Affinity Diagramm ist eine Workshop-Methode, bei der ungeordnete qualitative Daten (Zitate, Beobachtungen, Notizen) so lange thematisch gruppiert werden, bis übergeordnete Muster und Erkenntnisse sichtbar werden.
Rubrik: Mediendesign & digitale Medien · Unterrubrik: UX-Research · Niveau: Einsteiger Synonyme / Auch bekannt als: Affinity Mapping, KJ-Methode, Affinity Wall, Thematische Clusteranalyse
Was ist ein Affinity Diagramm?
Ein Affinity Diagramm ist die bevorzugte Synthese-Methode nach qualitativem User-Research. Notizen aus Interviews, Beobachtungen oder Brainstormings werden auf einzelne Karten oder Sticky Notes übertragen, an einer Wand verteilt und nach inhaltlicher Verwandtschaft (Affinität) zu Clustern zusammengeschoben. Aus diesen Clustern werden Themen, Insights und letztlich Designrichtungen abgeleitet.
Erklärung
Die Methode geht auf den japanischen Anthropologen Jiro Kawakita zurück, der sie in den 1960er-Jahren als „KJ-Methode" entwickelte. Heute ist das Affinity Diagramm das Standardwerkzeug, um aus zehn bis zwanzig User-Interviews oder einem dreistündigen Brainstorming verwertbare Insights zu destillieren.
Der Ablauf läuft typischerweise in drei Stufen: Erstens, Datenextraktion — jede Beobachtung, jedes Zitat, jede Mini-Erkenntnis wird auf eine eigene Karte geschrieben (Faustregel: ein Gedanke = eine Karte, ca. 100–300 Karten pro Projekt). Zweitens, bottom-up-Clustering — Karten werden ohne vorgefasste Kategorien an die Wand geheftet und nach Ähnlichkeit zu Häufchen zusammengeschoben. Drittens, Benennung und Hierarchisierung — die Cluster bekommen Überschriften, ähnliche Cluster werden zu Themen zusammengefasst, daraus entstehen Hypothesen oder „How might we"-Fragen für die nächste Designphase.
Wichtig ist: Erst clustern, dann benennen. Wer mit fertigen Kategorien anfängt, projiziert seine eigenen Annahmen auf die Daten und übersieht Muster. Affinity Diagramme sind explizit eine induktive Methode — Erkenntnis entsteht aus dem Material, nicht aus der Vorabhypothese.
Beispiele
- Beispiel 1: Nach zwölf User-Interviews zur Lazi-Akademie-Website werden 180 Zitate auf Sticky-Notes geschrieben und in Miro sortiert. Daraus entstehen sieben Themen-Cluster, u. a. „Unsicherheit zur Bewerbungsfrist", „Verwechslung Berufsfachschule/Hochschule", „Suche nach Werkschau".
- Beispiel 2: Service-Design-Workshop einer Bank: 250 Pain-Point-Karten aus Support-Tickets clustern. Ergebnis: drei Cluster (Onboarding, App-Bugs, Gebühren) erklären 70 % der Beschwerden.
- Beispiel 3: Designsprint-Tag 2 — Team sammelt Lightning-Demo-Ideen, clustert sie zu fünf Designrichtungen, wählt per Punktevergabe die stärkste aus.
- Beispiel 4: Forschungsteam wertet ethnografische Beobachtungen einer Klinik-Reinigung aus — Affinity-Wall ergibt vier Workflow-Probleme, die zur Neugestaltung des Wagens führen.
- Beispiel 5: Studierende der Lazi-Akademie clustern Zitate aus Schüler-Interviews zur Frage „Was macht eine gute Lehrkraft aus?" und leiten daraus drei Persona-Archetypen ab.
In der Praxis
Im physischen Workshop braucht es eine große freie Wand (mindestens 4 m), Sticky-Notes in zwei Farben (z. B. Gelb für Rohdaten, Pink für Cluster-Namen), Marker. Remote ist Miro, FigJam oder Mural Standard — Tools mit dedizierter „Affinity Diagramming"-Funktion sind Dovetail und Condens. Faustregeln: pro Cluster 5–15 Karten, nicht mehr als 7–10 Cluster auf der ersten Ebene, jede Karte muss zu einer realen Datenquelle rückverfolgbar sein. Affinity-Sessions dauern 2–4 Stunden, idealerweise mit dem Research-Team plus Stakeholder, die das Ergebnis später nutzen sollen. So entsteht geteiltes Verständnis statt einer Erkenntnis im Elfenbeinturm.
Vergleich & Abgrenzung
Affinity Diagramm und Card-Sorting werden manchmal verwechselt. Beim Card-Sorting sortieren Nutzer:innen vorgegebene Karten in selbstgewählte Kategorien (Methode der Informationsarchitektur). Beim Affinity Diagramm gruppiert das Research-Team Rohdaten zu Themen (Methode der Datenauswertung).
| Merkmal | Affinity Diagramm | Card Sorting |
|---|---|---|
| Wer sortiert | Research-Team | Nutzer:innen |
| Was wird sortiert | Rohdaten aus Research | Inhalte einer Website / App |
| Ziel | Themen erkennen | Informationsarchitektur ableiten |
| Phase | Research-Synthese | UX-Konzept |
Häufige Fragen (FAQ)
Wie viele Karten brauche ich für ein sinnvolles Affinity Diagramm? Faustregel: 80–300 Karten. Unter 50 lohnt sich der Aufwand kaum — eine Tabelle reicht. Über 500 wird die Wand unübersichtlich; dann besser in zwei Sub-Themen splitten und parallel clustern. Wichtig ist nicht die Karten-Zahl, sondern dass jedes Datum eine eigene Karte ist.
Macht man ein Affinity Diagramm allein oder im Team? Im Team ist es deutlich wertvoller. Beim gemeinsamen Clustering entstehen Diskussionen, die selbst Insights generieren. Außerdem entsteht geteiltes Verständnis im Team, was die Akzeptanz späterer Designentscheidungen erhöht. Allein-Clustering ist möglich, aber bringt nur 60–70 % des Werts.
Weiterführend
- Kawakita, Jiro (1991): The Original KJ Method. Kawakita Research Institute
- Holtzblatt, Karen / Beyer, Hugh (2017): Contextual Design — Design for Life (2. Auflage). Morgan Kaufmann
- Nielsen Norman Group (2023): Affinity Diagramming for Collaboratively Sorting UX Findings. nngroup.com
