…ein zentraler Aspekt, wenn Informationen von einer Realität in eine modellierte oder sprachlich ausgedrückte Form überführt werden.
Dabei wird oft vereinfacht, um Komplexität zu reduzieren und Verständlichkeit zu erhöhen. Doch je nach Tiefe der Abstraktion entstehen dabei Probleme, insbesondere für die Nutzer nach der Implementierung eines Systems.
Wie wirkt sich starke Abstraktion auf Benutzer aus?
1. Informationsverlust durch Tilgung
- Wenn zu viele Details weggelassen werden, kann es passieren, dass Benutzer nicht alle relevanten Informationen erhalten.
- Beispiel: Ein Software-Interface, das keine Fehlermeldungen detailliert ausgibt, sondern nur „Ein Fehler ist aufgetreten“ zeigt, führt zu Frustration und ineffizientem Arbeiten.
2. Missverständnisse durch Verzerrung
- Durch Abstraktion können ursprüngliche Bedeutungen verfälscht oder neu interpretiert werden.
- Beispiel: Ein KI-gestütztes Empfehlungssystem, das Entscheidungen vereinfacht und nicht nachvollziehbar darstellt, kann Nutzer verunsichern oder dazu führen, dass sie dem System blind vertrauen, ohne die Auswirkungen zu verstehen.
3. Eingeschränkte Anpassungsfähigkeit durch Generalisierung
- Wenn Anforderungen zu allgemein formuliert sind, fehlen spezifische Funktionen oder es entstehen Lücken in der Nutzbarkeit.
- Beispiel: Ein ERP-System mit einer zu allgemeinen Workflow-Steuerung, das individuelle Unternehmensprozesse nicht ausreichend abbildet, führt dazu, dass Mitarbeitende Workarounds finden müssen oder das System nicht optimal nutzen können.
Aus „Basiswissen Requirements Engineering“, Klaus Pohl, Chris Rupp: https://dpunkt.de/produkt/basiswissen-requirements-engineering/
Transformationseffekte, S. 63

Folgen einer zu starken Abstraktion nach der Implementierung
- Sinkende Nutzerakzeptanz: Wenn ein System nicht die benötigte Detailtiefe bietet, fühlen sich Nutzer missverstanden oder im Arbeitsfluss behindert.
- Steigende Support-Anfragen: Unklare, zu abstrakte Prozesse führen zu mehr Rückfragen und Schulungsaufwand.
- Fehlentscheidungen durch falsche Modelle: Wenn eine Software realitätsferne Annahmen trifft (z. B. durch zu starke Vereinfachung von Daten), basieren Nutzerentscheidungen auf fehlerhaften Grundlagen.
Wie kann man eine zu starke Abstraktion vermeiden?