Du beschreibst einer KI deine Idee für eine Webanwendung. Vielleicht möchtest du ein kleines SaaS-Produkt entwickeln, ein Dashboard für deinen Verein erstellen oder endlich die Website umsetzen, die dir seit Monaten im Kopf herumgeht. Dein Prompt ist schnell geschrieben: modern soll die Oberfläche sein, übersichtlich, responsiv und natürlich benutzerfreundlich.
Das Ergebnis lässt nicht lange auf sich warten.
Eine große Überschrift begrüßt dich. Daneben schwebt eine Vorschau der Anwendung, unterlegt mit einem dezenten Farbverlauf. Drei Kennzahlen zeigen beeindruckende Werte, darunter befinden sich Karten mit leicht abgerundeten Ecken. Die Buttons sind blau oder violett, die Icons stammen vermutlich aus einer bekannten Bibliothek und die Navigation sieht aus, als hättest du sie schon einmal gesehen.
Wahrscheinlich hast du das sogar.
Das Interessante daran ist, dass mit diesem Entwurf zunächst nicht besonders viel falsch sein muss. Die Abstände stimmen, die Typografie ist lesbar und die Komponenten wirken aufeinander abgestimmt. Für jemanden ohne Designkenntnisse kann das Ergebnis bereits deutlich professioneller aussehen als ein selbst zusammengestelltes Layout.
Und trotzdem fehlt häufig etwas.
Man kann die Website betrachten, ohne eine Vorstellung davon zu bekommen, für wen sie eigentlich gestaltet wurde. Tausche das Logo aus, ändere die Überschrift und ersetze die Farben – schon könnte sie zu einem anderen Produkt gehören.
Die KI hat ein plausibles Interface gebaut. Aber hat sie auch eine eigenständige Designentscheidung getroffen?
Das vertraute Gesicht der KI-Website
Wer regelmäßig KI-generierte Websites betrachtet, wird bestimmte Gestaltungsmuster wiedererkennen. Besonders auffällig sind sie bei Landingpages und Verwaltungsoberflächen, zwei Bereichen, für die zahlreiche öffentlich verfügbare Vorlagen und etablierte Designkonventionen existieren.
Auf Landingpages begegnen uns häufig große Hero-Überschriften, farbig hervorgehobene Schlüsselwörter, abstrakte Grafiken und anschließend ein Raster aus drei oder vier Funktionskarten. Weiter unten folgen Preisübersichten, Testimonials und ein abschließender Call-to-Action.
Dashboards wiederum setzen oft auf die bekannte Kombination aus linker Sidebar, oberer Suchleiste, Statistik-Karten, Diagrammen und Datentabellen.
Diese Muster sind nicht automatisch schlecht. Eine Sidebar kann für eine umfangreiche Verwaltungsanwendung eine hervorragende Entscheidung sein. Karten können Inhalte sinnvoll gruppieren. Und ein vertrauter Aufbau erleichtert Nutzern unter Umständen die Orientierung.
Schwierig wird es erst, wenn solche Lösungen unabhängig vom eigentlichen Problem eingesetzt werden.
Ein Dashboard für eine komplexe Finanzanwendung muss andere Anforderungen erfüllen als die interne Terminübersicht einer kleinen Musikschule. Trotzdem könnten beide mit einem allgemein formulierten Prompt zunächst eine überraschend ähnliche Oberfläche erhalten.
Im ersten Fall sind vielleicht umfangreiche Filter, Kennzahlen und mehrere Navigationsebenen sinnvoll. Im zweiten möchten die Mitarbeiter möglicherweise vor allem sehen, welche Unterrichtsstunden heute stattfinden und welche Räume belegt sind.
Wenn beide Anwendungen dieselbe visuelle Struktur bekommen, bedeutet das nicht zwangsläufig, dass die KI technisch versagt hat. Möglicherweise hat sie schlicht die fehlenden Gestaltungsentscheidungen mit vertrauten Mustern ausgefüllt.
Genau darin liegt ein Teil des Problems.
Warum KI auf bekannte Muster zurückgreift
Sprachmodelle erzeugen ihre Ergebnisse auf Grundlage erlernter Zusammenhänge. Bei der Entwicklung von Interfaces können dazu Muster aus Code, Dokumentationen, Beispielen und anderen verfügbaren Trainingsinhalten gehören.
