Conversion und UX Psychologie: die Wissenschaft, warum Nutzer klicken oder abspringen

Jeder Klick ist eine kleine Entscheidung

Jeder Klick auf deiner Website ist eine Entscheidung. Jedes Formularfeld ist ein kleines Stück Arbeit, um das du einen fremden Menschen bittest. Die meisten Regeln, die beschreiben, wie Menschen mit solchen Entscheidungen umgehen, stammen aus psychologischen Laboren von vor Jahrzehnten, lange bevor irgendwer einen Checkout gebaut hat: Hick zur Auswahl 1952, Fitts zum Zeigen 1954, Miller zum Gedächtnis 1956.

Sie sind nützlich. Und sie werden regelmäßig überverkauft. Das Hicksche Gesetz und das Fittssche Gesetz beschreiben Reaktionszeiten in kontrollierten Experimenten, gemessen in Bruchteilen einer Sekunde. Für sich genommen sagen sie deine Conversion Rate nicht voraus. Was sie dir geben, ist ein Blick auf deine Seiten: wo du Menschen zu viel wählen, zu weit greifen, zu viel behalten oder zu hart arbeiten lässt. Was das für die Conversion bedeutet, findest du dann per Test heraus.

Deshalb gebe ich zu jeder Idee unten die Forschung, was sie sagt und was nicht, und ein Rechenbeispiel an einem erfundenen deutschen Unternehmen, jeden Schritt ausgeschrieben. Ich wende diese Frameworks seit über zehn Jahren auf digitale Produkte an, in eCommerce, SaaS und B2B. Lies sie als Fragen für die Prüfung einer Seite, nicht als Gesetze, die einen Zuwachs vorhersagen. Jede Zahl in den Beispielen ist erfunden, damit ich die Rechnung zeigen kann.

Das Hicksche Gesetz: mehr Optionen, langsamere Entscheidungen

1952 veröffentlichte der britische Psychologe W. E. Hick "On the rate of gain of information" im Quarterly Journal of Experimental Psychology. Die Arbeit begründete eines der wenigen breit anerkannten Gesetze der Psychologie: Die Wahlreaktionszeit wächst mit der Zahl der Alternativen, genauer mit dem Maß an Unsicherheit in der Aufgabe.¹ Die übliche Form ist:

$RT = a + b \log_2 n$

Dabei ist $RT$ die Reaktionszeit, also die Zeit bis zur Wahl. $a$ ist der Anteil, der mit dem Wählen nichts zu tun hat (den Bildschirm sehen, den Finger bewegen). $b$ ist die zusätzliche Zeit pro Bit Information, eine Konstante, die du für eine bestimmte Aufgabe misst. $n$ ist die Zahl gleich wahrscheinlicher Optionen, und $\log_2 n$ ist die Zahl der Bits, die nötig sind, um eine davon auszuwählen. Den Logarithmus erklärt Grundlagen: Logarithmen.

Der Logarithmus ist der entscheidende Teil. Von zwei auf vier Optionen kostet dieselbe Zeit wie von vier auf acht oder von acht auf 16. Jede Verdopplung kostet ein Bit mehr. Die ersten paar Optionen, die du hinzufügst, schaden also weniger, als du vielleicht fürchtest, und die 30. Option kostet für sich fast nichts. Was schadet, ist die Gewohnheit, immer wieder zu verdoppeln.

Rechenbeispiel: ein Menü bei Bohnenwerk

Bohnenwerk (bohnenwerk.example) ist eine erfundene Kaffeerösterei in Leipzig, die Bohnen online verkauft. Ihr Hauptmenü hat 12 Punkte. Für das Beispiel nehmen wir $a = 0{,}2$ Sekunden und $b = 0{,}15$ Sekunden pro Bit an. Das sind Annahmen des Beispiels, in einem plausiblen Bereich gewählt, keine Messwerte.

Mit 12 Punkten ist $\log_2 12 = 3{,}585$:

$RT_{12} = 0{,}2 + 0{,}15 \times 3{,}585 = 0{,}738 \text{ Sekunden}$

Mit vier Punkten ist $\log_2 4 = 2$:

$RT_{4} = 0{,}2 + 0{,}15 \times 2 = 0{,}5 \text{ Sekunden}$

Das Menü von 12 auf vier Punkte zu kürzen spart $0{,}238$ Sekunden, das sind $0{,}238 / 0{,}738 = 32\,\%$ der Entscheidungszeit. Die frühere Fassung dieses Artikels sprach von 60 %. Die Formel gibt das nicht her.

Die waagrechte Achse zeigt die Zahl gleich wahrscheinlicher Menüpunkte, die senkrechte die vorhergesagte Entscheidungszeit in Sekunden, mit den beiden Konstanten des Beispiels. Die Botschaft steckt in der Form: am Anfang steil, später flach. Die absoluten Zahlen sind klein. Eine Viertelsekunde ist nicht der Grund, warum jemand die Seite von Bohnenwerk verlässt. Das Hicksche Gesetz zeigt dir, wo die Reibung sitzt, nicht, wie viele Bestellungen sie kostet.

