Benachrichtigungsmüdigkeit: eine KI bauen, die weiß, wann sie schweigen soll

Vor einem Jahr hat eine frühe Version von Nudge einem vielbeschäftigten Menschen einen Schwall Benachrichtigungen pro Tag geschickt. Heute sind es eine kleine Handvoll, gelegt auf Momente, in denen du wahrscheinlich handelst. Am Produkt ist nichts weniger ehrgeizig geworden. Das Aufgabensystem wurde größer, die KI-Funktionen wurden besser, die Zahl der Nutzenden wuchs. Verändert hat sich, dass wir aufgehört haben, das Falsche zu messen.

Das Falsche ist, wie viele nützliche Hinweise eine KI erzeugen kann. Das Richtige ist, wie viele Hinweise ein echter Mensch aufnehmen kann, bevor er anfängt, die App zu ignorieren. Diese Zahlen liegen weit auseinander.

Warum KI-Erinnerungs-Apps zu viele Benachrichtigungen schicken

Jede KI, die über deine Aufgaben nachdenken kann, erzeugt eine beeindruckende Menge an „hilfreichen“ Dingen, die sie dir sagen könnte. Sie kann an Fristen erinnern. Teilaufgaben vorschlagen. Konflikte melden. Eine Verschiebung anbieten. Bessere Formulierungen vorschlagen. Darauf hinweisen, dass du diese eine Aufgabe seit drei Wochen vor dir herschiebst. Serien feiern.

Jedes davon ist für sich vertretbar. Zusammen ergeben sie ein Handy, das alle 40 Minuten summt. Genau das ist der Punkt, an dem Leute eine App löschen.

Eine naive Umsetzung eines KI-Assistenten für Produktivität sieht ungefähr so aus: Bei jeder neuen Aufgabe bewertet die KI sie, schlägt einen Plan vor, plant Erinnerungen für die passenden Zwischenschritte und schickt einen Anstupser, sobald ein Zwischenschritt erreicht ist. Leg zehn Aufgaben in einer Woche an, und du hast Dutzende Anstupser in der Warteschlange, über die Woche verteilt. Die erste Woche wirkt klug. Die zweite wirkt erdrückend. In der dritten Woche liest niemand mehr das Kennzeichen auf dem App-Symbol.

Wir wissen das, weil wir zuerst ungefähr diese Version gebaut haben.

Wie wir entscheiden, welche Anstupser wir nicht schicken

Der schwere Teil war herauszufinden, wie man entscheidet, was man nicht schickt. Ein LLM ist hervorragend darin, mögliche Anstupser zu erzeugen, und mittelmäßig darin, sie gegeneinander zu bewerten. Alles wirkt für sich plausibel, und das ist dasselbe Problem, das Menschen beim Schreiben ihrer eigenen To-do-Listen haben.

Wir sind bei einem zweistufigen Filter gelandet. Stufe eins ist eine schnelle Bewertung, die auf jedem möglichen Anstupser läuft. Sie stellt vier Fragen:

Ist dieser Anstupser überflüssig? Wenn wir in den letzten 90 Minuten etwas Ähnliches geschickt haben, fällt er weg. Wenn die Person kürzlich eine verwandte Aufgabe erledigt hat, fällt er weg.

Hat die Person gerade Aufmerksamkeit übrig? Hier verdienen sich kontextbewusste Erinnerungen ihren Namen: Ruhezeiten, der Kalender und die Frage, wann jemand auf frühere Benachrichtigungen tatsächlich reagiert hat, fließen alle ein. Sind wir in einem Fenster mit geringer Verfügbarkeit, verschieben wir oder lassen es weg.

Ist die Aufgabe wirklich nah an ihrem Handlungsmoment? Eine Frist in vier Tagen ohne feste Uhrzeit braucht heute keinen Anstupser. Eine Frist morgen um 17 Uhr vielleicht schon.

Würde ein weiterer Anstupser zur selben Aufgabe den ersten entwerten? Wir führen eine Tagesobergrenze pro Aufgabe. Voreingestellt sind zwei. Darüber hinaus weigert sich die Planung, mehr hinzuzufügen, egal wie klug der Gedankengang ist.

Stufe zwei ist eine globale Sperrzeit. Selbst wenn Stufe eins zustimmt, geht ein Anstupser nicht raus, wenn die Person in den letzten 15 Minuten irgendeinen anderen Anstupser bekommen hat. Diese eine Regel hat die tägliche Zahl der Anstupser stärker gesenkt als alles andere, was wir ausgeliefert haben. Sie hat uns auch gezwungen, klüger darüber zu werden, welche Anstupser durch den Filter kommen, weil wir Erinnerungen mit wenig Aussagekraft nicht mehr in Masse rausschicken und uns auf die Menge verlassen konnten.

KI-Zurückhaltung ist schwerer als KI-Können

Das kulturelle Problem in jedem Team, das mit LLMs baut: Ausgabe zu erzeugen ist billig, Ausgabe zurückzuhalten ist teuer. Wer neu im Team ist, kann „das LLM schlägt drei Verbesserungen zu deiner Aufgabe vor“ an einem Nachmittag verdrahten. Zu entscheiden, wann diese Vorschläge nicht gezeigt werden, braucht Telemetrie, Nutzerforschung, Bewertungsmodelle und die Bereitschaft, weniger Funktionen auszuliefern. Diese Arbeit lässt sich nicht vorführen. Sie sieht auf einem Screenshot nicht nach Fortschritt aus.

