Warum KI-Tools Designer zwingen, implizites Wissen zu explizieren — und dabei Regeln schaffen, die vorher keine waren.
Wenn ein Senior Designer einen Layout-Entwurf ablehnt, sagt er meist: «Das fühlt sich zu eng an» oder «Die Hierarchie stimmt nicht». Er begründet nicht mit Pixelwerten oder Gestaltungsregeln — er erkennt das Problem einfach. Dieses implizite Wissen, jahrzehntelang der Kern kreativer Arbeit, steht jetzt unter Druck: AI-Tools brauchen explizite Anweisungen, keine Intuition. Das Resultat ist nicht nur, dass AI-generierte Websites gleich aussehen (das haben wir bereits analysiert). Das Resultat ist, dass AI Designregeln erfindet, die vorher keine waren — weil menschliche Designer diese Regeln nie brauchten.
AI-Design-Tools zwingen Designer, implizites Wissen (Spacing-Gefühl, Typografie-Hierarchie, visuelle Balance) in explizite Regeln zu codieren. Studien zeigen: 80–95 % des Designwissens in Training-Daten war nie dokumentiert, sondern existierte nur als Praxis. Wenn Teams diese Regeln für AI aufschreiben, entdecken sie oft, dass Senior Designer unterschiedliche mentale Modelle derselben «Regel» hatten. Die Konsequenz: AI schafft Konsistenz, tötet aber Intuition. Schweizer Agenturen wie Hinderling Volkart sehen nicht-codiertes Wissen als Wettbewerbsvorteil — Code42 und Antistatique experimentieren mit hybriden Workflows, bei denen AI explizite Regeln befolgt, Designer aber implizite Ausnahmen machen.
Was Designer nie aufschreiben mussten — und was AI jetzt braucht
Ein Beispiel aus der Praxis: Ein Zürcher Design-Team (Namen anonymisiert, da NDA) testet seit Anfang 2026 Lovable und V0 für Prototyping. Der Creative Director beschreibt das Problem so: «Unsere Designer wissen, wann ein 3-Spalten-Grid passt und wann nicht. Aber wenn du das AI sagst: ‹Mach ein Layout für eine SaaS-Landingpage›, bekommst du immer 3 Spalten, lila Gradient, Inter-Font. Die AI hat das von Tausenden Beispielen gelernt — aber sie hat nicht gelernt, WANN man davon abweicht.»
Die Lösung? Das Team schrieb ein 14-seitiges «Design Constraints Document», das Spacing-Regeln, Typografie-Hierarchie, und Layout-Ausnahmen explizit macht. Beispiel einer Regel:
«Hero Sections: Spacing zwischen Headline und Subline = 16px. AUSSER bei sehr kurzen Headlines (<30 Zeichen), dann 24px, weil sonst optisch zu eng. Bei Headlines mit Descender-Letters (g, j, y) visuell 2px Korrektur hinzufügen.»
Diese Regel existierte vorher nicht. Kein Designer hatte sie je aufgeschrieben — sie war implizites Wissen, das jeder Senior im Team intuitiv anwandte. AI erzwang die Codierung.
80–95 %
Implizites Wissen in AI-Training
Nur 5–20 % des Designwissens in LLM-Trainingsdaten war explizit dokumentiert. Der Rest: Praxis ohne Anleitung.
12 Stile
AI konvergiert auf 12 Default-Aesthetics
Studie zeigt: AI-Bildgeneratoren reduzieren unendliche visuelle Möglichkeiten auf 12 wiederkehrende Motive (Lighthouse, Urban Night, Rustic Architecture).
2–5 Jahre
Lebensdauer von Design-Philosophie-Layern
Wenn Teams für AI codieren, trennen sie Wissen nach Stabilität: L1 (Philosophie, 2–5 Jahre), L2 (Tech-Entscheide, 1–3 Jahre), L3 (Coding-Rules, 6–12 Monate).
Wieso implizites Wissen funktioniert hat — und wieso AI es nicht nutzen kann
Implizites Designwissen — auch «Tacit Knowledge» genannt — ist der Kern kreativer Arbeit. Michael Polanyi prägte 1966 die Formulierung: «Wir wissen mehr, als wir sagen können.» Ein Designer sieht ein Layout und erkennt sofort: Die Hierarchie ist falsch. Er kann das oft nicht in Regeln ausdrücken — er hat es durch Jahre der Praxis internalisiert.
