Mit KI gestalten, ohne die Kontrolle über das Design zu verlieren

Mit KI zu gestalten, ohne die Kontrolle zu verlieren, ist möglich — vorausgesetzt, man verwechselt nicht zwei Dinge, die das Tempo leicht durcheinanderbringt. Generative Tools produzieren Mockups, Varianten und interaktive Prototypen in wenigen Minuten. Sie erzeugen jedoch nicht das Verständnis der Bedürfnisse, das eine Oberfläche stimmig macht. Die Produktion beschleunigt sich; das Verständnis hingegen entsteht nach wie vor mit echten Nutzerinnen und Nutzern. Genau dort entscheidet sich die Kontrolle.

Veröffentlicht im Januar 2026, überarbeitet im Mai 2026 — die vorliegende Version ist eine vollständige Neufassung.

Was generative Tools wirklich gut können

Beginnen wir damit, die Fähigkeiten anzuerkennen, ohne berufliche Abwehrhaltung. Ausgehend von einer Beschreibung erzeugt ein Tool heute strukturierte und einsatzfähige Wireframes. Wo ein Team früher drei Varianten für einen Test vorbereitete, kann es heute Dutzende davon erkunden. Die Analyse von Referenzmaterial — Hunderte bestehender Oberflächen durchgehen, um die Konventionen einer Branche herauszuarbeiten — erledigt sich in Minuten statt in Tagen. Und das Prototyping ist interaktiv geworden: Man testet einen klickbaren Nutzerpfad, kein starres Bild mehr.

Ich habe das an meiner eigenen Website erlebt. Während der Neugestaltung von mcva.ch liess ich an einem Abend Varianten ganzer Seiten generieren — Strukturen, Hierarchien, visuelle Richtungen. Dieses Explorationsvolumen war für einen Selbstständigen vor drei Jahren undenkbar. Für ein Schweizer KMU mit knappem Designbudget ist diese Beschleunigung ein echter Glücksfall.

Aber genau dieser Abend hat mir auch gezeigt: Keine dieser Varianten wusste, wonach meine Besucherinnen und Besucher tatsächlich suchten. Die Entscheidungen, die die endgültige Website prägten, kamen von woanders her — aus der Positionierungsarbeit, aus den echten Fragen von Führungskräften, aus den Seiten, die Sprachmodelle zitieren oder ignorieren, was ich mit dem Score GEO™ messe. Das Tool hat exploriert. Die Entscheidung wurde auf einem anderen Terrain getroffen.

Ein Mockup ist keine Gestaltungsentscheidung

Der entscheidende Gedanke lässt sich in zwei Sätzen zusammenfassen. Co-Design ist der Prozess, der gemeinsam mit echten Nutzerinnen und Nutzern das Verständnis der Bedürfnisse aufbaut — der geäusserten wie der latenten —, aus dem heraus ein Produkt relevant werden kann. Im Jahr 2026 beschleunigt generative KI die Produktion von Design-Artefakten massiv; dieses Verständnis erzeugt sie nicht.

Drei Bereiche bleiben für Modelle ausserhalb ihrer Reichweite, und genau darauf baut sich der dauerhafte Wert auf.

Das aktive Zuhören, zuerst. Eine erfahrene Fachperson erfasst, was ein Interview nicht ausspricht: die Nutzerin, die „das ist gut" sagt und dabei die Stirn runzelt, das Zögern vor einem Klick, den Widerspruch zwischen Aussage und Handlung. Modelle arbeiten mit Text und strukturierten Daten; sie sehen weder die Körpersprache noch den emotionalen Kontext eines Gesprächs.

Der lokale kulturelle Kontext, danach. Der Schweizer Markt hat seine eigenen Codes — den Umgang mit Diskretion, den Anspruch an Qualität statt Volumen, die Mehrsprachigkeit, die hohen Erwartungen an den Datenschutz. Modelle, die überwiegend mit angelsächsischen Daten trainiert wurden, tragen diese Codes nicht von sich aus in sich, und die generischen visuellen Muster, die sie erzeugen, bilden sie nicht ab.

