Mehr als UI: Warum AX und UAX für Produkte wichtig werden

Mit KI-Agenten müssen Produkte nicht nur für Menschen gestaltet werden, sondern auch dafür, wie Agenten mit der Oberfläche interagieren und sie anzeigen.
Früher war für Produktteams nur relevant, wie die UI für Menschen aussieht.
Mit dem Aufkommen von Agenten kommen zwei weitere Ebenen hinzu:
- UAX: wie eine Person dein Produkt innerhalb ihres Agenten sieht — über MCP Apps, A2UI, json-render, Sprachhinweise usw.
Das Spannendste ist derzeit UAX, obwohl es fast niemand nutzt, obwohl Agenten zunehmend entscheiden, welchen Teil deiner Oberfläche sie dem Nutzer zeigen.
Wenn ich ein Produkt möglichst agentenfreundlich machen wollte, würde ich einen dieser Ansätze wählen:
- MCP Apps: Der Agent erhält ein fertiges Interface-Stück, und der Nutzer sieht es im Chat genauso wie auf deiner Website — mit deinem Design und deiner Marke.
- Googles A2UI (und Vercels json-render): Du sendest dem Agenten nur eine Liste von Elementen — Karte, Preis, Button — und der Agent entscheidet selbst, wie sie angezeigt werden.
Agenten könnten außerdem ein Kanal für besonders zahlungskräftige Nutzer werden, weil ein KI-Assistent sie bereits vor dem eigentlichen Produktbesuch vorbereiten kann.
Warum das wichtig ist
AnalyseDie nächste Interface-Ebene sind nicht nur Pixel für Menschen, sondern strukturierte Erfahrungen, die Agenten verstehen, auswählen und darstellen können. Produkte mit klarem AX und UAX können Reichweite, Conversion und Markenkonsistenz in KI-Assistenten verbessern.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Jev und System One AI: Ein umfassender praktischer Leitfaden zum Entscheidungsmodell von TypeSafe
Tiefgehende technische Analyse des Flaggschiff-Modells Jev: Architektur von System One im Vergleich zu LLMs, Choice/Score/Noul-Primitiven, Anfrageparallelität, Unsicherheitsmathematik, Video-Anwendungsfälle, Code sowie Überblick über lokale Open-Weight-Alternativen (Laya, GLiNER2.5, CLM-8B).
Autonomer KI-Operator in Telegram 24/7: Architektur, Telethon, Sicherheit und 10 funktionierende Szenarien
Umfassendes technisches Handbuch zur Erstellung eines produktionsreifen KI-Operators in Telegram auf Basis von Telethon: Sitzungsisolierung, Bestätigungssysteme, Schutz vor Bannmaßnahmen und 24/7-Betrieb.
Agent-to-Agent Protocol (A2A)
Ein offener Standard für Netzwerkinteraktion, dezentrale Entdeckung und sicheren Kontextaustausch zwischen unabhängigen KI-Agenten verschiedener Anbieter und Plattformen.
KI-Agenten (Autonome Agenten)
LLM-basierte Softwaresysteme, die in der Lage sind, den Zustand ihrer Umgebung autonom wahrzunehmen, komplexe Ziele zu zerlegen, externe Tools aufzurufen und eigene Fehler iterativ zu korrigieren.