KI im UX-Designer-Workflow: Was wirklich hilft, was sechsfingrige Hände produziert

Die Slack-Nachricht kommt an einem Dienstag. "Hey, haben Sie Figma AI schon ausprobiert? Wir sollten bei diesen Flows dreimal so schnell werden." Sie kommt von Ihrer Design-Leitung, die seit drei Jahren keinen echten Flow mehr geliefert hat und neulich einem Keynote-Vortrag zugeschaut hat.

Also probieren Sie es aus. Sie tippen "Settings-Seite für ein B2B CRM mit Benachrichtigungseinstellungen und Sicherheits-Tab" und zwölf Sekunden später haben Sie eine Settings-Seite. Technisch gesehen ist es eine Settings-Seite. Ästhetisch ist es ein Dashboard-Template aus dem Jahr 2023: abgerundete Ecken an allem, dieser spezifische Indigofarbton, eine Toggle-Komponente aus einem fremden design system, und Microcopy mit dem Text "Passen Sie Ihre Erfahrung an, um Ihre Produktivität zu entfalten." Sie liefern nichts davon. Die Design-Leitung fragt, warum die Geschwindigkeit nicht gestiegen ist.

Dieser Artikel ist die Antwort.

Die ehrliche Version: KI ist in ungefähr 20 % des Arbeitstages eines UX-Designers wirklich nützlich, in weiteren 30 % komplett nutzlos, und in den verbleibenden 50 % aktiv gefährlich. Der Trick liegt darin zu wissen, was wann zutrifft, und zwar vor dem Prompt, nicht danach. Designer, die KI gut einsetzen, behandeln sie wie einen selbstsicheren, schnellen Junior ohne Geschmack, ohne Markenkontext und ohne Barrierefreiheits-Urteilsvermögen. Sie geben ihr eng eingegrenzte Aufgaben. Sie verifizieren alles. Sie liefern nie den ersten Entwurf.

Wo KI im Workflow wirklich ihren Platz verdient

User Research Transcript-Synthese

Das ist der Bereich, in dem KI am nächsten an Magie herankommt. Vierzig User-Interview-Transkripte, 800 Seiten Rohmaterial, der Typ von qualitativem Datenberg, der früher eine Forscherin eine ganze Woche beschäftigt hätte. Fügen Sie alles in Claude oder Dovetail AI oder Notion AI ein und erhalten Sie nach etwa 20 Minuten Themen mit wörtlichen Zitaten.

Was sie gut kann: Cluster bilden, unerwartete Randthemen aufdecken, exakte Verbatims herausziehen, eine erste Affinity-Map erstellen. Woran sie liegt: Häufigkeiten. KI wird zuversichtlich behaupten, "Nutzer erwähnten häufig, dass der Export-Flow verwirrend ist", während in Wirklichkeit 2 von 12 Teilnehmern das je einmal sagten. Sie orientiert sich an lebhaften Zitaten, nicht an statistischem Gewicht.

Die Prompt-Struktur, die funktioniert: Transkripte einfügen, nach Themen fragen, dann für jedes Thema verlangen: (a) wörtliche Zitate mit Teilnehmer-ID und (b) eine Zählung, wie viele einzelne Teilnehmer das Thema ansprachen. Dann die Zählungen manuell gegen die Transkripte prüfen. Fünf Minuten Verifikation für eine Synthese, die 20 Minuten gedauert hat, ist immer noch eine fünffache Beschleunigung gegenüber dem Erarbeiten von Grund auf, und Sie liefern keine falschen Häufigkeitsbehauptungen an Ihre PM.

Microcopy-Varianten

Empty States, Fehlermeldungen, Button-Labels, Bestätigungsdialoge. KI liefert Ihnen 8 Varianten eines beliebigen Strings in 30 Sekunden. Das ist echter, nützlicher Hebel.

Die unverzichtbare Regel: Sie wählen eine aus und schreiben sie dann um. Der erste Entwurf entspricht fast nie der Markenstimme. KI verfällt in ein LinkedIn-Poster-Englisch, in dem jeder Fehler eine Gelegenheit ist, jeder Empty State eine Reise und jeder Dialog einen Bindestrich verwendet, wo ein Punkt ausreichen würde. Wenn Sie es unbearbeitet liefern, klingt Ihr Produkt wie jedes andere SaaS, was ein Markenversagen ist, auch wenn kein einzelner Satz falsch ist.

