Content Testing: Verständlichkeit testen, Wirkung prüfen

Manche Interface-Texte verraten sofort, dass sie nie im Zusammenhang gelesen wurden. Am 16. September 2025 habe ich auf LinkedIn einen solchen Fall dokumentiert: In der App „AOK Mein Leben“ stand auf einem Button „AOK Mein Leben beenden“.

Der technische Vorgang war unspektakulär. Die App sollte geschlossen werden. Zusammen mit dem Produktnamen klang der Systemtext allerdings makaber. AOK connect bestätigte zwei Tage später im Kommentar zum Beitrag, dass der Button-Text geändert wurde.

Der Fall belegt keinen Umsatzverlust. Er zeigt etwas Kleineres, aber Nützlicheres: Ein lokal verständlicher Text kann im Interface eine ganz andere Bedeutung bekommen. Für GKV-Webseiten heißt die nächste Stufe deshalb, Inhalte systematisch im Kontext zu prüfen, bevor ein einzelner Satz zum öffentlichen Fundstück wird.

Was Content Testing leisten kann

Content ist kein Füllmaterial für ein schickes Interface. Content ist das Interface: Kein Verkäufer steht daneben, um Fragen zu beantworten, der Text muss die Überzeugungsarbeit allein leisten.

Content Testing prüft, ob Menschen einen Inhalt finden, verstehen und für ihre Aufgabe nutzen können. Unklare Texte können deshalb Abbrüche, Rückfragen oder Fehlentscheidungen begünstigen: Nutzer entscheiden sich seltener für etwas, das sie nicht verstehen. Ob daraus im Einzelfall ein messbarer wirtschaftlicher Effekt entsteht, muss der Test erst zeigen.

Die Methode ersetzt weder Analytics noch einen A/B-Test. Sie beantwortet andere Fragen:

• Qualitative Tests zeigen, warum eine Formulierung irritiert oder eine Aufgabe scheitert.
• Analytics zeigen, wo und wie häufig Menschen abbrechen, zurückspringen oder Hilfe suchen.
• Ein ausreichend dimensionierter A/B-Test kann prüfen, ob eine Variante das vorab definierte Verhalten verändert.

Auch „leichter lesbar“ ist noch kein Ergebnis. Eine randomisierte Studie mit 2.235 Personen fand bei Gesundheitsinformationen keinen automatischen Gewinn bei Wissen, Akzeptanz oder Vertrauen, nur weil das Leseniveau gesenkt wurde.¹ Gute Sprache muss zur Aufgabe passen und an einem passenden Ergebnis gemessen werden.

Ein kleiner Test, der zu einer Entscheidung führt

Vor der ersten Sitzung sollten fünf Punkte feststehen:

1. Forschungsfrage: Was soll nach dem Test klarer sein?
2. Zielgruppe und Aufgabe: Wer nutzt den Inhalt in welcher Situation?
3. Erfolgskriterium: Woran erkennen wir, dass die Aufgabe gelingt?
4. Schutzkriterium: Was darf sich nicht verschlechtern, etwa fachliche Korrektheit, Abbruchquote oder Supportbedarf?
5. Entscheidung: Welche Änderung folgt aus welchem Befund?

Für den AOK-Fall könnte die Frage lauten: Verstehen Testpersonen den Button als Schließen der App? Das primäre Kriterium wäre die richtige Interpretation ohne Hilfestellung. Als Schutzkriterium bleibt, dass die Alternative kurz und im vorhandenen Interface eindeutig ist. Erst nach dieser qualitativen Runde ließe sich prüfen, ob die Änderung Abbrüche oder Rückfragen beeinflusst.