Wo es zählt und wo nicht

Das Hicksche Gesetz greift dort, wo Menschen wirklich zwischen Optionen wählen müssen, die sie nicht kennen: ein Navigationsmenü beim ersten Besuch, eine Preisseite, eine Reihe von Filtern, eine Seite mit vier konkurrierenden Handlungsaufforderungen. Zu viel Auswahl, der größere und unübersichtlichere Effekt vieler Optionen darauf, ob Menschen überhaupt wählen, steht im Artikel über Verhaltensökonomie. Die klassische Preisseite mit drei Stufen ist ein verwandter Fall.

Die Forschung nennt auch ihre eigenen Grenzen. Übung, eine natürliche Passung zwischen dem, was Menschen sehen, und dem, was sie tun (Reiz Reaktions Kompatibilität), sehr große Mengen an Optionen und die Reihenfolge früherer Entscheidungen verändern alle das Ergebnis.¹ Einfach gesagt:

• Vertraute Oberflächen. Jakob Nielsens Beobachtung, bekannt als Jakobs Gesetz, lautet: Nutzer verbringen die meiste Zeit auf anderen Websites, also wollen sie, dass deine so funktioniert wie die, die sie schon kennen.² Ein vertrautes Layout mit mehr Punkten kann ein ungewohntes mit weniger schlagen.
• Suche. Wer weiß, was er will, tippt es ein. Eine lange Länderliste mit Suchfeld ist schneller als eine kurze ohne.
• Stöbern. Geht es ums Entdecken und nicht ums Entscheiden, kann mehr zum Anschauen genau der Sinn sein.

Das Fittssche Gesetz: größer und näher trifft sich leichter

1954 maß Paul Fitts, wie lange Menschen brauchen, um sich zu einem Ziel zu bewegen und es zu treffen, und fand, dass die Zeit von der Entfernung und der Größe des Ziels abhängt.³ Er definierte einen binären Schwierigkeitsindex, $\log_2 \frac{2D}{W}$, und die Bewegungszeit wächst linear mit ihm:

$MT = a + b \log_2 \frac{2D}{W}$

$MT$ ist die Bewegungszeit. $a$ ist die feste Zeit zum Starten und Stoppen, $b$ die Zeit pro Bit Schwierigkeit, die von Person und Gerät abhängt. $D$ ist die Entfernung zum Ziel und $W$ seine Breite entlang der Bewegungsrichtung, also wächst $\frac{2D}{W}$, je weiter weg oder je kleiner das Ziel ist, und $\log_2 \frac{2D}{W}$ ist der Schwierigkeitsindex in Bit. Den Logarithmus erklärt Grundlagen: Logarithmen. Fitts nahm $2D$ statt $D$, damit der Index in praktischen Fällen über null bleibt.³

Daraus folgen zwei Dinge. Eine doppelt so breite Schaltfläche nimmt ein Bit Schwierigkeit weg. Die halbe Entfernung nimmt dasselbe Bit weg. Große Ziele in der Nähe dessen, wo Auge und Finger schon sind, werden schneller getroffen und seltener verfehlt.

Rechenbeispiel: der Warenkorbbutton bei Plakatei

Plakatei (plakatei.example) ist ein erfundener Posterladen in Köln. Am Desktop ist sein Button "In den Warenkorb" 40 Pixel breit und sitzt 400 Pixel von der Stelle entfernt, an der der Mauszeiger nach der Größenwahl meist ruht. Für das Beispiel nehmen wir $a = 0{,}1$ und $b = 0{,}1$ Sekunden pro Bit an.

$MT_{\text{alt}} = 0{,}1 + 0{,}1 \times \log_2 \frac{2 \times 400}{40} = 0{,}1 + 0{,}1 \times 4{,}32 = 0{,}532 \text{ Sekunden}$

Der Schwierigkeitsindex ist $\log_2 20 = 4{,}32$ Bit. Im neuen Entwurf ist der Button 120 Pixel breit und sitzt 150 Pixel von der Größenauswahl entfernt:

$MT_{\text{neu}} = 0{,}1 + 0{,}1 \times \log_2 \frac{2 \times 150}{120} = 0{,}1 + 0{,}1 \times 1{,}32 = 0{,}232 \text{ Sekunden}$

Jetzt ist der Index $\log_2 2{,}5 = 1{,}32$ Bit. Drei Bit weniger Schwierigkeit, 0,3 Sekunden schneller. Auch hier ist die Zeit selbst nicht der Gewinn. Der Gewinn sind weniger Beinahetreffer auf dem Handy, weniger Tipps auf das Falsche und eine Hauptaktion, die offensichtlich die Hauptaktion ist.

Touchziele und die Grenze der Barrierefreiheit

Auf Touchscreens ist das Zeigegerät eine Fingerkuppe, und die ist viel ungenauer als ein Mauszeiger. Apples Human Interface Guidelines nennen als Standardmindestgröße für Bedienelemente 44 mal 44 Punkte auf iPhone und iPad.⁴ Die Web Content Accessibility Guidelines (WCAG) 2.1 verlangen auf ihrer strengsten Stufe, AAA, 44 mal 44 CSS Pixel für Zeigeziele, mit Ausnahmen wie Links mitten im Satz.⁵ In Deutschland gilt seit dem 28. Juni 2025 das Barrierefreiheitsstärkungsgesetz (BFSG), ausdrücklich auch für Dienstleistungen im elektronischen Geschäftsverkehr, also für Onlineshops.⁶ Ich baue nach WCAG 2.1 AA als Grundlage und behandle 44 Pixel als die vernünftige Größe für alles, was Menschen oft antippen.

