Wenn sich die Oberfläche dem Menschen anpasst: Googles NAI und die wiederentdeckte Vision von MercuryOS

TL;DR: Googles Konzept der Natively Adaptive Interfaces könnte digitale Produkte zugänglicher und persönlicher machen, stellt Designer aber vor die schwierige Aufgabe, Anpassungsfähigkeit mit Verlässlichkeit und Kontrolle zu verbinden.

Google Research hat mit den „Natively Adaptive Interfaces“, kurz NAI, ein Framework für Benutzeroberflächen vorgestellt, die sich mithilfe multimodaler KI an individuelle Fähigkeiten, Präferenzen und Nutzungssituationen anpassen. Die Idee klingt neu, erinnert aber auffällig an das bereits 2019 veröffentlichte Designkonzept MercuryOS: Nicht der Mensch soll sich durch starre Apps und Menüs arbeiten – die Oberfläche soll sich aus seiner Absicht heraus formen.

Was vor sieben Jahren noch wie ein spekulatives Betriebssystem wirkte, erscheint durch generative KI plötzlich technisch erreichbar. Damit beginnt für UI/UX-Designer eine Debatte, die weit über neue Komponenten oder Designtrends hinausgeht.

Google will Barrierefreiheit in die Oberfläche einbauen

Klassische Accessibility-Funktionen werden häufig nachträglich ergänzt. Eine Anwendung entsteht zunächst für einen angenommenen Standardnutzer; später kommen Screenreader-Unterstützung, alternative Eingabemethoden, skalierbare Schriften oder zusätzliche Darstellungsoptionen hinzu.

Google bezeichnet die zeitliche und funktionale Lücke zwischen Produktentwicklung und assistiver Anpassung als „Accessibility Gap“. NAI soll diesen Abstand verkleinern, indem Barrierefreiheit nicht mehr als zusätzliche Schicht, sondern als grundlegende Eigenschaft eines KI-Agenten gedacht wird. Der Agent selbst wird zur primären Schnittstelle zwischen Mensch und digitalem System.

Die NAI-Dokumentation beschreibt ein Framework für multimodale Agenten, die Text, Sprache, Bilder, Video und weitere Signale verarbeiten können. Eine Person mit Sehbehinderung könnte ein System per Sprache bedienen und auditive oder haptische Rückmeldungen erhalten. Nutzer mit motorischen Einschränkungen könnten auf Augensteuerung oder begrenzte Bewegungen zurückgreifen. Für gehörlose Menschen wären visuelle Darstellungen, Untertitel und gebärdensprachliche Inhalte denkbar.

Dabei geht es nicht nur darum, dieselbe Oberfläche anders auszugeben. NAI soll Interaktionsstil, Inhalte und Präsentation dynamisch anpassen. Ein zentraler Agent kann den Kontext verstehen und Aufgaben an spezialisierte Teilagenten delegieren: Einer fasst ein komplexes Dokument zusammen, ein anderer verändert Textgröße und Darstellung, ein dritter beantwortet Rückfragen.

Google hat dafür verschiedene Prototypen entwickelt. StreetReaderAI kombiniert visuelle und geografische Informationen, um blinde und sehbehinderte Menschen in ihrer Umgebung zu unterstützen. Ein experimenteller Videoplayer erzeugt interaktive Audiobeschreibungen, deren Detailgrad sich per Sprache verändern lässt. Ein Lernsystem des Rochester Institute of Technology verbindet amerikanische Gebärdensprache, englische Texte, Untertitel und gesprochene Erklärungen. Google Research stellt diese Projekte als frühe Erprobung des NAI-Ansatzes vor.

Das Wort „früh“ ist entscheidend. NAI ist derzeit ein Framework mit Dokumentation, Beispielmustern und Prototypen, kein fertiger Standard für adaptive Produkte. Teile der Entwicklerdokumentation sind ausdrücklich als Pre-GA, also noch nicht allgemein verfügbar und nur eingeschränkt unterstützt, gekennzeichnet.

MercuryOS dachte diese Zukunft schon 2019

Die Grundidee einer Oberfläche, die sich aus dem Anliegen des Nutzers zusammensetzt, ist älter als die aktuelle KI-Welle. Besonders deutlich zeigt das MercuryOS, ein 2019 von Jason Yuan und Dennis Jin veröffentlichtes spekulatives Designkonzept.

MercuryOS stellt zwei Grundannahmen heutiger Betriebssysteme infrage: Apps und Ordner. Statt Informationen und Funktionen in voneinander getrennte Programme zu sperren, organisiert das Konzept die Arbeit in „Modules“, „Flows“ und „Spaces“.

