Leitfaden zum Kano-Modell — Begeisterungs- von Basismerkmalen unterscheiden

„Bauen wir einfach die Funktionen, die am häufigsten gewünscht werden." — Diese auf den ersten Blick richtige Entscheidung geht in der Produktentwicklung erstaunlich oft daneben. Denn eine Funktion, die die Zufriedenheit in die Höhe schnellen lässt, folgt einer völlig anderen Logik als eine Funktion, die als selbstverständlich gilt und deren Fehlen Wut auslöst. Die erste können Sie noch so weit verfeinern — der Unmut verschwindet trotzdem nicht. Die zweite können Sie noch so sehr ausbauen — die Zufriedenheit steigt trotzdem nicht.

Zufriedenheit ist asymmetrisch. Genau diese Asymmetrie über fünf Qualitätstypen zu erfassen und die Maßnahmen je Funktion danach auszurichten — das ist das Kano-Modell. Der japanische Wissenschaftler Noriaki Kano stellte es in den 1980er-Jahren vor, und es wird seither weltweit in Produktentwicklung und Servicegestaltung eingesetzt. Dieser Beitrag ordnet die Praxis greifbar — von der Bedeutung der fünf Kategorien über das für Kano typische „Zwei-Fragen"-Format und die Klassifizierung in der Auswertungstabelle bis zur Visualisierung per Better-Worse-Koeffizient und der Verzahnung mit IPA und Key-Driver-Analyse.

1. Warum die „Asymmetrie der Zufriedenheit" entscheidend ist

Normalerweise denken wir naiv: „Steigt die Qualität, steigt auch die Zufriedenheit." Doch die Realität sieht anders aus. Kano et al. (1984) zeigten, dass es Qualitätsmerkmale gibt, bei denen der Zusammenhang zwischen Erfüllungsgrad (wie gut etwas umgesetzt ist) und Zufriedenheit keine gerade Linie ist.

Ein Beispiel: Dass der Akku eines Smartphones „einen Tag durchhält", ist eine Selbstverständlichkeit. Hält er durch, begeistert das niemanden; hält er nicht durch, entsteht heftiger Unmut. Eine „unerwartete Komfortfunktion" hingegen vermisst niemand, wenn sie fehlt — ist sie aber da, denkt man „oh, nett" und die Zufriedenheit schnellt hoch. Diese beiden wirken auf die Zufriedenheit genau gegensätzlich, obwohl beides „Funktionen" sind.

Wer diese Asymmetrie ignoriert und Entwicklungsprioritäten allein nach „Zahl der Wünsche" oder „durchschnittlicher Zufriedenheit" festlegt, stärkt Basismerkmale ohne Zufriedenheitsgewinn und müht sich vergeblich — oder übersieht Begeisterungsmerkmale und gerät gegenüber dem Wettbewerb ins Hintertreffen. Das Kano-Modell ist das Werkzeug, um zu erkennen, welchem Typ die Wirkung einer Funktion auf die Zufriedenheit entspricht.

Schon in der Importance-Performance-Analyse (IPA) und der Key-Driver-Analyse haben wir die „Asymmetrie der Zufriedenheit (Matzler 2004)" gestreift. Diese Asymmetrie bereits auf der Ebene der Fragestellung direkt zu messen — das ist die Eigenständigkeit des Kano-Modells.

2. Die fünf Kano-Kategorien — Funktionen nach ihrer Wirkung auf die Zufriedenheit unterscheiden

Das Kano-Modell ordnet Qualitätsmerkmale in fünf Typen ein.

Welche Maßnahmen die Klassifizierung nahelegt

• Basismerkmal: als „Mindestmaß" zuverlässig erfüllen. Hier zu konkurrieren steigert die Zufriedenheit nicht (Verteidigung)
• Leistungsmerkmal: die Zufriedenheit wächst mit dem Investitionsvolumen. Der Schauplatz des Wettbewerbs (ausbauen)
• Begeisterungsmerkmal: trifft es auch nur wenige ins Schwarze, wird es zur Differenzierung. Das nächste Zugpferd (Offensive)
• Unerhebliches / Rückweisungsmerkmal: bleiben lassen / streichen. Ressourcen sparen und überflüssige Funktionen entfernen

Nicht „viel gewünscht = sollte gebaut werden", sondern: je nach Typ verändert sich die Bedeutung der Investition — das ist der Kern von Kano.