Verfolgen Sie den Prozentsatz der KI-Strings, die Sie in einem Monat unverändert übernehmen. Bei mir liegt er bei etwa 7 %.

Alt-Text-Entwürfe

Dieser Punkt ist uneingeschränkt positiv. Alt-Text ist die Art von Arbeit, die Designer und Texter überspringen, wenn sie müde sind, was meistens der Fall ist, weshalb so viel des Webs unzugänglich ist. KI bringt Sie zu 70 %, einem Entwurf, den Sie schneller bearbeiten können, als Sie ihn von Grund auf schreiben würden. Sie verbessern die verbleibenden 30 %, auf die es ankommt: die Unterscheidung zwischen dekorativem und informativem Bild, markenspezifische Begriffe, die sie nicht kennt, den Unterschied zwischen "Screenshot eines Diagramms" und "Balkendiagramm, das zeigt, dass der Q3-Umsatz gegenüber Q2 um 22 % gestiegen ist."

Schneller als das Schreiben von Grund auf, unendlich zugänglicher als das Überspringen, und das Versagen (leicht generischer Alt-Text) ist viel besser als der kein-Alt-Text-Status quo auf den meisten B2B-SaaS-Sites.

Moodboards und Referenzbilder

Midjourney, Ideogram und Sora sind nützlich für interne Moodboards und Stakeholder-Pitches. Die Grenze ist klar: Wenn es auf ein FigJam kommt, um den Geschmack mit Ihrer PM und EM abzustimmen, ist das in Ordnung. Wenn es auf die Marketing-Website, in das Produkt oder ein tatsächlich ausgeliefertes Artefakt kommt, nicht.

Generative Bildwerkzeuge mitteln über ihre Trainingsdaten. Sie produzieren Arbeit, die wie der Median ihrer Trainingsdaten aussieht, was genau das ist, was Sie für "zeig mir, wie ein ruhiges Enterprise-Dashboard-Moodboard aussieht" wollen, und genau das, was Sie für "entwirf unser tatsächliches Hero-Bild" nicht wollen.

Prototyp-Seeding

v0, Galileo und Figma Make können Ihnen in 10 Minuten einen anklickbaren Ausgangspunkt geben, für den Sie von Grund auf drei Stunden gebraucht hätten. Der richtige Rahmen: Behandeln Sie das Ergebnis als Wireframe mit Meinungen, nicht als Design. Sie werden etwa 60 % von dem entfernen, was generiert wird. Sie behalten die strukturellen Entscheidungen (dieses Layout macht Sinn, diese Hierarchie ist ungefähr richtig) und verwerfen die visuellen (nein, unsere Buttons sehen nicht so aus, nein, unser Fehlerzustand ist keine traurige Wolke).

Wenn Sie die Ausgabe unbearbeitet liefern, liefern Sie das design system von jemand anderem, leicht neu gemischt, in Ihrem Produkt. Nutzer können nicht artikulieren, warum es sich falsch anfühlt, aber sie werden es spüren.

Wo KI hilft und wo sie versagt

Wo KI versagt (und was stattdessen zu tun ist)

Geschmack

KI mittelt über ihre Trainingsdaten. Ihre Aufgabe ist es, spezifisch zu sein. Die "KI-gestaltete-UI"-Falle ist unheimliche Konsistenz. Jeder Button hat denselben 8px-Radius, jeder Empty State verwendet dieselbe Illustrationsenergie, jede Microcopy trifft denselben Bindestrich-Rhythmus. Leser spüren das. Designer spüren es definitiv. Die Lösung ist nicht "KI weniger nutzen", sondern "eine starke Meinung haben, bevor Sie prompten". Wenn Sie nicht wissen, was Sie wollen, gibt Ihnen KI den Median dessen, was andere wollten.

Markenstimme

Ihre Marke ist wahrscheinlich kein LinkedIn-Englisch. Das ist der Standard von KI. Wenn Sie bei einem seriösen B2B-Produkt sind, könnte Ihre Stimme ruhig-und-präzise sein (Linear), warm-und-klar (Stripe-Dokumentation) oder trocken-und-scharf (Mailchimp in seiner alten Stimme). KI kennt keine davon. Sie kennt den Durchschnitt aller SaaS-Texte, der keine davon ist. Liefern Sie KI-Microcopy ohne Umschreiben, und Sie löschen jahrelange Markenarbeit aus.

