
Digital AI Sentient Design Expert
Kursnummer: UA1058
KI ist in diesem Kurs Bestandteil des Systems: Es geht um intelligente, KI-basierte Systeme, nicht nur um KI-Unterstützung bei der Produktentwicklung. Aufbauend auf UA1018 (CPUX-F, HCAIX Level 1) erwerben die Teilnehmenden auf Advanced-Niveau die Kompetenzen, digitale Produkte und Systeme mit künstlicher Intelligenz (KI) menschzentriert zu gestalten. Der Bereich des HCAIX-Zertifizierungssystems Level 2 ist Sentient Design (Inhalte CPUX-DS). Die Teilnehmenden gestalten von der Aufgabenanalyse über das Interaktionsdesign bis zum Prototyp KI-gestützte Produkte, bauen und bewerten Vorhersagemodelle, automatisieren Abläufe mit menschlicher Freigabe, entscheiden, wo die KI handelt und wo der Mensch, und gestalten Intent, Erklärbarkeit, Unsicherheit, Fehlerfälle und Fallback.
Warum dieser Kurs?
- 176 UE in 4,4 Wochen (22 Tage)
- 22 Tage à 8 UE (UE à 45 Min.)
- Zertifikat: Digital AI Sentient Design Expert
- HCAIX Level 2: Sentient Design
- Aufbau auf UA1018 oder gleichwertige Kenntnisse
- 38 UE Theorie live mit Trainer
- 42 UE Übungen mit Trainerbetreuung, 14 UE Coaching
- KI als Bestandteil des Systems - nicht nur Werkzeug
- LIVE ONLINE mit V-Classroom-XL
- Förderung über Bildungsgutschein beantragt
Zielgruppe
- UX-, UI- und Interaction-Designer, Usability-Fachleute, Produktverantwortliche
Kursformat
- 4,4 Wochen: 22 Tage à 8 UE
- bis zu 49% Selbststudium ohne Präsenz
- LIVE ONLINE V-Classroom-XL
- 12 Teilnehmende maximal - viel Zeit für individuelle Fragen
- Theorie, Übungen mit Trainerbetreuung und Coaching
Preis
Preis: 3.164,34 € netto Förderung über Bildungsgutschein beantragt

Pizza Projekt
Projektsituation: Pizzeria möchte keine Provisionen mehr verleieren und lieber weitere Kunden mit eigener mobilen Lösung gewinnen

Nutzungskontextanalyse
Brain Storming Nutzungskontext um sich einen ersten Überblick zu verschaffen

Persona
Der fiktive Besitzer in Form einer Persona

Benutzer
Der fiktive Benutzer in Form einer Persona

Low Fidelity Prototype
Nach mehreren Iterationen gibt es erste Entwürfe als Low Fidelity Prototype

Wireframe
Nach mehereren Prototypen und WireFlows wird das Design über einen Wireframe harmonisiert

Figma oder Axure Prototyp
Nach weiteren Iterationen gibt es einen High Fidelity Prototypen

