Du hast einen Prompt, der funktioniert hat. Farbsystem auf eine neue Marke angepasst, semantische Rollen sauber abgeleitet, Kontraste stimmen. Du speicherst ihn, weil er so gut war.
Vier Wochen später, neues Projekt, neuer Chat, derselbe Prompt. Heraus kommt etwas anderes: andere Abstufungen, anders geschnittene Rollen, ein Fehlerrot, das auf der eigenen Fläche kaum noch lesbar ist. Nichts davon ist offensichtlich falsch. Es passt nur nicht.
Der Reflex ist jetzt, am Prompt zu schrauben. Das ist die falsche Baustelle. Ein verlässlicher KI-Design-Workflow entsteht nicht aus einem besseren Prompt, sondern aus dem, was um den Prompt herum steht.
Warum derselbe Prompt zweimal etwas anderes baut
Beim ersten Mal war der Prompt nie die ganze Arbeit. Davor standen zehn Nachrichten, in denen du erklärt hast, wie eure Farben aufgebaut sind. Du hattest die Namenslogik im Kopf. Und als das Ergebnis kam, hast du zwei Werte verworfen, weil der Focus-State nicht funktioniert hat.
Nichts davon steht im Prompt. Es stand in dir und im Chatverlauf – und beides ist beim zweiten Mal weg.
Ein wiederverwendbarer Prompt wiederholt die Frage. Ein wiederholbarer Workflow bewahrt die Bedingungen, unter denen die Antwort brauchbar war.
Das ist der ganze Unterschied. Und er erklärt, warum Prompt-Sammlungen so oft enttäuschen: Sie konservieren die Frage und werfen die Kriterien weg, nach denen die Antwort damals angenommen wurde.
Der Workflow beginnt vor dem Prompt
Bevor eine KI an deinem Farbfundament arbeitet, muss sie wissen, woraus das Fundament besteht. Konkret heißt das: aktuelle Palette, semantische Rollen, States, Modes, Namenslogik – und die Entscheidungen, die noch offen sind.
Der Unterschied ist sofort spürbar. Ohne diesen Kontext verbringt dein Prompt die halbe Länge damit, Hintergrundwissen zu rekonstruieren, und die KI füllt jede Lücke mit einer statistisch wahrscheinlichen Annahme. Mit dem Kontext kann sich der Prompt auf die eigentliche Aufgabe konzentrieren.
Das gilt für jedes Fundament, nicht allein für Farbe. Spacing, Layout, Radien, Rahmen, Elevation, Motion – jedes dieser Felder hat sein eigenes Entscheidungsmodell. Gemeinsam ist ihnen eines: Die KI muss das Modell kennen, bevor sie es verändert. Woraus so ein System überhaupt besteht, haben wir in Design System: Warum KI ohne Designsystem nur rät auseinandergenommen.
Was in den Kontext gehört
- Der Bestand: Welche Tokens, Komponenten und Styles existieren – und wie sie heißen.
- Die Logik: Warum primitive und semantische Ebene getrennt sind, und welche Rolle wofür zuständig ist.
- Die Grenzen: Kontrastminimum, erlaubte Abstufungen, Modes, die bedient werden müssen.
- Die Lücken: Was bewusst noch nicht entschieden ist. Sonst trifft die KI die Entscheidung für dich und du merkst es erst drei Schritte später.
Eine Aufgabe pro Prompt
Der zweite Hebel ist Eingrenzung. „Bau mir ein Designsystem“ ist keine Aufgabe, das ist ein Wunschzettel – und darauf bekommst du einen Durchschnitt aus allem, was das Modell je gesehen hat.
Vergleich das mit: „Leite aus diesen fünf primitiven Farbwerten semantische Rollen für Hintergrund, Fläche, Text und Rahmen ab, jeweils für Light und Dark Mode, Textkontrast mindestens 4,5:1, Benennung nach dem bestehenden Schema.“ Diese Aufgabe kannst du prüfen. Und was prüfbar ist, ist wiederholbar.
Sauber heißt nicht richtig
Jetzt kommt der Teil, den die meisten überspringen. Guter Kontext und eingegrenzte Aufgaben verbessern den Output deutlich – überflüssig machen sie das Review nicht.