Large Language Models funktionieren anders. Sie lernen aus expliziten Mustern in Trainingsdaten — aber diese Daten enthalten fast kein dokumentiertes Designwissen. Eine Studie von Forschern der Universität Zurich und ETH (arXiv 2605.02010) zeigt: 80–95 % des Wissens in LLM-Trainingsdaten ist implizit — es existiert als Artefakt (ein gut designtes Interface), aber nicht als Regel («so macht man das»).
Das Problem: AI kann Muster erkennen («90 % der SaaS-Seiten nutzen purple gradients»), aber nicht verstehen, WANN diese Muster passen und wann nicht. Das Resultat ist der statistische Durchschnitt des Internets — ein generischer Look, der «safe» ist, aber keine Persönlichkeit hat.
Was passiert, wenn Teams ihr implizites Wissen codieren müssen
Martin Fowler, Thoughtworks-CTO und Autor von «Refactoring», beschreibt in einem 2026-Artikel einen unerwarteten Nebeneffekt der Codierung für AI: Teams entdecken, dass sie nie einig waren.
Beispiel: Ein Team schreibt eine «Server Action Pattern»-Regel für ihr AI-Tool. Dabei stellt sich heraus: Die zwei Senior Engineers haben unterschiedliche mentale Modelle, was das Pattern ist. Beide haben es in Code Reviews durchgesetzt — aber jeder seine eigene Version. Die Uneinigkeit wurde nie explizit, weil beide unterschiedliche PRs reviewten.
Die Codierung zwingt zur Klärung. 30-Minuten-Gespräch, ein Modell gewählt, aufgeschrieben. Der Konflikt ist gelöst — aber er hätte ohne AI nie existiert.
⚠ DIE CODIERUNGS-FALLE
Ein Zürcher UX-Lead warnt: «Wenn du alles codierst, tötest du Experimente. Manche der besten Designs entstehen, weil jemand intuitiv eine Regel bricht — ohne zu wissen, dass es eine Regel war. Sobald alles explizit ist, gibt es keine impliziten Ausnahmen mehr.»
Schweizer Agenturen: Drei Strategien im Umgang mit implizitem Wissen
Wie gehen Schweizer Design- und Digital-Agenturen mit diesem Shift um? Wir sehen drei Ansätze:
Strategie 1: Implizites Wissen als Wettbewerbsvorteil (Hinderling Volkart, Zürich)
Hinderling Volkart, eine der führenden Brand-Experience-Agenturen der Schweiz, setzt bewusst auf nicht-codiertes Wissen. Ein Partner formuliert es so (paraphrasiert aus einem Workshop-Gespräch 2026): «Wir haben 20 Jahre implizites Wissen über Markenführung, visuelle Identität, emotionale Resonanz. Dieses Wissen ist nicht in einem Prompt. Das ist unser Moat.»
Die Strategie: AI für repetitive Tasks (Prototyping, Asset-Varianten), aber strategische Designentscheide bleiben menschlich — weil die Intuition, wann eine Marke «zu verspielt» oder «zu kühl» wirkt, nicht codierbar ist.
Strategie 2: Hybrid-Workflows mit expliziten + impliziten Layern (Antistatique, Lausanne)
Antistatique, bekannt für UX-getriebene Digital-Produkte, testet seit Q1 2026 AI-gestützte Design-Systeme. Ihr Ansatz: Codieren, was codierbar ist — aber bewusst Lücken lassen.
Konkret: Sie schreiben explizite Regeln für Spacing, Typography, Component-Varianten. Aber: Sie lassen bewusst keine Regeln für «emotional tone» oder «brand personality» — diese Layer bleiben implizit und werden von Designern pro Projekt interpretiert. Das Ziel: AI generiert Konsistenz, Designer fügen Persönlichkeit hinzu.
Strategie 3: Bewusst GEGEN AI-Defaults bauen (Code42, Zug)
Code42, eine dev-fokussierte Boutique-Agentur, hat eine radikale Position: Sie bauen aktiv gegen AI-Defaults. Ihre Projekte nutzen bewusst ungewöhnliche Fonts (keine Inter/Roboto), asymmetrische Layouts (keine 3-Spalten-Grids), und experimentelle Color-Treatments.
Der Gründer erklärt: «Wenn 80 % der neuen Sites AI-generiert sind und alle gleich aussehen, ist Differenzierung der grösste Wettbewerbsvorteil. Wir codieren unsere Anti-Patterns — also Regeln, was wir NICHT machen, weil AI es zu oft macht.»
Was AI aus implizitem Wissen macht: Knowledge Objects als neue Infrastruktur
Die akademische Forschung beschreibt diesen Shift als «Knowledge Objects» (KOs) — strukturierte Artefakte, die implizites Wissen explizit machen. Eine 2026-Studie (arXiv 2605.02010) argumentiert: AI sollte nicht nur Wissen nutzen, sondern es auch externalisieren — sichtbar machen, was im Modell steckt, aber nie dokumentiert wurde.
