Design Thinking hat sich als eine der effektivsten Methoden zur strukturierten Ideenfindung und Problemlösung etabliert. Mit den Möglichkeiten der Künstlichen Intelligenz (KI) lassen sich diese Schritte jedoch gezielt weiterentwickeln: KI kann den Prozess nicht nur beschleunigen, sondern auch datengestützter und flexibler, und man könnte schon fast sagen valider gestalten. In diesem Beitrag erfährst du, wie KI in jede Phase deines erweiterten Design Thinking-Modells integriert werden kann und welche Vorteile sich daraus ergeben.

Phase 1: Research – Was sollten wir wissen?

• Rolle der KI: KI-gestützte Tools können große Datenmengen analysieren und Muster erkennen, die oft unbemerkt bleiben. Sie liefern nützliche Einblicke in aktuelle Marktentwicklungen, Nutzerverhalten und Branchentrends und geben klare Indikatoren, wo sich ein Checkup der Herausforderung lohnt.
• Vorteil: Durch KI-gestützte Recherche lässt sich die Challenge genauer definieren, und die richtigen Fragestellungen für die nächste Phase werden geschärft.

Phase 2: Synthesize – Was haben wir gelernt?

• Rolle der KI: KI kann die gesammelten Daten aus der Research-Phase auf Muster und Zusammenhänge analysieren. Sie hilft, Erkenntnisse zu strukturieren und Clustern zuzuordnen, was den Syntheseprozess beschleunigt und die Übersichtlichkeit verbessert.
• Vorteil: KI unterstützt dabei, die wesentlichen Informationen und Insights herauszuarbeiten, die als Grundlage für die Ideation-Phase dienen. So wird ein klarer, strukturierter Blick auf das Wesentliche geworfen.

Phase 3: Ideate – Welche Möglichkeiten sehen wir?

• Rolle der KI: In dieser kreativen Phase kann KI als „Ideenpartner“ fungieren, indem sie basierend auf den Erkenntnissen aus der Synthese neue Lösungsansätze vorschlägt. KI verknüpft Wissen aus verschiedenen Bereichen und zeigt unkonventionelle Perspektiven und Ansätze auf.
• Vorteil: Die KI kann als Inspirationsquelle dienen, besonders bei der Entwicklung innovativer Ideen, die über traditionelle Lösungen hinausgehen und den Horizont für neue Möglichkeiten erweitern.

Phase 4: Prototype – Wir haben eine Idee und fangen an zu bauen

• Rolle der KI: Mithilfe von KI-gestützten Prototyping-Tools lassen sich erste Modelle schnell und effizient erstellen. Digitale Prototypen können iterativ angepasst werden, und KI bietet Vorlagen und Bausteine, um interaktive und realitätsnahe Prototypen zu bauen.
• Vorteil: Zeit und Ressourcen werden eingespart, da KI den Prototyping-Prozess beschleunigt und anpassbar macht. Das Team kann die Idee sofort erlebbar machen und so schneller erste Rückmeldungen erhalten.

Phase 5: Test – Wir testen den ersten Prototypen und holen Kundenfeedback

• Rolle der KI: KI hilft in der Testphase dabei, das Kundenfeedback strukturiert zu analysieren und die wichtigsten Muster zu erkennen. Sie filtert Stimmungen, häufige Kritikpunkte und Anregungen, die für die nächste Iteration relevant sind.
• Vorteil: KI verkürzt die Feedbackschleifen, da sie automatisch Erkenntnisse aus den Rückmeldungen generiert und so die Grundlage für schnelle Verbesserungen legt.

Phase 6: Improve – Wir verbessern den Prototypen anhand der Feedbacks

• Rolle der KI: In dieser Phase unterstützt KI die iterative Anpassung des Prototyps, indem sie die Feedback-Analyse in konkrete Verbesserungsvorschläge übersetzt. KI-gestützte Tools bieten automatisch Szenarien für mögliche Anpassungen und zeigen Optimierungsansätze auf.
• Vorteil: Die KI ermöglicht eine kontinuierliche Verbesserung und stellt sicher, dass der Prototyp den Bedürfnissen und Erwartungen der Nutzer
  immer näher kommt. Das spart Ressourcen und stellt die Zielgenauigkeit des Produkts sicher.

Beyond Design Thinking – Phase 7: Nach dem Prototyping: Problem-Solution und Problem-Market Fit

• Problem-Solution Fit: Mithilfe von Tools wie dem Business Model Canvas oder Lean Canvas kann KI den Übergang zur Lösungsfindung erleichtern. KI analysiert Markt- und Wettbewerbsdaten und unterstützt bei der Entscheidungsfindung für die Produktentwicklung.
• Problem-Market Fit: In dieser finalen Phase kommen MVPs und Lean Startup-Methoden zum Einsatz, die durch KI-gestützte Simulationen optimiert werden können. KI hilft dabei, Hypothesen zu testen und die Marktakzeptanz zu validieren, um einen nachhaltigen Problem-Market Fit zu gewährleisten.

Fazit: Die Symbiose von KI und Design Thinking als Wegbereiter der Innovation

• KI als Partner im Ideenfindungsprozess: KI bereichert den Design Thinking-Prozess durch gezielte Analysen und datenbasierte Kreativität. Die Verbindung von KI und Design Thinking hebt das Innovationspotenzial auf eine neue Ebene und ergänzt die menschliche Intuition mit datenbasierten Insights.
• Systematische Lösungsfindung: Methoden wie das Solvable-Prinzip und das „Frame – Explore – Decide“-System sind in diesem Vorgehen tief verankert. Sie bieten eine systematische Struktur, die es ermöglicht, die richtigen Fragen zu stellen und kreative Lösungen zu finden – eine Herangehensweise, die meinem Verständnis von vernetztem und lösungsorientiertem Denken entspricht. Dieser Weg führt zu einer Innovationskultur, die weit über die Methodik hinausgeht und gezielt Raum für eigenständiges Denken lässt.
• Schlussgedanke: Design Thinking ist in diesem Sinne kein starres Modell, sondern eine Haltung – ein flexibles Vehikel, um Lösungen zu entdecken. Tatsächlich ist es ein Instrument, das am stärksten denjenigen zugutekommt, die noch keine Routine im vernetzten Denken und in der Mustererkennung haben. Wer die Fähigkeit besitzt, Muster zu erkennen und die „Dots“ kreativ miteinander zu verknüpfen, benötigt keine starre Methodik, sondern eine offene Denkweise und die richtige Haltung. Wir stehen als Menschen mit unserer kreativen Kraft und unserer menschlichen Intelligenz im Zentrum dieses Prozesses. Die künstliche Intelligenz, die wir geschaffen haben, wird damit zu einem Tool, das unsere Arbeit ergänzt und durch die Automatisierung von Teilschritten unsere Möglichkeiten erweitert. In einem der kommenden Artikel werde ich auf diese nächste Evolutionsstufe der Innovation und Kreation näher eingehen.