Dein Dashboard sagt, dass die Launch erfolgreich war. Die Anmeldungen kamen herein, die Anmeldungen stiegen an und das Team fühlte sich erleichtert.
Zwei Wochen später passieren jedoch zwei Wochen. Die Support-Tickets nehmen ab, aber nicht, weil das Produkt reibungslos läuft. Die Menschen kommen einfach nicht zurück. Ein paar Power-User sind aktiv. Die meisten neuen Konten sind still. Du hast Zugriff bereitgestellt, aber nicht Akzeptanz.
Das ist der Lücke Benutzerakzeptanzmetriken sind dazu da, diese Lücke zu schließen. Sie helfen dir, eine schwierigere Frage als “Haben sich Leute gezeigt?” zu beantworten. Sie beantworten “Haben sich Leute einen Wert erlangt, sind zurückgekehrt und haben das Produkt zu ihrem Routine gemacht?” Diese Verlagerung ist wichtig, weil rohe Anmeldungen und Anmeldungen oft Selbstzweckmetriken sind. Sie sagen dir, dass jemand die Türklinke berührt hat. Sie sagen dir nicht, ob er sich vollständig eingemietet hat.
Für Produktteams wird dies oft real, wenn eine Launch auf dem Papier gut aussieht, aber schwach in der Praxis ist. Ein Collaboration-Tool kann viele Konten erstellen, aber nur ein kleiner Teil der Benutzer erstellt ein erstes Projekt, lädt Freunde ein oder kehrt später zurück. Ein mobiler App kann Downloads sehen, aber sehr wenige Benutzer absolvieren das Onboarding oder vollenden die erste Aktion, die das Produkt nützlich macht. Wenn du dich schon auf diese Art von Mismatch gestarrt hast, stellst du bereits die richtigen Fragen.
A better frame is to treat adoption as a journey from access to habit. That means watching the moments where a user first understands the product, first gets a result, and then repeats the behavior. Teams working on onboarding, activation, and Benutzererlebnis-Verbesserungen entdecken, dass sie dasselbe entdecken. Der erste Erfolg des Benutzers zählt mehr als der erste Anmeldevorgang des Benutzers.
Inhaltsverzeichnis
- Die 8 wesentlichen Metriken zur Benutzerakzeptanz erklärt
- Einfache Art, sich Adoption vorzustellen
- Beginnen Sie mit der Instrumentierung von Ereignissen
- Interpretieren Sie Ihre Metriken und setzen Sie Benchmarks
- Benutzer-Ebene vs. Account-Ebene Adoption: Jenseits der Grundlagen
- Erstellen Sie Ihr Adoption-Dashboard und setzen Sie Maßnahmen um
- Die Zukunft der Adoption-Metriken mit AI und Automation
Einleitung Jenseits der Anmeldungen zur wahren Akzeptanz
Viele Teams messen den Erfolg noch immer so, wie ein Laden die Fußgängerzählung. Mehr Besucher müssen bedeuten, dass alles gut läuft. Aber Produkte gewinnen nicht, weil Menschen einmal vorbeikommen. Sie gewinnen, weil Benutzer bedeutsame Aktionen ausführen und sie wiederholen.
Deshalb gibt es Akzeptanzmetriken. Sie haben eine flache Konzentration auf die Rohaufnahme durch eine verhaltensbezogene Sicht auf den Produktwert ersetzt. Die nützliche Frage ist nicht 'Wie viele Kontoerstellungen gab es?' Es ist 'Wie viele erreichten den Punkt, an dem das Produkt genug wert war, um zurückzukehren?'
Praktische Regel: Ein Metrik, die nicht auf Benutzerwert anknüpft, wird wahrscheinlich nicht dabei helfen, die Akzeptanz zu verbessern.
Denken Sie an ein Projektmanagement-Tool. Einmal anmelden ist wie ein Besuch im Fitnessstudiolobby. Es bedeutet nicht, dass jemand trainiert hat. Das Erstellen des ersten Projekts, die Zuweisung einer Aufgabe und das Rückkehren am nächsten Tag, um den Fortschritt zu aktualisieren. Das sind die Verhaltensweisen, die andeuten, dass die Akzeptanz beginnt.
Drei Arten von Fragen sind am meisten wichtig:
- Wertentdeckung: Hat der Benutzer die erste bedeutsame Aktion abgeschlossen?