Die unausgesprochenen Bedürfnisse, schliesslich. Die prägendsten Bedürfnisse sind oft jene, die Nutzerinnen und Nutzer nicht formulieren — sei es, weil sie sie für selbstverständlich halten, sei es, weil sie nicht wissen, dass eine Lösung existiert. Ein Modell generiert aus den Mustern, die in seinen Trainingsdaten vorhanden sind; es offenbart nicht, was dort fehlt. Die Beobachtung realer Praktiken hingegen schon.

Wie lassen sich beide verbinden, Phase für Phase?

Die entscheidende Frage für eine Führungskraft, die ein Projekt in Auftrag gibt: In welchem Moment ist die Beschleunigung legitim, und wann wird sie zu einer Abkürzung, die etwas kostet? Die folgende Tabelle fasst die Dosierung zusammen, die funktioniert — Phase für Phase.

Konkret bedeutet das: Die Nutzerforschung — Interviews, Beobachtung vor Ort, Workshops — bleibt vollständig menschlich, und Teams, die sie überspringen, produzieren überzeugende Artefakte, die die falschen Probleme lösen. Die Konzeptgenerierung schöpft das volle Potenzial der Tools aus, vorausgesetzt, sie wird durch Forschung gespeist. Der Test mit echten Nutzerinnen und Nutzern wird wieder zur menschlichen Aufgabe, denn eine Kennzahl quantifiziert, was sie quantifizieren kann, nicht zwangsläufig, was zählt. Der finale Feinschliff verbindet beides: Der Designer entscheidet, das Modell führt die Variationen aus.

Diese Abfolge erklärt, warum ein kurzer Co-Design-Sprint — wenige Tage zwischen Forschung, KI-gestützter Generierung und Test — heute Organisationen zugänglich ist, die kein Designteam über Wochen hinweg mobilisieren konnten. Genau dieses gestraffte Format wende ich in den Lösungen an, die ich für KMU entwickle.

Welche Leitplanken, um die Kontrolle zu behalten?

Ohne expliziten Rahmen werden die Standardentscheidungen der Modelle allein durch Nachlässigkeit zu den Entscheidungen des Unternehmens. Drei Regeln reichen aus, um das zu vermeiden.

Die Validierung vor der Präsentation: Jedes generierte Ergebnis — Mockup, Nutzerpfad, Visual — durchläuft eine menschliche Prüfung, bevor es einem Nutzer oder einer Kundin gezeigt wird. Das Tool schlägt vor, der Designer entscheidet.

Die Nachvollziehbarkeit: festhalten, was aus einer automatischen Generierung stammt und was aus der Nutzerforschung. Ein paar methodische Anmerkungen genügen, und sie bereiten auf die Transparenzanforderungen vor, die sich zunehmend präzisieren — das Bundesgesetz über den Datenschutz verlangt bereits heute erhöhte Transparenz bei automatisierten Verarbeitungen, die Nutzerinnen und Nutzer betreffen^[1].

Der Vorrang des Nutzerfeedbacks: Empfiehlt ein Tool einen auf Engagement optimierten Nutzerpfad, den Testerinnen und Tester jedoch als verwirrend empfinden, überwiegt das menschliche Empfinden. Immer. Diese Hierarchie verhindert eine Optimierung der Kennzahlen auf Kosten der tatsächlichen Zufriedenheit.

Diese Leitplanken werden bereits im Angebot festgelegt, nicht erst unterwegs — es ist eine der Klauseln, die ich bei einem massgeschneiderten Projekt systematisch festlege, bevor überhaupt etwas generiert wird.

Was das für ein Schweizer KMU im Jahr 2026 bedeutet

Wenn jede Konkurrentin binnen weniger Tage visuell korrekte Oberflächen produzieren kann, hört das Artefakt auf, ein Differenzierungsfaktor zu sein. Was den Unterschied macht, ist die Stimmigkeit — eine Oberfläche, die der Kundschaft zeigt, dass man ihren Kontext verstanden hat. Diese Stimmigkeit entsteht aus dem Verständnis der Bedürfnisse, genau das, was Co-Design aufbaut und was die Tools nicht reproduzieren. Mit anderen Worten: Die Beschleunigung der Produktion hat die Nutzerforschung rentabler gemacht, nicht weniger.