Praktische Regeln, die aus Fitts folgen:

• Die Hauptaktion ist das größte Ziel. Nebenaktionen sind kleiner und weiter weg.
• Zerstörende Aktionen halten Abstand. "Löschen" sollte nicht in gleicher Größe neben "Speichern" stehen.
• Buttons über die volle Breite auf dem Handy. Auf einem schmalen Bildschirm ist die volle Breite das größte $W$, das du vergeben kannst.
• Ränder und Ecken. Am Desktop bleibt der Mauszeiger am Bildschirmrand stehen, Ziele dort sind also praktisch unendlich tief. Deshalb setzen Betriebssysteme ihre Menüs an den oberen Rand.

Die Peak End Regel: Menschen erinnern den Höhepunkt und das Ende

Donald Redelmeier und Daniel Kahneman zeichneten während einer Darmspiegelung (154 Patienten) und einer Lithotripsie (133 Patienten) in Echtzeit auf, wie viel Schmerz die Patienten empfanden, und fragten sie danach, wie schmerzhaft der ganze Eingriff gewesen sei. Die erinnerte Gesamtbewertung hing eng mit dem schlimmsten Moment und den letzten drei Minuten zusammen. Lange Eingriffe wurden nicht als besonders schlimm erinnert.⁷ Barbara Fredrickson und Kahneman nannten den zweiten Befund Dauervernachlässigung: In ihren Studien mit Filmausschnitten sahen die Gesamturteile der Menschen aus wie ein gewichteter Durchschnitt von Momentaufnahmen der Erfahrung, als spiele die Dauer keine Rolle.⁸

Der eindrucksvolle Test kam später. In einer randomisierten Studie mit 682 Patienten einer Darmspiegelung bekam die Hälfte am Ende des Eingriffs eine kurze, sanftere Phase angehängt. Sie bewerteten die letzten Momente als weniger schmerzhaft (1,7 gegen 2,5 auf einer Zehnerskala) und die ganze Erfahrung als weniger unangenehm (4,4 gegen 4,9), obwohl ihr Eingriff länger dauerte.⁹ Ein besseres Ende ließ eine längere Erfahrung als bessere in Erinnerung bleiben.

Eine einfache Art, die Idee aufzuschreiben, ist der Peak End Durchschnitt:

$R \approx \frac{x_{\text{peak}} + x_{\text{end}}}{2}$

$R$ ist, wie die Erfahrung erinnert wird, $x_{\text{peak}}$ der intensivste Moment und $x_{\text{end}}$ der letzte Moment, beide auf derselben Bewertungsskala. Es ist eine Annäherung an die Forschung, kein Gesetz mit geschätzten Konstanten, und ein Durchschnitt aus zwei Werten, wie in Grundlagen: der Mittelwert.

Rechenbeispiel: zwei Checkouts beim Teehaus Altona

Das Teehaus Altona (teehausaltona.example) ist ein erfundener Teeladen in Hamburg. Aus einem kleinen Usability Test hat es Frustrationswerte von 0 (keine) bis 10 (wütend) für fünf Schritte zweier Checkout Entwürfe.

Checkout A: Stöbern 2, Warenkorb 3, Lieferdaten 6, Zahlung 2, Bestätigung 1. Der Mittelwert ist $14 / 5 = 2{,}8$. Der Höhepunkt ist 6, das Ende 1, also $R \approx (6 + 1) / 2 = 3{,}5$.

Checkout B: Stöbern 1, Warenkorb 1, Lieferdaten 2, Zahlung 2, Bestätigung 5 (die Bestätigungsseite sagt nicht, wann der Tee ankommt). Der Mittelwert ist $11 / 5 = 2{,}2$. Höhepunkt und Ende sind beide 5, also $R \approx (5 + 5) / 2 = 5$.

Checkout B frustriert im Schnitt weniger und wird schlechter erinnert, weil sein schlimmster Moment sein letzter ist. Die Lösung liegt nicht auf der Zahlungsseite. Sie liegt auf der Bestätigungsseite: was bestellt wurde, wann es ankommt, was als Nächstes passiert und ein echter Mensch als Ansprechpartner.

Was das für einen Shop heißt

Die Bestätigungsseite, die Bestätigungsmail und die Lieferung sind dein Ende. Dort wird aus einem Kauf eine Erinnerung, und diese Erinnerung entscheidet über den zweiten Kauf. Wege mit niedrigen Kosten, das Ende richtig zu machen: ein klares Lieferdatum, eine Sendungsverfolgung, die die Wahrheit sagt, eine kurze persönliche Notiz im Paket und eine Bestätigungsseite, die die Fragen beantwortet, die Menschen wirklich haben. Höhepunkte können auch positiv sein, eine kostenlose Probe oder eine schnelle, menschliche Antwort auf eine Frage. Behebe aber zuerst den schlimmsten Moment. Ein schlechter Höhepunkt wiegt mehr als eine nette Geste.

Der serielle Positionseffekt: Erstes und Letztes bleiben am besten hängen

Menschen erinnern die ersten und letzten Punkte einer Liste am besten und die mittleren am schlechtesten. Der Begriff geht auf Hermann Ebbinghaus und seine Gedächtnisexperimente zurück. Der Vorteil am Anfang heißt Primäreffekt, der am Ende Rezenzeffekt.¹⁰ Als Kurve aufgetragen bildet die Erinnerung ein U über die Liste.