Usability Testing & Evaluation

Usability Testing mit Videoaufzeichnung
Kursinhalte & Themenblöcke – Digital AI Sentient Design Expert
3.1 Perspektiven auf Gestaltung und frühes Design (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 1+2) – 2 UE
- Gestaltungsaktivitäten, Iteration, Gestaltung der gesamten UX über alle Touchpoints (Parkplatz, QR, Gerät, App, Beleg)
- Customer Journey und Service Blueprint (Front-/Backstage: Clara, Lieferant, Service)
- Aufgabenobjekte, Benutzungsschnittstelle zur Zielerreichung
- KI-Entwurf von Journey und Blueprint aus den Interviews als Ergänzung; Validierung mit Stakeholdern
- Aufgabenobjekte als Ausgangspunkt für das konzeptuelle Modell und die Benutzungsschnittstelle (Objekt-Aktions-Prinzip)
- Swimlane-Diagramm als Darstellungsform: Bahnen für Nutzende, Oberfläche (Touch) bzw. Sprachdialog, KI/System, Mitarbeitende; Service Blueprint als Swimlane
- Zwei Varianten desselben Ablaufs „Kaffeemaschine bedienen und warten“: (A) Touch mit Grafik und Text, (B) nur Sprache/Text, begleitet von Grafik oder Illustration
- Brücke zur Gestaltung: Die Elemente des Nutzungskontexts nach ISO 9241-11 bleiben die Grundlage der Gestaltung; Journey, Service Blueprint und konzeptuelles Modell nutzen sie, ergänzende Methoden (JTBD, IREB, DDD) dienen dem Gesamtverständnis
- Brücke zu Sentient Design (Clark und Kindred): „kontext- und absichtsbewusst“ entspricht Nutzungskontext nach ISO 9241-11 sowie Aufgabe und Ziel; das konzeptuelle Modell ist das stabile Gerüst, in dem sich eine adaptive Oberfläche bewegt
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 15 – 8 UE
- Lehrmaterial Sentient Design (Inhalte CPUX-DS Kapitel 1+2), Lehrtext, Quiz
- Lesen: CPUX-DS-Inhalte (Gestaltungsprinzipien), Sentient Design (Grundattribute) in Kurzfassung
- Projektübung: Konzept und Styleguide-Entwurf zur Kaffeemaschine überarbeiten
Praktische Übungen: Praxisübung 13 – Touchpoints, Journey, Service Blueprint, konzeptuelles Modell und Aufgabenobjekte – 6 UE
- Aufgabe Teil A: Touchpoint-Karte, Customer Journey und Service Blueprint der Kaffeemaschine
- Aufgabe Teil B: Konzeptuelles Modell aus dem Aufgabenmodell; Aufgabenobjekte und Domain Stories (als Arbeitsgrundlage bereitgestellt) verfeinern, Zustände und Ereignisse der Aufgabenobjekte; Bereiche (Bestellung, Wartung und Reinigung, Bestand und Nachbestellung, Abrechnung) als einfache Bounded-Context-Skizze (DDD als Hilfsthema)
- Mensch-oder-KI-Matrix: wer entscheidet bei Bestellung, Reinigung, Wartung, Nachbestellung
- Ergebnis: Journey/Blueprint, konzeptuelles Modell mit Aufgabenobjekten, Domänenmodell, Mensch-oder-KI-Matrix
- Swimlane-Diagramm Variante A (Touch) und Variante B (Sprache mit visueller Begleitung) für denselben Ablauf erstellen und vergleichen
3.2 Aufgabenobjekte, Domänenmodell und Mensch-oder-KI (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 2; DDD; HCAIX Level 2) – 2 UE
- Aufgabenobjekte werden zum Domänenmodell: Begriffe, Eigenschaften, Beziehungen, Zustände und Ereignisse (zum Beispiel Bestellung: angelegt, bestätigt, geliefert)
- DDD nur als Hilfsthema, einzelne Begriffe dort, wo sie helfen: Ubiquitous Language (gemeinsames Glossar), Domain Event, Bounded Context als grobe Abgrenzung der Bereiche; keine eigene DDD-Methodenlehre
- Autonomiestufen 0–4, Human-in-the-Loop; vorausschauendes Verhalten der Maschine mit Bestätigung durch Clara
- Brücke zu DDD: Domänenmodell und Begriffe der Domäne ergänzen das Aufgabenobjektmodell; Arbeitsgegenstand aus dem Domain Storytelling, Aufgabenobjekt und Entität werden aufeinander abgebildet, ohne die Elemente des Nutzungskontexts zu ersetzen
- Aufgabenobjekte als Verankerung (Grounding) intelligenter Oberflächen: Die strukturierten Objekte mit Attributen, Zuständen und Beziehungen sind die Datenwahrheit; die KI darf Darstellung und Auswahl anpassen, aber keine Objektdaten erfinden (Trennung von Absicht und Darstellung gegenüber den Daten)
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 16 – 6 UE
- Domänenmodell verfeinern; Literatur DDD und Autonomiestufen
- Lesen: DDD-Literatur (Kapitel zu Methoden und Konzept), Styleguide als Schnittstelle
- Projektübung: DDD-Bezug der Projektergebnisse beschreiben, Lücken benennen
3.3 Vorhersagemodelle I: Daten, Baseline und Bestellregel (HCAIX Level 2) – 2 UE
- Zielgröße, Features, Zeitreihen, Trainings- und Testzeitraum
- Baselines (naiv, saisonal, gleitender Mittelwert) und Backtest (rolling origin)
- Metriken (MAE, MAPE, Intervallabdeckung); Bestellregel: Meldebestand = Nachfrage in Lieferzeit plus Sicherheitsbestand
- Aufgabenobjekte und Datenmodell: aus Aufgabenobjekten wird das Datenmodell für Prognose und Automation
- Rechenbasis Bohnenprognose: Prüfzeitraum = letzte 28 Tage, Training auf der Vorgeschichte; Baseline gleitender 7-Tage-Mittelwert; Fehlermaße MAE, MAPE, RMSE; Merkmale: Wochentag, Tag des Monats, Monat, Wochenendkennzeichen, Feiertagskennzeichen, Verzögerungen (1, 7, 14, 28 Tage), gleitende Mittel (7, 28 Tage), gleitende Streuung
