. Die gemessene Frustration, drei Wochen zwischen Versand und einer Abrechnung, die sie mit dem Bezahlten nicht in Übereinstimmung bringt, verlangt eine Statusverfolgung des Dossiers und eine Abrechnung, die die Rechnung Zeile für Zeile aufnimmt. Diese Anforderungen entstehen aus dem Paar von Ziel und Frustration, an dem sich eine Persona lesen lässt. Der Test der Trennschärfe läuft auf der Karte selbst: «34» steuert dort keine einzige Zeile, während die Selbstständigkeit ohne feste Arbeitszeiten die fragmentierte mobile Nutzung steuert und die Franchise von CHF 2'500 das Ziel auf Rang 1.

Eine einzige Persona würde in die Irre führen. Der Pool zählt vier, und seine Rangfolge ist das zweite Ergebnis der Technik. Sandra Bieri, 41, Leistungssachbearbeiterin, bearbeitet rund 120 Abrechnungen pro Tag an einem festen Arbeitsplatz: Die Lösung bringt ihr Tempo bei einer Aufgabe, die bereits unterstützt ist. Yann Rochat, 52, selbstständiger Physiotherapeut in Vevey, übermittelt monatlich fast 180 Rechnungen aus seiner Praxissoftware, die sie bereits elektronisch versendet: Die Lösung nimmt ihm nur die telefonische Nachverfolgung abgewiesener Rechnungen ab. Markus Wyss, 58, nimmt selten Leistungen in Anspruch und will eine schriftliche Bestätigung, die er versteht und ablegen kann: Er bearbeitet zwei oder drei Abrechnungen im Jahr und wird beim Papier bleiben, sodass die Lösung bei ihm fast keine Reibung beseitigt.

Die Kasse hat den erwarteten Nutzen aus der Gestaltung gewählt, gemessen als Anteil der heutigen Reibung, den die Lösung beseitigt. Nadia kommt auf Rang 1: Sie ist die einzige, die eine Fähigkeit erhält, die es heute nirgends gibt. Danach folgen Sandra, Yann und Markus, nach absteigend beseitigter Reibung. Ein Kriterium des Nutzungsvolumens hätte Sandra ebenso zu Recht auf Rang 1 gesetzt.

Eine durchschnittliche Persona, die die beiden Versicherten verschmilzt, ergäbe einen 46-jährigen Versicherten, mässig digital versiert, gleichgültig gegenüber dem Kanal, und die daraus folgende Gestaltung diente weder Nadia noch Markus.

Visualisierungen

Die Persona-Karte ist ein räumliches Artefakt. Die Anordnung trägt die Lesehierarchie, und eine Leserin, die nur zehn Sekunden hat, muss das Ziel auf Rang 1 mitnehmen.

Der Pool hat seine eigene Visualisierung, getrennt von der Karte: eine Zeile je Persona in der Reihenfolge des Rangs, das angekündigte Kriterium im Tabellenkopf, die beseitigte Reibung für jede genannt. Eine Leserin sieht auf einen Blick, warum der Rang so ausfällt, was keine einzelne Karte zeigt.

Jede Zone der Karte verdient ihren Platz, indem sie eine benannte Entscheidung informiert, und die Tabelle unten wendet die Regel Zone für Zone an, bevor eine Karte festgeschrieben wird. Der Test der Trennschärfe dringt in die erste dieser Zonen ein, «Identität und Kontext», Merkmal für Merkmal.

Kosten

Werkzeuge

Kein Einkauf ist Voraussetzung der Technik. Ein Interviewleitfaden in einem gewöhnlichen Dokument steckt die Erhebung ab und stellt sicher, dass allen dieselben Fragen gestellt werden, die Bedingung einer ehrlichen Gruppierung. Ein Videokonferenzwerkzeug mit Aufzeichnung und automatischer Transkription deckt die Interviews aus der Ferne ab, die so gut gelingen wie vor Ort. Eine Tabellenkalkulation oder ein Kartenstapel genügt, um die Beobachtungen zu Clustern zu bündeln. Ein kollaboratives Whiteboard (Miro, Mural, FigJam) macht diesen Schritt mit verteilten Stakeholdern praktikabel, die dann am Gruppieren selbst teilnehmen. Die Karte selbst lebt in einer Dokument- oder Folienvorlage, sofern diese bearbeitbar bleibt und das Hypothesen-Band tragen kann, solange die Forschung aussteht.

