Was vorher fertig sein muss
Eine vollständige, eindeutig benannte Liste der zu sortierenden Inhalte (30-80 Karten) liegt vor, jedes Element für die Zielgruppe verständlich.
Klare Entscheidung, ob Open Sort (Teilnehmer benennen Kategorien selbst) oder Closed Sort (vorgegebene Kategorien) eingesetzt wird, abhängig von der IA-Reife.
Was vor Start vorliegen muss
30-80 Karten (physisch oder digital) mit eindeutigen Begriffen; bei Closed Sort vorbereitete Kategorie-Karten; Tool für digitale Sorts (Optimal Workshop, UserZoom, Maze); Notizen-Template pro Teilnehmer.
Ein UX-Researcher als Owner; ein Moderator (kann derselbe sein) für moderierte Sessions; mind. 15 Teilnehmer aus Zielgruppe für quantitative Cluster-Analyse, 5-8 bei moderiertem Sort mit qualitativer Auswertung.
Vollständige Content-Liste; Zielgruppen-Definition; bekannte aktuelle IA und ihre Schwachstellen; Hypothesen zu möglichen Gruppierungen; Recruiting-Plan.
20-45 min je Sort, plus 4-8 h Auswertung
Karten zufällig anordnen vor jedem Sort (kein Pattern). Bei Open Sort: leere Kategorie-Felder. Bei Closed Sort: vorgegebene Kategorien sichtbar. Hybrid Sort kombiniert beides (Closed mit Möglichkeit, eigene Kategorien zu ergänzen).
Die eine Frage, die diese Methode beantwortet
Wie gruppiert die Zielgruppe die Inhalte intuitiv, welche Labels verwendet sie, und wo weicht das mentale Modell der Nutzer von der aktuellen IA ab?
Marker: Phase
| Schritt | Dauer | Aktion | Hinweis |
|---|---|---|---|
1Phase 1: Pilot mit 2-3 Personen | 1-2 h | Mit kleinem Sample Sort durchführen. Karten-Verständlichkeit prüfen: wo werden Karten in „weiß-nicht“-Stapel gelegt? Wo entstehen Verwirrungen über Begriffe? | Pilot zeigt Karten-Probleme, die später Daten kontaminieren. Karten umbenennen oder splitten bevor Hauptdurchlauf startet. |
2Phase 2: Hauptdurchlauf | 20-45 min je Teilnehmer | Pro Session: Karten zufällig vorlegen oder Tool starten. Teilnehmer sortiert ohne Hilfe in selbst- oder vorgegebene Kategorien. Bei moderiertem Sort Think-Aloud erfragen. | Bei Stille zwischendurch erinnern: „Erklären Sie laut, was Sie gerade denken.“ Nicht beeinflussen, nicht erklären. Tester entscheidet allein. |
3Phase 3: Post-Sort-Interview | 5-10 min je Session | Begründungen pro Kategorie erfragen. Schwierigste Karten benennen lassen. Welche Karten passten in keine? Welche Kategorien fehlen? | Post-Sort-Begründungen sind oft wertvoller als die Sortierung selbst. Erklärungen verraten mentale Modelle, die im Sort nicht sichtbar werden. |
4Phase 4: Quantitative Auswertung (Open Sort) | 3-6 h | Similarity Matrix erstellen: wie oft landeten Karte X und Y im selben Cluster. Dendrogramm oder Heatmap visualisieren. Cluster-Schwelle definieren (z. B. >50% Übereinstimmung). | Tools wie Optimal Workshop berechnen das automatisch. Bei manueller Auswertung Excel-Pivot oder Online-Tools nutzen. Cluster sind selten eindeutig, Grauzonen sind normal. |
5Phase 5: Qualitative Synthese und IA-Vorschlag | 2-4 h | Cluster mit Pilot-Begründungen abgleichen. Label-Vorschläge synthetisieren (häufigste Begriffe von Teilnehmern). IA-Vorschlag ableiten, mit Tree Testing oder First-Click-Test validieren. | Card Sort allein validiert keine IA. Es liefert Hypothesen. Tree Testing ist der Validierungs-Schritt danach. |
Was am Ende rauskommt
Auswertungs-Bericht mit Sample-Beschreibung, Similarity Matrix oder Dendrogramm, identifizierten Clustern mit Label-Vorschlägen, Liste der „heimatlosen Karten“ (gehörte nirgendwo eindeutig hin) und IA-Vorschlag mit Folgeschritten zur Validierung.