Barrierefreiheits-Urteilsvermögen

Das ist der gefährliche Punkt. KI generiert schön aussehende, unzugängliche Muster: 3,2:1-Kontrast auf Labels, 12px-Touch-Targets, farb-only-Zustandsindikatoren (Grün für Erfolg, Rot für Fehler, kein Icon, kein Text), Tastaturfallen in benutzerdefinierten Dropdowns, entfernte Fokus-Ringe, weil sie "hässlich" sind. Sie kennt WCAG nicht. Sie kennt, wie WCAG-konforme Designs im Durchschnitt aussehen, was eine ganz andere Sache ist.

Wenn Sie KI-generierte UI ohne einen Barrierefreiheits-Durchlauf liefern, liefern Sie unzugängliche UI. Führen Sie jeden KI-gestalteten Screen durch einen Kontrastprüfer, einen Nur-Tastatur-Test und einen Screen-Reader-Durchlauf, bevor er Ihre Datei verlässt.

UX-Heuristiken

KI kennt Ihre Nutzer, Ihr Datenmodell, Ihre Randfälle oder Ihre bestehende IA nicht. Sie wird bereitwillig eine Settings-Seite generieren, die fünf bestehende Muster in Ihrem Produkt widerspricht. Sie wird eine Lösch-Bestätigung erstellen, die nicht dem Destructive-Action-Muster entspricht, das Sie überall sonst verwendet haben. Sie wird ein Navigationsparadigma einführen, das für sich allein schön ist und neben dem Rest Ihrer App inkohärent wirkt. Systemdenken ist immer noch Ihre Aufgabe.

Texte, die einen Standpunkt erfordern

Onboarding-Stimme. Fehler-Ton. Die Empathie in einer Lösch-Bestätigung, wenn ein Nutzer im Begriff ist, 18 Monate Arbeit zu verlieren. KI weicht bei all diesen aus, weil Ausweichen die sicherste Ausgabe über ihre Trainingsdaten hinweg ist. Marken müssen entscheiden. "Sind Sie sicher, dass Sie das löschen möchten?" ist die KI-Version. "Damit werden 14 Monate Kundennotizen unwiderruflich gelöscht." ist die Markenversion. Gleiche Absicht, anderes Produkt.

Ehrliche Einschätzungen zu den vier Tools, die Ihre Design-Leitung immer erwähnt

Figma AI / Make

Am besten geeignet für: erste Layout-Entwürfe gängiger Muster. Settings-Seiten, Datentabellen, Empty States, Modals. Die Ausgabe entspricht ungefähr einem Template aus dem Jahr 2023 (generisch, aber strukturell solide), was genau das ist, was Sie als Startblock wollen.

Am wenigsten geeignet für: alles mit Markenstimme, alles Nicht-Standardmäßige, alles, was in ein bestehendes design system passen muss. Figma Make kennt Ihre Tokens, Ihren Abstands-Rhythmus oder Ihre Komponentenbibliothek nicht. Es generiert plausible Figma-Frames, keine markenkonformen Figma-Frames.

Fazit: Nützlich als fünfminütiger Vorsprung bei gängigen Mustern. Liefern Sie die Ausgabe nicht. Nutzen Sie sie, um den Schritt der leeren Leinwand zu überspringen, und bauen Sie dann auf Ihren eigenen Komponenten weiter.

v0 (Vercel)

Am besten geeignet für: Engineering-Handoff. v0 generiert Tailwind- und shadcn/ui-Code, der tatsächlich läuft. Für das Prototyping von Flows, mit denen Engineers spielen sollen, ist das wirklich schneller als Figma-zu-Code-von-Hand.

Am wenigsten geeignet für: visuelle Originalität. v0 hat einen ästhetischen Dialekt: abgerundet, neutral, leicht Vercel. Jede Ausgabe sieht subtil wie Vercels Marketing-Site aus. Verwerfen Sie die visuellen Entscheidungen, behalten Sie die strukturellen, und lassen Sie Ihr design system die Oberhand zurückgewinnen.