3.4 Python lesen, ändern und testen (mit Claude Code) (HCAIX-SD Sentient Design; Daten und KI) – 2 UE
- Python-Grundlagen für Nicht-Programmierer: Variablen, Listen, Tabellen (pandas), Funktionen
- Code lesen, kleine Änderungen vornehmen, Ergebnis mit Test prüfen
- Claude Code als Assistent: Auftrag formulieren, Änderung prüfen, Fehler erkennen; Python versus Claude Code: Python für nachvollziehbare Berechnung, Claude Code für Prototyp und Änderungen
- Grenzen: KI-erzeugter Code wird immer geprüft (Test, Vergleich mit Baseline)
3.5 Bestelloptimierung: Quantilprognose, Servicelevel und Simulation (HCAIX-SD Sentient Design; Daten und KI) – 2 UE
- Von der Punktprognose zur Entscheidung: Quantilprognose, Servicelevel, Sicherheitsbestand
- Kosten von zu wenig und zu viel Bestand abwägen
- Simulation von Bestellregeln auf historischen Daten (Backtest)
- Beispiel Kaffeemaschine: Bohnenverbrauch und Nachbestellung; Ergebnis nur als Vorschlag mit menschlicher Freigabe
- Physical AI: Prognosen steuern reale Abläufe (Bohnenbestand, Reinigung); Folgen einer Fehlprognose in der physischen Welt (Ausfall der Maschine, Wartezeit der Gäste) in die Kostenabwägung aufnehmen
Praktische Übungen: Praxisübung 14 – Bohnenverbrauch: Daten, Baseline, Backtest und Bestellvorschlag – 6 UE
- Rechnung nach dem Kaffeebohnen-Beispiel: Tagessummen in Gramm, Baseline 7-Tage-Mittelwert, Backtest über die letzten 28 Tage, MAE, MAPE und RMSE; eigene Ergebnisse mit den Referenzwerten (Baseline 1384 g, LightGBM 1123 g pro Tag) vergleichen und Abweichungen erklären
- Aufgabe: Daten aufbereiten, Baseline und Backtest für den Bohnenverbrauch; Metriken berechnen
- Bestellvorschlag aus Prognose und Bestellregel (Lieferzeit, Sicherheitsbestand, Mindestmenge)
- Claude Code: Datenpipeline und Tests schreiben lassen; Teilnehmende lesen den Code, prüfen Ergebnisse gegen Handrechnung
- Ergebnis: Notebook mit Baseline, Backtest und Bestellvorschlag
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 17 – 8 UE
- Data Science mit Claude Code: Pipeline, Tests, Review; Notebook nacharbeiten
- Lesen: Datenkapitel (ML-Grundlagen, Evaluation)
- Projektübung: Datenpipeline und Modell der Prognose reproduzieren, Claude Code als Assistent nutzen
- Ergänzung Vibe Coding: 'Vibe Coding with Replit' (DataCamp, ca. 2 Std., kostenlos, Englisch) oder 'Vibe Coding 101 with Replit' (DeepLearning.AI, ca. 1,5 Std., Englisch; Gratis-Zugang laut Plattform zeitlich begrenzt) – Fokus: Prompten, Kontext geben, Checkpoints, Debuggen
3.6 Informationsarchitektur und Interaktionsdesign (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 3) – 2 UE
- Informationsarchitektur, Navigationsstruktur
- Interaktionsdesign, Interaktionsablauf, Ansichten
- Mehrsprachige Bestellung und Bestellung in der Gruppe
- Informationsarchitektur und Ansichten je Aufgabenobjekt (Liste, Detail, Erstellen, Ändern); Objekt-Aktions-Prinzip in Navigation und Dialogen
- Dialogfluss und Sprachdialog-Skript: Absichten (Intents), Rückfragen, Bestätigung, Fehlerfall; Wireflow Touch versus Dialogfluss Sprache
- Objektorientierte Informationsarchitektur: je Aufgabenobjekt feste Ansichten (Liste, Detail, Aktion) und Regeln, welche Ansicht in welchem Kontext erscheint; diese Regeln sind die Basis für eine spätere adaptive Zusammenstellung
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 18 – 6 UE
- Lehrmaterial Sentient Design (Inhalte CPUX-DS Kapitel 3+4.1), Lehrtext, Quiz
- Lesen: CPUX-DS-Inhalte, Beispiele für Interaktionsmuster
- Projektübung: Interaktionskonzept an Testbefunden schärfen
Praktische Übungen: Praxisübung 15 – Interaktion und Prototyp: Bestellassistent und Wartungsansicht für Clara – 6 UE
- Aufgabe: Informationsarchitektur für Gerät, App und Clara-Dashboard; Interaktionsablauf und Wireflow
- Low-Fidelity-Prototyp: mehrsprachiger Bestellassistent (Deutsch, Englisch, Bulgarisch, Niederländisch), Nachbestellvorschlag und vorausschauende Reinigungs-/Wartungshinweise
- Prototyping mit Figma und Claude (Claude Code für lauffähigen Web-Prototyp)
- Feedback-Runde im Rollenspiel mit Clara, Dimitri, Henk und Hilda
- Ergebnis: Wireflow, Low-Fi-Prototyp mit KI-Funktion
- n8n-Workflow für ein Aufgabenobjekt aufbauen: Nachbestellung oder Wartungsticket (Webhook, Prognosewert, Nachricht an Clara mit Bestätigung, Bestellung); Anbindung an den Prototyp; Claude hilft beim Workflow, Teilnehmende prüfen jeden Schritt
- Ergebnis zusätzlich: n8n-Workflow mit Fehlerfall und Freigabe
- Sprach-/Textdialog-Prototyp mit Claude: Kaffeemaschine per Sprache oder Text bedienen und warten, immer mit sichtbarer Rückmeldung (Statusgrafik, Karte, Illustration)
- Aufgabenobjekte in Ansichten übersetzen: je Objekt Liste, Detail und Aktion festlegen
3.7 Prototyping und KI-Funktionen im Prototyp (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 4.1; HCAIX Level 2) – 2 UE
- Skizze, Wireframe, Wireflow, Prototyp; Wizard-of-Oz oder echte KI-Funktion im Prototyp
- Gestaltungsmuster für KI: Vorschlag, Bestätigung, Korrektur, Erklärung