Die geschäftliche Lesart ist bescheiden und nützlich: Anfang und Ende jeder Abfolge sind die Stellen mit der höchsten Aufmerksamkeit und dem besten Gedächtnis. Setz dein stärkstes Argument an den Anfang einer Merkmalsliste und das zweitstärkste ans Ende. Eröffne eine E Mail mit der Hauptbotschaft und schließ sie mit der einen Handlung. In einer langen Navigation tragen der erste und der letzte Punkt das meiste Gewicht.

Eine Ausnahme solltest du kennen. Bei drei Preisstufen profitiert eine empfohlene mittlere Option oft vom Kompromisseffekt, der Neigung, die Mitte einer Spanne zu wählen, und der wirkt gegen die serielle Position. Der Artikel über Pricing Psychologie erklärt ihn.

Rechenbeispiel: eine Merkmalsliste bei Teppichwerk neu ordnen

Teppichwerk (teppichwerk.example) ist ein erfundener Teppichladen in München. Seine Produktseite listet sieben Punkte in der Reihenfolge, in der sie geschrieben wurden: "Handgeknüpft", "Wolle aus der Lüneburger Heide", "30 Tage kostenlose Rücksendung", "Unterlage inklusive", "Fleckabweisende Ausrüstung", "Hergestellt in Deutschland", "Kostenloser Versand". Die Mails der Kundschaft zeigen, dass die beiden häufigsten Fragen die Reinigung und die Lieferung betreffen.

Die neue Reihenfolge setzt "Fleckabweisende Ausrüstung" an den Anfang und "Kostenloser Versand" ans Ende, die beiden stärksten Antworten auf die beiden Plätze, die Menschen am besten erinnern. Die mittleren fünf bleiben, in beliebiger Reihenfolge. Der Test ist einfach: dieselbe Seite, zwei Reihenfolgen, und die Kennzahl ist die Rate der Warenkorbzugänge. Macht die Reihenfolge keinen messbaren Unterschied, behalte die, die sich besser liest.

Das Millersche Gesetz: Das Arbeitsgedächtnis ist klein

George Millers Aufsatz von 1956, "The magical number seven, plus or minus two", fasste Experimente dazu zusammen, wie viele Dinge Menschen gleichzeitig halten und beurteilen können, und fand eine Grenze um sieben für einfache, eindimensionale Urteile.¹¹ Spätere Arbeiten von Nelson Cowan argumentierten, dass Millers Sieben eher eine grobe Schätzung war als eine echte Kapazität, und dass die Grenze näher bei vier Einheiten liegt, wenn Menschen Dinge nicht zu Gruppen zusammenfassen können.¹²

Die praktische Lehre ist nicht "nie mehr als sieben Menüpunkte". Ein Menü bleibt sichtbar, niemand muss es sich merken. Die Lehre betrifft das, was Menschen im Kopf behalten müssen, während sie etwas anderes tun: einen Code aus einer Mail, eine Reihe von Tarifmerkmalen zum Vergleichen, die Felder, die noch auszufüllen sind. Halte diese Last klein, und fass Elemente zu Gruppen zusammen, die Menschen als eine Einheit behandeln können.

Rechenbeispiel: eine Bestellnummer in Gruppen teilen

Die erfundene Plakatei verschickt Bestellnummern wie KH748291156. Die Kundschaft tippt sie in ein Rücksendeformular und vertippt sich oft genug, dass es im Support Postfach auffällt. Dieselbe Nummer als KH7 4829 1156 sind drei Gruppen statt 11 einzelner Zeichen. Die Zeichen sind identisch. Die Last fürs Gedächtnis nicht. Dasselbe funktioniert bei Formularen: Plakatei teilt ein Rücksendeformular mit 12 Feldern in drei kurze Gruppen (deine Bestellung, das Problem, wie wir es lösen sollen), jede bequem innerhalb von vier oder fünf Punkten.

Kognitive Last: Jede zusätzliche Arbeit kostet Aufmerksamkeit

John Swellers Arbeiten Ende der 1980er Jahre, aus denen die Theorie der kognitiven Last wurde, argumentierten, dass das Arbeitsgedächtnis begrenzt ist und dass Aufgaben, die es stark beanspruchen, wenig Raum für anderes lassen. Sein Ausgangspunkt war das Lernen: Problemlösen, das viel Arbeitsgedächtnis verlangt, steht dem Lernen daraus im Weg.¹³ Übersetzt auf eine Website: Ein Teil der Mühe gehört zur Aufgabe selbst (ein Sofa zu kaufen ist schwerer als ein Buch), und ein Teil kommt durch die Gestaltung dazu (verwirrende Beschriftungen, ein Feld, das niemand braucht, eine Fehlermeldung, die nicht sagt, was falsch ist). Den ersten Teil kannst du nicht entfernen. Der zweite gehört dir.