Fazit: Das wirklich nützlichste der vier Tools für alle, die eng mit Engineering zusammenarbeiten. Behandeln Sie es als schnelles Wireframing-Tool, das zufällig Code ausgegeben hat.

Galileo AI

Am besten geeignet für: divergentes Denken. Wenn Sie bei einem Layout feststecken und in fünf Minuten fünf verschiedene Ansätze sehen wollen, ist Galileo brauchbar. Es macht in Keynotes eine gute Figur.

Am wenigsten geeignet für: tatsächliches Liefern. Galileos Ausgabe übersteht selten ein echtes Design-Review gegen ein bestehendes System. Die generierten Screens sehen poliert aus, komponieren aber nicht mit dem Rest Ihres Produkts, und die Komponenten lassen sich keinem Element in Ihrer Bibliothek zuordnen.

Fazit: Ein Moodboard-Tool mit UI-Anmutung. Nutzen Sie es, um aus einer Sackgasse herauszukommen, nicht um zu liefern.

Midjourney / Ideogram für UI

Lieber nicht.

Diese Tools generieren Bilder von UIs, keine UIs. Buttons fluchten nicht. Labels sind falsch geschrieben oder halluziniert. Alles mit Text ist Fiktion. Das Problem mit den sechsfingrigen Händen erstreckt sich auf Interfaces. Auf den ersten Blick sieht der Screen plausibel aus; beim zweiten Blick stimmt der Abstand nicht und die Menüpunkte ergeben keinen Sinn.

Wenn Sie Midjourney für ein internes Moodboard über Stimmung verwenden, ist das in Ordnung. Wenn Sie es verwenden, um UI zu generieren, die jemand mit einem echten Screen verwechseln könnte, produzieren Sie Einheitsbrei. Fazit: grob fahrlässig für UI-Arbeit.

Die "KI-gestaltete-UI"-Falle im Detail

Drei Anzeichen, dass ein Screen KI-generiert und nie bearbeitet wurde:

1. Identischer Border-Radius bei nicht zusammenhängenden Komponenten. Buttons, Cards, Inputs, Modals, Toasts, alle auf denselben 8px oder 12px gerundet, weil das Modell einen Wert gewählt und ihn überall angewendet hat. Echte design systems variieren den Radius nach Komponententyp aus Hierarchiegründen.

2. Dreiwörtige Überschrift plus ein-Satz-Subheadline bei jedem Empty State. "Noch keine Projekte" / "Erstellen Sie Ihr erstes Projekt, um loszulegen." Jeder. Einzelne. Empty State. Mit identischer visueller Energie und einem vage fröhlichen Ton.

3. Bindestriche in Microcopy, wo ein Punkt ausreichen würde. "Verbindung fehlgeschlagen, versuchen Sie es erneut" statt "Verbindung fehlgeschlagen. Versuchen Sie es erneut." Der Bindestrich-Rhythmus ist ein verräterisches Zeichen. Modelle lieben sie. Menschen verwenden sie sparsam.

Weitere Anzeichen: blasse Pastellfarben bei Toasts mit zu geringem Kontrast (hübsch auf Dribbble, scheitert an WCAG AA), Ghost-Buttons, die im Hintergrund verschwinden, generische Empathie ohne Bedeutung ("Hoppla! Etwas ist schiefgelaufen"), Stock-Illustration-Energie bei jedem Zustand, und der spezifische Indigofarbton, der irgendwie zum Standard für jedes KI-generierte B2B-Interface geworden ist.

Wenn drei davon auf Ihrem Screen sind, haben Sie ihn generiert und nicht bearbeitet. Bearbeiten Sie ihn.

Drei Microcopy-Varianten, derselbe Empty State

Empty State für eine CRM-Kontaktliste, noch keine Kontakte:

KI-generische Version (was Sie beim ersten Prompt bekommen):

Noch keine Kontakte Fügen Sie Ihren ersten Kontakt hinzu, um die volle Kraft Ihres CRM zu entfalten und sinnvolle Beziehungen zu Ihren Kunden aufzubauen. [Kontakt hinzufügen]

Das ist in Ordnung. Es ist auch nicht einprägsam, leicht hochtrabend ("die volle Kraft entfalten") und könnte auf jedem Produkt stehen. Liefern Sie das und Sie haben Ihrer Marke nichts hinzugefügt.