- Wiederholungsverhalten: Kam er zurück, nachdem er die erste Erfolgsstory erlebt hatte?
- Anpassung an den Workflow: Hat sich die Nutzung über die Neugier hinaus in Routine etabliert?
Der Rest dieser Anleitung basiert auf diesen Fragen. Einige Metriken zeigen an, ob die Einarbeitung funktioniert. Andere zeigen an, ob das Produkt sich zu einem Gewohnheit bildet. Die fortgeschrittenen helfen B2B-Teams, eine noch viel schwierigere Frage zu beantworten: Adoptierte ein einzelner Person das Produkt, oder adoptierte das gesamte Kundenkonto es?
Die 8 wesentlichen Nutzerakzeptanzmetriken erklärt
Einfach ausgedrückt ist die Akzeptanz
Ein einfaches Beispiel ist ein Fitnessstudio. Die Anmeldung ist noch keine Akzeptanz. Der erste Besuch im Fitnessstudio ist näher dran. Die regelmäßige Teilnahme ist das, was beweist, dass das Fitnessstudio Teil des Lebens geworden ist.
Die gleiche Logik gilt auch für Software. Gemäß Klicklerns Überblick über Nutzerakzeptanzmetriken, adoption is usually defined as a percentage of the target population that reaches a meaningful usage milestone, not as raw signups or logins. That same framing includes formulas such as Anschlussquote = (neue aktive Benutzer / Gesamtbenutzer) × 100 and Funktionserfassungsgrad = (Benutzer, die eine Funktion verwenden / Gesamtzahl aktiver Benutzer) × 100.
Kernnutzungsmetriken im Überblick
| Metrik | Formel | Was es Ihnen sagt |
|---|---|---|
| Aktivierung | Variiert je nach Produktmeilenstein | Ob Nutzer das erste Moment des echten Wertes erreichen |
| DAU/MAU | Tägliche aktive Nutzer / monatliche aktive Nutzer | Wie oft Nutzer innerhalb eines Monats zurückkehren |
| Rückgewinnung | Variiert je nach Rückgabefenster | Ob Nutzer nach dem Start weiterhin zurückkehren |
| Abwanderung | Variiert je nach Verlustdefinition | Wie viele Benutzer aufhören, das Produkt zu verwenden |
| Bindung | Wird oft mit DAU/MAU gemessen | Ob die Nutzung zu einer Routine wird |
| Funktionsanpassung | (Benutzer, die eine Funktion verwenden / Gesamtaktive Benutzer) × 100 | Ob eine bestimmte Fähigkeit in der Praxis relevant ist |
| Zeit bis zum Nutzen | Zeit von der Registrierung bis zum ersten Nutzenmoment | Wie schnell Benutzer einen bedeutenden Ergebnis erzielen |
| Anwenderakquise-Rate | (Neue aktive Benutzer / Gesamtbenutzer) × 100 | Wie viele Benutzer wechseln von Zugriff zu aktiver Nutzung |
Für Teams, die die Anwenderakquise mit Loyalität verbinden möchten, hilft es, diese Metriken mit Anwendungsbenutzer-Retentionsmustern zu vergleichenAdoption bringt Nutzer in Wert. Retention zeigt, ob sie dort bleiben.
Was jede Metrik wirklich sagt
Aktivierung zeigt an, ob der Benutzer die Startlinie überschritten hat. In einem Notizbuch-App könnte das bedeuten, die erste Notiz zu erstellen. In Slack könnte es bedeuten, eine Nachricht zu senden. Die genaue Formel hängt von Ihrem Produkt ab, aber der Grundsatz ist stabil. Wählen Sie die erste Aktion, die beweist, dass das Produkt funktioniert.
DAU/MAU vergleicht tägliche aktive Benutzer mit monatlich aktiven Benutzern. Es ist ein Frequenzsignal. Wenn viele monatliche Benutzer auch täglich aktiv sind, ist das Produkt wahrscheinlich Teil einer Routine.
Retention fragt, ob Nutzer nach einer ersten Periode zurückkehren, da einige Produkte einen guten ersten Eindruck hinterlassen, aber später nicht nützlich werden.
