Effiziente Personalisierung generativer Benutzeroberflächen

Generative Benutzeroberflächen eröffnen neue Wege, Interfaces sofort an einzelne Nutzer anzupassen. Die Herausforderung liegt jedoch darin, dass die gewünschten Eigenschaften subjektiv, schwer zu formulieren und aus spärlichem Feedback teuer abzuleiten sind. Um dieses Problem zu untersuchen, haben 20 erfahrene Designer ein neues Datenset erstellt, in dem sie 600 generierte UIs paarweise bewerten. Die Ergebnisse zeigen, dass die Designer in ihren Präferenzen stark auseinandergehen – der durchschnittliche Kappa-Wert liegt bei lediglich 0,25. Die schriftlichen Begründungen verdeutlichen, dass selbst bei gemeinsamen Begriffen wie „Hierarchie“ oder „Sauberkeit“ die Definition, Priorisierung und Anwendung dieser Konzepte stark variieren.

Aus diesen Erkenntnissen entstand ein neues, ressourcenschonendes Personalisierungsverfahren. Statt eines festen Bewertungsschemas nutzt das Modell einen neuen Nutzer als Kombination aus den Vorlieben der bisherigen Designer. In technischen Tests übertrifft das Präferenzmodell sowohl einen vortrainierten UI‑Evaluator als auch ein größeres multimodales Modell und skaliert besser mit zusätzlichem Feedback. Bei der Anwendung zur Generierung neuer UIs bevorzugen 12 weitere Designer die daraus resultierenden Oberflächen gegenüber herkömmlichen Ansätzen, einschließlich direkter Nutzeranfragen.

Die Studie zeigt, dass eine leichte Präferenzabfrage eine praktikable Basis für personalisierte generative UI‑Systeme bieten kann, ohne dass aufwändige, kostenintensive Rückmeldungen nötig sind. Diese Fortschritte markieren einen wichtigen Schritt hin zu nutzerzentrierten, adaptiven Interfaces, die sich schnell und effizient an individuelle Bedürfnisse anpassen lassen.