- Prototyp: manuell in Figma, KI-generierter Prototyp oder Code-Prototyp (gleichwertig, nach Reifegrad und Zweck); Wizard-of-Oz für KI-Verhalten
- Automatisierung mit n8n (Theorie): Aufgabenobjekte als Auslöser, Daten und Ergebnisse von Workflows; Beispiel Nachbestellung: Maschinenereignis oder Prognose, Bestellvorschlag, Bestätigung durch Clara, Bestellung beim Röster; Wartungshinweis erzeugt Ticket; Mensch behält Freigabe, Fehlerfall und Fallback gestalten
- Adaptive Szene im Prototyp: Claude stellt aus freigegebenen Komponenten und den Daten eines Aufgabenobjekts die passende Ansicht zusammen (Routine im Regelbetrieb, Störung mit Schritt-für-Schritt-Hilfe); Eingabe als Kontext und Schema, Ausgabe nur aus dem Styleguide; Fallback auf die feste Standardansicht
- Prototyp einer Physical-AI-Oberfläche: Zusammenspiel von Gerät, App und Dashboard; Rückmeldung zu Aktionen der Maschine sichtbar machen
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 19 – 6 UE
- Figma-Tutorials, Prototyp mit Claude nacharbeiten
- Lesen: Figma-Tutorials (Grundlagen, Komponenten, Auto Layout; kostenlos, Englisch/Deutsch)
- Projektübung: Prototyp-Screens für die Kaffeemaschine nachbauen und mit Claude abgleichen
- Ergänzung Vibe Coding: Prototyp-Idee per KI-Agent als lauffähige Web-Oberfläche entwickeln (Replit-Gratiskonto) und mit dem Figma-Prototyp vergleichen; Grenzen und Sicherheitsrisiken im Lerntagebuch notieren
3.8 Vorhersagemodelle II: Nachfrage, Reinigung und Wartung (HCAIX Level 2) – 2 UE
- Regression und Gradient Boosting für den Bohnenbedarf; Features (Wochentag, Ferien, Wetter, Verkehr)
- Restlaufzeit bis zur nächsten Reinigung/Entkalkung (Bezüge seit Reinigung, Wasserhärte); Klassifikation Störungsrisiko; Anomalieerkennung
- Training und Test bei Zeitreihen, Überanpassung; einfache Modelle gegen komplexe vergleichen
- Reinigungsfenster in ruhigen Stunden aus der Nachfrageprognose
- Modellvergleich an einem Fall: Baseline, Gradient Boosting (LightGBM), Prophet (Zeitreihen mit Saison und Feiertagen) und neuronales Netz (LSTM); Referenz: Gradient Boosting etwa 19 % genauer als die Baseline, das neuronale Netz braucht mehr Daten als sechs Monate; Lehre: einfachstes Modell, das die Baseline schlägt, und Modell nach Datenmenge wählen
3.9 Alarmschwellen und Fehlerabwägung: Precision, Recall und Kosten (HCAIX-SD Sentient Design; Evaluation von KI) – 2 UE
- Alarm bei Wartungsbedarf: Fehlalarm versus verpasster Alarm
- Precision, Recall, Schwellenwert wählen und begründen
- Fehlerkosten und Nutzerperspektive: wann stört ein Alarm, wann schadet ein verpasster
- Schwelle im Prototyp einstellbar machen und mit Nutzenden testen
- Physical AI: Fehlalarm und verpasster Alarm haben physische Folgen (Reinigung zu früh oder zu spät, Ausfall im Betrieb); Schwellen mit Sicherheits- und Servicekosten begründen
Praktische Übungen: Praxisübung 16 – Prognosemodelle trainieren und Dashboard – 3 UE
- Vier Modelle auf den Bohnendaten vergleichen (Baseline, Gradient Boosting, Prophet, optional LSTM); MAE, MAPE, RMSE und Merkmalswichtigkeit auswerten
- Aufgabe: Nachfragemodell gegen Baseline vergleichen; Reinigungs- und Wartungsprognose; Reinigungsfenster ableiten
- Dashboard mit Apache Superset: Bestand, Bestellvorschlag, Reinigungs- und Wartungsstatus
- Claude Code: Modelle trainieren lassen, Features und Ergebnisse kritisch prüfen
- Ergebnis: Modell-Notebook, Dashboard
- Dashboard-Ansichten nach dem Beispiel: Bestellempfehlung für morgen in kg, nächste 7 Tage mit 80-%-Konfidenzband, Backtest (tatsächlich gegen vorhergesagt), Modellvergleich, Merkmalswichtigkeit, Prognose je Produktkategorie
Praktische Übungen: Praxisübung 17 – n8n-Workflow: Nachbestellung und Wartungsticket mit Freigabe – 3 UE
- Aufgabenobjekt „Bestellung“ und „Wartungsticket“ als Workflow modellieren
- n8n: Trigger, Datenabruf, Prognoseaufruf, Schwellenprüfung, menschliche Freigabe, Fallback bei Fehler
- Test mit Beispieldaten, Protokoll der Läufe, Abnahme durch Fachperson
- Täglicher Lauf als Pipeline: Aggregieren, Merkmale bilden, trainieren, 7 Tage prognostizieren, Dashboard veröffentlichen (im Beispiel jeden Morgen automatisch); in n8n als geplanter Workflow mit menschlicher Freigabe der Bestellung
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 20 – 8 UE
- Modelle und Dashboard nacharbeiten, Superset-Tutorial
- Lesen: Superset-Tutorial (Dashboards)
- Projektübung: Dashboard zu den Verbrauchsdaten und der Prognose fertigstellen
3.10 Verfeinerung, spezifische Bedürfnisse, Ethik und Diversität (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 4+5) – 2 UE
- Interfacedesign und Informationsdesign, sensorisches Design (Licht, Klang, Haptik; Handschuhe, Sonne)
- Barrierefreiheit (Rollstuhl, Sehschwäche), Ethik, kulturelle Diversität (Sprache, Schrift)
- Datenschutz bei Personalisierung (Opt-in) für Stammgäste wie Henk und Hilda
- Barrierefreiheit: automatische Prüfung als Ersatz für Regelprüfungen, plus manuelle Prüfung und Nutzer mit Beeinträchtigungen