Was die Checkout Forschung von Baymard zeigt

Das Baymard Institute testet seit Jahren die Benutzbarkeit von Checkouts. Seine Zahlen sind die nützlichsten Vergleichswerte, die ich dafür kenne:

• Die durchschnittliche dokumentierte Abbruchrate im Warenkorb liegt bei 70,22 %, dem ungewichteten Durchschnitt aus 50 Studien.¹⁴
• Unter denen, die eine Bestellung abbrachen, ohne die, die nur stöberten, gingen 18 %, weil die Seite ein Kundenkonto verlangte, und 17 %, weil der Checkout zu lang oder zu kompliziert war. Der häufigste Grund waren zusätzliche Kosten mit 40 %, und 19 % trauten der Seite ihre Kartendaten nicht an.¹⁴
• Im Vergleich von 2024 hatte der durchschnittliche Checkout 11,3 Formularfelder, während die meisten Seiten nur acht brauchen.¹⁵
• Baymard schätzt, dass die durchschnittliche große eCommerce Seite ihre Conversion Rate durch einen besser gestalteten Checkout um 35,26 % steigern könnte.¹⁴

Zwei Korrekturen an der früheren Fassung dieses Artikels. Sie nannte 28 % der Abbrecher, die einen langen Checkout angaben, und an anderer Stelle 18 %. Baymards Zahl ist 17 %. Außerdem hieß es, eine Gastbestellung hebe die Conversion bei Erstkäufern um 35 %. Die 35,26 % sind Baymards Schätzung für einen besser gestalteten Checkout insgesamt, nicht für die Gastbestellung. Für die Behauptung, dass weniger Felder (von 15 auf acht) den Abschluss um 10 % bis 15 % heben, habe ich keine Quelle gefunden, also ist sie weg. Die Vertrauensseite des Checkouts und diese 19 % behandelt der Artikel über Social Proof und Vertrauen.

Rechenbeispiel: den Checkout bei Kerzenhof kürzen

Kerzenhof (kerzenhof.example) ist ein erfundener Kerzenladen in Dresden. Sein Checkout hat 14 Felder. Der Reihe nach:

1. E Mail, Vorname, Nachname, Telefon, Straße und Hausnummer, Adresszusatz, Ort, Bundesland, Postleitzahl, Land, Kartennummer, Name auf der Karte, Ablaufdatum, Prüfnummer.
2. Vorname und Nachname in einem Feld "Vollständiger Name" zusammenfassen. 13 Felder.
3. Bundesland streichen (die Postleitzahl erledigt das) und den Adresszusatz hinter einem Link "Weitere Zeile hinzufügen" verstecken. 11 sichtbar.
4. Land auf Deutschland voreinstellen, änderbar. Immer noch ein Feld, aber keine Arbeit mehr.
5. Telefon freiwillig machen, mit einem Hinweis, warum es dem Paketdienst hilft. Immer noch sichtbar, aber nicht mehr Pflicht.
6. Adresssuche über die Postleitzahl, so dass die meisten eine Postleitzahl eingeben und ihre Adresse auswählen.
7. Kartennummer, Ablaufdatum und Prüfnummer das Feld des Zahlungsanbieters als eine kompakte Gruppe erledigen lassen.

Das Ergebnis sind acht bis neun Felder, die die meisten tatsächlich anfassen, in drei Gruppen: du, Lieferung, Zahlung. Nichts davon brauchte eine Theorie der Conversion. Es brauchte jemanden, der bei jedem Feld fragt, wer es nutzt und was passiert, wenn es wegfällt.

Ladezeit ist die erste Reibung

Bevor jemand wählt, greift oder sich etwas merkt, muss die Seite erscheinen und reagieren. Googles Core Web Vitals definieren drei Maße dieser Erfahrung mit Schwellen für ein gutes Ergebnis: Largest Contentful Paint (wie schnell der Hauptinhalt lädt) innerhalb von 2,5 Sekunden, Interaction to Next Paint (wie schnell die Seite auf Eingaben reagiert) von 200 Millisekunden oder weniger und Cumulative Layout Shift (wie sehr das Layout springt) von 0,1 oder weniger, jeweils gemessen am 75. Perzentil der Besuche.¹⁶

Oft liest du Zahlen, nach denen jede zusätzliche Sekunde Ladezeit die Absprungrate um einen genauen Prozentsatz erhöht. Die viel zitierte Google Seite, die ich angeführt hätte, gibt es nicht mehr, also lasse ich die Zahl weg. Die Schwellen oben sind der Maßstab, der zählt, und deine eigene Analyse zeigt dir, wie Geschwindigkeit und Absprünge auf deinen eigenen Seiten zusammenhängen. Ausführlicher steht das im Artikel über Core Web Vitals.

Ein Beispiel: Ein erfundenes Möbelgeschäft in Leipzig stellt fest, dass seine Produktseiten am 75. Perzentil einen Largest Contentful Paint von 4,1 Sekunden haben, verursacht durch ein Titelbild von 3 MB. Ein Bild in passender Größe und komprimiert bringt den Wert auf 2,2 Sekunden, innerhalb der Schwelle. Der nützliche Vergleich danach ist die Absprungrate der Produktseiten in den vier Wochen davor und danach, bei gleichen laufenden Kampagnen.

Reibung wirkt in beide Richtungen

Reibung ist nicht immer schlecht. Das Prinzip ist Asymmetrie: Nimm Reibung von den Wegen, die Menschen gehen sollen, und lass vernünftige Reibung auf Wegen, auf denen ein Fehler teuer ist.

