Personas sind das am häufigsten missverstandene Werkzeug der User-Experience-Forschung. Alan Cooper hat sie 1999 nicht erfunden, um Visitenkarten mit Stockfotos zu füllen — sondern um Software-Teams einen Stellvertreter zu geben, gegen den sie Entscheidungen prüfen können. Fast dreißig Jahre später ist der Ansatz Standard in jedem Design-Handbuch. Gleichzeitig ist er in vielen Organisationen zu einer Ritual-Übung verkommen, die mehr Schaden anrichtet als Nutzen stiftet.
Dieser Artikel ordnet ein, was die empirische Forschung heute über Personas weiß. Er ist kein Plädoyer für oder gegen das Werkzeug — er ist ein Versuch, die Bedingungen zu beschreiben, unter denen Personas funktionieren.
Was Alan Cooper eigentlich vorhatte
Cooper beschreibt in The Inmates Are Running the Asylum (1999) ein konkretes Problem: Software-Teams bauen für ein imaginäres „Durchschnitts-Nutzer”-Bild, das niemand je trifft. Seine Lösung war keine Demografie-Zusammenfassung, sondern ein psychologisch präzises Porträt — ein goal-directed character. Entscheidend waren drei Bestandteile:
- Ein Ziel, nicht nur Eigenschaften. Was will diese Person im Kontext der Software erreichen?
- Eine konkrete Biografie, die Kontext stiftet. Nicht „Frau, 35, Bankkauffrau”, sondern eine Szene, in der klar wird, warum sie genau in diesem Moment genau diese Entscheidung trifft.
- Ein Anti-Ziel — was die Person nicht will, was sie abschreckt, was ihr Vertrauen bricht.
Dass Cooper von Personas sprach und nicht von Zielgruppen, war programmatisch. Eine Persona war eine Person, nicht ein Cluster.
Was in vielen heutigen Persona-Decks passiert, hat mit diesem Vorhaben wenig zu tun.
Was die Empirie sagt — drei Befunde
Befund 1: Personas wirken, wenn sie in Entscheidungen auftauchen
Salminen, Guan, Jung und Jansen haben 2021 im International Journal of Human-Computer Interaction einen systematischen Überblick über 15 Jahre datengetriebener Persona-Entwicklung publiziert (77 Studien aus den Jahren 2005–2020). Ein zentrales Ergebnis: Der Nutzen von Personas steigt, wenn sie zitierbar werden — wenn Teams in Reviews, Backlog-Diskussionen und Prototyp-Tests explizit auf eine Persona verweisen können.
Personas, die im Sprint-Planning nie erwähnt werden, existieren nicht.
Umgekehrt: Personas, die einmal in einem Workshop entstehen und dann im Confluence-Wiki verstauben, haben nach sechs Monaten keinen messbaren Effekt mehr auf Produktentscheidungen. Das ist kein Persona-Problem — das ist ein Aktivierungs-Problem.
Befund 2: Empathie-Vorteile sind real, aber fragil
Die Nielsen Norman Group hat 2022 in einer Praxisanalyse festgehalten, dass gut gestaltete Personas die Empathie-Konsistenz im Team erhöhen — besonders in Organisationen, in denen Entwickler:innen nie direkt mit Nutzer:innen sprechen. Die Betonung liegt auf gut gestaltet: Die Nielsen-Forschenden dokumentieren, dass stereotypische Personas (gestresste Mutter, nerdiger Student, sparsame Seniorin) den Effekt ins Negative drehen. Teams treffen dann Entscheidungen für die Karikatur, nicht für den echten Nutzer.
Befund 3: Demografische Personas führen in die Irre
Eine Erkenntnis aus der Big-Five-Forschung (Schmitt et al. 2007, n = 17.837 in 56 Nationen): Persönlichkeitsmerkmale erklären Verhalten innerhalb demografischer Gruppen mindestens so stark wie zwischen ihnen. Zwei 45-jährige Produkt-Managerinnen aus Wien können in Risikoaversion, Neugier und Entscheidungsstil komplett entgegengesetzt sein. Eine Persona, die sich nur auf Alter, Beruf und Einkommen stützt, abstrahiert genau das weg, was für Entscheidungen zählt.
Die drei häufigsten Anti-Patterns
Aus der Praxis lassen sich drei Persona-Anti-Patterns klar benennen:
Anti-Pattern 1: „Persona-Theater”
Das Team verbringt einen Tag im Workshop-Raum, klebt Post-its, erfindet „Martha, 42, Marketing-Managerin, liebt Yoga”, druckt das Ergebnis auf Plakate — und kehrt dann zu denselben Annahmen zurück, die es vor dem Workshop hatte. Die Persona war Dekoration, keine Entscheidungsgrundlage.
Was stattdessen funktioniert: Die Persona muss in mindestens drei konkreten Produkt-Entscheidungen pro Quartal zitiert werden. Wenn sie nicht zitiert wird, ist sie tot.
Anti-Pattern 2: Einseitige Demografie
„B2B-Käufer, männlich, 35-50, Tech-Unternehmen, Entscheider-Rolle.” Diese Persona beschreibt 40 Millionen Menschen. Sie hilft nicht.