- Designsystem und KI: Variablen, Textstile, Komponenten und Varianten als Grundlage; KI-erzeugte Oberflächen prüfen (Konsistenz, Kontrast, Austauschbarkeit der Elemente)
- Modalitäten im verfeinerten Design: Touch, Sprache, Text, Mischformen (multimodal); Sprache als zusätzliche Alternative, nicht als Ersatz
- Sprachbedienung und Zugänglichkeit: Vorteile (freie Hände, Sehbehinderung) und Grenzen (Lärm, Privatsphäre, Sprach- und Dialektvielfalt, Gehörlosigkeit)
- Styleguide und Designsystem als Schnittstelle zwischen klassischem Design (CPUX-DS) und Sentient Design: Tokens, Komponenten, Muster und Regeln sind der Sandkasten, aus dem eine KI Oberflächen zusammensetzen darf; Interaktionsprinzipien ISO 9241-110, Barrierefreiheit und Markenregeln dienen als Prüfregeln für adaptive Ergebnisse
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 21 – 6 UE
- Lehrmaterial Sentient Design (Inhalte CPUX-DS Kapitel 4–6), Lehrtext, Quiz
- Lesen: Beispiele und Muster aus den Lehrmaterialien zu Design-Systemen
- Projektübung: Prototyp und Styleguide konsolidieren, Konsistenz prüfen
Praktische Übungen: Praxisübung 18 – Hi-Fi-Prototyp, Barrierefreiheit, Ethik und Diversität – 6 UE
- Aufgabe: Interface- und Informationsdesign verfeinern; sensorisches Design für Raststätte, Handschuhe und Sonne
- Barrierefreiheit, Ethik und Diversität am Beispiel Dimitri, Reisende im Rollstuhl, Ronnie & Mandy mit den Kindern Peggy und Heiko, Henk und Hilda, Sepp
- Hi-Fi-Prototyp
- Ergebnis: Hi-Fi-Prototyp, Barrierefreiheits-Check
- Sprachbedienung der Kaffeemaschine als zweite Modalität neben Touch: Beispieldialog Bedienung und Wartung, mit Grafik/Illustration; Test auf Barrierefreiheit und Fehlverstehen
- Werkzeuge für Visualisierung: Claude für Diagramme, SVG/HTML-Grafiken und Prototyp; Bildgenerator für Illustrationen; Videowerkzeug für kurze Erklärclips; Rechte, Kennzeichnung KI-erzeugter Bilder und Datenschutz klären
- Hi-Fi-Prototyp mit Claude und Figma: Claude erzeugt über die Figma-Anbindung in einer Figma-Datei Styleguide (Farben als Variablen, Textstile), Komponenten mit Varianten (z. B. Button einzeln austauschbar) und die Screens der Clara-App (Rezepte, Wartung, Reinigung mit Prognose, Schrittanleitung, Face-ID-Anmeldung) im Stil von Material Design
Praktische Übungen: (Fortsetzung) Praxisübung 18
- KI-Ergebnis in Figma prüfen und nacharbeiten: Komponenten statt Einzelobjekte, Variablen statt fester Farben, Kontrast und Touch-Zielgrößen, Prototyp-Verknüpfungen und Animationen; Dokumentation, was die KI erzeugt und was die Teilnehmenden korrigiert haben; Marken- und Bildrechte klären (Anmutung statt Logos)
- Adaptive Ansicht: Claude setzt für einen Kontext (Routine, Störung) eine Ansicht aus den Komponenten des Clara-Styleguides in Figma zusammen; Prüfung gegen Styleguide, ISO 9241-110 und Barrierefreiheit
3.11 Design FOR AI und Sentient Design (HCAIX-SD Sentient Design; Inhalte CPUX-DS Kap. 6; HCAIX Level 2) – 2 UE
- Sentient Design (Clark und Kindred, Rosenfeld Media): Praxis, intelligente Oberflächen zu gestalten; KI als Gestaltungsmaterial; das System nimmt Kontext wahr, deutet die Absicht und handelt mit eigenem Spielraum
- Kernattribute: kontext- und absichtsbewusst, radikal adaptiv (Inhalt, Struktur, Verhalten, Medium); typische Merkmale: kollaborativ, multimodal, kontinuierlich und ambient, zurückhaltend; Sprachsteuerung aus Themenblock 6 als eine Modalität
- Sentient-Dreieck: verankert (Grounding in Daten und Wissen), interoperabel (strukturierter Austausch mit anderen Systemen), radikal adaptiv; Kombinationen ergeben kollaborative, autonome und iterative Erlebnisse
- Defensives Design: Scheitern einplanen, Rückfallebenen (aus der Rolltreppe wird eine Treppe), breite Regeln statt eines einzigen Pfades, Sandkasten aus freigegebenen Komponenten, Prüfung der Ergebnisse
- Wann adaptive Oberflächen helfen und wann sie schaden; Risiken und Verantwortung (Kontrolle, Transparenz, Ethik) in Verbindung mit ISO 9241-110 und Prozess ISO 9241-210
- Einordnung gegenüber CPUX-DS: Das klassische Design liefert Ziele, Aufgabenobjekte, Struktur und Styleguide; Sentient Design nutzt sie als Grundlage und Prüfmaßstab. Design FOR AI: Fallback, Unsicherheit, Mensch behält die Kontrolle
- Erklärbarkeit, Konfidenz und Unsicherheit anzeigen, Fehlerfall, Fallback, Korrektur
(Fortsetzung) 3.11 Design FOR AI und Sentient Design
- Stakeholder, Rahmenbedingungen, Dokumentation der Gestaltungsentscheidungen
- Automation und KI gemeinsam gestalten: Freigabestufen, Rückfall auf manuelle Bearbeitung, Protokoll jedes automatischen Schritts am Aufgabenobjekt
- Konversationelle Bedienung: Prompt als Bedienung („Reinige die Maschine heute Abend“), Bestätigung kritischer Aktionen, Transparenz was die KI getan hat
- Visuelle Begleitung jeder Sprachantwort: Statusgrafik, Schritt-für-Schritt-Illustration, kurzes Erklärvideo
- Unsicherheit gestalten: Konfidenzband statt Einzelzahl; der Manager sieht den sicheren Bereich, nicht nur den Mittelwert (Beispiel Bohnenbestellung)