Ein Modul verbindet Inhalt und Handlung. Es soll per natürlicher Sprache beschrieben und passend zur aktuellen Absicht erzeugt werden können. Mehrere Module bilden einen Arbeitsfluss; mehrere Flows wiederum einen Space. Wer eine Reise plant, soll nicht selbst zwischen Kalender, Karten, E-Mail, Browser und Notizen vermitteln müssen. Das System soll die für diese Absicht relevanten Inhalte und Aktionen in einem gemeinsamen Kontext zusammenführen.

MercuryOS wollte dabei nicht nur effizienter, sondern ausdrücklich „humane“, fokussiert und reizärmer sein. Yuan beschrieb herkömmliche Desktops und App-Ökosysteme als unpassend für begrenzte Aufmerksamkeit und kognitive Belastbarkeit. Die Oberfläche sollte unnötige Informationen zurücknehmen, räumliche Orientierung bewahren und Menschen möglichst lange in ihrem Arbeitsfluss halten.

Aus heutiger Sicht wirkt besonders die Definition der Modules bemerkenswert. MercuryOS bezeichnet sie sinngemäß als Browser, die Oberflächen bei Bedarf generieren können. Das ist fast dieselbe Denkrichtung, die Google nun mit dynamischen, agentengesteuerten Modulen verfolgt.

Der Unterschied liegt weniger in der Vision als in der technischen Ausgangslage. MercuryOS war ein sorgfältig ausgearbeitetes Interaktions- und Gestaltungskonzept, aber kein produktiv verfügbares Betriebssystem. Heutige multimodale Modelle können Absichten tatsächlich aus Sprache, Bildern und Kontextsignalen ableiten und daraus Komponenten oder ganze Abläufe erzeugen. Eine schöne Zukunftsskizze wird damit zu einer ernsthaften Produktfrage.

Von der universellen Oberfläche zur individuellen Erfahrung

Bisher versucht gutes Interface-Design meist, eine möglichst verständliche Lösung für möglichst viele Menschen zu finden. Designsysteme standardisieren Komponenten, Interaktionsmuster, Abstände, Zustände und Sprache. Konsistenz senkt die Lernlast: Ein Button verhält sich morgen so wie heute und bei einem Kollegen so wie bei mir.

Adaptive Interfaces verschieben dieses Prinzip. Es entsteht nicht mehr zwangsläufig eine universelle Oberfläche, sondern eine gemeinsame funktionale Grundlage mit unterschiedlichen Darstellungen und Interaktionswegen.

Für Barrierefreiheit ist das vielversprechend. Menschen unterscheiden sich nicht nur in Seh-, Hör- oder Bewegungsvermögen. Auch Aufmerksamkeit, Sprachverständnis, Gedächtnis, situative Belastung und technische Erfahrung verändern, welche Oberfläche verständlich ist. Eine einzelne, unveränderliche Lösung kann diese Vielfalt kaum vollständig abdecken.

Die Idee der Personalisierung ist auch in Accessibility-Standards längst vorhanden. Das W3C empfiehlt unter anderem anpassbare Schrift, Kontrast, Abstände, Symbole und Komplexitätsstufen. Bemerkenswert ist, dass seine Leitlinie für vertraute, personalisierbare Oberflächen nicht nur Anpassungen, sondern auch einen Rückweg zur vorherigen, bekannten Darstellung vorsieht.

Darin steckt eine wichtige Grenze für generative UI: Anders ist nicht automatisch besser. Eine Oberfläche kann objektiv weniger Elemente zeigen und dennoch schwieriger zu bedienen sein, wenn sich ihre Struktur unvorhersehbar verändert.

Die neue UX-Frage lautet: Kann ich dem Interface noch vertrauen?

Menschen lernen digitale Produkte räumlich. Sie erinnern sich nicht immer an die korrekte Bezeichnung einer Funktion, wissen aber, dass sie „oben rechts im Menü“ zu finden ist. Sie entwickeln Gewohnheiten, erwarten bestimmte Reaktionen und bauen nach und nach ein mentales Modell des Systems auf.

Wenn eine KI Navigation, Komponenten oder Aktionen fortlaufend neu anordnet, kann dieses Modell zerfallen. Eine heute hilfreiche Anpassung wird morgen zum Hindernis, wenn der Nutzer nicht versteht, warum sie geschah oder wie sie rückgängig gemacht werden kann.

