Anthropic reizt die Grenze dessen, was KI-Systeme “out of the Box” leisten können, aktiv weiter aus. Mit Claude Design lassen sich Prototypen, Pitch Decks und interaktive Wireframes direkt aus einem Gespräch heraus erstellen, ganz ohne Designstudium, Figma-Kurs oder Agenturbudget.
Die Nachricht steht symptomatisch für die anstehende Umwälzung in der Design-Branche. Obwohl Anthropic betont, bestehende Design-Tools nicht ersetzen zu wollen, brach Figmas Aktienkurs um 7% ein, und auch Adobe, Wix und GoDaddy verloren an Vertrauen im Finanzmarkt.
Brilliant, eine der Referenz-Firmen von Anthropic, berichtet, dass komplexe interaktive Prototypen statt 20+ Prompts in anderen Tools nur noch zwei in Claude Design brauchen. Teams gehen von einer groben Idee zu einem funktionierenden Prototyp, bevor jemand den Raum verlässt. Canva ist direkt integriert, Export nach PPTX, PDF oder HTML eingebaut, und wer Claude Code nutzt, kann Designs per Handoff direkt in Produktion überführen.
Die Begeisterung ist nachvollziehbar, verdeckt aber eine grössere Frage.
Mehr können, weniger wissen müssen
Die Qualität der Lieferergebnisse, welche ohne Aufwand, Erfahrung oder Ausbildung erreicht werden, wächst mit hoher Geschwindigkeit. Nicht nur im Design, sondern auch im Code, in der Kommunikation und in der Analyse. Die Einstiegshürde für digitale Produkte sinkt auf ein Niveau, das vor kurzem noch undenkbar schien.
Der erleichterte Zugang zu Technologie und Wissen eröffnet Chancen. Investitionskosten für die Entwicklung neuer digitaler Produkte schrumpfen signifikant, insbesondere für technik-affine Personen. Gründer mit einer Idee und einem Laptop können in Stunden eine erste Version bauen, die gut genug aussieht, um Feedback einzuholen, Investoren zu überzeugen oder einen Markt zu testen.
Der Einheitsbrei
Wenn alle jedoch mit denselben Werkzeugen arbeiten, denselben Modellen, denselben Trainingsdaten und denselben Mustern, ähneln sich zwangsläufig auch die Ergebnisse. Inhalt und Gestaltung nivellieren sich.
Was KI produziert, bleibt kompetenter Durchschnitt: nicht schlecht, aber auch nicht besonders. Gleichzeitig wächst die Menge dieses Durchschnitts enorm: mehr Websites, mehr Apps, mehr Inhalte, mehr Angebote, die alle auf demselben Fundament stehen. Der Markt füllt sich, ohne vielfältiger zu werden. Was heraussticht, braucht eigene Substanz.
Glanz ohne Grundlage
Gleichzeitig überzeugt die Qualität, die KI-Systeme liefern, häufig nur auf den ersten Blick. Unter der Oberfläche nutzen sie Umwege und Shortcuts, um das gewünschte Ergebnis unter allen Umständen zu erreichen.
KI-Modelle sind darauf trainiert, ihren Nutzer zufriedenzustellen, unabhängig davon, ob das Ergebnis korrekt oder brauchbar ausfällt. Im Zweifel wählt das System den schnellsten Weg und nicht den saubersten. Dieses Gefälligkeitsverhalten erzeugt Lösungen, die professionell aussehen und im Moment funktionieren, aber trotzdem fragil bleiben.
Vom Prototyp zum Problem
Für ein digitales Produkt, das nur als Prototyp für den Augenblick dient, spielt das keine Rolle. Schnell gebaut, schnell getestet, schnell verworfen: genau dafür sind diese Werkzeuge gedacht.
Wer aber auf dieser Basis weiterbaut, ohne die Qualität zu prüfen, geht ein Risiko ein. Die strukturellen Abkürzungen, die das KI-System genommen hat, wirken sich direkt auf die spätere technische Wartbarkeit aus. Nur weil etwas heute funktioniert, heisst das nicht, dass es morgen genauso funktionieren wird. Anpassungen und Erweiterungen scheitern, wenn die darunterliegende Struktur fehlt.
Schwerer wiegen die Sicherheitsrisiken. Die teils rücksichtslose Arbeitsweise der KI-Systeme erzeugt Schwachstellen: unsichere Konfigurationen, fehlende Schutzmechanismen, Verweise auf Software-Bausteine, die gar nicht existieren. Diese Lücken stecken im generierten Code, ohne dass sie für Laien erkennbar wären.
Verschärft wird das Problem durch die Natur der Modelle selbst. KI-Systeme bauen nur auf dem auf, was sie durch die Trainingsdaten der Vergangenheit lernen konnten. Je älter das Modell, desto weniger zuverlässig nutzt es Technologien mit aktiver Entwicklung. Best Practices, die sich in den letzten Monaten verändert haben, kennt es schlicht nicht, und damit auch keine Fixes für kürzlich bekannt gewordene Sicherheitslücken.
Für Personen ohne Fachkenntnis bleiben diese Probleme unsichtbar und fallen unter Umständen nicht einmal dann auf, wenn sie bereits ausgenutzt werden. In einer Welt, in der offensive KI-Systeme Schwachstellen schneller finden als je zuvor, stellt das ein konkretes Unternehmensrisiko dar.
Wo der Unterschied entsteht
Die Wertschöpfung verlagert sich. Nicht die Erstellung selbst differenziert, sondern die Fähigkeit, aus KI-Systemen Ergebnisse herauszuholen, die über den Durchschnitt hinausgehen. Wer Qualität erkennen, Risiken einschätzen und Tragfähiges von Fassade unterscheiden kann, gewinnt an Wert, nicht an Irrelevanz.
Die Werkzeuge werden mächtiger, ersetzen aber nicht das Urteilsvermögen derjenigen, die sie einsetzen. Wer KI ohne dieses Fundament nutzt, baut schnell, aber weder sicher noch einzigartig.