UX Researcher:in

Fähigkeit, Forschungsergebnisse gegen organisatorischen Widerstand zu kommunizieren: klare Darstellung der Evidenz, Unterscheidung zwischen starker und schwacher Evidenz, Konsultation der relevanten Stakeholder vor der breiten Kommunikation, geduldige Wiederholung mit unterschiedlichen Vermittlungsformaten (Bericht, Highlight-Video, Workshop). Bonus: die:der Kandidat:in benennt einen Fall, in dem die anfängliche Skepsis berechtigt war und die Studie methodisch nachgeschärft werden musste. Wer einen reinen Sieg gegen die Hierarchie beschreibt, zeigt eine Schwarzweiß-Haltung statt einer reifen Stakeholder-Kompetenz.

Offenheit für eigene methodische Schwächen: Trennung zwischen Methodenfehler (falsche Stichprobe, schlechte Aufgabenstellung, Leitfaden zu suggestiv) und Umsetzungs-Fehler (Recruiting-Pannen, Technik-Ausfall). Bonus: die:der Kandidat:in nennt eine konkrete Anpassung der eigenen Praxis (neuer Pilot-Schritt, andere Stichproben-Strategie, anderes Recruiting-Tool). Wer noch nie eine Studie methodisch reflektiert hat, hat entweder nicht genug Studien durchgeführt oder reflektiert oberflächlich.

Partnerschaftliche Haltung statt Research-als-Veto: Bereitschaft, die produktbezogene Sicht zu verstehen, bevor entschieden wird ; Vorschlag eines schlankeren Studien-Designs, das Tempo und Erkenntnistiefe ausbalanciert ; Anerkennung, wenn die Studie objektiv nicht der wichtigste Hebel war. Kandidat:innen, die PMs oder Designer:innen als verstehen Research nicht beschreiben, zeigen eine Schwäche im transversalen Teamspiel, die im KMU mit kleinem Produktteam besonders teuer wird.

Klärung der Entscheidung vor der Methodenwahl: nicht direkt zusagen, sondern verstehen, welche Entscheidung ansteht, wer die Stakeholder sind und welche Evidenz tatsächlich entscheidungsrelevant ist. Erwartet: 2-3 strukturierte Fragen, dann Vorschlag eines passenden Studien-Designs (5 Interviews können richtig sein ; können aber auch zu wenig sein für eine Roadmap-Entscheidung oder zu viel für eine reine Hypothesen-Validierung). Wer einfach zusagt und in 5 Tagen Interviews führt, ohne die Entscheidungslogik zu prüfen, zeigt eine ausführende statt einer beratenden Haltung.

Sachliche Klärung statt Eskalation: zuerst verstehen, wie das Team auf die alte Persona gestoßen ist (Onboarding-Lücke, fehlende Aktualisierung, schlechte Auffindbarkeit), dann die Implikation der Verschiebung für die anstehende Entscheidung bewerten. Bonus: die:der Kandidat:in nennt einen leichtgewichtigen Update-Pfad (Quick-Sync mit dem Team, schnelle Validierungs-Studie, aktualisiertes Dokument im Repository). Wer reflexhaft auf die Veraltung pocht, ohne den Update-Pfad anzubieten, zeigt eine reine Wächter-Haltung.

Pragmatische Priorisierung: nicht alles auf einmal reparieren wollen. Erwartet: (1) Audit der bestehenden Erkenntnisse und Identifikation der 10-20 wertvollsten Studien, (2) Wahl eines schlanken Repository-Tools passend zur Teamgröße (Dovetail, Notion-Datenbank, EnjoyHQ ; nicht direkt zur Enterprise-Lösung), (3) Konvention für Atomic Research Insights und Tagging, (4) gemeinsame Migration der wichtigsten Studien mit Designer:innen und PMs, um Adoption zu sichern. Wer sofort eine vollständige Dovetail-Enterprise-Implementierung mit aufwendiger Taxonomie ausruft, zeigt fehlenden Pragmatismus.

Strukturierte Herangehensweise: (1) Aktivierungsdefinition schärfen (Schritt A, B oder C?), (2) Mixed-Methods-Plan aufsetzen ; quantitative Analyse der Drop-off-Punkte aus den Analytics-Daten, qualitative Tiefe an den Bruchstellen mit Usability-Tests oder Tagebuchstudien, (3) Hypothesen-Liste zu wahrgenommenen Hürden (Friktion im Signup, unklare Wertversprechen, fehlende Aha-Momente), (4) Methodenwahl je Hypothese mit explizitem Aufwand-Erkenntnis-Trade-off, (5) Lieferplan in 2-Wochen-Iterationen mit kontinuierlicher Synthese statt Big-Bang-Bericht am Ende. Wer in eine reine Usability-Test-Reihe springt oder in einen 200-Personen-Survey, ohne die Mixed-Methods-Logik zu cadrieren, zeigt eine Methoden-Schwäche.

Klärung vor dem Vorschlag (verfügbare Datenlage, Trial-Volumen, Re-Kontaktfähigkeit der Drop-Offs, Zeitbudget für die Studie). Kohärenter Plan: (1) quantitative Vorab-Analyse der Drop-Off-Profile aus Analytics, (2) Re-Kontakt einer Stichprobe von 8-12 Drop-Offs für Tiefen-Interviews oder kurze Surveys, (3) parallel 5-8 Usability-Sessions mit aktiven Trials zur Beobachtung des Verhaltens vor dem Abbruch, (4) Synthese in Hypothesen-Cluster mit klarer Trennung zwischen Produkt-Hürden und Erwartungs-Misfit. Bonus: Anerkennung der Selbstselektions-Verzerrung beim Re-Kontakt (wer zurückkommt für ein Interview, ist nicht repräsentativ für den schweigenden Drop-Off-Anteil). Wer ohne Klärung sofort einen 100-Personen-Survey vorschlägt, zeigt eine quantitative Reflex-Haltung statt einer methoden-bewussten Diagnose.