Abwanderung ist das Spiegelbild. Es zeigt, wer sich nicht mehr engagiert. Die Abwanderung ist nützlich, aber sie funktioniert am besten als Warnlicht, nicht als Hauptlenkrad. Wenn die Abwanderung ansteigt, haben die Ursachen in der Regel bereits früher in der Aktivierung oder der Werteverteilung begonnen.
Verfolge die Abwanderung, aber investiere mehr Produktenergie in die Metriken, die sie erklären.
Bindung wird oft zusammen mit DAU/MAU diskutiert. In vielen Teams werden die Begriffe fast austauschbar verwendet. Die praktische Idee ist einfach. Ein bindendes Produkt wird oft genug besucht, dass die Nutzer keinen Hinweis benötigen.
Funktionsanpassung beschränkt den Fokus auf ein bestimmtes Fähigkeit. Wenn Sie ein Workflow-Builder, ein Dateiteilungs-Tool oder eine Genehmigungsablauf einrichten, zeigt diese Metrik, ob aktive Nutzer es verwenden. Die Formel aus der vorherigen Quelle ist klar: (Nutzer, die eine Funktion verwenden / Gesamtzahl der aktiven Nutzer) × 100.
Zeit bis zum Nutzen misst, wie lange es dauert, bis ein Nutzer sein erstes bedeutendes Ergebnis erreicht. Diese Metrik offenbart oft die Reibungsverluste bei der Einrichtung. Wenn Nutzer zu viele Einstellungen vornehmen müssen, bevor das Produkt hilfreich erscheint, stagniert die Adoption früh.
Zuweisungsrate Zeigt das große Bild. Es fragt, wie viele Benutzer aktiv wurden, anstatt nur registriert zu sein. Deshalb ist es ein stärkeres Geschäftsindikator als nur Registrierungen allein.
Eine gute Arbeitsregel ist, Metriken zu paaren, anstatt sie alleine zu lesen:
- Aktivierung + Zeit bis zum Nutzen zeigt, ob die Einbindung zu einem nützlichen ersten Erfolg führt.
- DAU/MAU + Retention zeigt, ob der Einsatz flach oder gewohnheitsmäßig ist.
- Feature-Adoption + Churn hilft Ihnen, festzustellen, ob die Kernfunktionen die Benutzer anziehen oder versagen.
Wie man Adoption effektiv misst und verfolgt
Beginnen Sie mit der Instrumentierung von Ereignissen
Die Adoptionsmessung beginnt lange bevor Sie ein Dashboard öffnen. Sie beginnt, wenn Sie entscheiden, welches Benutzerverhalten wertvolle Daten liefert.
Wenn Ihr Team Amplitude, Mixpanel, Heap, PostHog oder Google Analytics verwendet, ist die Schlüsselentscheidung bei allen gleich. Definieren Sie Produktereignisse um den Nutzen, nicht um Schnellklicks, die nichts auf sich haben. "Projekt erstellt", "Einladung gesendet", "Vorlage angewendet" und "Bericht exportiert" sind nützliche Ereignisse. "Seite aufgerufen" ist oft nicht ausreichend.
A einfache Ereignis-Einrichtung umfasst normalerweise:
- Eingangsereignisse: Registrierung, erste Anmeldung, Onboarding gestartet
- Wert-Ereignisse: Erstes Projekt erstellt, erste Datei hochgeladen, erstes Workflow abgeschlossen
- Habitsereignisse: Rückgabesitzung, Wiederholung der Aufgabenabschluss, wiederkehrende Zusammenarbeitshandlung
Teams also use controlled rollouts to test whether a change improves these milestones. Feature flag systems can help isolate the impact of onboarding copy, default settings, or UI changes. If your team is experimenting with staged releases, this guide to Implementierung von Feature-Flags Implementierung von Feature-Flags
Verwenden Sie Cohorten, um den Zeitverlauf zu sehen
Cohort analysis is one of the clearest ways to avoid fooling yourself. Instead of lumping all users together, you group them by when they started or by what experience they received.
Das hilft Ihnen, Fragen wie diese zu beantworten:
- Haben Nutzer, die das neue Onboarding gesehen haben, die Aktivierung häufiger abgeschlossen?
- Haben Konten, die nach der Überarbeitung erstellt wurden, sich konsistenter zurückgezogen?
- Hat sich ein neuer Tarifstufe anders als Selbstbedienungsnutzer verhalten?