Wir haben die Arbeit an der Zurückhaltung wegen einer bestimmten Messung ausgeliefert. Zu jedem Anstupser, den wir schicken, bekommen wir innerhalb von 24 Stunden ein Folgesignal: Die Person hat darauf reagiert, hat ihn ignoriert, oder ein späterer Anstupser zur selben Aufgabe ist ebenfalls ins Leere gelaufen. Ein gutes Zustellsystem ist eines, bei dem die meisten Anstupser zu einer Handlung führen und der Rest überwiegend nichts bewirkt (was in Ordnung ist). Ein schlechtes System ist eines, bei dem die meisten Anstupser weggewischt werden, denn Wegwischen kostet Vertrauen. Den Unterschied macht vor allem, im richtigen Moment angestupst zu werden.

Als wir das gegen die Menge der Benachrichtigungen aufgetragen haben, war die Form eindeutig. Mehr Benachrichtigungen pro Tag hießen mehr Wegwischen. Weniger hieß besseres Dranbleiben, bis die Menge so gering wurde, dass echte Fristen durchzurutschen begannen. Eine kleine Handvoll pro Tag hat sich als der richtige Punkt herausgestellt.

Was gestrichen wurde

Ein paar konkrete Dinge, die wir unterwegs aus dem System genommen haben.

Morgenzusammenfassungen. Eine frühe Version hat jeden Morgen eine Benachrichtigung „So sieht dein Tag aus“ geschickt. Das klang nützlich. In der Praxis haben die Leute die Benachrichtigungen ignoriert. Wir haben die Funktion behalten, sie aber auf den Startbildschirm in der App verschoben, statt sie als Push zu schicken. Dieselbe Information. Keine Kosten an Benachrichtigungen.

Erinnerungen an Serien. „Du hast 5 Aufgaben hintereinander erledigt!“ ist die Art Benachrichtigung, die sich etwa drei Tage lang nach Feier anfühlt und danach für immer nervt. Gestrichen.

Benachrichtigungen mit Vorschlägen. „Uns ist aufgefallen, dass du diese Aufgabe immer wieder aufschiebst. Sollen wir sie in Teilaufgaben zerlegen?“ Gute Absicht, schlechter Zeitpunkt. Das lebt jetzt als unaufdringliche Karte auf der Detailseite der Aufgabe. Man sieht es, wenn man die Aufgabe ohnehin gerade ansieht, und in diesem Zusammenhang ist der Vorschlag willkommen.

Hinweise auf automatische Umplanungen. Wenn der Planer von Nudge eine Aufgabe auf einen neuen Tag geschoben hat, ging früher eine Benachrichtigung raus. Das fanden die Leute verwirrend und leicht beunruhigend. Jetzt macht der Planer seine Arbeit einfach still und zeigt die Änderung auf dem Startbildschirm.

Das Muster ist überall dasselbe. Die Information steht weiterhin zur Verfügung, aber sie ist vom Schieben zum Holen gewandert. Eine Push-Benachrichtigung ist ein Anspruch auf die Aufmerksamkeit eines Menschen. Sie sollte für Dinge reserviert bleiben, bei denen jemand jetzt handeln muss.

Die technische Seite

Ein paar Hinweise zur Umsetzung, falls du etwas Ähnliches baust.

Unsere Planung für Anstupser nutzt Celery mit ETA-basierten Tasks für genaues Timing, dahinter eine Redis-Warteschlange und ein Prüfprotokoll in Postgres. Jeder Anstupser hat ein Herkunftsfeld (AI_INFERRED oder USER_EXPLICIT), das steuert, wie stark wir ihn abbrechen oder verschieben dürfen. Eine ausdrücklich gesetzte Erinnerung brechen wir nie aus Mengengründen automatisch ab. Diese Regel hält das Vertrauen. Wenn du eine Erinnerung an den Geburtstag deiner Mutter setzt, liefern wir sie aus, egal was das Modell denkt. Es ist dieselbe Zusage wie bei Erinnerungen, die nicht verschwinden, bis du sie erledigst.

Die Logik für Bewertung und Abbruch steckt in einem Tagesplaner, der einmal pro Person und Tag läuft. Er darf veraltete, von der KI abgeleitete Anstupser abbrechen (bis zu 50 pro Durchlauf) und neue einreihen. Er darf nichts anfassen, worum die Person selbst gebeten hat. Diese Grenze ist wichtiger als das Bewertungsmodell.

Worum es geht

Wenn wir Nudge beschreiben, ist die häufigste Reaktion Überraschung darüber, dass die KI nicht mehr macht. Wo das tägliche Coaching bleibt. Warum sie nicht meine Produktivität analysiert. Ob sie mir nicht Ermutigung schicken kann.

Die kurze Antwort: Sie könnte, und das Produkt wird schlechter, wenn sie es tut. Aufmerksamkeit ist ein endliches Budget. Jede Benachrichtigung ist eine Abbuchung. Viele KI-Produktivitätswerkzeuge setzen stark auf Menge und hoffen, dass die ersten paar als Einzahlung auf eine Zukunft gelten, in der die App unverzichtbar ist. In der Praxis sind sie für die Leute der Grund, die App stummzuschalten.

Eine KI zu bauen, die weiß, wann sie schweigen soll, ist weniger aufregend, als eine KI zu bauen, die viel zu sagen hat. Nach unserer Erfahrung ist es aber das, was Menschen dazu bringt, das Produkt über die zweite Woche hinaus zu nutzen, besonders die Menschen, die auf der Suche waren nach einer Aufgabenverwaltung für Menschen, die Aufgabenverwaltungen hassen.

Nudge baut auf der Annahme auf, dass wenige, gut getimte Anstupser mehr bringen als viele, die leicht danebenliegen. Kostenlos auf dem iPhone und im Web.