Was stattdessen funktioniert: Mindestens eine psychologische Dimension (Risikoaversion, Vertrauen in neue Anbieter, Kaufentscheidungs-Stil), die sich operationalisieren lässt. „Kauft nie ohne Referenz aus der eigenen Branche” ist eine Dimension, an der sich eine Landing-Page prüfen lässt.
Anti-Pattern 3: Zu viele Personas
Cooper empfahl in der Regel drei bis vier Primär-Personas pro Produkt. Teams, die zwölf Personas führen, führen de facto keine — weil die kognitive Last zu hoch ist, um in einer Sprint-Diskussion sauber zu differenzieren.
Was stattdessen funktioniert: Ein Primär-Ziel, das ein Produkt optimieren soll, und zwei bis drei Rand-Personas, die als Kontrast dienen („Wenn wir für Sabine bauen, was passiert dann mit Thomas?”).
Synthetische Personas — neue Möglichkeiten, neue Grenzen
Seit dem Stanford-HAI-Paper von Park et al. (2024, n = 1.052) ist dokumentiert, dass KI-Agenten, die auf individuellen Interview-Transkripten trainiert sind, Einstellungs- und Meinungs-Antworten echter Menschen im General Social Survey (GSS) mit ca. 85 % der menschlichen Test-Retest-Reliabilität replizieren können. Bei Big-Five-Persönlichkeits-Items berichten Park et al. vergleichbare, aber separat ausgewiesene Werte — nicht dieselbe 85 %-Zahl. Das ist ein Befund mit Folgen: Synthetische Personas sind nicht mehr nur ein Design-Werkzeug, sondern ein potenzielles Forschungs-Hilfsmittel.
Der wichtige Zusatz: Park et al. zeigen auch, dass die Übereinstimmung bei Einstellungs- und Persönlichkeits-Inventaren höher ist als bei konkreten Verhaltens-Vorhersagen (etwa in ökonomischen Spielen). Eine synthetische Persona kann also zuverlässiger sagen wie sie gestimmt ist, als was sie in einer spezifischen Situation tun würde.
Das hat praktische Konsequenzen: Synthetische Personas helfen beim frühen Prototyp-Review, beim Copy-Sparring, beim Stress-Test einer Landing-Page gegen fünfzehn unterschiedliche Denkweisen. Sie ersetzen keine echten Usability-Tests mit echten Nutzer:innen — und nach aktuellem Forschungsstand sollten sie das auch nicht versuchen.
Die Nielsen Norman Group hat diese Grenze 2025 klar benannt: Synthetische User tendieren zu Durchschnittswerten, geben seltener Extrem-Reaktionen, und unterschätzen emotionale Ausbrüche, die echte Testpersonen manchmal produzieren. Wer eine neue Kategorie launcht, braucht echte Menschen. Wer eine zehnte Variante einer bestehenden Landing-Page prüft, kann mit synthetischen Personas schneller und günstiger arbeiten.
Vier konkrete Empfehlungen für Teams, die mit Personas arbeiten
1. Schreiben Sie das Anti-Ziel auf. Jede Persona bekommt eine Zeile „Was diese Person mit hoher Wahrscheinlichkeit ablehnen wird”. Das schärft die Positionierung mehr als drei Abschnitte über Hobbies.
2. Zitieren Sie die Persona wöchentlich — oder streichen Sie sie. Ein einfacher Test: Wenn in den letzten vier Sprint-Reviews keine Persona namentlich genannt wurde, ist Ihre Persona-Sammlung Theater. Entweder wird sie aktiviert oder entfernt.
3. Fügen Sie mindestens eine psychologische Dimension hinzu. Big-Five-Scores, dominante kognitive Bias (Verlust-Aversion, Bestätigungs-Tendenz, Ankereffekt), Entscheidungsstil (intuitiv vs. analytisch). Ohne solche Dimensionen bleibt die Persona eine Visitenkarte.
4. Validieren Sie Persona-Hypothesen regelmäßig mit echten Nutzer:innen. Eine Persona, die nicht mindestens einmal pro Jahr gegen echte Nutzerdaten geprüft wird, driftet in die Vorurteile des Teams ab, das sie gebaut hat.
Was daraus folgt
Personas sind weder tot noch überbewertet. Sie sind ein Werkzeug mit klaren Funktionsbedingungen: Sie müssen zitiert werden, sie müssen psychologisch differenziert sein, und sie müssen regelmäßig gegen Realität kalibriert werden. Werden diese Bedingungen erfüllt, zeigt die empirische Evidenz konsistente Produktivitäts- und Qualitäts-Effekte.
Werden sie nicht erfüllt, erzeugen Personas falsche Sicherheit — und diese falsche Sicherheit ist in Produkt-Entscheidungen teurer als gar keine Persona.
Die ehrlichste Einordnung bleibt die, die Cooper selbst in späteren Vorträgen formulierte: Eine Persona ist kein Ersatz für Forschung. Sie ist ein Speicher-Format, in dem Forschung so verdichtet wird, dass Teams sie im Alltag nutzen können. Was nicht in der Forschung steht, steht auch nicht in der Persona.
Wer mit psychologisch tiefen Personas arbeiten möchte — inklusive Big-Five-Profilen, Bias-Mustern und Entscheidungsstilen — findet in unserer Persona-Bibliothek eine Auswahl. Die Methodik dahinter ist auf der Seite Wissenschaft dokumentiert.