Ohne Cohorts wird Ihr Bild der Adoption unscharf. Bestehende Power-User können Probleme verbergen, die neue Nutzer betreffen. Ein steigendes Top-Linien-Metriken kann einen schwachen Launch als gesund erscheinen lassen.
Operator’s-Blickwinkel: Vergleichen Sie das Verhalten nach Startdatum, wenn Sie das Onboarding, die Preise, die Verpackung oder die Kernprozesse ändern.
Kartenpfad mit Funnels
Funnels zeigen, wo Nutzer stehen bleiben. Sie sind nützlich, weil die meisten Adoption-Probleme nicht mysteriös sind. Sie passieren an einem bestimmten Schritt.
Für die meisten Produkte sieht die Adoption-Funnel ungefähr so aus:
- Ankunft: Jemand besucht die Website oder installiert die App
- Kontoerstellung: Sie sich anmelden
- Erstes Nutzen: Sie absolvieren eine erste Kernaktion
- Abschluss einer Schlüsselaktion: Sie erreichen ein produktspezifisches Meilenstein
- Repeat use: Sie kommen zurück und tun es wieder
Der Punkt ist nicht darin, den Kanal hübsch zu machen. Der Punkt ist darin, die genaue Übergabe zu identifizieren, die scheitert. Wenn viele Benutzer sich anmelden, aber wenige die erste Verwendung absolvieren, ist Ihr Onboarding wahrscheinlich das Problem. Wenn Benutzer die erste Verwendung erreichen, aber nicht zurückkehren, mag das Produkt verständlich sein, aber nicht überzeugend sein.
Deutung Ihrer Metriken und Festlegung von Benchmarks
Kontext besiegt isolierte Zahlen
Auf sich allein genommen kann eine Metrik täuschen. Eine gute Interpretation beginnt mit der Aufgabe des Produkts.
Ein tägliches Planungstool und ein monatliches Berichtstool haben unterschiedliche Nutzungsrhythmen. Ein Produkt zur Zusammenarbeit mit Teamworkflows wird anders aussehen als ein Solo-Utility-App. Daher ist die Antwort, wenn Teams fragen, ob eine Zahl 'gut' ist, oft 'gut für welches Verhalten?'
Das gesagt, eine bestimmte Benchmarks ist besonders wichtig geworden. Nachdem Stonlys Diskussion über Nutzerakquisitionsmetriken, die DAU/MAU-Verhältnis weite Verwendung als Bindungsmaß finden, und ein 50% DAU/MAU-Verhältnis bedeutet, dass der durchschnittliche Nutzer das Produkt etwa 15 von 30 Tagen im Monat öffnet. Deshalb verwenden Teams es als Proxy für die Bildung von Gewohnheiten anstatt einmaliger Nutzung.
Verwenden Sie die Bindung mit Vorsicht
Die Bindung ist mächtig, weil sie breite, aber flache Nutzung von tieferer Beteiligung unterscheidet. Ein Produkt kann viele Benutzer haben und trotzdem schwach sein, wenn die meisten von ihnen nur selten zurückkehren.
Aber Bindung ist kein eigenständiger Urteilsspruch. Sie wird nützlicher, wenn sie mit Retention und Verhaltensqualität kombiniert wird. Wenn sich die DAU/MAU erhöht, während die bedeutenden Aktionen flach bleiben, öffnen die Benutzer möglicherweise die App ohne viel zu erreichen. Wenn die Bindung niedrig ist, aber das Produkt naturgemäß gelegentlich ist, spiegelt die Metrik möglicherweise nur den Nutzungsfall wider.
Daher sollte die Leistungsbewertung Produktkontext, Releasehistorie und Erfahrungsgüte umfassen. Teams, die sich verbessern Leistungsoptimierung der App oft sehen, dass schnellere Ladezeiten und weniger Verzögerungen eine bessere Wiederholungsnutzung unterstützen können, aber die Metrik muss immer noch mit dem erreichten Ergebnis abgeglichen werden.
Der beste Vergleichswert ist oft intern
Externe Vergleichswerte sind hilfreich für die Orientierung. Interne Vergleichswerte sind besser für Entscheidungen.
