Interview-
Analyse
Wie lassen sich Nutzerinterviews auswerten, ohne dass die Analyse mehr Zeit kostet als die Gespräche selbst?
Automatisierte Interview-Analyse macht aus Interview-Transkripten strukturierte, belegte Discovery-Ergebnisse.
Der Workflow wertet Transkripte aus Nutzerinterviews nach einer festen Analyselogik aus und belegt jede Aussage mit wörtlichem Zitat und Fundstelle. Der Auswertungsaufwand pro Interview bleibt dadurch weitgehend konstant, auch wenn ein Team deutlich mehr Discovery-Interviews führt als bisher.
- Input
- Interview-Transkripte
- Output
- Jobs to be Done · Pains · wiederkehrende Muster · testbare Hypothesen · belegte Zitate mit Fundstelle
- Nutzen
- weniger Analyseaufwand · über alle Gespräche vergleichbare Research-Ergebnisse
- Bleibt beim Team
- Interviews führen · Interpretation · Priorisierung · Produktentscheidung
Analysearbeit bindet Kapazität, die dem Produktteam nicht für Produktarbeit zur Verfügung steht.
- Das Problem
- Nach jedem Interview müssen Transkripte ausgewertet, Aussagen kategorisiert, Muster über mehrere Gespräche erkannt und Hypothesen mit den ursprünglichen Aussagen abgeglichen werden — heute manuell.
- Die Folge
- Je mehr Research ein Team betreibt, desto größer wird dieser Aufwand. Es entsteht eine stille Deckelung: Es werden so viele Interviews geführt, wie sich hinterher auswerten lassen — nicht so viele, wie die Fragestellung erfordert.
- Der Hebel
- Der Workflow übernimmt die wiederkehrende Strukturierungsarbeit: kategorisieren, vergleichen, belegen. Die Zahl der Interviews wird wieder eine inhaltliche Entscheidung, keine Kapazitätsfrage.
Vom Interview zur belegten Evidenz — in einem festen Ablauf.
InterviewTranskriptAnalyseVergleichEvidenz
Der Workflow verarbeitet Interviews nach einer einheitlichen Analyselogik und macht Ergebnisse über mehrere Gespräche hinweg vergleichbar. Die Logik wird einmal auf Eure Research-Fragen, Eure Segmente und Eure bestehende Hypothesenstruktur abgestimmt und bleibt danach stabil — die Voraussetzung dafür, dass Ergebnisse aus verschiedenen Zeiträumen vergleichbar sind.
Ergebnis pro Interview und über die gesamte Interviewreihe:
- Jobs to be Done und Pains, den Segmenten zugeordnet
- wiederkehrende Muster über mehrere Gespräche
- testbare Hypothesen, jeweils mit der Evidenz, auf der sie beruhen
- belegte Zitate mit Fundstelle, für Stakeholder-Kommunikation und Priorisierung nutzbar
- offene Fragen für die nächste Interviewrunde
Der Workflow lohnt sich für Produktteams mit wiederkehrendem Discovery-Prozess.
Passt, wenn
- regelmäßig Discovery-Interviews stattfinden
- mehrere Gespräche vergleichbar ausgewertet werden sollen
- mehrere Personen Research durchführen
- die Auswertung heute manuell in Dokumenten, Miro oder Notion passiert
Passt nicht, wenn
- nur selten Interviews stattfinden
- kein wiederkehrender Research-Prozess existiert
- erwartet wird, dass KI Produktentscheidungen autonom übernimmt
Die technische Umsetzung richtet sich nach Eurem Stack und Euren Datenschutzvorgaben — nicht umgekehrt.
Werkzeuge, Modell, Hosting und Aufbewahrung werden in der Einrichtung gemeinsam festgelegt.
- Modell
- in der Einrichtung festgelegt
- Hosting
- nach Euren Vorgaben
- Speicherung
- in Eurem System — im Praxisbeispiel Notion
- Aufbewahrung · Löschung
- nach Euren Datenschutzvorgaben
Interview-Auswertung in einem Claude-Projekt mit Notion-Anbindung.
Rund drei Stunden pro Interview höchstens zehn Minuten.
- Ausgangslage
- Interviews wurden zunächst per Hand aus den Aufzeichnungen abgetippt und anschließend ohne feste Struktur ausgewertet — beide Schritte kosteten Zeit, und Ergebnisse aus mehreren Gesprächen ließen sich kaum miteinander vergleichen.
- Was eingerichtet wurde
- Ein Projekt in Claude, per MCP an Notion angebunden. Audioaufzeichnungen werden im Projekt-Chat hochgeladen, Claude übernimmt Transkription und Auswertung nach einem einheitlichen Analyseschema, und die Ergebnisse werden direkt in Notion abgelegt — an der Stelle, an der ohnehin gearbeitet wird.
- Messbares Ergebnis
- Statt rund drei Stunden pro Interview für Transkription und Auswertung dauert der gesamte Vorgang mit dem Workflow höchstens zehn Minuten.
Häufige Fragen
Wie viele Interviews braucht es, damit sich der Workflow lohnt?
Der Einrichtungsaufwand fällt einmalig an, die Analyselogik danach nicht mehr. Ab einer regelmäßigen Research-Kadenz — mehrere Gespräche pro Monat oder pro Discovery-Zyklus — trägt sich das schnell.
Ersetzt der Workflow die Auswertung durch das Produktteam?
Nein. Er übernimmt die Strukturierung: kategorisieren, vergleichen, belegen. Welche Hypothese verfolgt wird und was daraus für die Roadmap folgt, entscheidet das Team.
Funktioniert das mit Interviews in mehreren Sprachen?
Ja. Der Workflow wertet Gespräche in unterschiedlichen Sprachen aus und macht sie in einer gemeinsamen Struktur vergleichbar.
Wo werden die Transkripte gespeichert?
In Eurem System, an der in der Einrichtung festgelegten Stelle. Aufbewahrung und Löschung richten sich nach Euren Datenschutzvorgaben.
Welche Teile der Interview-Analyse übernimmt der Workflow?
Der Workflow übernimmt die Transkription der Aufnahmen und die strukturierte Auswertung nach einem festen Schema: Aussagen kategorisieren, wiederkehrende Muster über mehrere Gespräche vergleichen und Hypothesen mit wörtlichen Zitaten belegen. Das Führen der Interviews und die Interpretation der Ergebnisse bleiben beim Produktteam.
Lässt sich die Interview-Analyse an Notion oder ein bestehendes Research-System anbinden?
Im umgesetzten Praxisbeispiel läuft die Interview-Analyse in einem Claude-Projekt, das per MCP an Notion angebunden ist; die Ergebnisse werden direkt dort abgelegt. Ob sich ein anderes Research-System anbinden lässt, wird in der Einrichtung anhand Eures Stacks geklärt.
Die anderen sechs
Bereit für
den ersten
Schritt?
30 Minuten. Ohne Verpflichtung. Wir schauen, ob es passt — und wo der schnellste Hebel für Euer Team liegt.
kostenloses Erstgespräch buchen Alternativ · margarita.titova@prod-ai.de