Kunde
PwC · Enterprise
PwC · AI UX & Information Systems
Document Insights
Gestaltung, wie Menschen komplexe dokumentbasierte Informationen erkunden, verstehen und nutzen – mit KI, der sie tatsächlich vertrauen können.
01 / Kontext
Unstrukturierte Dokumente in strukturierte Erkenntnisse verwandeln.
Enterprise-Teams arbeiten durch riesige Mengen komplexer Dokumente, Verträge, Energie- und Netzformulare, Einreichungen, bei denen die wichtigen Daten in inkonsistenten Layouts vergraben sind. Document Insights ist ein KI-Produkt, das diese Dokumente liest und die relevanten Datenpunkte automatisch extrahiert.
Aber Automatisierung allein ist nicht der Punkt. Der Wert eines Extraktionsprodukts hängt vollständig davon ab, ob Menschen den Ergebnissen vertrauen, sie schnell verifizieren und die Kontrolle darüber behalten können, was die KI entscheidet. Dieses Vertrauensproblem war die eigentliche Designherausforderung.
02 / Herausforderung
Eine KI, die meistens richtig liegt, muss trotzdem überprüfbar sein.
Extraktionsmodelle sind selbstsicher, schnell und gelegentlich falsch – und in einem Enterprise-Kontext kann ein falscher Wert teuer sein. Das Interface musste die Sicherheit der KI lesbar machen, Nutzern ermöglichen, Werte ohne Reibung zu korrigieren und zu bestätigen, und nie verbergen, was das Modell tat. Das Ziel war, eine Blackbox in einen überprüfbaren Workflow zu verwandeln.
Q1Wie sicher ist die KI bei jedem Wert, und woher genau stammt er im Dokument?
Q2Wie kann ein Nutzer einen Wert in Sekunden, nicht Minuten, verifizieren oder korrigieren?
Q3Wann hat das Modell genug Vertrauen verdient, um eigenständig zu laufen?
03 / Meine Rolle
KI-UX, Research und Interaktionsdesign.
Ich arbeitete an der Erfahrung eines KI-Dokumentenintelligenz-Produkts, mit Fokus darauf, wie Menschen KI-extrahierte Informationen überprüfen, verifizieren und ihnen vertrauen.
Designing the AI review & verification flow
Konfidenz- und Vertrauensmuster für KI-Ausgaben
Structuring the data-point panel & document link
Projekt-, Trainings- und Verarbeitungsflows
Interface-Konzepte und Prototypen
Usability-Evaluation der Review-Erfahrung
04 / Im Produkt
Prüfen, verifizieren, bestätigen.
Der Kern der Erfahrung ist eine Nebeneinanderansicht: das Quelldokument links, die von der KI extrahierten Datenpunkte und Konfidenz rechts.
Projekte. Jedes Projekt verfolgt Dokumente, Vorhersagen, Bestätigungen und sein trainiertes Modell.
Train & process. Dokumente hochladen, das Modell weiter trainieren, dann verarbeiten oder exportieren.
Dokumentenprüfung. Hervorgehobene Quellfelder ordnen sich direkt extrahierten Datenpunkten zu – jeder Wert ist auf die Seite zurückverfolgbar.
Konfidenz, gereiht. Kandidatenwerte sind nach Konfidenz geordnet – der Nutzer wählt, statt neu einzutippen.
Assign & correct. Einen Wert im Dokument anklicken, um ihn einem Datenpunkt zuzuweisen – Verifikation mit einer Geste.
05 / Wichtige Entscheidungen
Making trust a first-class part of the UI.
01
Konfidenz bei jedem Wert
Ein sichtbarer Prozentsatz bei jedem Datenpunkt, damit Nutzer sofort wissen, was doppelt geprüft und was überflogen werden muss.
02
Zur Quelle zurückverfolgbar
Jeder extrahierte Wert verlinkt zurück zu seiner hervorgehobenen Position im Dokument – nichts bleibt unerläutert.
03
In einer Geste verifizieren
Gereihte Kandidaten und Click-to-Assign machen Korrektur zur Auswahl, nicht zur Dateneingabe.
04
“Trust the AI” mode
Sobald ein Modell sich bewährt hat, lässt ein Schalter es mit weniger manueller Prüfung laufen – verdientes Vertrauen, dann skaliert.
KI ist nur nützlich wenn Menschen dem vertrauen können, was sie ihnen sagt.
06 / Ergebnis
Ein überprüfbarer, vertrauenswürdiger Extraktionsworkflow.
Die Arbeit prägte, wie Nutzer von Rohdokumenten zu bestätigten, strukturierten Daten gelangen – die Konfidenz der KI lesbar machend, jeden Wert rückverfolgbar haltend und Teams erlaubend, Automatisierung nur so weit zu skalieren, wie ihr Vertrauen in das Modell reicht.
AI review & verification flow
Confidence & trust patterns
Data-point panel & document linking
Project, training & processing flows
Interface concepts & prototypes
“Trust the AI” scaling model
07 / Was ich gelernt habe
Vertrauen ist ein UX-Problem, nicht nur ein Modell-Problem.
Bessere Modellgenauigkeit schafft nicht automatisch Vertrauen. Menschen vertrauen KI, wenn sie sehen können, wie sicher sie ist, nachprüfen können, woher ein Wert stammt, und ihn korrigieren können, ohne gegen das Interface zu kämpfen. Lesbare Konfidenz und einfache Verifizierung haben mehr zur Akzeptanz beigetragen als rohe Genauigkeit allein.
Dieses Projekt schärfte, wie ich KI-native Produkte gestalte: Unsicherheit ehrlich zeigen, Menschen die Kontrolle lassen und die Review-Erfahrung so sorgfältig gestalten wie die Automatisierung selbst.
Gestalten Sie ein KI-Feature, dem Nutzer vertrauen müssen?
Machen wir Ihre Produkt-Herausforderung testbar.