UX Information Architecture Kurs

Lektion 1 • Kernkomponenten der IA

Behandelt die vier Kernsysteme: Organisation, Labeling, Navigation und Suche. Die Studierenden verbinden jedes System mit konkreten Nutzerergebnissen.

Lektion 2 • Mentale Modelle und Nutzerkognition

Erläutert, wie Nutzer Erwartungen an Informationsräume bilden. Verbindet Prinzipien der kognitiven Psychologie direkt mit IA-Entscheidungen.

Lektion 3 • Definition der Informationsarchitektur

Legt fest, was IA ist, ihre historischen Wurzeln und ihren Umfang innerhalb digitaler Produkte. Verankert alle nachfolgenden Techniken in einem gemeinsamen Fachvokabular.

Lektion 1 • Kontextuelle Untersuchung und Interviews

Sammelt naturalistische Daten darüber, wie Nutzer in realen Umgebungen Informationen suchen und nutzen. Die Ergebnisse offenbaren unerfüllte Bedürfnisse, die in Umfragen unsichtbar bleiben.

Lektion 2 • Synthese von Forschung zu IA-Erkenntnissen

Wandelt rohe Forschungsdaten in umsetzbare strukturelle Empfehlungen um. Schließt die Lücke zwischen Nutzerdaten und Designentscheidungen.

Lektion 3 • Card-Sorting-Techniken

Lehrt offenes, geschlossenes und hybrides Card Sorting, um die mentalen Modelle der Nutzer aufzudecken. Die Ergebnisse fließen direkt in das Kategorie- und Label-Design ein.

Lektion 4 • Forschungsplanung für IA-Projekte

Formuliert Forschungsziele anhand struktureller Fragen und nicht allein anhand der Usability. Lehrt die Eingrenzung des Umfangs, die Rekrutierung und die Auswahl geeigneter Methoden.

Lektion 1 • Priorisierung von Inhalten für die Neugestaltung

Wendet geschäftliche und nutzerbezogene Kriterien an, um Inhalte für Migration, Überarbeitung oder Entfernung zu bewerten. Erstellt eine entscheidungsreife Inhaltsmatrix.

Lektion 2 • Durchführung des Inhaltsaudits

Bewertet Inhalte anhand von Qualitäts-, Genauigkeits- und Strukturkriterien. Die Auditergebnisse decken Redundanz, Lücken und falsch platzierte Inhalte auf.

Lektion 3 • Grundlagen der Inhaltsmodellierung

Führt strukturierte Inhaltsmodelle ein, die Inhalt von Darstellung trennen. Modelle ermöglichen eine konsistente Wiederverwendung über Kanäle und Geräte hinweg.

Lektion 1 • Tagging und Folksonomy-Systeme

Stellt kontrollierte Taxonomien nutzergeneriertem Tagging und hybriden Ansätzen gegenüber. Die Studierenden bewerten, wann Folksonomien Mehrwert schaffen und wann sie Rauschen verursachen.

Lektion 2 • Taxonomie-Pflege und -Governance

Etabliert Prozesse, um Taxonomien bei der Weiterentwicklung von Inhalten akkurat zu halten. Governance verhindert Vokabularverschiebung und strukturellen Verfall im Laufe der Zeit.

Lektion 3 • Aufbau kontrollierter Vokabulare

Lehrt die Auswahl von Begriffen, Synonymverwaltung und Regeln für bevorzugte Begriffe. Ein kontrolliertes Vokabular gewährleistet eine konsistente Kennzeichnung im gesamten System.

Lektion 4 • Hierarchisches Taxonomie-Design

Konstruiert Eltern-Kind-Hierarchien, die die mentalen Modelle der Nutzer und Inhaltsbeziehungen widerspiegeln. Kompromisse zwischen Tiefe und Breite werden anhand realer Beispiele analysiert.

Lektion 1 • Hierarchische und flache Navigationsmodelle

Vergleicht hierarchische, Hub-and-Spoke- und flache Navigationsarchitekturen. Untersucht werden Kompromisse bei Tiefe, Auffindbarkeit und Wartung.