Dieses Problem betrifft Menschen mit kognitiven Einschränkungen besonders, ist aber keineswegs auf sie begrenzt. Auch professionelle Nutzer wollen verlässliche Werkzeuge. In einer Buchhaltung, einem medizinischen System oder einer Produktionssteuerung ist überraschendes Verhalten selten erwünscht – selbst wenn die KI gute Absichten hat.

Eine 2026 veröffentlichte systematische Untersuchung zur kognitiven Zugänglichkeit generativer KI-Oberflächen beschreibt genau diese Schwächen: hohe kognitive Belastung, mangelnde Vorhersehbarkeit, wenig Hilfestellung und begrenzte Erklärbarkeit. Die Autoren sehen Bedarf an mehr empirischer Forschung und validierten Gestaltungsrichtlinien.

Auch die automatische Erzeugung technisch zugänglicher Komponenten ist noch nicht zuverlässig gelöst. Eine Studie der ACM-Konferenz ASSETS kam zu dem Ergebnis, dass generative Modelle zwar syntaktisch korrekte und teilweise zugängliche Komponenten erstellen können, aber bei Kontextlogik, Konsistenz und der Einhaltung von Vorgaben scheitern. Die Forscher empfehlen KI deshalb als unterstützendes Werkzeug, nicht als Ersatz für Accessibility-Audits und Tests mit Nutzern. Die Studie ist in der ACM Digital Library dokumentiert.

Anpassung darf nicht mit Bevormundung verwechselt werden

Ein adaptives System kann auf zwei Arten handeln: Es kann auf einen ausdrücklichen Wunsch reagieren oder selbst ableiten, was der Nutzer vermutlich benötigt. Dazwischen liegt ein großer UX-Unterschied.

Wenn jemand sagt: „Vergrößere den Text und zeige mir nur die nächsten drei Schritte“, bleibt die Absicht nachvollziehbar. Wenn das System dagegen aus Verhalten, Blickrichtung, Fehlern oder früheren Interaktionen schließt, dass eine vereinfachte Darstellung benötigt wird, entscheidet es stellvertretend.

Diese Schlussfolgerung kann hilfreich sein. Sie kann aber auch falsch, paternalistisch oder diskriminierend ausfallen. Ein System könnte bestimmte Funktionen ausblenden, weil es den Nutzer für unerfahren hält. Es könnte sprachliche Vereinfachung anbieten, wo sie nicht gewünscht ist. Oder es könnte aus Accessibility-Präferenzen sensible Rückschlüsse auf gesundheitliche Eigenschaften ziehen.

Google benennt diese Risiken in seiner eigenen NAI-Leitlinie zu Sicherheit und Datenschutz. Sie fordert transparente Angaben zur Datenerhebung, Datenminimierung, informierte Einwilligung sowie Kontrolle über gespeicherte Präferenzen und Interaktionsdaten.

Für Designer folgt daraus ein klares Prinzip: Je stärker ein System selbstständig eingreift, desto sichtbarer müssen Anlass, Wirkung und Rückweg sein. Nutzer sollten eine Anpassung verstehen, ablehnen, verändern und dauerhaft deaktivieren können. Personalisierung braucht ein Gedächtnis – aber ebenso eine verständliche Möglichkeit, dieses Gedächtnis zu korrigieren oder zu löschen.

Designer gestalten künftig Regeln statt nur Screens

Wenn Oberflächen zur Laufzeit entstehen, verliert der einzelne Screen als finales Designartefakt an Bedeutung. Die Aufgabe verschiebt sich von der Gestaltung fester Zustände zur Definition eines Möglichkeitsraums.

Designer müssen dann festlegen, welche Elemente veränderbar sind und welche konstant bleiben. Sie gestalten Prioritäten, zulässige Kombinationen, Übergänge, Erklärungen, Grenzen und Wiederherstellungsmechanismen. Ein Designsystem enthält nicht mehr nur Komponenten und Tokens, sondern Regeln dafür, wie eine Oberfläche auf Kontext reagieren darf.

Das bedeutet nicht, dass KI UI/UX-Designer überflüssig macht. Im Gegenteil: Je mehr Varianten ein System erzeugen kann, desto wichtiger wird eine klare gestalterische Verfassung. Ohne sie skaliert nicht die Qualität, sondern die Inkonsistenz.