3. Das für Kano typische „Zwei-Fragen"-Format

Was das Kano-Modell entscheidend von anderen Erhebungen unterscheidet, ist: Zu jeder Funktion werden zwei Fragen als Paar gestellt. Man nennt sie funktionale Frage (erfüllt) und dysfunktionale Frage (nicht erfüllt).

Die Form der Fragen

Zu einer bestimmten Funktion stellen Sie die folgenden zwei Fragen.

[Funktionale Frage] Wie würden Sie sich fühlen, wenn diese Funktion „vorhanden" ist?
[Dysfunktionale Frage] Wie würden Sie sich fühlen, wenn diese Funktion „nicht vorhanden" ist?

Als Antwortoptionen verwenden beide Fragen dieselbe fünfstufige Skala.

1. Das würde mir gefallen (zufrieden)
2. Das setze ich voraus (so sollte es sein)
3. Das ist mir gleichgültig (neutral)
4. Damit könnte ich leben (akzeptabel)
5. Das würde mir missfallen (unzufrieden)

Aus der Kombination der Antworten auf „vorhanden" und „nicht vorhanden" wird bestimmt, welchem Typ die Funktion entspricht. „Vorhanden → würde gefallen / nicht vorhanden → ist gleichgültig" ergibt ein Begeisterungsmerkmal; „vorhanden → setze ich voraus / nicht vorhanden → würde missfallen" ein Basismerkmal — und so weiter.

Warum zwei Fragen nötig sind

Fragt man die Zufriedenheit mit nur einer Frage ab („Ist diese Funktion wichtig?"), bleibt die Asymmetrie unsichtbar. Antwortet jemand „wichtig", lässt sich nicht unterscheiden, ob es „ohne sie geht es nicht (Basis)" oder „mit ihr freue ich mich (Begeisterung)" meint. Erst wenn man die Funktion von beiden Seiten — erfüllt und nicht erfüllt — in die Zange nimmt, zeigt sich der Typ der Wirkung auf die Zufriedenheit. Das ist der Kern des Kano-Fragendesigns.

Die Formulierung der Fragen beeinflusst das Ergebnis. Zu den Grundsätzen, suggestive Formulierungen und doppelte Verneinungen zu vermeiden, siehe den vollständigen Leitfaden zur Formulierung von Umfragefragen.

4. Klassifizierung über die Auswertungstabelle

Die funktionale Frage (5 Optionen) × die dysfunktionale Frage (5 Optionen) ergibt 25 Kombinationen. Diese setzt man in die Kano-Auswertungstabelle ein und klassifiziert jede befragte Person und jede Funktion einem Typ zu.

So liest man typische Zellen:

• Grundregel der Auswertung: Je Funktion gilt der „am häufigsten zugeordnete Typ (Modalwert)" als der Typ dieser Funktion
• Fragwürdige Antworten (Questionable, Q): logisch widersprüchliche Kombinationen wie „vorhanden → würde gefallen / nicht vorhanden → würde gefallen". Kandidaten für den Ausschluss bei der Datenbereinigung. Treten sie zu häufig auf, deutet das auf ein Verständnisproblem bei den Fragen hin (Leitfaden zur Datenbereinigung)

Die Standardauswertung ermittelt je Funktion die Verteilung der Typen (wie viel % A, wie viel % M …) und lässt den Modaltyp die Funktion repräsentieren.

5. Visualisierung per Better-Worse-Koeffizient

Die Klassifizierung über den Modalwert ist simpel, doch bei Funktionen, die sich knapp aufteilen — etwa „Begeisterung 45 % / Leistung 40 %" —, gerät man in Schwierigkeiten. Dafür visualisiert man als kontinuierliche Größe mit dem von Berger et al. (1993) vorgeschlagenen Better-Worse-Koeffizienten (CS-Koeffizient / Kundenzufriedenheits-Koeffizient).

