I samband med industri 4.0 ställs högre krav av kunden på industrier, detta eftersom det blir vanligare med skräddarsydda produkter. Detta medför att industrin behöver ställa om och vara mer flexibla och effektiva, samtidigt som deras mål är att hålla nere omställningstiden och kostnaderna. Lösningen på utmaningen har visat sig vara att industrin tenderar att investera i ny och innovativ teknik, där Augmented Reality (AR)-lösningar har blivit ett vanligt alternativ, då de i fallet av Head Mounted Device (HMD) ökar mobiliteten och är ett effektivt sätt att uppnå de krav som ställs. Trots att studier visar att det fortfarande finns begränsningar med tekniken, till exempel hårdvarubegränsningar och Human Computer Interaction (HCI), så finns stor potential i framtida system. Ett område inom vilket det forskas flitigt gällande HCI och AR är inmatningsmetoder, alltså de verktyg som användaren har för att styra ett givet system. Trots detta fanns knapphändig forskning som jämförde flera metoder med varandra för att undersöka om det fanns någon metod som presterade bättre än de andra. Denna lucka i forskningen ledde till detta projekt i vilket flera metoder användes för att med hjälp av 12 deltagare kunna utvärdera effektiviteten av olika inmatningsmetoder. Metoderna som analyserades i denna studie är alla del av Microsoft Hololens 2 systemet, en specifik HMD, de tre metoderna är det virtuella systemtangentbordet, skroll och taligenkänning.Ett experimentupplägg togs fram under vilket varje deltagare fick testa tre metoder, virtuellt tangentbord, skroll och taligenkänning, med vilka denne skulle leta upp en fil i en prototypmjukvara. Data samlades in under experimentsessionerna med hjälp av upplevd användbarhets-enkäter och tid, efter experimentsessionen utfördes även en intervju med deltagaren. Med den insamlade datan utfördes senare en statistisk analys med hjälp av flera statistiska metoder och modeller som Shapiro-Wilks-test, Tukey-HSD-test, chi-två-test samt grafiska analysmetoder, resultaten av de statistiska analyserna tydde på att majoriteten av resultaten saknade statistisk signifikans.Trots att det saknades statistisk signifikans mellan skillnaderna skapade en av frågorna under intervjun ett tydligt resultat, inmatningsmetoderna i AR behöver bli bättre för att ARlösningar ska få större spridning i industriella miljöer. Detta resultat stöds även av slutsatser av flera rapporter som används i detta arbete