Strukturierte Synthese-Methode: zuerst die Forschungsfrage rekapitulieren (was sollte herausgefunden werden?), dann die Beobachtungen sortieren (was ist Verhalten vs. Meinung vs. Wunsch?), dann Muster über mehrere Interviews hinweg identifizieren (was wiederholt sich, was ist Einzelfall?), zuletzt klare Hypothesen oder Empfehlungen mit Evidenzstärke ableiten. Bonus: die:der Kandidat:in benennt explizit, was die Daten NICHT belegen können, und nimmt sich vor einer Über-Interpretation in Acht. Wer Einzelaussagen zu Insights aufbläst oder reflexhaft eine Persona daraus bastelt, zeigt eine oberflächliche Synthese-Kompetenz.

Verständnis der Sättigungs-Logik: 5-8 Teilnehmende pro homogenes Segment für Usability-Tests, 8-15 für explorative Interviews mit thematischer Sättigung, mehr bei heterogenen Zielnutzungen oder mehreren Segmenten. Bonus: die:der Kandidat:in nennt einen Fall, in dem die Sättigung früher als geplant erreicht wurde, und die letzten geplanten Sessions abgesagt oder umgewidmet hat ; oder umgekehrt, in dem nachjustiert wurde, weil ein neues Muster auftauchte. Wer pauschal 10 Personen für alles antwortet oder Sättigung nicht erklären kann, zeigt schwache Methoden-Grundlagen.

Solide Tool-Landschaft mit klarer Begründung: Recruiting (Respondent, User Interviews, Prolific, eigenes Panel ; je nach Zielnutzung), Durchführung (Lookback, Maze, dscout, Zoom mit strukturiertem Leitfaden), Analyse (Dovetail, Reduct, Notion-Datenbank für leichtgewichtige Setups), Survey (Typeform, Qualtrics, SurveyMonkey). Bonus: die:der Kandidat:in unterscheidet zwischen ihrer:seiner persönlichen Präferenz und der Tool-Wahl, die zur Teamgröße und zum Budget passt. Wer pauschal Dovetail für alles ohne Reflexion antwortet oder eine Tool-Liste ohne Begründung herunterleiert, zeigt schwache Erfahrung mit ResearchOps-Trade-offs.

Pragmatische Vermittlung: gestaffelte Formate je nach Zielgruppe und Detailtiefe (Highlight-Video oder Slide-Deck für Führungsebene, ausführlicher Bericht für das umsetzende Team, Atomic Insights im Repository für die spätere Auffindbarkeit), Live-Workshops bei strategischen Studien, asynchrone Updates bei laufenden Studien. Bonus: die:der Kandidat:in nennt eine kontinuierliche Insight-Sharing-Praxis (wöchentlicher Highlight-Slack-Post, monatlicher Research-Review-Termin, Onboarding-Pflichtlektüre für neue Mitarbeitende). Wer 50-seitige PDF-Berichte als Standard liefert oder erwartet, dass das Team die Erkenntnisse selbst aus dem Repository zieht, hat im Tech-KMU schlechte Aussichten.

Offenheit: Fähigkeit, Methodik vom persönlichen Ego zu trennen. Bonus: die:der Kandidat:in nennt einen Fall, in dem eine berechtigte methodische Kritik tatsächlich zur Nachjustierung einer Studie geführt hat. Wer beschreibt, der:dem Critique-Person die eigene Methodik verteidigt zu haben, anstatt zuzuhören, zeigt eine Schwäche in der Coachbarkeit ; im KMU mit kleinem Research- oder Designteam ist das ein hartes K.o.-Signal.

Aktive Befähigungs-Haltung: Pair-Sessions bei Interviews, leichtgewichtige Leitfaden-Vorlagen für DIY-Research, regelmäßige interne Schulungen zu Interview-Grundlagen und Verzerrungs-Vermeidung, Review der von Nicht-Researcher:innen durchgeführten Studien. Wer sagt Research gehört in meine Hand, ohne weiteres Konkretes, zeigt eine Gatekeeper-Haltung, die im KMU mit kleinem Research-Team nicht skaliert. Die Fähigkeit, eine Research-Kultur über das eigene Team hinaus aufzubauen, ist entscheidend für die Research-Reife des Unternehmens.

Anerkennung der Entwicklungen: Aufstieg generativer KI in der Synthese (automatische Transkription, KI-gestützte Tag-Vorschläge, Cluster-Vorschläge), Verschiebung von Studie-als-Projekt zu kontinuierlicher Discovery, Reife von ResearchOps und Repositories, wachsender Druck auf gemessene Studien-Wirkung statt reine Studien-Produktion, Demokratisierung von DIY-Research durch PMs und Designer:innen. Kandidat:innen, die nur über Tools oder Buzzwords sprechen, zeigen eine oberflächliche Haltung ; wer von Spannung zwischen Tempo und Tiefe, von der Rolle der Researcher:in als Befähiger:in statt nur Ausführende:r und von empirischer Disziplin im KI-Zeitalter spricht, ist auf der Höhe.