Wird eine KI gebeten, ein modernes SaaS-Dashboard zu erstellen, ohne weitere Anforderungen zu erhalten, muss sie zahlreiche Entscheidungen selbst treffen. Sie benötigt eine Seitenstruktur, eine visuelle Hierarchie, Komponenten, Navigation und eine Vorstellung davon, was „modern“ in diesem Zusammenhang bedeuten soll.
Ein etablierter Dashboard-Aufbau ist dabei ein naheliegender Ausgangspunkt.
Das heißt allerdings nicht, dass das Modell einfach eine bestimmte Vorlage aus seinem Trainingsmaterial kopiert. Die tatsächliche Generierung ist komplexer, und dieselbe Anfrage kann bei unterschiedlichen Modellen oder mehreren Durchläufen durchaus verschiedene Ergebnisse hervorbringen.
Eine im April 2026 veröffentlichte systematische Literaturübersicht von Gizem Irmak und Qusay H. Mahmoud kommt genau zu dieser differenzierten Einschätzung. Die Forschenden untersuchten 20 wissenschaftliche Arbeiten über generative No-Code-Systeme. Ihre Auswertung zeigt, dass solche Werkzeuge häufig erkennbare Interface-Konventionen reproduzieren, ihre Ergebnisse aber zugleich zwischen Plattformen und einzelnen Generierungen variieren können.
Anders gesagt: KI-generierte Oberflächen müssen nicht identisch sein, um trotzdem einer ähnlichen Gestaltungslogik zu folgen.
Zwei Dashboards können unterschiedliche Farben, Schriftarten und Kartenformen besitzen und dennoch dieselben Entscheidungen über Informationsarchitektur und Nutzerführung enthalten.
Das ist ein wesentlicher Unterschied.
Über die Ähnlichkeit von Websites lässt sich nicht allein anhand ihrer Farbpaletten urteilen. Man muss auch fragen, welche Informationen hervorgehoben werden, welche Aufgaben im Vordergrund stehen und wie Menschen durch die Anwendung geführt werden.
Drei selbst erstellte, fiktive Interface-Varianten. Kein Vergleich realer KI-Werkzeuge.
A · Blau
B · Violett
C · Grün
Alle drei Entwürfe priorisieren Kennzahlen vor der Tagesplanung. Farbe und Rundungen verändern den Eindruck, aber weder die Informationshierarchie noch den Weg zur nächsten Unterrichtsstunde.
Die Rolle unserer eigenen Prompts
Es wäre zu einfach, die Verantwortung vollständig auf das KI-Modell zu schieben.
Ein Teil der gestalterischen Gleichförmigkeit entsteht schon bei der Beschreibung dessen, was wir haben möchten.
„Erstelle eine moderne, minimalistische und professionelle Website.“
Dieser Satz klingt zunächst wie eine Designvorgabe. Tatsächlich enthält er erstaunlich wenig Information.
Was bedeutet modern? Eine reduzierte Editorial-Seite mit großzügiger Typografie? Eine verspielte Oberfläche mit Animationen? Eine nüchterne Verwaltungsanwendung, die auf Effizienz ausgelegt ist?
Auch minimalistisch lässt sich unterschiedlich interpretieren. Wenige sichtbare Elemente können ein Interface ruhiger machen. Sie können aber genauso dazu führen, dass wichtige Funktionen hinter Menüs verschwinden oder Informationen unnötig stark reduziert werden.
Und professionell? Das ist eher eine Bewertung des Ergebnisses als eine brauchbare Anforderung an seine Gestaltung.
Wer solche Begriffe verwendet, überlässt die Interpretation weitgehend dem generierenden System. Das muss nicht falsch sein, besonders wenn es zunächst um Inspiration geht. Es erklärt aber, warum Ergebnisse oft auf bekannte Stilmittel zurückfallen.
Interessant ist in diesem Zusammenhang eine kleine Pilotstudie, die im Juli 2026 auf der AIMEDIA-Konferenz vorgestellt wurde.
Die Forschenden verglichen fünf Generierungen auf Basis eines unveränderten Briefings mit fünf Ergebnissen, für die erfahrene Designer individuelle Prompts formuliert hatten. Alle verwendeten dasselbe Werkzeug und dieselbe Designaufgabe.
