Doch genau darin liegt die Herausforderung: Ein funktionierendes Ergebnis ist noch lange kein gutes Ergebnis. Die eigentliche Kernkompetenz verschiebt sich. Nicht mehr das Erstellen wird entscheidend sein, sondern das Beurteilen.

Stell dir vor, du sitzt in einem Workshop in Berlin. Es ist Anfang des Jahres. Ein Product Manager öffnet Figma Make, schreibt ein paar Sätze und wenige Sekunden später erscheint ein fertiges Pop-up. Sauber gestaltet und funktional umgesetzt. Kein Designer war beteiligt. Kein Entwickler musste eingreifen.

Alle Blicke richten sich auf den Design Lead im Raum. Er betrachtet das Ergebnis einen Moment und sagt: „Zu 90 Prozent bereit für den Livegang.“ 

Dann folgt der Satz, der mir bis heute im Kopf geblieben ist: “Wenn morgen früh alle UX- und UI-Designer:innen krank wären, könnte die Arbeit trotzdem weitergehen.”

Klingt erstmal gut, oder? 

Tatsächlich beschreibt dieser Satz aber einen viel größeren Wandel.

Der Design Lead war Kevin Martin. Für die aktuelle Folge von Digital Product Talks habe ich mit ihm darüber gesprochen, wie sein Team KI im Alltag einsetzt – pragmatisch, ohne Hype und mit überraschend klaren Erkenntnissen.

Kevin ist Product Design Lead bei Riverty, dem Fintech von Bertelsmann. Wenn du in Deutschland schon einmal online bestellt und erst 30 Tage später bezahlt hast, stehen die Chancen gut, dass Riverty die Zahlungsabwicklung im Hintergrund übernommen hat.

Seit viereinhalb Jahren leitet Kevin dort ein kleines Design-Team. Gerade das macht seine Erfahrungen besonders spannend. Kleine Teams können es sich nicht leisten, monatelang über KI zu diskutieren. Sie müssen schnell herausfinden, was funktioniert. Wenn fünf Menschen dieselbe Arbeit erledigen müssen, für die früher acht nötig waren, wird KI vom Experiment zum Werkzeug.

Und die Erfolge sind echt: Prototypen, Dashboards und viele gesparte Wochen

Angefangen hat alles mit einem kompletten Produkt-Relaunch, Kevins Team hat sein Produkt vor Kurzem komplett überarbeitet, inklusive neuer User Journeys. Statt die Stakeholder durch statische Screens zu führen, haben sie einen Prototyp gebaut: zuerst in Figma Make, dann in Claude. Die klickbare Version ging anschließend durch die ganze Organisation.

Was Kevin dabei am meisten überrascht hat: Die Qualität der Diskussionen stieg spürbar. Nicht, weil plötzlich alle bessere Argumente hatten, sondern weil sie das Produkt erleben und durchklicken konnten, anstatt sich durch Präsentationsfolien zu arbeiten.

Ein weiteres Beispiel stammt aus einem datenlastigen Portal mit Dashboards und Tabellen. Früher bedeutete jede neue Ansicht mehrere Stunden Analyse: Welche Daten gehören zusammen? Welche Filter werden benötigt? Heute erstellt die KI innerhalb weniger Minuten ein brauchbares Grundgerüst. Das Team konzentriert sich anschließend auf Struktur, Logik und Feinschliff.

Ähnlich lief es bei neuen E-Mail-Templates. In der Entwicklung fehlten die Kapazitäten. Also setzte ein Werkstudent Cursor und Claude ein, baute die Templates, testete sie und übergab sie an die Entwicklung. Dort musste am Ende nur noch die Schnittstelle angebunden werden. Kevins Schätzung: Rund drei Wochen eingesparte Entwicklungszeit.

Auch beim Thema Barrierefreiheit unterstützt KI inzwischen den Alltag. Ein externes Review-Tool hätte einen fünfstelligen Jahresbetrag gekostet. Stattdessen richtete das Team Claude für Accessibility-Reviews ein. Heute übernimmt die KI bereits 70 bis 80 Prozent der Prüfungen, während ein Kontrast-Plugin in Figma den Design-Aspekt abdeckt. Aus einem teuren Tool wurde eine interne Lösung mit wenigen Stunden Aufwand pro Monat.

Wer prüft eigentlich den Code, den KI schreibt?

So beeindruckend diese Beispiele sind, jedes davon hat seine Grenzen.

Die E-Mail-Templates, die drei Wochen gespart haben? Kevins ehrliche Meinung dazu war: Seine Designer:innen können den Code, den sie selbst produziert haben, nicht vollständig beurteilen.

„Wir produzieren jetzt selbst Code. Eigentlich müsste uns jemand auffangen und sagen, ob er gut ist oder nicht. Denn das können wir aus unserer Position heraus nicht einschätzen.“ – Kevin Martin, Product Design Lead bei Riverty‍

Genau hier zeigt sich der eigentliche Wandel. KI macht das Produzieren einfacher. Das Beurteilen bleibt menschlich.