Persona-Authoring-Werkzeuge, Canvas und Kartengeneratoren, lohnen sich für eine Organisation, die wiederholt über mehrere Produkte hinweg Personas erstellt und eine einheitliche Form will. Ein Forschungsarchiv (research repository) bündelt Transkripte, Umfrageantworten und codierte Auszüge, sodass sich eine Persona später neu ableiten oder erneut validieren lässt, ohne die Feldarbeit zu wiederholen; es rechnet sich, sobald die Organisation genug Studien führt, um den Überblick über die früheren zu verlieren. Analytics- und CRM-Segmentierungswerkzeuge schliesslich validieren die Cluster quantitativ: Sie messen das tatsächliche Gewicht der in Interviews beobachteten Bedürfnismotive und korrigieren ein überschätztes Cluster. Die Nielsen Norman Group nennt ihre Grenze: Personas allein aus Analytics verfehlen die Haltungen und Motivationen, sodass diese Werkzeuge eine bereits gebildete qualitative Hypothese bestätigen. Lizenzierte Milieumodelle, die Sinus-Milieus und ihresgleichen, kommen auf dieselbe Weise zum Einsatz: Sie stecken die Rekrutierung der Stichprobe ab und zeigen an, welche Milieus ein Pool draussen lässt.

Quellen

• IIBA, A Guide to the Business Analysis Body of Knowledge (BABOK Guide) v3, §10.43 Stakeholder List, Map, or Personas (Element .4 Personas): Definition der Persona, die Regel, dass die Persona auf der Grundlage von Wissen und nicht von Meinung entsteht («knowledge rather than opinion»), Interview und Umfrage als Erhebungstechniken, Erzählform der Karte.
• IIBA, Agile Extension to the BABOK Guide v2, §7.7 Personas: kurze und lange Vorlage, Motivationen, endliche Bedürfnisse, Differenzierungsmerkmale, Rangfolge der Personas nach erwartetem Nutzen aus der Lösungsgestaltung und das Zugeständnis, Personas aus wenigen dürren Fakten zu erfinden, wenn Daten fehlen.
• Cooper, A., The Inmates Are Running the Asylum (Sams Publishing, 1999): das Ursprungswerk der Technik, das die Persona als Instrument der Interaktionsgestaltung einführt.
• Nielsen Norman Group, Personas Make Users Memorable (Taylor Dykes): Definition, Aufbau der Karte und der Test des entscheidenden Details («if it would not affect the final design or help make any decision easier, remove it»).
• Nielsen Norman Group, Why Personas Fail (Kim Flaherty): die fünf dokumentierten Fehlerursachen, in dieser Reihenfolge: die erstellte und nie genutzte Persona, die fehlende Unterstützung der Geschäftsleitung, die Konstruktion im stillen Kämmerlein, das Kommunikationsversagen darüber, was Personas sind, und ein grundlegender Mangel der Personas selbst.
• Nielsen Norman Group, Synthetic Users: If, When, and How to Use AI-Generated «Research»: Bewertung KI-generierter Nutzerprofile, ihre Grenzen, die zugestandene Verwendung von Proto-Personas, die später mit echten Teilnehmenden verfeinert werden, und die Regel, jede synthetische Ausgabe als Hypothese zu behandeln, die durch echte Forschung zu bestätigen ist, woher die Etikette der provisorischen Persona stammt.
• Interaction Design Foundation, Personas – A Simple Introduction: die vier Familien von Personas, zielgerichtet, rollenbasiert, engagierend und fiktiv (aus den Annahmen des Teams gezogen).
• Nielsen Norman Group, Personas vs. Archetypes (Page Laubheimer, 2022): Ein Cluster bildet sich an Verhaltensweisen, Haltungen, Motivationen, Reibungspunkten und Zielen, unter Ausschluss demografischer Merkmale wie Alter, Land oder Einkommen.
• Nielsen Norman Group, 3 Persona Types: Lightweight, Qualitative, and Statistical (Page Laubheimer, 2020): Eine Persona ruht auf einem qualitativen Verständnis der Nutzerinnen und Nutzer statt auf zweifelhaften Korrelationen zwischen demografischen oder analytischen Variablen.