Bei den unveränderten Durchläufen war die Informationshierarchie in allen fünf Fällen identisch. Die von Designern formulierten Prompts führten insgesamt zu größerer struktureller Vielfalt, insbesondere wenn sie konkrete Anforderungen, Einschränkungen und ausdrücklich unerwünschte Muster beschrieben.
Die Stichprobe ist klein, die Untersuchung explorativ. Daraus lässt sich keine allgemeingültige Regel für sämtliche KI-Werkzeuge ableiten.
Sie weist aber auf eine Fähigkeit hin, die beim KI-gestützten Design zunehmend relevant werden könnte: Gestalterische Absichten so genau beschreiben zu können, dass ein System nicht einfach seine naheliegendste Lösung verwendet.
Dafür braucht es nicht unbedingt kompliziertere Prompts. Häufig braucht es zunächst klarere Gedanken.
Warum ein fertiges Design noch kein durchdachtes Design ist
Ein guter KI-Entwurf kann ein Problem mit sich bringen, das zunächst wie ein Vorteil aussieht: Er wirkt früh erstaunlich fertig.
Bevor jemand grundlegende Fragen über die Struktur gestellt hat, sind Farben definiert, Schatten gesetzt und Buttons gestaltet. Das Ergebnis sieht bereits nach einem Produkt aus, nicht nach einer offenen Idee.
Dadurch verschiebt sich die Art, wie wir es beurteilen.
Statt zu fragen, ob die Seitenstruktur zum Nutzungskontext passt, beschäftigen wir uns möglicherweise damit, ob die Karten etwas weniger rund oder die Abstände etwas größer sein sollten. Wir optimieren innerhalb eines Konzepts, das noch niemand ernsthaft hinterfragt hat.
In der UX-Forschung ist bekannt, dass die visuelle Attraktivität eines Produkts beeinflussen kann, wie benutzerfreundlich Menschen es wahrnehmen.
Dieses Phänomen wird als Aesthetic-Usability Effect bezeichnet. Die Nielsen Norman Group beschreibt, dass Nutzer attraktive Oberflächen häufig positiver bewerten und kleinere Bedienungsprobleme eher tolerieren. Schwerwiegende Usability-Probleme verschwinden dadurch natürlich nicht.
Gerade bei KI-generierten Interfaces finde ich das relevant.
Wenn eine Anwendung ordentlich gestaltet ist, fällt es schwerer, sich von der ersten Lösung zu lösen. Das Produkt vermittelt bereits eine gewisse Reife, obwohl vielleicht noch nicht einmal die wichtigsten Nutzeraufgaben überprüft wurden.
Man könnte es mit einer Wohnung vergleichen, die vollständig eingerichtet ist, bevor klar ist, wer darin wohnen soll. Die Möbel können hervorragend aussehen. Wenn der Schreibtisch jedoch im dunkelsten Raum steht und die Küche kaum Arbeitsfläche bietet, hilft auch die schönste Einrichtung nur begrenzt.
Die Gestaltung wirkt abgeschlossen, obwohl die eigentlichen Entscheidungen noch ausstehen.
Einheitlichkeit ist nicht automatisch ein Designfehler
Bevor wir jetzt sämtliche abgerundeten Karten verbannen und jeder Sidebar den Kampf ansagen, lohnt sich eine wichtige Unterscheidung.
Menschen profitieren von vertrauten Bedienmustern.
Ein Suchfeld muss nicht bei jeder Anwendung neu erfunden werden. Eine klare Navigation, erkennbare Buttons und konsistente Eingabefelder erleichtern das Verständnis. Wer eine alltägliche Aufgabe erledigen möchte, hat selten Lust, zunächst die gestalterische Originalität eines unbekannten Interfaces entschlüsseln zu müssen.
Jakob Nielsen beschreibt diese Überlegung unter anderem in seiner Heuristik zu Konsistenz und Standards. Nutzer bringen Erwartungen aus anderen Produkten mit. Eine Oberfläche, die gegen diese Erwartungen arbeitet, kann zusätzlichen Lernaufwand verursachen.