Das bekannteste Beispiel fürs Entfernen ist Amazons Bestellung mit einem Klick. Das Patent "Method and system for placing a purchase order via a communications network" wurde im September 1997 angemeldet, im September 1999 erteilt und lief im September 2017 aus.¹⁷ Für wiederkehrende Kundschaft entfernte es fast jeden Schritt zwischen Entscheiden und Kaufen. Die frühere Fassung dieses Artikels nannte das Patent "Milliarden wert". Für eine Zahl habe ich keine Quelle gefunden, also sage ich nur, dass ein großer Händler den Schritt für patentwürdig hielt.

Wann du Reibung hinzufügst, und die rechtliche Grenze

Reibung gehört dorthin, wo eine Handlung schwer rückgängig zu machen ist: ein Konto löschen, Daten löschen, eine große Bestellung, Zahlungsdaten ändern. Ein Bestätigungsschritt, eine Zusammenfassung oder ein Zeitfenster zum Rückgängigmachen schützt die Kundschaft und spart Arbeit im Support.

Auf den Weg nach draußen gehört sie nicht. Eine Kündigung absichtlich schwer zu machen ist ein Dark Pattern, und in Deutschland ist das bereits geregelt. Wer Verbrauchern auf einer Website den Abschluss eines Abos ermöglicht, muss nach § 312k BGB einen Kündigungsbutton anbieten, beschriftet mit "Verträge hier kündigen" oder ähnlich eindeutig, der unmittelbar zu einer Bestätigungsseite mit der Schaltfläche "jetzt kündigen" führt. Beides muss ständig verfügbar sowie unmittelbar und leicht zugänglich sein.¹⁸ Für das Löschen eines Kontos gilt eine eigene Pflicht: Nach Art. 17 DSGVO sind personenbezogene Daten auf Verlangen unverzüglich zu löschen, wenn ein Löschgrund vorliegt, und nach Art. 12 Abs. 3 DSGVO muss der Verantwortliche innerhalb eines Monats nach Eingang des Antrags mitteilen, was er unternommen hat.¹⁹ Ein Feld "Tippe LÖSCHEN zur Bestätigung" ist in Ordnung. Ein Labyrinth nicht. Der Artikel über Dark Patterns und die DSGVO zeigt mehr dazu, wo Gestaltung zum rechtlichen Problem wird.

Rechenbeispiel: ein fairer Kündigungsweg beim Kaffeeklub Ehrenfeld

Der Kaffeeklub Ehrenfeld (kaffeeklub.example) ist ein erfundenes Kaffeeabo in Köln. Sein Kündigungsweg hat drei Bildschirme:

1. Im Kundenkonto stehen zwei gleich große Buttons nebeneinander: "Abo pausieren" (für ein, zwei oder drei Monate) und "Verträge hier kündigen". Das Pausenangebot steht neben dem Ausgang, nicht davor, denn der Kündigungsbutton muss nach § 312k BGB unmittelbar zur Bestätigungsseite führen.
2. Die Bestätigungsseite fragt nur, was das Gesetz verlangt (Art der Kündigung, wer du bist, welches Abo, zu wann, wohin die Bestätigung gehen soll), und hat die Schaltfläche "jetzt kündigen".
3. "Dein Abo ist gekündigt. Deine letzte Lieferung kommt am 14. Mai.", eine Bestätigung per Mail und darunter eine freiwillige Frage, "Was war der Hauptgrund?", mit fünf Antworten und einem Link zum Überspringen.

Das Pausenangebot beantwortet den häufigsten Grund, warum Menschen ein Kaffeeabo beenden, nämlich zu viel Kaffee im Schrank, und es liegt genau dort, wo jemand ans Kündigen denkt, ohne ihm im Weg zu stehen. Niemand muss anrufen, niemand muss einen versteckten Link suchen. Die Frage gibt dem Shop die Daten, die er zum Besserwerden braucht, und sie kommt erst, wenn die Kündigung erledigt ist. So sieht ehrlich eingesetzte Reibung aus.

Attribut Framing: dieselbe Tatsache, anders beschrieben

Logisch identische Informationen führen zu unterschiedlichen Urteilen, je nachdem, wie sie beschrieben werden. In der Studie von Irwin Levin und Gary Gaeth von 1988 bewerteten Verbraucher Hackfleisch mit der Aufschrift "75 % mager" besser als dasselbe Hackfleisch mit der Aufschrift "25 % Fett".²⁰ Die frühere Fassung dieses Artikels sprach von "95 % mager" und nannte Präferenzanteile für dieses und drei weitere "Studien". Die Studie verwendete 75 %, und für die anderen Beispiele und ihre Zahlen habe ich keine Quellen gefunden, also sind sie weg. Dieselbe Studie fand, dass der Effekt kleiner wurde, sobald die Menschen das Fleisch tatsächlich probiert hatten. Das ist eine nützliche Warnung: Framing bewegt den ersten Eindruck stärker als die Erfahrung.