Pro Sort-Runde eigener Datensatz mit Datum, Sample-Größe, Karten-Set-Version. Wenn Karten-Set zwischen Runden ändert, neue Runde nicht direkt vergleichbar. IA-Iterationen separat versionieren.
Kompakte Arbeitsvorlage für Card Sorting mit Kontext, Input, Ergebnisartefakten und nächstem Schritt.
# Card Sorting Arbeitsvorlage
## Ziel
Zeigt, wie Nutzende Inhalte gruppieren und benennen.
## Kontext
Wann und wofür nutzen wir diese Methode?
## Input
Welche Daten, Beobachtungen, Entscheidungen oder Materialien liegen vor?
## Durchführung
Kurze Notizen entlang des Run Sheets.
## Ergebnisartefakte
- Content Groups:
- Label Set:
- IA Hypotheses:
## Annahmen und offene Fragen
- ...
## Entscheidung / Nächster Schritt
Owner, Datum und Erfolgssignal.Konkret gefülltes Szenario
## Card Sorting — Hilfe-Center Re-IA (Open Sort, KW 18/2026, n=18)
**Setup**: 52 Hilfe-Artikel als Karten. Open Sort online via Optimal Workshop. Teilnehmer: Bestandsnutzer mit min. 6 Monaten Aktivität.
### Cluster-Ergebnisse (Threshold 55%)
**Cluster 1: „Konto & Sicherheit“** (8 Karten, 89% Übereinstimmung)
- Passwort ändern, 2FA einrichten, E-Mail ändern, Konto löschen, Datenexport, Geräte verwalten, Sitzungen verwalten, Datenschutz-Einstellungen
- Label-Vorschlag: „Konto & Sicherheit“ (von 11/18 Teilnehmern verwendet)
**Cluster 2: „Abrechnung & Zahlung“** (6 Karten, 92% Übereinstimmung)
- Zahlungsmethode ändern, Rechnung herunterladen, Abo wechseln, Kündigung, Steuerinformationen, Erstattung anfordern
- Label-Vorschlag: „Abrechnung“ (von 9/18) oder „Zahlung & Rechnungen“ (von 6/18)
**Cluster 3: „Erste Schritte“** (5 Karten, 78% Übereinstimmung)
- Konto erstellen, Onboarding-Tutorial, Erste App-Verbindung, Demo-Daten laden, Mitarbeiter einladen
**Heimatlose Karten** (kein Cluster >40%)
- „API-Tokens verwalten“ wanderte zwischen Konto, Sicherheit und Entwickler
- „Mobile-Push-Einstellungen“ landete mal bei Sicherheit, mal bei Account, mal bei Allgemein
- Empfehlung: Karten splitten oder umbenennen; ggf. Tree Test um beste Platzierung zu finden
### IA-Vorschlag (zur Validierung via Tree Test)
1. Erste Schritte
2. Konto & Sicherheit
3. Abrechnung & Zahlung
4. Funktionen & Nutzung (16 Karten, weiter zu splitten)
5. Integrationen & API
6. Hilfe & KontaktSymptome erkennen, gegensteuern
Teilnehmer fragen häufig nach Bedeutung oder sortieren willkürlich in „weiß nicht“-Stapel.
Karten-Wording in Pilot prüfen, neutrale Formulierung aus Nutzer-Perspektive. Branchenjargon vermeiden. Bei Unsicherheit Begriff durch Beschreibung ergänzen.
Sortierende sind interne Mitarbeiter oder Power-User, nicht repräsentative Nutzer.
Recruiting-Filter strikt anwenden. Interne Sortierungen sind als Pilot OK, dürfen nicht in Hauptauswertung.
Mehr als 80 Karten, Teilnehmer verlieren Übersicht und sortieren zum Schluss flüchtig.
Maximal 60-80 Karten pro Session. Bei größerem Inventar in Subsets aufteilen oder weniger detaillierte Karten verwenden.
Vorgegebene Kategorien werden genutzt, obwohl IA noch nicht etabliert ist.
Bei neuer IA Open Sort starten. Closed Sort erst, wenn aus Open Sort plausible Kategorien hervorgegangen sind und validiert werden sollen.
Cluster werden direkt als finale IA implementiert ohne Validierung.
Card Sort liefert Hypothesen, nicht Wahrheit. Tree Testing oder First-Click-Test als Validierungsschritt einplanen.
Done-Signale, in unter einer Minute prüfbar
Zum Steckbrief für Zweck, ähnliche Methoden und Quellen — oder direkt zur nächsten Methode im Katalog.