Lektion 2 • Typen von Navigationssystemen

Gibt einen Überblick über globale, lokale, kontextbezogene und ergänzende Navigationsmuster. Das Verständnis jedes Typs ermöglicht die angemessene Auswahl für unterschiedliche Inhaltskontexte.

Lektion 3 • Kennzeichnung von Navigationselementen

Wendet Prinzipien der Kennzeichnung auf Navigationslinks, Überschriften und Handlungsaufforderungen an. Klare Bezeichnungen reduzieren die kognitive Belastung und verbessern die Aufgabenerfüllungsrate.

Lektion 4 • Mobile und responsive Navigationsmuster

Passt Navigationsstrukturen für kleine Bildschirme und Touch-Interaktionen an. Die Studierenden bewerten Hamburger-Menüs, Tab-Leisten und progressive Offenlegungsmuster.

Lektion 1 • Facettensuche und Filterung

Entwirft facettierte Navigation, die es Nutzern ermöglicht, Ergebnisse nach mehreren Attributen einzugrenzen. Auswahl und Anordnung der Facetten sind direkt mit dem Taxonomie-Design verknüpft.

Lektion 2 • Design der Suchoberfläche

Behandelt die Platzierung des Suchfelds, Autovervollständigung und das Layout der Ergebnisseite. Entscheidungen zur Oberfläche beeinflussen direkt, ob Nutzer dem Suchsystem vertrauen und es nutzen.

Lektion 3 • Suchrelevanz und Ranking

Führt Relevanzoptimierung, Boosting und Synonymbehandlung für Suchmaschinen ein. Die Studierenden lernen, mit Entwicklern bei der Relevanzkonfiguration zusammenzuarbeiten.

Lektion 4 • Suchverhalten und Anfragetypen

Analysiert Suchverhalten wie Known-Item, exploratives und Wiederfinden. Das Verständnis der Suchintention bestimmt jede nachfolgende Suchdesign-Entscheidung.

Lektion 1 • Versionskontrolle und Pflege der Dokumentation

Etabliert Verfahren, um IA-Dokumente über Projektiterationen hinweg aktuell zu halten. Veraltete Dokumentation verursacht kostspielige Fehlabstimmungen zwischen Design und Entwicklung.

Lektion 2 • Low-Fidelity-Wireframing für IA

Erstellt strukturelle Wireframes, die Layout und Inhaltspriorität ohne visuelles Design vermitteln. Wireframes testen in dieser Phase die Struktur, nicht die Ästhetik.

Lektion 3 • IA-Spezifikationsdokumente

Erstellt schriftliche Spezifikationen, die die visuellen Lieferobjekte begleiten. Spezifikationen verhindern Fehlinterpretationen während der Entwicklung und dienen als Projektdokumentation.

Lektion 4 • Nutzerfluss- und Aufgabenflussdiagramme

Kartiert Nutzerpfade durch Aufgaben, um Entscheidungspunkte und Sackgassen aufzudecken. Flüsse ergänzen Sitemaps, indem sie Bewegung statt statischer Struktur zeigen.

Lektion 1 • IA-Roadmap und Iterationsplanung

Übersetzt Evaluationsergebnisse in eine priorisierte, phasenweise Verbesserungs-Roadmap. Roadmaps stimmen die IA-Arbeit mit Produktveröffentlichungszyklen und Ressourcenbeschränkungen ab.

Lektion 2 • Ausrichtung der IA an Geschäftszielen

Verbindet strukturelle Entscheidungen mit messbaren Geschäftsergebnissen wie Conversion und Bindung. Die IA-Strategie muss in geschäftlichen Begriffen gerechtfertigt werden, um organisatorische Unterstützung zu gewinnen.

Lektion 3 • Analytikgesteuerte IA-Evaluation

Nutzt Verhaltensanalytik, um Navigationsfehler und Inhaltslücken im großen Maßstab zu identifizieren. Quantitative Daten ergänzen qualitative Tests für ein vollständiges Bild.

Lektion 4 • Usability-Testing für IA

Entwirft moderierte und unmoderierte Tests mit Fokus auf Navigations- und Auffindbarkeitsaufgaben. Testergebnisse liefern Evidenz für strukturelle Änderungen und die Unterstützung durch Stakeholder.