Deshalb ist Wiedererkennbarkeit bei vielen Komponenten durchaus erwünscht.
Ein völlig neuartiger Warenkorb wäre beispielsweise nicht zwangsläufig besser als ein vertrauter. Und ein Verwaltungsdashboard gewinnt wenig, wenn man bekannte Interaktionsmuster nur deshalb ersetzt, weil sie langweilig aussehen.
Das Ziel sollte also nicht sein, möglichst ungewöhnliche Interfaces zu erzeugen.
Es sollte sein, bewusst zwischen sinnvollen Standards und unbegründeten Gewohnheiten zu unterscheiden.
Ein Standard beschreibt eine bewährte Lösung für ein bestimmtes Problem. Eine gestalterische Gewohnheit wird dagegen irgendwann übernommen, ohne dass noch jemand prüft, ob sie überhaupt passt.
Ein Dialog zur Bestätigung einer irreversiblen Aktion kann sinnvoll sein, weil er versehentliche Änderungen verhindert. Vier Statistik-Karten auf einer Startseite sind dagegen nicht automatisch sinnvoll, nur weil viele andere Dashboards ebenfalls vier Statistik-Karten besitzen.
Die eigentliche Qualität liegt darin, den Unterschied zu erkennen.
Wenn vertraute Muster auch schlechte Muster sein können
Hinzu kommt ein zweites Problem: Nicht alles, was sich in der digitalen Produktwelt durchgesetzt hat, ist aus Nutzersicht wünschenswert.
Manche verbreiteten Gestaltungsmuster dienen vor allem wirtschaftlichen Interessen. Dazu gehören künstliche Verknappung, irreführende Auswahlmöglichkeiten oder Oberflächen, die eine gewünschte Handlung deutlich erleichtern, während sie Alternativen verstecken.
Dass KI solche Muster übernehmen kann, wurde bereits untersucht.
In einer CHI-Studie von 2025 ließen Forschende 20 Teilnehmer mithilfe von GPT-4 Teile eines fiktiven Onlineshops erzeugen. Bei den vorgegebenen Aufgaben und Aufforderungen enthielten alle 20 entstandenen Websites mindestens ein manipulatives Designmuster. Das Modell warnte die Teilnehmer nicht davor.
Die Untersuchung lässt sich nicht auf jede KI, jeden Prompt oder jede Website übertragen. Sie zeigt aber, dass die Übernahme etablierter Gestaltungskonventionen auch problematische Praktiken einschließen kann.
Das ist ein wichtiger Punkt für Menschen, die KI als Designassistenten einsetzen.
Ein Interface kann professionell aussehen, nach bekannten Mustern funktionieren und trotzdem Entscheidungen enthalten, die aus Nutzerperspektive fragwürdig sind.
Die KI kann eine Gestaltung vorschlagen. Ob sie fair, verständlich und angemessen ist, müssen wir weiterhin prüfen.
Wie entsteht ein Interface mit eigener Identität?
Die Lösung besteht meiner Ansicht nach nicht darin, einen Prompt um weitere Stiladjektive zu ergänzen.
„Moderner, einzigartiger, kreativer, hochwertiger, innovativer“ ist keine besonders präzise Designstrategie.
Hilfreicher wäre, zunächst das Produkt selbst genauer zu verstehen.
Nehmen wir eine kleine Musikschule, die eine Website für Eltern und interessierte Schüler entwickeln möchte. Ihre wichtigste Aufgabe besteht darin, Unterrichtsangebote verständlich darzustellen und die Anmeldung zu einer Probestunde zu erleichtern.
Ein allgemeiner Prompt könnte eine klassische Marketing-Landingpage mit großem Hero, Feature-Karten, Testimonials und einem Kontaktformular erzeugen.
Das wäre nicht zwingend falsch. Trotzdem gibt es gute Gründe, den Aufbau anders zu denken.
Eltern möchten vielleicht zuerst wissen, welcher Unterricht für welches Alter geeignet ist. Andere interessieren sich für den Standort oder die verfügbaren Termine. Wieder andere möchten vor einer Anfrage erfahren, wie eine Probestunde abläuft.
Diese Fragen könnten die gesamte Seitenstruktur bestimmen.
