Produkt-Update: Der Stand im September 2026

Dieser Beitrag ist kein Verkaufstext, sondern eine Bestandsaufnahme: Was steckt aktuell in usabiq, und welches Problem löst es jeweils. Sortiert ist er nach dem Ablauf einer Erhebung, nicht nach Produktbereichen.

Wer die Methodik dahinter nachlesen will, findet zu jedem Abschnitt den ausführlichen Beitrag verlinkt.

Sieben Methoden, fertig eingebaut

Das Problem: Wissenschaftlich geprüfte Instrumente sind frei verfügbar und trotzdem mühsam einzusetzen. Beim SUS muss die Umpolung stimmen, beim UEQ+ die Skalenauswahl, bei JTBD ODI die Berechnung des Opportunity Scores. Jeder dieser Schritte wird in Tabellenkalkulationen regelmäßig falsch gemacht.

Der Stand: Sieben Methoden stehen als fertige Instrumente bereit.

Methode	Beantwortet	Ausführlich
JTBD ODI	Was verbessern wir zuerst?	JTBD-Varianten
JTBD Switch	Warum wechseln sie — oder nicht?	Checkout-Abbrüche
JTBD Story	Wie läuft es heute wirklich ab?	JTBD-Varianten
JTBD Needs	Was erwarten Kunden von der Beziehung?	JTBD-Varianten
UEQ+	An welcher Qualität hakt es?	UX-Kennzahlen
SUS	Ist es insgesamt bedienbar?	SUS interpretieren
Freier Fragebogen	Was wir noch nicht wissen	Offene Antworten

Neue Methoden kommen regelmäßig dazu.

Teilnahme ohne Konto

Das Problem: Jede Hürde vor der ersten Frage kostet Antworten. Registrierung, Anmeldung, App-Installation — alles davon senkt den Rücklauf messbar.

Der Stand: Teilnehmende beantworten Umfragen über einen Link, ohne Konto und ohne Installation. Weitere Hebel für den Rücklauf stehen in Rücklaufquote steigern.

KI-Clustering offener Antworten

Das Problem: 700 Freitextantworten von Hand zu kodieren kostet 15 bis 25 Stunden. Eine Stichwortsuche findet nur, wonach man bereits sucht.

Der Stand: Offene Antworten werden nach Bedeutung zu Themen gruppiert, mit Stimmungseinordnung und Häufigkeit. Jedes Cluster lässt sich bis zur einzelnen Antwort aufklappen — ohne diesen Rückweg wäre die Auswertung nicht verteidigbar.

Die Grenzen dazu, offen gesagt. Die Themenbildung läuft auf den Methoden, bei denen Freitext das Material ist: JTBD Switch, JTBD Story und der freie Fragebogen. ODI, Needs, SUS und UEQ+ werden gescort statt geclustert. Und bei sehr großen Erhebungen liest das Modell nicht jede einzelne Antwort, sondern eine über die Quellen balancierte Stichprobe; die Anteile werden gegen die volle Antwortzahl gerechnet, der nicht zugeordnete Rest bleibt als eigener Posten stehen.

Warum Zurückverfolgbarkeit die wichtigste Anforderung an eine KI-Auswertung ist und wo die Grenzen von Sprachmodellen liegen, steht in Kann man einer KI-Auswertung trauen?

Segmentvergleich mit statistischer Sicherheit

Das Problem: Zwei Balken nebeneinander sehen nach Unterschied aus. Ob der Unterschied belastbar ist, hängt an der Fallzahl je Gruppe — und genau das zeigen die meisten Auswertungen nicht.

Der Stand: Segmentvergleiche weisen aus, ob ein Unterschied statistisch trägt. Warum das je Segment und nicht insgesamt gerechnet wird, steht in Wie viele Teilnehmer braucht eine Umfrage?

JTBD-Musterextraktion und Decision Engine

Das Problem: Zwischen „wir haben die Daten" und „wir wissen, was wir tun" liegt der Schritt, der am häufigsten übersprungen wird.

Der Stand: Aus Freitexten werden JTBD-Muster extrahiert, aus der Gesamtauswertung erzeugt die Decision Engine eine priorisierte Handlungsliste. Wie sich das zu RICE, Kano und dem Opportunity Score verhält, steht in Welches Feature bauen wir als Nächstes?

Kampagnen und Branchen-Benchmark

Das Problem: Ein einzelner Messwert ist kaum zu deuten. Erst der Verlauf und der Vergleich machen ihn aussagekräftig — ein SUS von 68 ist exakt Durchschnitt, und das weiß man nur mit Bezugspunkt.

Der Stand: Kampagnen wiederholen dieselbe Erhebung in festem Rhythmus, sodass Werte vergleichbar bleiben. Der Branchen-Benchmark liefert den externen Bezugspunkt. Wie daraus ein Verbesserungszyklus wird, steht in Wie optimieren wir unsere App?

Für Profis: API, Webhooks, eigene Instrumente

Das Problem: Forschende und Agenturen arbeiten mit eigenen Instrumenten und eigenen Werkzeugketten. Ein geschlossenes System scheidet damit aus.

Der Stand: Public API und Webhooks stehen ab Decision Pro bereit, dazu eine OpenAPI- Spezifikation. Der CSV-Export ist ab Research Core enthalten; für SUS-Erhebungen fehlt er derzeit noch. Eigene Instrumente lassen sich hinterlegen. Für Agenturen gibt es die Trennung mehrerer Mandanten. Die vollständige Aufstellung steht auf der Seite Für Profis.

KI-Anbieterwahl und der Kill-Switch

Das Problem: In vielen Unternehmen scheitert die Werkzeugentscheidung nicht an der Funktion, sondern an der Frage, wohin die Daten gehen.

Der Stand:

• Vier Anbieter werden unterstützt: Anthropic Claude und OpenAI (USA) sowie Mistral AI (Frankreich) und T-Systems LLMHub (Deutschland).
• Fällt ein Anbieter aus, übernimmt automatisch der nächste. Eine Modellwahl je Aufgabe gibt es nicht — jeder Anbieter hat ein festes Standardmodell.
• Standardanbieter ist derzeit Anthropic in den USA; die europäischen Anbieter sind einstellbar. Die Vektor-Berechnung für semantische Suche läuft ausnahmslos über einen US-Anbieter.
• Vor dem Aufruf werden strukturierte Profilfelder entfernt sowie E-Mail-Adressen und Telefonnummern aus Freitexten maskiert. Was Teilnehmende sonst in ein Freitextfeld tippen, lässt sich technisch nicht vollständig erkennen.
• Enterprise-Kunden hinterlegen eigene API-Schlüssel und wählen ihren Anbieter selbst.
• Wer gar keine KI möchte, schaltet sie im Workspace vollständig ab. Der Schalter überschreibt jeden Plan.

Warum der letzte Punkt kein Nebenmerkmal ist, steht in Kundenbefragungen DSGVO-konform durchführen.

Was als Nächstes kommt

Wir veröffentlichen ein solches Update einmal je Quartal, mit dem, was tatsächlich ausgeliefert ist — keine Ankündigungen. Wenn Ihnen eine Funktion fehlt, schreiben Sie an sales@usabiq.com. Genau diese Rückmeldungen gehen in dieselbe Priorisierung ein, die wir in diesem Blog beschreiben.