Berechnungsformel

• Better-Koeffizient (Zufriedenheits-Koeffizient) = (A + O) / (A + O + M + I)
• Worse-Koeffizient (Unzufriedenheits-Koeffizient) = −(O + M) / (A + O + M + I)

(A = Begeisterung, O = Leistung, M = Basis, I = unerheblich — jeweils die Anzahl der Antworten)

• Better drückt aus, „wie stark die Zufriedenheit steigt, wenn die Funktion bereitgestellt wird" (0 bis 1; je größer, desto stärker der zufriedenheitssteigernde Effekt)
• Worse drückt aus, „wie stark der Unmut zunimmt, wenn die Funktion fehlt" (−1 bis 0; je größer der Betrag, desto härter der Schlag durch das Fehlen)

Im Streudiagramm in vier Quadranten

Zeichnet man ein Streudiagramm mit Better auf der x-Achse und Worse (Betrag) auf der y-Achse, teilen sich die Funktionen in vier Zonen auf.

• Better groß · Worse groß → Leistungsmerkmal (Hauptschauplatz: je weiter ausgebaut, desto wirksamer)
• Better groß · Worse klein → Begeisterungsmerkmal (Kandidat für das Differenzierungs-Zugpferd)
• Better klein · Worse groß → Basismerkmal (das zu verteidigende Fundament)
• Better klein · Worse klein → Unerhebliches Merkmal (zurückstellen)

Diese Darstellung ähnelt im Grundgedanken den vier Quadranten der IPA und erlaubt es, im Führungsmeeting auf einem einzigen Blatt zu diskutieren, „in welche Funktion wie viel investiert wird". Zur Erstellung des Streudiagramms siehe den Leitfaden zur Visualisierung von Umfrageergebnissen.

6. Abgrenzung zu IPA und Key-Driver-Analyse

Das Kano-Modell steht zu den übrigen Verfahren der Zufriedenheitsanalyse in einem Ergänzungsverhältnis. Nicht verwechseln, sondern nach dem Zweck einsetzen.

• Kano-Modell: klassifiziert je Funktion den Typ der Wirkung auf die Zufriedenheit (Begeisterung / Basis / Leistung) bereits auf der Ebene der Fragestellung direkt. Geeignet für die Auswahl neuer Funktionen und das Roadmap-Design
• Key-Driver-Analyse (KDA): leitet aus vorhandenen Zufriedenheitsdaten die Faktoren ab, die die Gesamtzufriedenheit statistisch bewegen. Regressionsbasiert. Geeignet, bei einem laufenden Dienst die Verbesserungsfaktoren zu identifizieren
• Importance-Performance-Analyse (IPA): kartiert die Verbesserungspriorität in vier Quadranten aus Wichtigkeit × Zufriedenheit. Geeignet für die Bestandsaufnahme des Status quo

Die bewährte Kombination

• Prüfung vor dem Launch / neue Funktionen → mit Kano den Funktionstyp bestimmen, Basismerkmale erfüllen und dabei ein bis zwei Begeisterungsmerkmale einbauen
• Verbesserung im laufenden Betrieb → mit KDA die wirksamen Faktoren identifizieren, mit IPA die Priorität kartieren. Mit dem Kano-Blick auf „Basis / Begeisterung" jene „Basismerkmale durchschauen, deren Reparatur die Zufriedenheit nicht steigert"

Während KDA / IPA „die Zufriedenheitsstruktur dessen analysieren, was es bereits gibt", ist Kano ein eher dem Launch und der Planung zugewandtes Werkzeug, das „den Typ einer Funktion bestimmt, die erst gebaut / hinzugefügt werden soll" — so die Abgrenzung. Bei der Funktionspriorisierung vor dem Launch wird es auch zusammen mit MaxDiff und Conjoint-Analyse eingesetzt.

7. Die Sicht der Redaktion — fünf Dinge, die man beim Kano-Modell nicht tun sollte

Aus der Position dessen, der Branchenbeispiele und Stimmen aus der Praxis fortlaufend verfolgt, hier fünf Pannen, die beim Kano-Modell immer wieder auftreten.

1. Erwarten, dass das „Verstärken" eines Basismerkmals die Zufriedenheit steigert

Das häufigste Missverständnis. Das Basismerkmal ist der Typ, der vorausgesetzt wird und dessen Fehlen Unmut erzeugt. Hier können Sie noch so überdurchschnittlich verfeinern — die Zufriedenheit steigt nicht. „Treibe ich die Stabilität des Logins ins Extrem, wird der Kunde begeistert sein" — das passiert nicht. Das Basismerkmal ist eine Verteidigung, die „kein Defizit zulässt", kein Gegenstand des Ausbaus. Wer angreifen will, wendet sich Leistungs- und Begeisterungsmerkmalen zu.