Einige Entscheidungen beim Framing, die aus der Idee folgen, jede ein Test für den Text und kein Gesetz:

Statt	Versuch	Warum
Lieferung in 3 bis 5 Werktagen	Kommt bis Freitag	Ein Datum kann man sich leichter vorstellen
Spar 15 %	Spar 180 € im Jahr	Eine große absolute Zahl kann sich größer anfühlen als ein kleiner Prozentsatz
Unbegrenzter Speicher	Dir geht der Platz nicht aus	Der Nutzen, nicht das Merkmal
30 Tage Rückgaberecht	Passt nicht? Schick es innerhalb von 30 Tagen zurück	Einfache Worte statt Vertragssprache

Framing muss wahr bleiben. "Nur noch 3 zu diesem Preis" ist in Ordnung, wenn es stimmt, und eine irreführende geschäftliche Handlung, wenn nicht. Der Artikel über Knappheit und Dringlichkeit behandelt diese Grenze.

Rechenbeispiel: eine Lieferzeile beim Teehaus Altona testen

Das Teehaus Altona testet auf seinen Produktseiten "Lieferung in 2 bis 3 Werktagen" gegen "Heute bestellt, Donnerstag da". Jede Version bekommt 8.000 Besucher. Die Kontrolle konvertiert mit 4,0 % (320 Bestellungen), die neue Zeile mit 4,6 % (368 Bestellungen).

Die gepoolte Conversion Rate ist $p = (320 + 368) / 16.000 = 0{,}043$. Der z Test für zwei Anteile aus Grundlagen: Hypothesentests lautet:

$z = \frac{p_1 - p_2}{\sqrt{p(1-p)\left(\frac{1}{n_1} + \frac{1}{n_2}\right)}}$

Dabei sind $p_1$ und $p_2$ die beiden Conversion Rates, $p$ die gepoolte Rate und $n_1$ und $n_2$ die Besucher in jeder Version. Mit den Zahlen:

$z = \frac{0{,}046 - 0{,}040}{\sqrt{0{,}043 \times 0{,}957 \times \left(\frac{1}{8.000} + \frac{1}{8.000}\right)}} = \frac{0{,}006}{0{,}00321} = 1{,}87$

Ein $z$ von 1,87 ergibt einen zweiseitigen p Wert von etwa 0,06. Auf dem üblichen Niveau von 5 % ist das nicht signifikant. Ein relativer Zuwachs von 15 % sah überzeugend aus und ist noch nicht bewiesen. Das Teehaus sollte den Test bis zu einer vorab festgelegten Stichprobengröße weiterlaufen lassen, wie Grundlagen: Stichprobengröße erklärt, statt den Sieg auszurufen. Der Artikel über statistische Signifikanz geht weiter.

Ein kleiner Werkzeugkasten in Python

Die frühere Fassung dieses Artikels hatte mehr als ein Dutzend Python Skripte, die diese Gesetze in vorhergesagte Conversion Zuwächse verwandelten. Die Koeffizienten darin waren erfunden, also auch die Vorhersagen. Hier die ehrliche Version: die Formeln von oben als Funktionen, mit den Zahlen der Beispiele. Nutze sie, um Entwürfe zu vergleichen, nie, um Umsatz vorherzusagen.

import math

def hick_time(n_options, a=0.2, b=0.15):
    """Entscheidungszeit nach dem Hickschen Gesetz in Sekunden (a und b sind Annahmen)."""
    return a + b * math.log2(n_options)

def fitts_time(distance, width, a=0.1, b=0.1):
    """Bewegungszeit nach dem Fittsschen Gesetz in Sekunden, Schwierigkeitsindex log2(2D/W)."""
    return a + b * math.log2(2 * distance / width)

def peak_end(ratings):
    """Peak End Durchschnitt einer Liste von Bewertungen (höher = intensiver)."""
    return (max(ratings) + ratings[-1]) / 2

def two_proportion_z(x1, n1, x2, n2):
    """z Statistik und zweiseitiger p Wert für zwei Conversion Rates."""
    p1, p2 = x1 / n1, x2 / n2
    p = (x1 + x2) / (n1 + n2)
    se = math.sqrt(p * (1 - p) * (1 / n1 + 1 / n2))
    z = (p2 - p1) / se
    p_value = math.erfc(abs(z) / math.sqrt(2))
    return z, p_value

print(round(hick_time(12), 3), round(hick_time(4), 3))   # 0.738 0.5
print(round(fitts_time(400, 40), 3), round(fitts_time(150, 120), 3))  # 0.532 0.232
print(peak_end([2, 3, 6, 2, 1]), peak_end([1, 1, 2, 2, 5]))  # 3.5 5.0
print(two_proportion_z(320, 8000, 368, 8000))  # etwa (1.87, 0.061)

Eine Seitenprüfung in sieben Fragen

Zusammengesetzt werden die Ideen zu Fragen, die du an jede Seite stellen kannst, ungefähr in der Reihenfolge, in der sie meist zählen:

Lies den Ablauf von oben. Jeder Schritt ist eine Frage, und jede verweist in Klammern auf die Idee dahinter. Der letzte Schritt macht aus einer Prüfung einen Beleg: Jede Änderung, die die Fragen nahelegen, wird gegen die aktuelle Version getestet, bevor jemand sie einen Gewinn nennt.

Die Psychologie liefert die Fragen, der Test die Antworten

Diese Ideen sind echt und gut erforscht, und keine davon ist eine verkleidete Conversion Rate. Hick und Fitts beschreiben Bruchteile einer Sekunde. Millers Sieben liegt eher bei vier. Die Peak End Regel stammt aus Krankenhauseingriffen, und Framing Effekte schrumpfen, sobald Menschen das Produkt ausprobieren. Was sie alle gut können: auf die Stellen zeigen, an denen eine Seite zu viel von dem Menschen verlangt, der sie benutzt.