Eine schnelle Methode ist das Content Highlighter Testing.² Testpersonen markieren hilfreiche und verwirrende Passagen und erklären anschließend ihre Auswahl. Farbe allein reicht dabei nicht: „hilfreich“ und „unklar“ brauchen zusätzlich Textlabel oder Symbole, ausreichenden Kontrast und eine Alternative für Menschen, die nicht visuell markieren können.³

Wie viele Personen nötig sind, hängt von der Frage und der Methode ab. Das GOV.UK Service Manual nennt für qualitative Runden häufig vier bis acht Teilnehmende.⁴ Das ist keine Garantie, sondern eine Planungshilfe. Quantitative Wirkungsfragen brauchen eine eigene Stichproben- und Laufzeitplanung.

Verlässlichkeit bei Chatbots testen

Bei KI-Dialogen wird aus Content Testing ein Test von Antwort, Fehlermodus und nächstem Schritt: Erreicht die Person ihr Ziel, stimmt die Antwort mit einer vorab festgelegten Referenz überein, und führt eine Eskalation tatsächlich zu einer zuständigen Stelle? Ein freundlicher Ton kann eine falsche Antwort nicht retten. Die Microsoft-Leitlinien für Human-AI Interaction liefern dafür einen kompakten Prüfrahmen.

Daten können Diskussionen versachlichen

In vielen Unternehmen ist Wording ein politisches Minenfeld: Marketing will es emotional, Recht will es sicher, Produkt will es präzise. Ein bekanntes Muster dafür ist der „HiPPO-Effekt” (Highest Paid Person's Opinion): Die Meinung der bestbezahlten Person im Raum gewinnt. Das ist keine universelle Organisationsdiagnose, sondern eine mögliche Entscheidungsdynamik, die sich in vielen Teams beobachten lässt.

Content Testing löst diese Machtfrage nicht von selbst. Ein Test kann eine Diskussion aber verändern, wenn Team, Fachseite und Rechtsprüfung vorher dieselbe Hypothese, dieselben Kriterien und die nächste Entscheidung vereinbart haben. Dann lautet die Frage nicht mehr „Ich finde, das klingt besser”, sondern „Die Daten zeigen, dass Variante B die Aufgabe zuverlässiger löst”.

Management-Unterstützung und wahrgenommene Datenqualität fördern laut einer Befragung von 305 mittleren und großen Unternehmen die Nutzung von Daten in Entscheidungen. Daraus folgt nicht, dass ein einzelner Content-Test die Unternehmenskultur verändert. Er kann jedoch einen überschaubaren Ort schaffen, an dem eine Entscheidung nachvollziehbar statt hierarchisch begründet wird.

Vom Befund zur Wirkung

Ein Test endet nicht mit einer Liste markierter Sätze. Er endet mit einer dokumentierten Entscheidung, einer neuen Variante und einem Messpunkt. Qualitative Forschung erklärt den Befund; Analytics oder ein sauber geplanter A/B-Test prüfen anschließend, ob sich die Änderung im Betrieb bewährt.

So bleibt auch die wirtschaftliche Aussage ehrlich: Verständlichkeit kann Conversion, Abbrüche und Supportbedarf beeinflussen. Wie stark sie das tut, steht erst nach der Messung fest.

Es darf wehtun

Content Testing kann wehtun. Es zeigt, dass unsere internen Prioritäten den Nutzenden oft egal sind, und dass ein Markenname wie „Mein Leben" in Kombination mit einem Systemtext wie „beenden" gründlich nach hinten losgehen kann.

Aber genau dieser Schmerz ist notwendig. Teams, die Content Testing ernst nehmen, verschieben ihren Fokus von Output („Wir haben zehn Seiten getextet") auf Outcome („Wir haben geprüft, ob die Zielgruppe die Aufgabe versteht"). Ob sich daraus Budget sparen oder Umsatz steigern lässt, ist eine Hypothese, die erst die Messung einlöst, kein Versprechen. Die Chance steht aber besser, seltener zur Pointe auf LinkedIn zu werden und dafür öfter zufriedenere Nutzer zu haben.

Quellen & Referenzen