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 22 – 6 UE
- Design FOR AI: Fallstudien, Muster; Erklärbarkeit am Prototyp ergänzen
- Lesen: Design FOR AI (Fallstudien, Muster), Sentient Design (Defensive Design, Unsicherheit)
- Projektübung: Erklärbarkeit und Unsicherheit im Prototyp ergänzen
3.12 Modelle bewerten und betreiben: worauf man achten muss (HCAIX Level 2) – 2 UE
- Zeitliche Leckage, Zeitsplit statt Zufallssplit, zensierte Nachfrage (Ausverkauf), Drift (neue Rezeptur, Preise, Maschinentausch)
- Asymmetrische Fehlerkosten, Intervalle und Kalibrierung, Alarmmüdigkeit (Precision/Recall), seltene Ereignisse, Eingriffe verändern Daten, Rückkopplung
- Bias und Datenschutz, Monitoring, Verantwortung (KI-Verordnung, Art. 4)
- Automatische Modelltests (Eval-Harness) als Ergänzung zu Review und Beobachtung; LLM als Prüfinstanz nur nach Abgleich mit menschlichen Bewertern
- Betrieb: tägliches Neutrainieren, Überwachung der Fehlermaße gegen die Baseline, Hinweis bei Verschlechterung
3.13 Ausfallrisiko und Anomalieerkennung: Fehleranalyse (HCAIX-SD Sentient Design; Evaluation von KI) – 2 UE
- Ausfallrisiko aus Sensor- und Nutzungsdaten, Anomalieerkennung als Hinweisgeber
- Fehleranalyse: welche Fälle werden falsch eingeschätzt, wer ist betroffen (Fairness, Randfälle)
- Fallback und Rückfall auf manuelle Wartung
- Dokumentation der Modellgrenzen im Design-Dokument
Praktische Übungen: Praxisübung 19 – Modellbewertung, Fehlerfälle, Fallback und Design-Dokumentation – 3 UE
- Aufgabe: Modelle bewerten (Metriken, Intervalle, Fehlerkosten), Checkliste „worauf man achten muss“ auf das eigene Modell anwenden
- Fehlerfälle und Fallback: Prognose falsch, Sensor fällt aus, Lieferverzug
- Design-Dokumentation und Dokumentation der Modellentscheidungen (Model Card)
- Ergebnis: Bewertungsbericht, Fehlerfall-Katalog, Design-Dokumentation
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 23 – 6 UE
- Dokumentation fertigstellen; Wiederholung CPUX-DS
- Lesen: Material zu KI-Funktionen und Evaluation
- Projektübung: KI-Funktion des Prototyps evaluieren, Testskript für Zyklus 2 anpassen
Prüfungsvorbereitung HCAIX-SD (Wiederholung live) (HCAIX-SD) – 4 UE
- Wiederholung der Inhalte Sentient Design, Beispielaufgaben, offene Fragen
Eigenverantwortliches Lernen: Eigenverantwortliches Lernen 29 – 4 UE
- Lerntagebuch und Projektergebnisse durchsehen, Übungen zur Prüfung SD bearbeiten, Fragen für die Wiederholung sammeln
Teilprüfung HCAIX-SD (HCAIX-SD) – 8 UE
- Eigene Prüfung der Usability Academy auf Basis des HCAIX-Kompetenzmodells (Format, Dauer und Bestehensregel noch festzulegen)
GESAMT-SUMME RAHMENPLAN – 38 UE
UE gesamt (Theorie + Trainerbetreuung + Coaching + Eigenverantwortliches Lernen)
Anteil eigenverantwortliches Lernen an UE gesamt: 50 %
Live (Theorie + Übungen + Coaching): Theorieanteil
Hinweis Prüfung: Zwei Prüfungstage (je 8 UE): Vorbereitungstag (4 UE Wiederholung live als Theorie, 4 UE eigenverantwortlich) und Prüfungstag (8 UE live, hier unter Theorie geführt). Die Teilprüfung HCAIX-SD ist eine eigene Prüfung der Usability Academy auf Basis des HCAIX-Kompetenzmodells (Format, Dauer, Bestehensregel und Termine festlegen); die Zertifizierungsstelle ist vor Einreichung zu klären.
Kursinfo – Digital AI Sentient Design Expert
- 38 UE Theorie live online mit Trainer
- 42 UE Übungen mit Trainerbetreuung
- 14 UE Coaching
- 82 UE eigenverantwortliches Lernen mit Betreuung
- 22 Tage à 8 UE, UE à 45 Minuten
- Live online im V-Classroom-XL
Zertifikat der Usability Academy auf Basis des HCAIX-Kompetenzmodells (Level 2) nach bestandener Teilprüfung HCAIX-SD: Digital AI Sentient Design Expert (Human-Centered AI eXperience). Der Themenblock ist zusammen mit UA1018 belegbar. Die Inhalte von CPUX-DS (UXQB) sind den Teilnehmenden bekannt; eine Vorbereitung auf die Prüfung von UXQB ist nicht Teil des Kurses. Für das HCAIX-Zertifizierungssystem ist eine eigene Organisation (Verein bzw. Verband, vergleichbar IREB und UXQB) geplant.
Personen mit Erfahrung in digitaler Produktgestaltung und Nutzerforschung, die ihr Profil auf KI-gestützte Gestaltung und Prototyping erweitern: insbesondere UX-, UI- und Interaction-Designerinnen und -Designer, Webdesigner, Usability-Fachleute und Produktverantwortliche sowie Berufsrückkehrende und Arbeitsuchende, die sich auf Expertenniveau neu aufstellen (Internet, Software, Internet der Dinge, Produktentwicklung, Automobil, Verwaltung, Luft- und Raumfahrt, Medizintechnik). Voraussetzung ist UA1018 oder gleichwertiges Wissen.
Live-Onlinekurs mit zertifizierten Trainern
- Kurspreis 3.164,34 € netto pro Teilnehmer
- Förderung über Bildungsgutschein beantragt
- Maximal 12 Teilnehmende
- Die Förderung über Bildungsgutschein der Agentur für Arbeit ist beantragt.
- Die Zulassung des Kurses steht noch aus; die Zertifikatsnummer folgt nach der Zulassung.
- Fragen zur Förderung beantworten wir gern: Angebot & Unterlagen anfordern.
Termine – Digital AI Sentient Design Expert