• Nielsen Norman Group, Millennials as Digital Natives: Myths & Realities (Kate Moran, 2016): das Stereotyp des Digital Native im Usability-Test geprüft und in allen drei Punkten widerlegt.
• Rudolph, C. W., Rauvola, R. S., Costanza, D. P., & Zacher, H. (2021), Generations and Generational Differences: Debunking Myths in Organizational Science and Practice and Paving New Paths Forward, Journal of Business and Psychology 36(6), 945-967, DOI 10.1007/s10869-020-09715-2: das Identifikationsproblem zwischen Alter, Periode und Kohorte sowie die Instabilität der Etikettengrenzen.
• Costanza, D. P., Badger, J. M., Fraser, R. L., Severt, J. B., & Gade, P. A. (2012), Generational Differences in Work-Related Attitudes: A Meta-analysis, Journal of Business and Psychology 27(4), 375-394, DOI 10.1007/s10869-012-9259-4: zwanzig Studien, 19'961 Personen, kein bedeutsamer Generationenunterschied bei den Arbeitseinstellungen.
• Costanza, D. P., & Finkelstein, L. M. (2015), Generationally Based Differences in the Workplace: Is There a There There?, Industrial and Organizational Psychology 8(3), 308-323, DOI 10.1017/iop.2015.15: wenig belastbare empirische Belege und fast keine Theorie.
• Ravid, D. M., Costanza, D. P., et al. (2025), Generational differences at work? A meta-analysis and qualitative investigation, Journal of Organizational Behavior, DOI 10.1002/job.2827: die jüngste Meta-Analyse und dasselbe Ergebnis.
• Rudolph, C. W., & Zacher, H. (2022), Generations, We Hardly Knew Ye: An Obituary, Group & Organization Management 47(5), 928-935, DOI 10.1177/10596011221098307: das Generationenkonstrukt als Managementmode und die Alternative der lebenslangen Entwicklung.
• Pew Research Center, How Pew Research Center will report on generations moving forward (Kim Parker, 22. Mai 2023): das Umfrageinstitut schränkt den Gebrauch seiner eigenen Generationenetiketten öffentlich ein.
• Nobel, C., Clay Christensen's Milkshake Marketing (Harvard Business School Working Knowledge, 2011): die kausale Formulierung, zwischen 18 und 35 zu sein und einen Abschluss zu haben, korreliert mit der Kaufentscheidung und verursacht sie nicht.
• Christensen, C. M., Hall, T., Dillon, K., & Duncan, D. S., Know Your Customers' «Jobs to Be Done» (Harvard Business Review, September 2016): die kanonische Darstellung der Jobs to Be Done, in der die Ursache der Entscheidung die zu erledigende Aufgabe ist.
• W3C Web Accessibility Initiative, Older Users and Web Accessibility: die tatsächlichen Mechanismen des Alterns (Sehkraft, Feinmotorik, Gehör und Kognition), der eine Fall, in dem das Alter selbst der Mechanismus ist.
• SINUS-Institut, Sinus-Milieus Switzerland: das Modell, seine zwei nicht demografischen Achsen (soziale Lage und Grundorientierung der Werte) und die zehn Schweizer Milieus.
• SINUS-Institut, Sinus-Milieus Schweiz: Update 2024: die Revision von 2024, ihre Befragung vom August 2023 mit 2'036 Personen zwischen 16 und 75 Jahren und das dabei hinzugekommene Milieu.
• Ilg, W. (2014), Sinus-Milieu-Studien: Viel genutzt, kaum hinterfragt, Zeitschrift für Pädagogik und Theologie 1/2014, S. 68 ff.: die veröffentlichte Kritik, die dem Modell methodische Intransparenz vorwirft.
• Cooper, A., Reimann, R., Cronin, D., & Noessel, C., About Face: The Essentials of Interaction Design (Wiley): die Methode der zielgerichteten Gestaltung, deren Instrument die Persona ist.
• IIBA, Guide to Business Data Analytics, §3.16 Stakeholder List, Map, or Personas: die Persona in einer Dateninitiative, die die Datennutzung, die Vertrautheit mit der Analyse und die brauchbare Form eines Ergebnisses trägt.