Auf Markenstimme umgeschrieben (angenommene ruhige, präzise B2B-Marke):

Noch keine Kontakte. Aus einem CSV importieren, Gmail synchronisieren oder manuell hinzufügen. Die meisten Teams beginnen mit einem CSV. [CSV importieren] [Gmail synchronisieren] [Manuell hinzufügen]

Derselbe Empty State. Jetzt erklärt er dem Nutzer, was zu tun ist, nennt den häufigsten Weg und versucht niemanden zu inspirieren. Die CTAs leisten die Arbeit; der Text hält sich zurück.

Abgelehnt (zu verspielt):

Ihr CRM hat Hunger. Füttern Sie es mit Kontakten und sehen Sie zu, wie es wächst. [Jetzt füttern]

Nein. Das machen wir nicht.

Das Muster: KI liefert die erste Version zuverlässig. Die zweite Version ist Ihre Aufgabe. Die dritte Version entsteht, wenn Sie KI freie Hand beim Ton lassen und ohne Bearbeitung liefern.

Ein 30-Tage-Plan, um KI zu integrieren, ohne den eigenen Geschmack zu verlieren

Der Zweck dieses Plans ist es, mit echten Daten herauszufinden, wo KI Ihnen Stunden spart und wo sie Nacharbeit erzeugt. Führen Sie ihn einmal durch, und Sie wissen, welche 20 % Ihres Tages Sie weiter automatisieren sollten und welche 80 % Sie in Ruhe lassen.

Woche 1: nur Research-Synthese

Führen Sie Ihre nächste Research-Synthese durch Dovetail AI, Notion AI oder Claude (fügen Sie die Rohmaterialien direkt ein). Generieren Sie Themen mit wörtlichen Zitaten und Zählungen. Überprüfen Sie jede Häufigkeitsangabe manuell gegen die Transkripte. Messen Sie Ihre Zeit vorher und nachher im Vergleich zu Ihrem üblichen Synthese-Tempo.

Lieferobjekt: ein Synthesedokument mit Verifikationsnotizen sowie einer Zeiterfassungszeile in Ihrem Design-Journal. Erwarten Sie eine 3- bis 5-fache Beschleunigung mit abgezogenen Verifikationskosten.

Woche 2: Microcopy-Varianten

Generieren Sie für Ihre nächsten drei Flows 8 Microcopy-Optionen pro String mit dem Tool Ihrer Wahl (ChatGPT, Claude oder Writer, wenn Sie die Markenstimme konfiguriert haben). Wählen Sie die beste aus, schreiben Sie sie auf Markenstimme um. Verfolgen Sie, welche KI-Strings Sie tatsächlich unverändert übernehmen, und zählen Sie sie.

Lieferobjekt: ein Microcopy-Dokument mit drei Spalten pro String (KI-Variante, Ihre Überarbeitung, Begründung). Am Ende der Woche berechnen Sie Ihre unveränderte Übernahmerate. Unter 15 % ist normal.

Woche 3: Alt-Text und interne Moodboards

Fügen Sie KI-Alt-Text-Entwürfe in Ihre Design-Handoff-Checkliste ein. Generieren Sie für jedes Bild und jeden Screenshot im nächsten Arbeitspaket Alt-Text mit KI und bearbeiten Sie ihn dann auf Spezifität. Verwenden Sie für ein internes Moodboard (kein ausgeliefertes Artefakt) Midjourney oder Ideogram, um 12 Referenzbilder zu generieren. Beachten Sie, welche Sie in Richtung Generisches drängen und welche etwas Nützliches erschließen.

Lieferobjekt: Alt-Text-Checkliste in Ihrer Team-Handoff-Vorlage aktualisiert, plus ein FigJam-Moodboard mit einer Selbstkritik, welche KI-Bilder generisch wirkten.

Woche 4: Prototyp-Seeding

Wählen Sie einen risikoarmen Flow, den Sie normalerweise von Hand wireframen würden. Nutzen Sie v0 oder Figma Make, um ihn zu seedieren. Vergleichen Sie die Zeit bis zum anklickbaren Ergebnis mit Ihrem üblichen Prozess. Notieren Sie genau, was Sie entfernt und was Sie behalten haben. Führen Sie das Ergebnis durch einen Kontrastprüfer und einen Nur-Tastatur-Test, bevor Sie es als fertig bezeichnen.