Statt mit einer generischen Hero-Sektion zu beginnen, könnte die Website unmittelbar die Instrumente und Altersgruppen zeigen. Vielleicht steht ein klarer Einstieg in die Unterrichtsangebote im Vordergrund. Vielleicht sind echte Einblicke in die Unterrichtsräume vertrauenswürdiger als abstrakte Illustrationen.
Die richtige Entscheidung müsste anhand der Zielgruppe überprüft werden. Entscheidend ist aber, dass sich die Gestaltung jetzt aus dem Produkt ergibt – und nicht aus einer allgemeinen Vorstellung davon, wie moderne Websites aussehen sollten.
Eigene mobile Wireframes für eine fiktive Musikschule. Drei Hypothesen, deren Eignung mit der Zielgruppe geprüft werden müsste.
A · Die Schule vorstellen
Fokus: Vertrauen aufbauen
Die Schule und ihre Menschen stehen zuerst. Das kann bei einer unbekannten Schule Orientierung geben.
Abwägung: Wer schon ein Instrument sucht, muss weiter nach unten.
B · Angebote entdecken
Fokus: Passenden Unterricht finden
Instrumente und Altersgruppen führen durch das Angebot. Konkrete Kursinformationen kommen vor dem allgemeinen Schulporträt.
Abwägung: Wer noch kein Instrument kennt, braucht Hilfe bei der Auswahl.
C · Probestunde finden
Fokus: Eine Probestunde anfragen
Ein schrittweiser Einstieg priorisiert die Anfrage. Die nötigen Informationen erscheinen im jeweiligen Schritt.
Abwägung: Ein früher Ablauf kann unentschlossene Besucher überfordern.
Ein besseres Briefing für die KI
Statt nur ein Erscheinungsbild zu beschreiben, würde ich der KI einen Nutzungskontext und überprüfbare Anforderungen geben.
Entwickle drei deutlich unterschiedliche mobile Seitenkonzepte für eine Musikschule. Hauptziel ist die Anmeldung zu einer Probestunde.
Die wichtigsten Besucher sind Eltern, die Unterricht für Kinder zwischen sechs und zwölf Jahren suchen. Sie möchten Instrumente, Unterrichtsorte, Altersgruppen und den Ablauf einer Probestunde schnell verstehen.
Beginne mit der Informationsarchitektur, nicht mit Farben oder Animationen. Erkläre für jeden Entwurf, welche Nutzeraufgabe im Mittelpunkt steht, welche Informationen priorisiert werden und welche Nachteile das Konzept besitzt.
Verwende nicht automatisch das übliche Schema aus Hero, drei Feature-Karten, Testimonials und Abschluss-CTA. Halte bewährte Interaktionsstandards dort ein, wo sie Nutzern helfen.
Stelle zuerst einfache mobile Wireframes vor. Eine visuelle Ausarbeitung erfolgt erst nach der Auswahl eines Konzepts.
Dieser Prompt garantiert keine bessere Website. Aber er verschiebt die Aufgabe von der bloßen Erzeugung einer schönen Oberfläche hin zur Entwicklung unterschiedlicher Lösungsansätze.
Und genau das ist wertvoll.
Solange nur eine ausgearbeitete Variante existiert, fällt es schwer, grundlegende Entscheidungen zu hinterfragen. Drei tatsächlich unterschiedliche Konzepte machen dagegen sichtbar, dass es mehrere Wege geben kann, dasselbe Problem zu lösen.
Fünf Entscheidungen, die mehr verändern als ein neues Farbschema
Wenn du KI für deine nächste Website verwendest, würde ich besonders auf fünf Stellen im Entwicklungsprozess achten.
Beginne bei den Aufgaben deiner Nutzer. Beschreibe nicht nur, welche Seiten und Komponenten entstehen sollen, sondern was Menschen mit ihnen erreichen möchten. Die wichtigste Funktion einer Anwendung muss nicht automatisch die visuell auffälligste sein.
Verlange unterschiedliche Strukturen statt bloßer Stilvarianten. Drei Farbpaletten für dasselbe Dashboard sind noch keine drei Designkonzepte. Bitte die KI um Ansätze, die Informationen unterschiedlich priorisieren, andere Navigationsmodelle verwenden oder verschiedene Nutzungssituationen berücksichtigen.
