KI im UX-Prozess: Was sich wirklich verändert hat

Es gibt zwei Lager in der Diskussion um KI im Design. Das eine behauptet, nichts habe sich fundamental verändert – KI sei ein Produktivitätswerkzeug wie Figma-Plugins davor. Das andere sieht den Beruf in seiner Grundlage erschüttert.

Beide liegen daneben. Was tatsächlich passiert, ist präziser und pragmatischer.

Was sich spürbar beschleunigt hat

Research-Synthese. Das Clustern von Nutzerinterviews, das Aufbereiten von Stakeholder-Feedback, das Zusammenfassen von Wettbewerbsanalysen – Aufgaben, die früher einen Nachmittag gebraucht haben, dauern heute Minuten. Nicht perfekt, aber als erster Schnitt gut genug, um sofort in die Diskussion zu gehen.

Exploration in der frühen Phase. Vier Konzeptvarianten statt einer. Das war früher eine Kosten- und Zeitfrage. Heute ist es eine Qualitätsfrage: Welche Richtung hat das stärkste Argument? KI macht die Exploration billig – das Urteil bleibt menschlich.

Microcopy und Inhalte. Button-Labels, Error Messages, Onboarding-Texte für komplexe B2B-Flows – KI-gestützte Variantengenerierung beschleunigt diesen Schritt erheblich. Besonders wenn noch kein finaler Content vom Kunden existiert und produktionsnahe Placeholder gebraucht werden.

Der Übergang zu Code. Mit Figma MCP und direkter Komponentengenerierung aus Designdaten wird die Lücke zwischen Designdatei und Frontend-Code kleiner. Nicht geschlossen – aber nah genug, dass ein Entwickler mit einem soliden Ausgangspunkt arbeiten kann statt von einem Bild.

Was sich nicht verändert hat

Das Verstehen von Nutzern. Kein Prompt ersetzt ein gutes Interview. Nicht weil die Technik fehlt – sondern weil der Kontext, der zwischen den Zeilen steht, nicht in Transkripten auftaucht. Was Nutzer nicht sagen, aber zeigen, bleibt menschliche Beobachtungsaufgabe.

Das Urteil bei komplexen Entscheidungen. Welche Flows priorisiert werden. Wie eine Navigationshierarchie in einem B2B-System wirkt. Ob eine Vereinfachung im Interface eine Vereinfachung in der Realität bedeutet. Das ist Kontextwissen und Erfahrung – kein Muster, das sich generieren lässt.

Das Führen von Stakeholdern. Design-Entscheidungen kommunizieren, Widerstand abfedern, Prioritäten im Team aushandeln. Das ist keine KI-Aufgabe. Es ist nach wie vor die anspruchsvollste Disziplin im Produktprozess.

Der eigentliche Wandel: Iterationsrhythmus

Das Überraschende ist nicht, dass KI bestimmte Aufgaben schneller macht. Das Überraschende ist, was das für den Gesamtrhythmus bedeutet.

Früher hatte eine Explorationsrunde ihren Preis – in Zeit, in Aufwand, in Budget. Das hat viele Teams dazu gebracht, weniger zu erkunden und früher zu entscheiden. KI macht die frühe Phase billiger. Teams, die das verstehen, kommen mit mehr Klarheit in die Umsetzung.

Die Frage "Können wir noch eine Variante ansehen?" hat eine andere Antwort bekommen. Das verändert, wie Produktentscheidungen getroffen werden – nicht weil KI entscheidet, sondern weil der Aufwand sinkt, gute Grundlagen für Entscheidungen zu schaffen.

Wie wir das konkret einsetzen

In unserer Arbeit für B2B SaaS-Teams haben sich drei Bereiche herauskristallisiert:

Erstens in der Research-Phase: Interviews werden schneller aufbereitet, Erkenntnisse strukturiert, Muster benannt – als Grundlage für das eigentliche Gespräch mit dem Team.

Zweitens in der frühen Konzeptphase: Mehr Richtungen, weniger Anfangsinvestment, besser begründete Auswahl. Der Entscheidungsprozess gewinnt an Substanz.

Drittens im Übergang zu Entwicklung: Mit Figma MCP und KI-gestützter Komponentengenerierung ist der Handoff-Schritt weniger Interpretationsarbeit und mehr direkter Transfer.

Was wir nicht einsetzen: KI als Ersatz für das Denken selbst. Die Werkzeuge sind schnell. Das Urteil, wann welches Ergebnis trägt, bleibt unseres.

---

Ihr überlegt, wie KI-Tools sinnvoll in euren Produktentwicklungsprozess integriert werden können – ohne den Aufwand für Tool-Evaluierung? Wir haben das für uns durchgedacht und teilen das Ergebnis gerne: hello@betaform.io