Vergleichen Sie Cohorte vor und nach einer Produktänderung. Vergleichen Sie Benutzer, die die Einrichtung abgeschlossen haben, mit Benutzern, die sie übersprungen haben. Vergleichen Sie Konten auf verschiedenen Tarifen oder mit verschiedenen Einrichtungswegen. Diese Vergleiche sagen Ihnen, ob Ihre Arbeit das Verhalten geändert hat.
Ein praktischer Vergleichssystem umfasst oft:
- Referenzwert: Das aktuelle Verhalten vor einer Änderung
- Erwartete Bewegung: Welche Metrik sollte sich ändern, wenn das Experiment erfolgreich ist
- Entscheidungsregel: Welche Nachfolgeaktion Sie durchführen, wenn es nicht funktioniert
Wenn sich die Metriken bewegen, fragen Sie, was sich im Benutzerverhalten geändert hat. Wenn sie sich nicht bewegen, fragen Sie, ob das Produktwechsel einen realen Wertquell berührt hat
Über die Grundlagen hinaus: Benutzer-Ebene vs. Account-Ebene Adoption
Weshalb Team-Produkte Blindspuren schaffen
Ein häufiges Missverständnis vieler B2B-Teams liegt hier. Ein gesund aussehender Adoption-Zahl kann eine fragile Account verbergen
Gainsight's Diskussion zur Adoption-Messung in B2B-Umgebungen weist auf einen häufigen Mangel in der mainstream-Führung hin. Die meisten Erklärungen konzentrieren sich auf Aktivierung, DAU/MAU, Zeit bis zum Wert und Feature-Adoption, aber sie erklären nicht klar, wann man die Adoption pro Benutzer, pro Account oder beide messen soll
Diese Unterscheidung ist wichtig, weil die beiden Ansichten unterschiedliche Fragen beantworten. Die Benutzer-Ebene Adoption sagt Ihnen, ob Einzelpersonen sich engagieren. Die Account-Ebene Adoption sagt Ihnen, ob das Kundenunternehmen das Produkt in seinen Workflow integriert hat
Breite und Tiefe gleichzeitig verfolgen
Denken Sie an ein Vertriebsplattform, das von einem großen Unternehmen gekauft wurde. Ein Operationsleiter meldet sich jeden Tag an, erstellt Berichte und liebt das Produkt. Das Konto sieht aktiv aus. Aber wenn niemand anderes es nutzt, ist die Rollout immer noch schwach. Wenn dieser Champion geht, ist das Konto plötzlich gefährdet.
Eine bessere Vorlage ist das Abfragen beider:
- Breite der Adoption: Wie viele Personen innerhalb eines Kontos aktiv sind
- Tiefe der Adoption: Wie bedeutsam diese Personen das Produkt nutzen
- Segmentierung: Ob die Adoption sich durch Rolle, Plan oder Einsatzfall unterscheidet
Dies ist besonders wichtig bei Mehr-Sitz-Produkten. Ein Konto kann die Funktionen nutzen, während es noch nicht über das Team verbreitet ist. Das Gegenteil kann auch passieren. Viele Benutzer melden sich an, aber nur oberflächlich.
Eine praktische Möglichkeit, dies anzuzeigen, besteht darin, Konten in Segmenten zu überprüfen, anstatt sie als einen riesigen Durchschnitt zu betrachten. Teams erhalten oft eine bessere Sichtbarkeit durch Benennen von Benutzern nach Tarif und KanälenDann legen Sie eine Rollebasierte Nutzung darüber, um zu vermeiden, dass man einen begeisterten Befürworter mit wahrer organisationaler Akzeptanz verwechselt.
A erfolgreiche B2B-Rollout zeigt sowohl Ausbreitung als auch Substanz. Einer ohne den anderen ist instabil.
Building Your Adoption Dashboard und die Umsetzung von Maßnahmen
Eine nützliche Dashboard zeigt nicht alles. Es erzählt eine kurze Geschichte darüber, ob Benutzer Wert erreichen, es wiederholen und die Verwendung innerhalb von Konten ausweiten.
Was gehört auf das Dashboard
Für die meisten Produktteams sollte das Dashboard sich auf eine kleine Anzahl von Verhaltenssignalen konzentrieren:
- Aktivierungs-Trend: Erreichen neue Benutzer das erste bedeutende Meilenstein?
- Zeit bis zum Wert-Trend: Kürzt sich der Weg zum ersten Erfolg oder wird er unübersichtlicher?