Arbeite mit echten oder realistischen Inhalten. Platzhalter wie „Feature One“ oder „Lorem ipsum“ können schlechte Entscheidungen verdecken. Erst längere Namen, leere Listen, unregelmäßige Datensätze und konkrete Fehlermeldungen zeigen, ob ein Layout belastbar ist.
Definiere gestalterische Regeln. Ein konsistentes System aus Typografie, Abständen, Farben und Komponenten reduziert zufällige Entscheidungen. Das muss kein riesiges Design System sein. Schon eine kleine, bewusst gestaltete Grundlage hilft dabei, neue Seiten nicht jedes Mal aus beliebigen Stilvorschlägen zusammenzusetzen.
Überprüfe den fertigen Ablauf, nicht nur den Screenshot. Kann jemand sein Ziel erreichen? Sind Aktionen verständlich beschriftet? Gibt es Feedback, wenn etwas gespeichert wird? Lassen sich Fehler korrigieren? Funktioniert die Bedienung auf dem Smartphone und mit der Tastatur?
Diese Prüfungen kosten Zeit. Vielleicht ist genau das der Punkt.
In ihrer im März 2026 veröffentlichten Arbeit Interrogating Design Homogenization in Web Vibe Coding argumentieren Donghoon Shin und seine Mitautoren, dass bewusste Reibung im Generierungsprozess helfen kann, gewohnte Ergebnisse zu hinterfragen.
Sie nennen das Productive Friction.
Der Gedanke widerspricht zunächst dem Versprechen vieler KI-Werkzeuge. Denn diese möchten möglichst schnell von der Beschreibung zum fertigen Ergebnis gelangen.
Für die Qualität eines Designs kann ein zusätzlicher Schritt allerdings sinnvoll sein, wenn er eine wichtige Entscheidung sichtbar macht.
Fiktive Konzeptstudie mit Beispieldaten. Die folgenden Ansichten sind keine getesteten Produkte. Die Bedienelemente wechseln nur die Illustration.
MUSIK. LEIDENSCHAFT. GEMEINSCHAFT.
Entdecke deine musikalische Zukunft.
Professioneller Unterricht in einer inspirierenden Umgebung. Gemeinsam bringen wir dein Talent zum Klingen.
Jetzt mehr erfahren →Ein großes Versprechen, drei Eigenschaften und eine Kundenstimme erzeugen einen vertrauten Einstieg. Eltern erfahren hier noch nicht, welches Angebot zu ihrem Kind passt. „Mehr erfahren“ lässt offen, was als Nächstes kommt.
Zu prüfen: Können Eltern passenden Unterricht finden und den nächsten Schritt erklären? Diese Konzeptstudie belegt keinen Nutzungsvorteil.
Brauchen KI-Websites überhaupt eine eigene Handschrift?
Nicht jede Website muss unverwechselbar aussehen.
Ein internes Buchungssystem gewinnt wenig durch eine avantgardistische Typografie, wenn seine Mitarbeiter dadurch länger nach wichtigen Funktionen suchen. Für viele Anwendungen sind Verlässlichkeit, Verständlichkeit und Effizienz wichtiger als eine auffällige visuelle Identität.
Anders sieht es bei digitalen Magazinen, kreativen Portfolios oder Markenwebsites aus.
Dort kann die Gestaltung selbst Teil der Aussage sein. Sie vermittelt Persönlichkeit, setzt Schwerpunkte und unterscheidet ein Angebot von anderen.
Aber auch hier reicht es nicht, beliebige Effekte zu ergänzen.
Eine eigenständige Gestaltung kann aus einer ungewöhnlichen, aber sinnvollen Typografie entstehen. Aus einer mutigen redaktionellen Bildsprache. Aus bewusst eingesetzten Leerflächen oder einer Navigation, die zum tatsächlichen Inhalt passt.
Manchmal liegt die Besonderheit gerade darin, weniger zu zeigen.
Ein Magazin über digitales Design benötigt nicht zwangsläufig eine futuristische Illustration mit leuchtenden Kugeln und schwebenden Komponenten. Vielleicht erzählt eine präzise typografische Komposition wesentlich mehr über seine gestalterische Haltung.
Dafür muss allerdings jemand entscheiden, welche Wirkung erreicht werden soll.