Wöchentlicher Start jeden Montag. Wir senden Dir die nächsten Starttermine mit Angebot und Unterlagen. Die Förderung über Bildungsgutschein ist beantragt.
| Event | Event Date - Event End Date | Individual Price | Register |
|---|---|---|---|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
04.01.2027 - 02.02.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
11.01.2027 - 09.02.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
18.01.2027 - 16.02.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
25.01.2027 - 23.02.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
01.02.2027 - 02.03.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
08.02.2027 - 09.03.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
15.02.2027 - 16.03.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
22.02.2027 - 23.03.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
01.03.2027 - 30.03.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
08.03.2027 - 06.04.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
15.03.2027 - 13.04.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
22.03.2027 - 20.04.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
29.03.2027 - 27.04.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
05.04.2027 - 04.05.2027 9:00 - 16:00 |
3,164.34€ |
|
|
UA1058 Digital AI Sentient Design Expert DE LIVE ONLINE 176 UE in 4,4 Wochen (22 Tage)22 Tage à 8 UE (UE à 45 Min.)Zertifikat: Digital AI Sentient Design ... |
12.04.2027 - 11.05.2027 9:00 - 16:00 |
3,164.34€ |
Was Du lernst – Digital AI Sentient Design Expert
Seminarziel
- Aufbauend auf UA1018 (CPUX-F, HCAIX Level 1) erwerben die Teilnehmenden auf Advanced-Niveau die Kompetenzen, digitale Produkte und Systeme mit künstlicher Intelligenz (KI) menschzentriert zu gestalten
- Der Bereich des HCAIX-Zertifizierungssystems Level 2 ist Sentient Design (Inhalte CPUX-DS)
- Die Teilnehmenden gestalten von der Aufgabenanalyse über das Interaktionsdesign bis zum Prototyp KI-gestützte Produkte, bauen und bewerten Vorhersagemodelle, automatisieren Abläufe mit menschlicher Freigabe, entscheiden, wo die KI handelt und wo der Mensch, und gestalten Intent, Erklärbarkeit, Unsicherheit, Fehlerfälle und Fallback
- Als durchgängiges Beispiel für Physical AI (KI, die über Sensoren wahrnimmt und in der physischen Welt handelt) dient die Kaffeemaschine; die Teilnehmenden gestalten und bewerten deren Oberfläche und KI-Funktionen
- KI wird in doppelter Weise beherrscht: als Werkzeug und Methode (Claude und Claude Code in den Arbeitsschritten) und als Bestandteil des Produkts (KI-Funktionen der Maschine im Projekt „Kaffeemaschine“)
Inhaltsbeschreibung
- Der Kurs besteht aus dem Themenblock HCAIX-SD und der zugehörigen Prüfung (Gesamtumfang 176 UE, 22 Tage): • Themenblock HCAIX-SD (Sentient Design), 160 UE, Tag 1–20: frühes Design (Touchpoints, Journey, Service Blueprint, konzeptuelles Modell), Aufgabenobjekte und Domänenmodell, Interaktionsdesign, Prototyping mit KI-Funktionen, Vorhersagemodelle (Daten, Baseline, Backtest, Bestellvorschlag), Automatisierung mit n8n, Verfeinern, Barrierefreiheit, Ethik und Diversität, Design FOR AI und Sentient Design (Intent, Erklärbarkeit, Unsicherheit, Fehlerfall, Fallback), Modellbewertung, zweiter Testzyklus am Prototyp und Fallstudie (Inhalte CPUX-DS). • Prüfung, 16 UE, Tag 21–22: Prüfungsvorbereitung und Teilprüfung HCAIX-SD
Zielgruppe
- Personen mit Erfahrung in digitaler Produktgestaltung und Nutzerforschung, die ihr Profil auf KI-gestützte Gestaltung und Prototyping erweitern: insbesondere UX-, UI- und Interaction-Designerinnen und -Designer, Webdesigner, Usability-Fachleute und Produktverantwortliche sowie Berufsrückkehrende und Arbeitsuchende, die sich auf Expertenniveau neu aufstellen (Internet, Software, Internet der Dinge, Produktentwicklung, Automobil, Verwaltung, Luft- und Raumfahrt, Medizintechnik)
- Voraussetzung ist UA1018 oder gleichwertiges Wissen
Voraussetzungen
- UA1018 Digital Product Design CPUX-F AI UX oder gleichwertige Kenntnisse (CPUX-F, HCAIX Level 1, Pizza-Projekt)
- Die Aufnahme erfolgt über die Eignungsfeststellung (Eignungsinterview), die auch die vorhandenen Vorkenntnisse prüft
- Deutschkenntnisse mindestens B2
Arbeitsmarktrelevanz
- Generative KI übernimmt zunehmend reine Layout- und Gestaltungsarbeit und verändert das Berufsbild von UX- und UI-Designern
- Gefragt bleiben Kompetenzen, die KI nicht ersetzt: das Zusammenspiel von Mensch und KI gestalten, KI-Funktionen entwerfen und bewerten und KI-Ergebnisse prüfen
- Die Weiterbildung adressiert Stellen mit Bezug zu Gestaltung KI-gestützter Produkte, Interaction Design, Prototyping, KI-Anwendung und Product Ownership
- Die Teilnehmenden erwerben belegbare Kompetenz im Umgang mit KI-Werkzeugen (Claude, Claude Code), im Entwurf und in der Bewertung von KI-Funktionen und ein Projektportfolio
- Die Inhalte von CPUX-DS (UXQB) sind den Teilnehmenden bekannt; eine Vorbereitung auf die UXQB-Prüfung ist nicht Teil des Kurses
Du wirst Teil einer großen Community von KI & UX Professionals