2. Sich einbilden, „häufig gewünschte Funktionen" seien allesamt Leistungsmerkmale

Vieles, was Kunden „wollen", sind Leistungsmerkmale, doch darunter befinden sich auch Begeisterungsmerkmale (schwer in Worte zu fassen) und Basismerkmale (so selbstverständlich, dass sie gar nicht als Wunsch genannt werden). Entscheidet man die Entwicklung allein nach dem Ranking der Wunschhäufigkeit, kommt es zu Defiziten bei Basismerkmalen oder zum Übersehen von Begeisterungsmerkmalen. Nicht nach der Menge der Wünsche, sondern nach dem Kano-Typ entscheiden.

3. Widersprüchliche Antworten (Questionable) ignorieren

Widersprüchliche Antworten wie „vorhanden → würde gefallen / nicht vorhanden → würde gefallen" nicht auszuschließen und in die Auswertung zu mischen. Eine Funktion mit vielen Q ist ein Zeichen dafür, dass die Erläuterung der Frage nicht angekommen ist. Es braucht die Entscheidung, den Beschreibungstext der Funktion zu überarbeiten oder die Funktion aus der Analyse zu nehmen. Spart man die Bereinigung, wird die Klassifizierung wackelig.

4. Begeisterungsmerkmale als „dauerhafte Differenzierung" überschätzen

Das Begeisterungsmerkmal von heute wird zum Basismerkmal von morgen (Kano selbst weist darauf als „Veralten der Qualität" hin). Die Smartphone-Kamera war bei ihrem Erscheinen ein Begeisterungsmerkmal, heute ist sie ein Basismerkmal. Die Kano-Klassifizierung ist eine Momentaufnahme zu einem Zeitpunkt — wird nicht regelmäßig nachgemessen, übersieht man, dass das einstige Zugpferd zum „selbstverständlich vorhanden" geworden ist.

5. Segmente ignorieren und alles in eine Gesamtklassifizierung zwängen

Was für Heavy-User ein Begeisterungsmerkmal ist, kann für Light-User ein unerhebliches Merkmal sein — das kommt ganz normal vor. Rundet man in der Gesamtauswertung auf einen einzigen Typ, verschwinden die Unterschiede zwischen den Segmenten. Wichtige Funktionen mit der Kundensegmentierung kombinieren und die Kano-Klassifizierung je Segment betrachten.

8. Kano-Modell-Erhebung mit dem Umfrage-Tool Kicue

Eine Kano-Modell-Erhebung gliedert sich in die Phase „das Zwei-Fragen-Paar gestalten und Antworten sammeln" und die Analysephase „über die Auswertungstabelle klassifizieren und den Better-Worse-Koeffizienten berechnen". Was Kicue übernimmt, ist die erste.

• Gestaltung des Zwei-Fragen-Paars (funktional / dysfunktional): unterstützt den Aufbau, je Funktion funktionale und dysfunktionale Frage mit derselben fünfstufigen Skala nebeneinanderzustellen (Fragetypen). Paare lassen sich für beliebig viele Funktionen bilden
• Darstellung der Funktionsbeschreibung: ein Design ist möglich, bei dem zunächst der Beschreibungstext jeder Funktion als Text präsentiert und danach die zwei Fragen gestellt werden
• CSV-Export mit Befragten-ID: gibt die funktionalen und dysfunktionalen Antworten zeilenweise (eine Zeile pro Antwort) aus. Eine Struktur, die sich direkt in die Tabellenklassifizierung und Koeffizientenberechnung einspeisen lässt
• Screening der Zielpersonen: ein einleitendes Screening, das die Befragung auf die Zielkundschaft eingrenzt (Leitfaden zur Gestaltung von Screening-Fragen)