KI kann Vorschläge machen, Alternativen entwickeln und dabei helfen, eine Richtung technisch umzusetzen. Eine eigenständige visuelle Identität entsteht aber nicht allein dadurch, dass wir das Wort „unique“ häufiger in einen Prompt schreiben.
Das eigentliche Problem ist der ungeprüfte erste Entwurf
Vielleicht führt die Diskussion über gleich aussehende KI-Websites am Ende zu einer überraschend einfachen Erkenntnis.
Wir haben uns längst vor der generativen KI an wiederkehrende Designmuster gewöhnt. Frameworks, Templates und Komponentenbibliotheken haben die Entwicklung beschleunigt und zahlreiche gute Standards etabliert. Gleichzeitig konnten sie dazu führen, dass bestimmte Layouts immer wieder übernommen wurden.
KI verstärkt möglicherweise einen Teil dieser Entwicklung, weil sie nicht nur fertige Komponenten bereitstellt, sondern auch viele dazwischenliegende Entscheidungen übernimmt.
Das ist bequem. Es kann kreativ sein und die Entwicklung erheblich erleichtern.
Problematisch wird es dort, wo wir die erste plausible Antwort bereits für die richtige halten.
Denn die Qualität eines Interfaces zeigt sich nicht daran, wie schnell es entsteht oder wie modern es auf einem Screenshot aussieht. Sie zeigt sich daran, ob seine Gestaltung zum Inhalt, zu den Aufgaben und zu den Menschen passt, die damit arbeiten sollen.
Manchmal wird die beste Lösung tatsächlich eine Sidebar, vier Kennzahlen und eine Tabelle enthalten. Wenn diese Elemente einen nachvollziehbaren Zweck erfüllen, gibt es keinen Grund, sie allein wegen ihrer Verbreitung abzulehnen.
In anderen Fällen braucht es vielleicht überhaupt kein Dashboard. Sondern einen einzigen gut gestalteten Ablauf, der Menschen ohne Umwege ans Ziel bringt.
Beides kann gutes Design sein.
Die entscheidende Frage ist nicht, ob eine Website nach KI aussieht. Sondern ob jemand begründen kann, warum sie genau so aussehen sollte.
Quellen und weiterführende Literatur
- Shin, Donghoon et al. (2026): Interrogating Design Homogenization in Web Vibe Coding. Microsoft Research / arXiv. Untersuchung möglicher Vereinheitlichungseffekte und des Konzepts der Productive Friction.
- Irmak, Gizem & Mahmoud, Qusay H. (2026): Design Behaviour and Interface Consistency in Generative No-Code Tools: A Systematic Literature Review. Computers, 15(4). Systematische Auswertung von 20 Studien zu generierten Interfaces.
- Xikota, Thiago Kenji Corrêa et al. (2026): Structural Convergence in AI-Generated Media. AIMEDIA 2026. Explorative Pilotstudie zum Einfluss präziser Prompts auf die strukturelle Vielfalt von KI-Interfaces.
- Krauss, Veronika et al. (2025): Create a Fear of Missing Out: ChatGPT Implements Unsolicited Deceptive Designs in Generated Websites Without Warning. CHI 2025. Untersuchung manipulativer Designmuster in KI-generierten Onlineshops.
- Nielsen, Jakob: 10 Usability Heuristics for User Interface Design. Nielsen Norman Group. Grundlegende Prinzipien für verständliche und konsistente Interfaces.
- Moran, Kate (2024, überprüft 2026): The Aesthetic-Usability Effect. Nielsen Norman Group. Der Einfluss visueller Attraktivität auf die wahrgenommene Benutzerfreundlichkeit.
Redaktioneller Hinweis: Die beschriebenen Beispiel-Websites und das Musikschul-Szenario dienen der Veranschaulichung. Für diesen Beitrag wurde kein eigener systematischer Vergleich von KI-Coding-Werkzeugen durchgeführt. Aussagen zur Forschung sind entsprechend ihrer jeweiligen Untersuchungsmethode und Aussagekraft eingeordnet.
Weiterlesen: Wenn jeder Software entwickeln kann – wer gestaltet dann die Nutzererfahrung?.
Zum praktischen Einstieg: UI/UX für Vibe Coder.