Das Kano-Modell: welche Funktionen begeistern und welche nur erwartet werden

Kaum eine Frage im Produktmanagement wird so oft gestellt und so schlecht beantwortet wie diese: Welche Funktion bauen wir als Nächstes? Die naheliegende Methode ist, Kunden nach der Wichtigkeit zu fragen. Das Ergebnis ist regelmäßig eine Liste, auf der alles wichtig ist.

Noriaki Kano hat Anfang der Achtzigerjahre gezeigt, woran das liegt: Zufriedenheit hängt nicht linear an der Erfüllung. Manche Merkmale erzeugen Begeisterung, wenn sie da sind, aber keinen Ärger, wenn sie fehlen. Andere fallen niemandem positiv auf, ruinieren aber alles, sobald sie fehlen. Eine Wichtigkeitsskala kann diese beiden Fälle nicht auseinanderhalten – sie fragt nur in eine Richtung.

Die fünf Kategorien

Das Kano-Modell sortiert Merkmale in Klassen, die jeweils eine andere Konsequenz für die Roadmap haben.

• Basismerkmale (Must-be) werden vorausgesetzt. Ihre Erfüllung erzeugt keine Zufriedenheit, ihr Fehlen aber massive Unzufriedenheit. Dass die Software morgens läuft, bedankt sich niemand.
• Leistungsmerkmale (One-dimensional) wirken linear: mehr davon ist besser, weniger ist schlechter. Ladezeiten, Exportgeschwindigkeit, Anzahl der Datenquellen.
• Begeisterungsmerkmale (Attractive) erfreuen, wenn sie da sind, werden aber nicht vermisst, wenn sie fehlen. Hier entsteht Differenzierung – und hier liegt der Grund, warum reine Wichtigkeitsabfragen in die Irre führen: Was man nicht kennt, hält man nicht für wichtig.
• Unerhebliche Merkmale (Indifferent) sind den Befragten gleichgültig. Der wertvollste Befund, den eine Roadmap bekommen kann, weil er Arbeit streicht.
• Rückweisungsmerkmale (Reverse) stören: Ihre Anwesenheit senkt die Zufriedenheit. Kommt seltener vor, ist aber der teuerste Befund, wenn man ihn übersieht.

Dazu tritt eine sechste Klasse, Questionable, die keine Aussage über das Merkmal trifft, sondern über die Antwort: Sie entsteht, wenn jemand widersprüchlich antwortet – etwa das Vorhandensein und das Fehlen desselben Merkmals gut findet. Ein hoher Anteil davon ist ein Warnsignal für die Frageformulierung, nicht für das Produkt.

Das Fragenpaar, auf das alles hinausläuft

Der Kern der Methode ist unscheinbar: Jedes Merkmal wird zweimal abgefragt, einmal funktional und einmal dysfunktional.

Funktional: Wie fänden Sie es, wenn die Software Berichte automatisch als PowerPoint in Ihrer Vorlage exportiert?

Dysfunktional: Wie fänden Sie es, wenn die Software das nicht könnte?

Beide Male antworten die Befragten auf derselben fünfstufigen Skala: Das würde mich freuen · Das setze ich voraus · Das ist mir gleichgültig · Das könnte ich hinnehmen · Das würde mich stören.

Erst die Kombination beider Antworten ergibt die Kategorie. Wer die funktionale Frage mit „würde mich freuen“ und die dysfunktionale mit „setze ich voraus“ beantwortet, liefert ein Begeisterungsmerkmal. Wer umgekehrt „setze ich voraus“ und „würde mich stören“ sagt, beschreibt ein Basismerkmal. Aus 5 × 5 möglichen Antwortpaaren entsteht die Auswertungstabelle, die jedem Paar eine der sechs Kategorien zuordnet.

Genau hier scheitern die meisten selbstgebauten Kano-Befragungen. Die dysfunktionale Frage wird weggelassen, weil sie sich seltsam anfühlt, oder sie wird als Verneinung formuliert, die niemand versteht. Ohne beide Richtungen ist es aber kein Kano – dann ist es wieder eine Wichtigkeitsskala.

Worauf man beim Fragebogen achten muss

Die Methode ist anfällig für handwerkliche Fehler, und die meisten davon lassen sich vorher vermeiden.

• Merkmale konkret und einzeln formulieren. „Bessere Auswertung“ ist kein Merkmal, sondern eine Sammelkategorie. Wer zwei Dinge in eine Frage packt, bekommt eine Antwort, die zu keinem von beiden gehört.
• Die dysfunktionale Frage neutral halten. Sie darf nicht wie ein Vorwurf klingen, sonst antworten Höfliche systematisch milder.
• Nicht zu viele Merkmale. Jedes kostet zwei Fragen. Bei zwanzig Merkmalen sind das vierzig Fragen mit identischer Skala – die Abbruchquote steigt, und die Antwortqualität sinkt gegen Ende spürbar.
• Reihenfolge randomisieren. Sonst schlägt die Ermüdung immer auf dieselben Merkmale durch.

Auswertung: mehr als der häufigste Fall

Die einfachste Auswertung zählt je Merkmal aus, welche Kategorie am häufigsten vorkommt. Das genügt für eine erste Sortierung, verschenkt aber Information – und kann irreführen, wenn zwei Kategorien dicht beieinanderliegen.

Aufschlussreicher ist die Verteilung: Ein Merkmal, das bei 40 Prozent als Begeisterung und bei 35 Prozent als gleichgültig gilt, ist kein klares Begeisterungsmerkmal, sondern ein Hinweis auf zwei verschiedene Zielgruppen. Deshalb lohnt sich der Aufriss nach Segment fast immer: Was für Bestandskunden Basis ist, kann für Neukunden Begeisterung sein – und die Roadmap-Entscheidung fällt dann anders aus.

Wichtig ist außerdem die Fallzahl je Zelle. Wer nach Segment aufreißt, teilt die Stichprobe – und bei acht Merkmalen mal fünf Segmenten ist die Basis schnell zu dünn für eine belastbare Aussage.

Wann Kano das falsche Werkzeug ist

Kano beantwortet, welcher Art ein Merkmal ist. Es beantwortet nicht, wie viel es wert ist oder was es kosten darf.

Wer wissen will, welche Merkmalskombination gekauft wird und zu welchem Preis, braucht Conjoint-Analyse. Wer eine lange Liste nur priorisieren will, ohne die Kano-Systematik zu brauchen, fährt mit MaxDiff schneller und mit weniger Fragen. Und wer den Preis selbst untersucht, ist bei Van Westendorp oder Gabor-Granger richtig.

In der Praxis ergänzen sich die Verfahren: Kano räumt die Liste auf und entfernt die unerheblichen Merkmale, Conjoint bewertet den Rest.

Zum Schluss, in eigener Sache

Seit Release 2026.2.193 ist Kano in DataLion ein eigener Fragetyp. Sie hinterlegen die Merkmale, das Fragenpaar wird für jedes automatisch erzeugt, und die fünfstufige Skala steht in beiden Richtungen bereit.

Den Teil, der sonst in Excel passiert, übernimmt die Auswertung: Aus den Antwortpaaren entsteht je Merkmal automatisch eine Variable mit der zugeordneten Kategorie – Attractive, One-dimensional, Must-be, Indifferent, Reverse oder Questionable. Damit lässt sich sofort filtern, nach Segment aufreißen und als Chart darstellen, ohne die 5 × 5-Tabelle von Hand nachzubauen.

Wie der Weg von der Befragung ins Dashboard insgesamt aussieht, steht unter Umfrage-Software.