Dieselbe Verschiebung durchzieht im Übrigen alle Berufe der digitalen Produktion — ich habe sie auf der Code-Seite in KI und Entwickler dokumentiert. Und um die Gestaltung in eine vollständige Roadmap zur KI-Einführung einzuordnen, habe ich den Gesamtansatz in Was muss ein Schweizer KMU 2026 im Umgang mit KI tun? dargelegt.

Wichtig in Kürze

— Generative KI beschleunigt die Produktion von Mockups und Prototypen; sie erzeugt jedoch nicht das Verständnis der Bedürfnisse, das im Kern der Gestaltung bleibt. — Die Dosierung, die funktioniert: menschliche Nutzerforschung, KI-gestützte Generierung, menschlicher Test, überwachter Feinschliff. — Drei Leitplanken, die im Angebot festzulegen sind: Validierung vor der Präsentation, Nachvollziehbarkeit der Entscheidungen, Vorrang des Nutzerfeedbacks vor der Kennzahl.

FAQ

Kann KI eine UX-Designerin oder einen UX-Designer ersetzen? Nein. Sie ersetzt einen Teil der Produktion — Wireframes, Varianten, Prototypen —, aber nicht die Fähigkeit, Nutzerinnen und Nutzer zu verstehen, unausgesprochene Bedürfnisse zu erfassen und Entscheidungen zu treffen. Ein Projekt, das ohne dieses Verständnis geführt wird, erzeugt plausible Oberflächen, die die falschen Probleme lösen.

Lohnt sich Co-Design noch, wenn KI alles so schnell produziert? Es lohnt sich mehr als zuvor. Die beschleunigte Produktion hat korrekte Oberflächen zur Selbstverständlichkeit gemacht; die Differenzierung entscheidet sich nun über die Stimmigkeit, die aus der Nutzerforschung stammt. Und das Format hat sich verkürzt: Ein Sprint von wenigen Tagen reicht oft dort aus, wo früher Wochen nötig waren.

Welche Risiken bestehen, wenn ich ein Tool meine Oberfläche ohne Rahmen generieren lasse? Die Standardentscheidungen des Modells werden zu Ihren Entscheidungen: generische Ästhetik, auf Kennzahlen statt auf Ihre Kundschaft optimierte Nutzerpfade und eine Vereinheitlichung, die der Markt letztlich wahrnimmt. Hinzu kommt eine Compliance-Frage, da das Datenschutzgesetz Transparenz bei automatisierten Verarbeitungen verlangt, die Nutzerinnen und Nutzer betreffen.

Wie erkenne ich, ob mein Dienstleister KI im Design richtig einsetzt? Stellen Sie drei Fragen: Welche Nutzerforschung geht der Generierung voraus, wer validiert jedes generierte Ergebnis vor der Präsentation, und wie setzen sich Testergebnisse gegenüber den Empfehlungen der Tools durch? Ein seriöser Dienstleister beantwortet alle drei präzise.

Und bei Ihren Gestaltungsprojekten? Die KI-Nutzungsdiagnose: sechzig Minuten, um Ihre realen Abläufe darzulegen, zu bestimmen, was Massanfertigung verdient, was in SaaS bleibt und was gar keine KI braucht. Diagnose buchen

Quellen

[1] Bundesgesetz über den Datenschutz (DSG), Revision vom 25. September 2020, in Kraft getreten am 1. September 2023. www.fedlex.admin.ch/eli/cc/2022/491/fr [↩]

Jérôme Deshaie ist CEO und Gründer von MCVA Consulting SA, einer augmentierten Agentur mit Sitz im Wallis. Fünfzehn Jahre im Dienst grosser internationaler Marken, heute direkt im Einsatz für Schweizer KMU. Werdegang.