Mit Vibe Coding lässt sich kurzfristig auch eine fehlende Frontend-Ressource überbrücken. Als dauerhaftes Arbeitsmodell reicht das jedoch nicht. Wer Software langfristig betreiben will, braucht weiterhin Entwickler, die den generierten Code verstehen, prüfen und verantworten.

Besonders spannend fand ich eine andere Geschichte: Nachdem das Team seinen Prototyp intern geteilt hatte, nahm ein Kollege den öffentlichen Link, lud ihn in Claude hoch und bat die KI um Feedback. Claude bewertete also einen Prototyp, der zuvor mit Claude entstanden war.

Das ist faszinierend, wirft aber eine entscheidende Frage auf: Wer übernimmt am Ende die Verantwortung für die Qualität?

Auch bei kreativen Aufgaben stößt KI schnell an Grenzen. Das Riverty-Logo, ein schlichtes „R“ aus zwei Blöcken, wurde von Claude immer wieder gespiegelt. Bei COBE kennen wir ähnliche Situationen. Auch unser Logo konnte Claude bislang nie zuverlässig übernehmen, unabhängig vom Dateiformat. Gerade dort, wo Präzision und Markenverständnis gefragt sind, zeigt sich, dass KI noch längst nicht alles kann.

Designer:innen werden zu Architekt:innen (und zu Notar:innen?)

Was bedeutet das für Designer?

Kevin und ich sehen dieselbe Entwicklung: Designer werden weniger zum Produzent und stärker zum Architekt. Sie definieren Strukturen, formulieren Regeln und prüfen, ob die Logik hinter einem Produkt wirklich trägt.

Damit KI konsistente Ergebnisse liefert, braucht sie Leitplanken. Kevins Team dokumentiert Design-Regeln deshalb in Formaten, die KI lesen kann, etwa in Markdown-Dateien für das Design System. So bleibt der grüne Button auch künftig grün. Dasselbe gilt für UX-Writing: Ein klar definierter Tone of Voice sorgt dafür, dass Inhalte konsistent bleiben,  unabhängig davon, wer den Prompt schreibt.

Im Gespräch fiel irgendwann ein interessanter Vergleich: UX-Designer werden zu einer Art Notar. Erst ihr Urteil macht ein Produkt bereit für den Livegang. Entscheidend ist nicht mehr, wie lange die Umsetzung gedauert hat, sondern wie belastbar das Ergebnis ist.

Nur: Diesen Stempel bekommt niemand mit einem Zertifikat verliehen. Kevin nennt zwei Dinge, die es dafür wirklich braucht.

Die erste ist tiefes Produktverständnis, also die Fähigkeit, Nutzer, Geschäftsmodell und Produkt wirklich zu verstehen. Das entsteht nur durch Erfahrung.

Die zweite beschreibt Kevin mit einem einzigen Wort: „Bock.“

Man muss ausprobieren wollen. Mit KI arbeiten wollen. Fehler machen. Dazulernen. Und neugierig bleiben.

Was Vibe Coding für dein Produktteam bedeutet

Der Titel dieser Folge bringt es auf den Punkt: Mit Vibe Coding ist das Bauen zum einfachen Teil geworden. Das Beurteilen bleibt aber die Königsdisziplin. 

Zu erkennen, ob ein Produkt wirklich gut genug für Nutzer, Marke und Produktion ist, lässt sich nicht automatisieren. Dafür braucht es Erfahrung, Kontext und Urteilsvermögen.

Genau diese Fähigkeit wird in den kommenden Jahren zum entscheidenden Wettbewerbsvorteil.

Genau dieses Urteilsvermögen wenden wir bei COBE jeden Tag an, in jedem Schritt von Design über Entwicklung bis QA. 

Wenn dein Team einen Check für etwas braucht, das ihr gebaut habt, mit KI oder ohne, sind wir gerne für euch da.

Du willst das ganze Gespräch mit Kevin Martin hören? Die Folge findest du im Digital Product Talks Podcast auf Spotify oder Apple Podcasts.

‍

TL;DR

Du hast es eilig? Keine Sorge, wir haben eine kurze Zusammenfassung für Sie vorbereitet.

Was ist Vibe Coding? Softwareentwicklung per Prompt statt per Hand. KI erstellt aus einer Beschreibung funktionierende Screens, Komponenten oder Prototypen – oft ohne eine einzige Zeile selbst geschriebenen Code.

Kann KI-generierter Code in Produktion gehen? Ja, aber nicht ungeprüft. Bevor der KI-Code in Produktion geht, sollte er vom Entwickler überprüft werden.

Wer sollte KI-generierten Code prüfen? Jemand, der ihn wirklich lesen kann. KI liefert dir in Minuten ein funktionierendes Fundament, aber sie kann dir nicht sagen, ob dieses Fundament solide ist. Deshalb gehört vor jeden Produktionseinsatz ein Review aus der Entwicklung.

Ersetzt KI Produktdesigner:innen? Nein. Ihre Rolle verändert sich. Statt hauptsächlich Interfaces zu gestalten, definieren sie künftig Strukturen, Qualitätsmaßstäbe und Leitplanken - und entscheiden, ob ein Ergebnis wirklich gut genug ist.