"Ich fand das Seminar insgesamt sehr gelungen. Auch die Gestaltung der Schulung als remote/online Schulung hat mir gut gefallen. Die Arbeit mit dem digitalen Whiteboard hat mir ebenfalls gut gefallen..."

"Trainer war sehr flexibel und ging sehr gut auf die Bedürfnisse der Teilnehmer ein. - auch remote sehr gute Arbeitsathmosphäre"

"Das Übersichts-PDF, das den kompletten HCD-Prozess erweitert und übersichtlich darstellt - das war wirklich hilfreich..."

"Fragen, die man jederzeit stellen durfte, wurden immer ausführlich beantwortet. Das gemeinsame Durcharbeiten von praktischen Aufgaben und den Übungsaufgaben war sehr hilfreich bei der Prüfungsvorbereitung…"
Viele Firmen setzen auf unsere Weiterbildungen















Kursformate - Projektarbeit Digitale Transformation

Intensives Training - passend wenn es schnell gehen muss

Passt auch nebenberuflich oder wenn die Kinder in der Schule sind

Passt berufsbegleitend, nebenberuflich und für Langschläfer

Für Alle, die mit Ihrer Zeit jonglieren müssen
Du hast Fragen zum UX Seminar? Lass uns mit ZOOM treffen :-)