Nutze sie also, um das Problem zu finden, behebe es so schlicht wie möglich und miss, ob es einen Unterschied gemacht hat. Weniger Auswahl, wo Menschen wählen müssen, größere Ziele, wo sie tippen müssen, weniger zum Merken, weniger Felder, ein gutes Ende und Worte, die die Wahrheit freundlich beschreiben. Das ist der größte Teil guter Gestaltung der Nutzererfahrung (User Experience, UX), und das meiste davon kostet sehr wenig, um es auszuprobieren.

Footnotes

1. Robert W. Proctor und Darryl W. Schneider, Hick's law for choice reaction time: a review, Quarterly Journal of Experimental Psychology 71(6), Seiten 1281 bis 1299, 2018, https://doi.org/10.1080/17470218.2017.1322622

2. Jakob Nielsen, Jakob's Law of Internet User Experience, Nielsen Norman Group, 2017, https://www.nngroup.com/videos/jakobs-law-internet-ux/

3. Paul M. Fitts, The information capacity of the human motor system in controlling the amplitude of movement, Journal of Experimental Psychology 47(6), Seiten 381 bis 391, 1954, nachgedruckt im Journal of Experimental Psychology: General 121(3), 1992, https://www.cs.princeton.edu/courses/archive/fall08/cos436/FittsJEP1954.pdf

4. Apple, Human Interface Guidelines: Accessibility (Standard und Mindestgrößen für Bedienelemente), https://developer.apple.com/design/human-interface-guidelines/accessibility

5. W3C, Understanding Success Criterion 2.5.5: Target Size (Level AAA), WCAG 2.1, https://www.w3.org/WAI/WCAG21/Understanding/target-size.html

6. Bundesministerium der Justiz, Barrierefreiheitsstärkungsgesetz (BFSG), § 1 Zweck und Anwendungsbereich, Absatz 3 Nr. 5, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bfsg/__1.html

7. Donald A. Redelmeier und Daniel Kahneman, Patients' memories of painful medical treatments: real time and retrospective evaluations of two minimally invasive procedures, Pain 66(1), Seiten 3 bis 8, 1996, https://doi.org/10.1016/0304-3959%2896%2902994-6

8. Barbara L. Fredrickson und Daniel Kahneman, Duration neglect in retrospective evaluations of affective episodes, Journal of Personality and Social Psychology 65(1), Seiten 45 bis 55, 1993, https://doi.org/10.1037/0022-3514.65.1.45

9. Donald A. Redelmeier, Joel Katz und Daniel Kahneman, Memories of colonoscopy: a randomized trial, Pain 104(1 bis 2), Seiten 187 bis 194, 2003, https://doi.org/10.1016/S0304-3959%2803%2900003-4

10. Wikipedia, Serial position effect (Definition, mit Verweis auf Ebbinghaus, On memory, Übersetzung von 1913), https://en.wikipedia.org/wiki/Serial-position_effect

11. George A. Miller, The magical number seven, plus or minus two: some limits on our capacity for processing information, Psychological Review 63(2), Seiten 81 bis 97, 1956, Classics in the History of Psychology, York University, https://psychclassics.yorku.ca/Miller/

12. Nelson Cowan, The magical number 4 in short term memory: a reconsideration of mental storage capacity, Behavioral and Brain Sciences 24(1), Seiten 87 bis 114, 2001, https://doi.org/10.1017/S0140525X01003922

13. John Sweller, Cognitive load during problem solving: effects on learning, Cognitive Science 12(2), Seiten 257 bis 285, 1988, Crossref Eintrag mit Abstract, https://api.crossref.org/works/10.1207/s15516709cog1202_4

14. Baymard Institute, Cart abandonment rate: 50 statistics and why people abandon, Baymard Institute, 2026, https://baymard.com/lists/cart-abandonment-rate

15. Edward Scott, 5 ways to minimize form fields in checkout, Baymard Institute, 2024, https://baymard.com/research-articles/checkout-flow-average-form-fields

16. Google, Web Vitals, web.dev, https://web.dev/articles/vitals

17. Amazon.com Inc, US Patent 5.960.411, Method and system for placing a purchase order via a communications network, Google Patents, https://patents.google.com/patent/US5960411A/en

18. Bundesministerium der Justiz, Bürgerliches Gesetzbuch (BGB), § 312k Kündigung von Verbraucherverträgen im elektronischen Geschäftsverkehr, Absätze 1 und 2, Gesetze im Internet, 2026, https://www.gesetze-im-internet.de/bgb/__312k.html

19. Europäisches Parlament und Rat, Verordnung (EU) 2016/679 (Datenschutz Grundverordnung), Artikel 17 Absatz 1 und Artikel 12 Absatz 3, EUR Lex, 2016, https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:32016R0679

20. Irwin P. Levin und Gary J. Gaeth, How consumers are affected by the framing of attribute information before and after consuming the product, Journal of Consumer Research 15(3), Seiten 374 bis 378, 1988, EconPapers, https://econpapers.repec.org/article/oupjconrs/v_3a15_3ay_3a1988_3ai_3a3_3ap_3a374-78.htm