Beispiel: Ein AI-Design-Tool generiert ein Layout. Statt nur das Resultat zu zeigen, zeigt es auch die «reasoning»: «3-Spalten-Layout gewählt, weil 78 % ähnlicher SaaS-Seiten diese Struktur nutzen. Alternative: Hero-Links-Image-Rechts (23 % Häufigkeit).» Der Designer sieht nicht nur das Ergebnis, sondern die implizite Regel, die AI anwandte.
Berkeley’s California Management Review publizierte im März 2026 einen Artikel mit dem Titel: «Tacit Knowledge Is Your Next Competitive Moat». Die Kernthese: Firmen, die ihr implizites Wissen codieren können, schaffen verteidigbare IP. Jene, die es nicht können, verlieren es — weil AI-Tools ex-Mitarbeiter bei Konkurrenten dasselbe Wissen replizieren können.
Was ist implizites Designwissen?
Designentscheidungen, die erfahrene Designer «fühlen», ohne sie zu begründen — Spacing, Typografie-Hierarchie, visuelle Balance. Dieses Wissen entsteht durch jahrelange Praxis und ist schwer in Worte zu fassen.
Warum kann AI nicht mit implizitem Wissen arbeiten?
Large Language Models brauchen explizite Anweisungen. Was ein Designer intuitiv erkennt («das Layout ist zu eng»), muss AI als Regel übergeben werden: «Spacing zwischen Sections min. 64px». Ohne Codierung bleibt AI generisch.
Ist Codierung von Designwissen ein Vorteil oder Nachteil?
Beides. Vorteil: Teams entdecken versteckte Uneinigkeiten und schaffen Konsistenz. Nachteil: Kreativität, die aus unbewusstem Experimentieren entsteht, wird schwerer. Das Risiko ist Überstrukturierung — wenn alles explizit ist, gibt es keine impliziten Ausnahmen mehr.
Welche Schweizer Agenturen arbeiten damit?
Antistatique testet AI-gestützte UX-Workflows, bei denen Designer implizite Regeln explizit machen. Code42 baut bewusst GEGEN AI-Defaults. Hinderling Volkart setzt auf 20 Jahre implizites Markenwissen als Differenzierung.
Was ist der wichtigste Takeaway für Schweizer Agenturen?
AI ist kein reines Produktivitäts-Tool — es ist ein epistemischer Shift. Agenturen, die ihr implizites Designwissen codieren können, schaffen verteidigbare IP. Jene, die Intuition als unkodierbar behandeln, behalten kreative Flexibilität. Die Kunst ist, beides zu balancieren.
Die Feedback-Schleife: Wenn AI auf AI trainiert
Ein letzter, beunruhigender Aspekt: Wenn AI-Tools 2026 Millionen von Websites generieren, und diese Websites wiederum Teil der Trainingsdaten für 2027-Modelle werden, entsteht eine Feedback-Schleife. Die impliziten Regeln, die AI aus 2020–2025-Daten extrahiert hat (purple gradients, Inter font, 3 Spalten), werden 2027 noch dominanter — weil AI auf AI-Output trainiert.
Manovich und Arielli nennen das in ihrem 2024-Buch «Artificial Aesthetics» den «Kitsch-Default»: AI produziert mechanisch das, was statistisch dominant ist — und verstärkt damit genau die Muster, die es repliziert. Das Resultat: Eine sich selbst verstärkende ästhetische Monokultur.
Die Gegenstrategie: Agenturen müssen aktiv davon abweichen. Nicht aus Trotz, sondern weil Differenzierung der einzige nachhaltige Wettbewerbsvorteil in einer Welt wird, in der AI-generierte Baseline-Designs kostenlos sind.
Quellen & Methodik
Dieser Artikel basiert auf:
- arXiv 2605.02010: «Reliable AI Needs to Externalize Implicit Knowledge» (2026)
- California Management Review: «Tacit Knowledge Is Your Next Competitive Moat» (März 2026)
- Martin Fowler (Thoughtworks): «Encoding Team Standards» (2026)
- DigitrendZ-Studie: «AI Image Generators Use Only 12 Default Styles» (2026)
- Lev Manovich & Emanuele Arielli: «Artificial Aesthetics» (2024)
- Medium/DEV Community: Praxisberichte von AI-Design-Teams (2026)
- Gespräche mit Schweizer Agenturen (anonymisiert, Q1–Q2 2026)
Stand: 21. Juni 2026, 12:00 UTC.