Eine aktuelle Google-Studie zu „Self-Evolving Systems“ liefert einen interessanten Hinweis auf das Potenzial. In einem Versuch mit 72 Personen erreichte eine adaptive, generative Banking-Oberfläche einen deutlich höheren Wert auf der System Usability Scale als eine statische Vergleichsversion. Die Forscher unterscheiden zwischen ausdrücklich angeforderten Funktionen, automatisch abgeleiteten Funktionen und Echtzeitanpassungen. Die Ergebnisse sind vielversprechend, lassen sich von einem einzelnen Prototyp jedoch nicht auf beliebige Produkte oder Nutzergruppen übertragen.

Für Produktverantwortliche entsteht daraus eine neue organisatorische Aufgabe. Generative UI lässt sich nicht allein als KI-Funktion an ein Entwicklungsteam delegieren. Sie verbindet UX Research, Accessibility, Designsysteme, Datenstrategie, Modellsicherheit und technische Architektur.

Die vertraute Oberfläche bleibt ein Wert

MercuryOS zeigt, wie inspirierend es sein kann, gewohnte Metaphern vollständig zu hinterfragen. Die Abschaffung von Apps und Ordnern befreit die Gestaltung von Strukturen, die aus einer anderen Computerära stammen. Gleichzeitig haben diese Strukturen einen Vorteil: Menschen kennen sie.

Vertrautheit ist kein Zeichen mangelnder Innovation. Sie ist ein angesammeltes Wissen, das Bedienung beschleunigt und Sicherheit vermittelt. Eine adaptive Oberfläche sollte dieses Wissen nicht leichtfertig vernichten.

Die wahrscheinlich überzeugendsten Produkte werden deshalb nicht jeden Bildschirm bei jedem Aufruf neu erfinden. Sie werden stabile Orientierungspunkte mit anpassbaren Bereichen kombinieren. Navigation, zentrale Aktionen und Sicherheitsmechanismen bleiben berechenbar; Darstellung, Detailgrad, Eingabeform und unterstützende Funktionen können sich verändern.

Auch MercuryOS war trotz seines radikalen Anspruchs nicht vollkommen fremd. Es nutzte räumliche Übergänge, Tastaturbefehle und wiederkehrende Module, um ein zusammenhängendes mentales Modell zu schaffen. Seine Stärke lag nicht in Beliebigkeit, sondern in einer konsequenten Grammatik.

Kontext

Die Entwicklung führt von statischen Desktop-Metaphern über responsive Layouts und regelbasierte Personalisierung hin zu Oberflächen, die Inhalt, Funktion und Darstellung zur Laufzeit erzeugen können. MercuryOS formulierte 2019 eine absichtsbasierte Alternative zu Apps und Ordnern; W3C-Initiativen wie WAI-Adapt arbeiten seit Jahren an standardisierter, nutzergesteuerter Personalisierung; Googles NAI verbindet diese Denkrichtungen nun mit multimodalen Agenten und generativer KI.

Was jetzt zu beobachten ist

Entscheidend wird nicht sein, ob ein Modell eine Oberfläche erzeugen kann. Das können aktuelle Systeme bereits in begrenztem Umfang. Entscheidend ist, ob Menschen diese Oberfläche über längere Zeit verstehen, kontrollieren und als verlässlich erleben.

Die nächsten belastbaren Erkenntnisse müssen daher aus realen Nutzungstests kommen – insbesondere mit den Menschen, deren Bedürfnisse adaptive Interfaces adressieren sollen. Google stellt das Prinzip „Nothing About Us Without Us“ zu Recht in den Mittelpunkt seines NAI-Prozesses und fordert eine kontinuierliche Beteiligung der Nutzer von Recherche und Priorisierung bis zu Prototyping und Weiterentwicklung. Die entsprechende NAI-Leitlinie macht Co-Design ausdrücklich zum dauerhaften Prozess.

Für UI/UX-Teams beginnt die Arbeit nicht mit der Frage, welche Screens eine KI erzeugen soll. Sie beginnt mit einer schwierigeren Frage: Welche Entscheidungen darf das System treffen, welche muss der Mensch bestätigen und welche dürfen niemals dynamisch werden?

ScalerIT begleitet Produktteams dabei, solche neuen Interaktionsmodelle nicht nur visuell, sondern als belastbare digitale Systeme zu entwerfen. Dazu gehören UX-Konzept, Accessibility, technische Machbarkeit, Datenschutz und die kontrollierte Integration von KI. Wer eine adaptive Produktoberfläche untersuchen möchte, sollte mit einem begrenzten, testbaren Anwendungsfall beginnen – nicht mit der vollständigen Abschaffung aller vertrauten Interfaces.