Denn eine KI kann deinem System korrekt folgen und trotzdem ein Ergebnis liefern, das es schwächer macht. Das klassische Beispiel ist die Typo-Skala: Neun Stufen wirken unaufgeräumt, fünf wirken sauber. Also schlägt die KI fünf vor, begründet das plausibel, und auf den ersten Blick sieht alles besser aus. Bis du merkst, dass sich Seitentitel und Abschnittsüberschrift nicht mehr unterscheiden lassen und dein längster Fließtext auf dem Handy zur Wand wird.
Das passiert nicht, weil das Modell schlecht ist. Es passiert, weil „aufgeräumt“ ein visuelles Kriterium ist und Hierarchie ein inhaltliches. Die KI optimiert auf das, was sie sehen kann.
Ein Review, das nur fragt „wirkt das konsistent“, fängt das nicht ab. Die richtige Frage lautet: Trägt diese Entscheidung den echten Inhalt, die echten Einschränkungen und die echte Umsetzung? Barrierefreiheit und Developer-Handoff gehören deshalb in die Definition des Workflows – nicht in eine Prüfung, die irgendwann danach kommt.
Wie wiederholbare KI-Workflows den Kreis schließen
Bleibt das Leck, an dem die meisten Prozesse verlieren: Ein Ergebnis wird geprüft, für gut befunden – und bleibt im Chat.
Die neue Palette landet in Figma. Die Rollenstruktur in deiner Dokumentation bleibt auf dem alten Stand. Vier Wochen später startet die nächste Aufgabe mit veralteten Annahmen, und du bist wieder am Anfang. Nicht weil die KI schlecht gearbeitet hätte, sondern weil das gute Ergebnis nie zum Kontext geworden ist.
Eine angenommene Änderung ist erst dann fertig, wenn sie überall angekommen ist: in der Figma-Datei, in der Nutzungsdokumentation, im Handoff, in den Accessibility-Notizen. Erst dann arbeitet die nächste Aufgabe mit dem aktuellen Stand. Was genau in so eine Dokumentation gehört, steht in Design System Dokumentation: Warum Zugriff nicht Verständnis ist.
Der Kreislauf in vier Schritten
- Kontext bereitstellen: Bestand, Logik, Grenzen und offene Punkte dokumentiert und aktuell.
- Aufgabe eingrenzen: eine Entscheidung pro Prompt, mit prüfbaren Kriterien.
- Ergebnis prüfen: gegen Inhalt, Einschränkungen und Umsetzung, nicht gegen den ersten Eindruck.
- Zurückführen: das angenommene Ergebnis wird zum Kontext für die nächste Aufgabe.
Vier Schritte. Der vierte ist der, der aus Einzelarbeiten einen Prozess macht – und der, der am häufigsten fehlt.
Systemdenken kannst du lernen
Das Interessante daran: Kein einziger dieser Schritte ist ein KI-Skill. Es sind Designsystem-Skills – Struktur, Benennung, Dokumentation, Review – die durch KI plötzlich darüber entscheiden, ob du brauchbare oder beliebige Ergebnisse bekommst.
Genau diese Arbeitsweise steckt in unseren Weiterbildungen. In der Weiterbildung UI-Designer:in baust du Designsysteme von Grund auf und lernst, sie so zu führen, dass sie auch nach dem dritten Projekt noch tragen. Liegt dein Fokus eher auf Websites, ist die Weiterbildung Webdesigner:in der passende Weg – dieselben Prinzipien, angewendet auf Webprojekte.
Beide Weiterbildungen sind AZAV-zertifiziert und mit Bildungsgutschein bis zu 100% förderfähig. Wie der Antrag abläuft, steht in unserem Guide Bildungsgutschein beantragen.
Fazit: Wiederholbar heißt nicht identisch
Ein wiederholbarer KI-Design-Workflow produziert nicht zweimal dasselbe Ergebnis. Er sorgt dafür, dass jedes Ergebnis denselben Entscheidungen verpflichtet bleibt – und dass jede angenommene Änderung die Grundlage für die nächste verbessert.
Wer einmal so arbeitet, merkt schnell, wie ruhig der Prozess wird. Keine Überraschungen beim zweiten Durchlauf. Kein Rätselraten, warum es diesmal anders aussieht. Das Ergebnis ist nachvollziehbar, weil der Weg dahin es ist.
Du willst lernen, so zu arbeiten? Meld dich für deine kostenlose Erstberatung – wir schauen gemeinsam, welche Weiterbildung zu dir passt. Let's grow!