Lieferobjekt: ein vergleichendes Artefakt (KI-Seed, Ihre verfeinerte Version) mit einem Zeitdelta und einer Streichliste von allem, was Sie entfernt haben.

Monatsabschluss-Review

Drei Fragen, auf Papier:

1. Wo hat KI echte Stunden gespart? (Wahrscheinlich Research-Synthese, Alt-Text, Microcopy-Varianten.)
2. Wo hat sie Nacharbeit erzeugt? (Wahrscheinlich überall, wo Markenstimme, Barrierefreiheits-Urteilsvermögen oder Systemdenken gefragt waren.)
3. Wo hat sie Sie in Richtung Generisches gedrängt? (Wahrscheinlich Moodboards, wenn Sie sie für ausgelieferte Arbeit verwendet haben, Prototyp-Seeding, wenn Sie den Streich-Schritt übersprungen haben.)

Das Ergebnis dieses Reviews ist Ihre persönliche KI-im-Workflow-Richtlinie. Schreiben Sie sie auf. Überprüfen Sie sie jedes Quartal, wenn sich die Tools weiterentwickeln.

Optional: Die ACE-Framework-Perspektive

Wenn Sie Ihrer Design-Leitung, Ihrer PM oder einem skeptischen CTO erklären möchten, wo KI in Ihren spezifischen Workflow passt, gibt Ihnen das ACE Framework ein klares Vokabular.

Der KI-Einsatz eines UX-Designers liegt hauptsächlich in Generate (Microcopy-Varianten, Alt-Text-Entwürfe, Moodboards, Prototyp-Seeding) und einem Teil von Analyze (Research-Transcript-Synthese). Er liegt nicht in Predict (Prognosen, ML-Modelle, das ist PM- und Data-Territorium) oder Execute (autonome agentische Workflows, das ist Engineering- und Ops-Territorium).

Zu benennen, wo KI in Ihren Workflow passt, hält das Gespräch mit der Führungsebene ehrlich. "Wir setzen KI für Generate-Level-Aufgaben ein, mit menschlicher Überprüfung jeder Ausgabe" ist ein Satz, der Zustimmung bekommt. "Wir nutzen KI, um die Design-Geschwindigkeit zu verzehnfachen" ist ein Satz, der Ihnen Einheitsbrei liefert.

Das Fazit

KI ist ein schneller, selbstsicherer Junior-Mitarbeiter ohne Geschmack, ohne Markenkontext und ohne Barrierefreiheits-Urteilsvermögen. Sie kennt Ihre Nutzer nicht. Sie kennt Ihr design system nicht. Sie wird Arbeit produzieren, die plausibel und generisch aussieht, und das Scheitern ist unsichtbar, bis es überall ist.

Sie leiten sie. Sie verifizieren. Sie liefern nicht ihren ersten Entwurf.

Die Designer, die KI gut einsetzen, sind die, die wissen, was sie wollen, bevor sie prompten. Starke Meinungen rein, nützlicher Hebel raus. Vage Prompts rein, Durchschnitt des Internets raus. Der 30-Tage-Plan oben ist hauptsächlich eine Übung darin, den Unterschied für Ihren eigenen Workflow erkennen zu lernen.

Wenn Ihre Design-Leitung Sie nächste Woche über Slack fragt, warum die Geschwindigkeit nicht dreimal so hoch ist, haben Sie jetzt eine ehrliche Antwort. KI hat einige spezifische Aufgaben drei- bis fünfmal schneller gemacht: Synthese, Alt-Text, Microcopy-Entwürfe. Andere Aufgaben hat sie langsamer gemacht, weil Verifikation und Umschreiben echte Zeit kosten. Netto liegt es bei etwa 20 bis 30 % schneller bei der richtigen Arbeit, null bei der falschen Arbeit, und langsamer-aber-schlechter, wenn Sie den Umschreibschritt überspringen. Das ist die Wahrheit. Wer Ihnen eine andere Zahl nennt, verkauft Ihnen etwas.

Weiterführende Inhalte

• User Research, das den Roadmap bewegt, nicht nur Vermutungen bestätigt
• Ein Tag im Leben eines UX-Designers bei einem B2B SaaS
• Design-System-Beiträge ohne zum Design-System-Menschen zu werden
• Product Designer Job Description Template