- Retention-Ansicht: Keine Benutzer kehren nach dem ersten Erfolg zurück?
- Feature-Einführungsblick: Sind wichtige Funktionen von aktiven Benutzern genutzt?
- Konto-Einführungsschnitt: Benutzen Teams breit, oder ist die Nutzung konzentriert?
Der Dashboard benötigt auch Segmente. Neue versus bestehende Benutzer. Selbstbedienung versus Enterprise. Einzelne Benutzer versus Konten. Ohne diese Schnitte flachen die Durchschnittswerte die Geschichte ab.
Metriken in Produktentscheidungen umwandeln
Jede Metrik sollte eine bestimmte Reaktion auslösen. Wenn die Aktivierung schwach ist, verschärfen Sie die Einführung und entfernen Sie die Setup-Verzögerung. Wenn die Zeit bis zum Wert schwach ist, reduzieren Sie die Anzahl der erforderlichen Schritte, bevor Benutzer das Kernergebnis sehen.
Die Veröffentlichungsgeschwindigkeit spielt hier eine Rolle, weil Produktteams durch schnelle Feedbackschleifen lernen. Werkzeuge wie Amplitude und Mixpanel helfen Ihnen dabei, das Verhalten zu lesen. Lieferwerkzeuge helfen Ihnen dabei, Änderungen gegenüber diesem Verhalten zu testen. In mobilen und cross-plattformen Teams Capgo ist eine Option zum Versenden von JavaScript, CSS, Konfiguration, Kopie und Asset-Updates ohne auf die App-Store-Überprüfung zu warten, was den Zyklus zwischen der Beobachtung eines Einführungsschwierigkeiten und der Testung einer Lösung verkürzen kann.
Später im Workflow kann Demo-Filmmaterial helfen, Teams darum zu bringen, sich auf das geänderte und warum zu einigen.
Ein praktischer Betriebsrhythmus sieht so aus:
- Die Übersicht regelmäßig überprüfen.
- Ein Einbrennpunkt der Adoption identifizieren.
- Eine fokussierte Änderung abschicken.
- Den nächsten Kohorten gegenüber dem vorherigen vergleichen.
- Bleiben Sie bei Verhalten, nicht bei Meinung.
Das ist der Schlüssel zur Verwaltung der Adoption. Nicht, indem man alle Metriken gleichzeitig verfolgt, sondern indem man einen stabilen Kreislauf zwischen Messung und Produktaktion schafft.
Die Zukunft der Adoption Metrics mit AI und Automation
Die AI fängt an, die Bedeutung der Adoption zu komplizieren. Traditionelle Benutzerakquisitions-Metriken gehen davon aus, dass ein Mensch sich anmeldet, Aktionen ausführt und zurückkehrt. Das Modell wird unsicher, wenn AI-Agenten Inhalte erstellen, Workflows auslösen oder Aufgaben automatisch abschließen.
Als Die Schrift von Userpilot über die Änderung der Messung der Adoption weist darauf hin, dass die neueren Leitlinien bereits das Problem der “Menschen vs. AI-Agenten” aufgreifen. Die praktische Herausforderung ist klar. Metriken wie DAU/MAU, Sitzdauer und Zeit bis zum ersten wichtigen Aktion können sogar stärker aussehen, wenn die Aktivität durch Automation und nicht durch einen Menschen, der einen Nutzen realisiert, getrieben wird.
Teams werden saubere Attribution benötigen. Wer initiierte die Aufgabe? Was half der AI bei? Was war vollständig autonom? Diese Unterscheidungen werden wichtiger, je mehr Automation Teil des normalen Produktgebrauchs wird. Der Nordstern bleibt gleich. Messen Sie, ob Menschen und Organisationen echten, wiederkehrenden Nutzen erhalten. Nur sollten Sie nicht mehr annehmen, dass jede Aktion von einem Menschen kam.
Wenn Ihr Team Capacitor oder Electron-Apps bereitstellt und eine enge Schleife zwischen der Analyse der Adoption und den Produktänderungen wünscht, Capgo code und Inhaltsaktualisierungen schnell bereitstellen, bestimmte Releasekanäle anpeilen und das Rolloutverhalten überwachen, damit Produktions-, Ingenieur- und Supportteams schneller auf Adoptionsschwierigkeiten reagieren können.