⚠️ Was Kicue nicht leisten kann

• Keine automatische Klassifizierung über die Kano-Auswertungstabelle: Die Klassifizierung über die Matrix mit 25 Zellen erfolgt nach dem CSV-Export in Excel / R (z. B. Pakete wie Kained) / Python. Kicue selbst verfügt über keine Kano-Klassifizierungsfunktion
• Auch keine Berechnung des Better-Worse-Koeffizienten und keine Erstellung des Streudiagramms: Koeffizientenberechnung und Visualisierung erfolgen in Excel / R / Python
• Auch keine automatische Erkennung widersprüchlicher Antworten (Q): Bereinigung und Ausschluss sind eine Verarbeitung nach dem Export
• Auch keine Kano-Klassifizierung je Segment: Die Auswertung je Segment erfolgt in einem externen Werkzeug

Als verwandte Beiträge lohnt sich die gemeinsame Lektüre des Leitfadens zur Importance-Performance-Analyse (IPA), des Leitfadens zur Key-Driver-Analyse, des Leitfadens zum MaxDiff-Design, der Praxis der Conjoint-Analyse und des Leitfadens zur Konzepttest-Erhebung. So zeichnet sich das Gesamtbild der Vor-Launch- und Produktentwicklungsforschung ab: „den Typ einer Funktion bestimmen (Kano) → die Priorität messen (MaxDiff / Conjoint) → das Konzept bewerten".

Fazit — sechs Punkte, um das Kano-Modell zu beherrschen

1. Zufriedenheit ist asymmetrisch — das Verfeinern von Basismerkmalen steigert die Zufriedenheit nicht. Angegriffen wird über Leistungs- und Begeisterungsmerkmale
2. Im Zwei-Fragen-Paar fragen — der Typ wird über die Kombination aus funktionaler und dysfunktionaler Frage bestimmt. Mit einer Frage bleibt die Asymmetrie unsichtbar
3. Nicht nach Wunschhäufigkeit, sondern nach Typ entscheiden — auch bei vielen Wünschen steigt die Zufriedenheit nicht, wenn es ein Basismerkmal ist
4. Mit dem Better-Worse-Koeffizienten visualisieren — Funktionen, die sich im Modalwert aufteilen, in eine kontinuierliche Größe überführen und in vier Quadranten über Investitionen entscheiden
5. Die Kano-Klassifizierung ist eine Momentaufnahme — Begeisterungsmerkmale werden irgendwann selbstverständlich. Regelmäßig nachmessen
6. Je Segment betrachten — nicht insgesamt auf einen Typ runden, wichtige Funktionen mit der Segmentierung kombinieren

Das Kano-Modell ist kein „raffiniertes Analyseverfahren", sondern ein Werkzeug, das eine einzige Einsicht — „Zufriedenheit ist asymmetrisch" — ins Fragendesign übersetzt. Wenn nur die eigentümliche Art des Zwei-Fragen-Paars richtig gestaltet ist, lässt sich die Qualität der Entscheidungen in der Produktentwicklung um eine Stufe heben: weg von „der Reihe nach das Meistgewünschte bauen" hin zu „den Typ bestimmen und gezielt investieren".

Wenn Sie eine Kano-Modell-Erhebung für Produkte oder Funktionen gestalten möchten, probieren Sie doch das kostenlose Umfrage-Tool Kicue aus. Von der Gestaltung des Zwei-Fragen-Paars aus funktionaler und dysfunktionaler Frage über die Darstellung der Funktionsbeschreibung bis zum CSV-Export mit Befragten-ID — den Teil, der die Eingangsdaten für eine Kano-Erhebung erzeugt, können Sie mit einem einzigen Konto starten (die Klassifizierung über die Auswertungstabelle, die Berechnung des Better-Worse-Koeffizienten und die Erstellung des Streudiagramms erfolgen im Zusammenspiel mit Excel / R / Python).

Literatur

• Kano, N., Seraku, N., Takahashi, F., & Tsuji, S. (1984). Attractive Quality and Must-Be Quality. Journal of the Japanese Society for Quality Control, 14(2), 147-156.
• Berger, C., Blauth, R., Boger, D., Bolster, C., Burchill, G., DuMouchel, W., ... Walden, D. (1993). Kano's Methods for Understanding Customer-Defined Quality. Center for Quality Management Journal, 2(4), 3-36.
• Matzler, K., & Hinterhuber, H. H. (1998). How to make product development projects more successful by integrating Kano's model of customer satisfaction into quality function deployment. Technovation, 18(1), 25-38.
• Mikulić, J., & Prebežac, D. (2011). A critical review of techniques for classifying quality attributes in the Kano model. Managing Service Quality, 21(1), 46-66.