Wenn AI die unsichtbare Hand des Webdesigns wird

AI-generierte Websites fallen in dieselben Muster. Das ist kein Fehler — es ist eine stille Konvention, die das Web umbaut. Was Schweizer Agenturen über diese Uniformität wissen müssen.

Anfang 2026 tauchte auf X ein Screenshot auf: zwei Websites, beide AI-generiert, beide mit demselben lila Gradient, demselben Hero-Layout, denselben drei Feature-Boxen, derselben Font (Inter), demselben 8px-Border-Radius. Unterschiedlich waren nur Logo und Text.

Der Tweet hatte 14’000 Likes. Kommentar: “AI doesn’t design websites — it predicts them.”

Das ist keine Anekdote. Es ist das Muster. AI-generierte Websites fallen in einen ästhetischen Gravitationsschacht — und dieser Schacht definiert, wie das Web der nächsten Jahre aussieht. Nicht weil Designer es wollen. Sondern weil AI es vorhersagt.

Diese Uniformität ist weder Fehler noch Verschwörung. Sie ist eine stille Konvention — eine unsichtbare Hand, die Design-Entscheidungen trifft, bevor ein Mensch sie trifft. Und Schweizer Agenturen stehen vor einer simplen Frage: Akzeptieren wir diese Konvention als neuen Standard? Oder kämpfen wir dagegen?

Wieso AI-Websites alle gleich aussehen — und wieso das wichtig ist

Das Phänomen hat einen Namen: Sea of Sameness. Entwickler auf X/Hacker News erkennen AI-generierte Websites mittlerweile in 0,5 Sekunden — nicht am Code, sondern an der Vibe.

Was diese Vibe ausmacht, lässt sich technisch erklären:

AI-Modelle (Claude, GPT, Gemini) trainieren auf Millionen existierender Websites. Sie lernen wiederkehrende Strukturen: Hero-Section oben, dann Features, dann Testimonials, dann CTA. Diese Muster dominieren, weil sie im Training-Data wieder und wieder vorkommen. Wenn AI eine neue Website generiert, erfindet sie keine frische Struktur — sie reproduziert die statistisch häufigste Layout-Variante.

Das Ergebnis ist vorhersagbar:

• Font: Inter oder Roboto (die häufigsten Sans-Serifs im modernen Web)
• Layout: Hero links, Text rechts (die statistisch erfolgreichste Conversion-Struktur)
• Farbe: Lila/Indigo-Gradient (die dominante Tech-Farbe 2022–2025)
• Stil: Rounded Corners mit 0,1 Opacity-Shadow, 8px-Border-Radius überall

Das ist nicht Zufall. Es ist pure Vorhersagelogik. AI gibt dir den mathematischen Durchschnitt des Internets.

Das Problem ist nicht technisch — es ist psychologisch

Ein generisches AI-Layout ist funktional korrekt: mobile-responsive, semantisch sauber, SEO-ready. Aber es scheitert am Marketing-Test.

Marketing ist “Know, Like, Trust”. Eine Website muss:

1. Erkennbar sein (Know) — Nutzer sollen sie wiedererkennen
2. Sympathisch wirken (Like) — eine emotionale Verbindung schaffen
3. Vertrauen aufbauen (Trust) — glaubwürdig wirken

Ein generisches AI-Layout scheitert an allen drei:

• Know: Es sieht aus wie jede andere Website, kein Wiedererkennungswert
• Like: Es hat keine Persönlichkeit, keine emotionale Hook
• Trust: Es signalisiert “Low Effort” — wenn ein Kunde fünf gleichaussehende Websites pro Woche sieht, wirkt die sechste wie ein Template für CHF 10

Im High-Ticket-B2B-Umfeld (Agentur-Websites, SaaS-Landingpages, Professional-Services) ist Low Effort Gift. Ein Prospect landet auf deiner Website und denkt unbewusst: “Die haben nicht mal ein eigenes Design — wieso sollte ich ihnen CHF 50’000 anvertrauen?”

Das ist der Kernpunkt: AI-Uniformität schadet nicht technisch, sondern emotional.

Was Anthropic selbst über “AI slop aesthetic” sagt

Anthropic — die Firma hinter Claude — warnt in ihren offiziellen Prompting-Docs vor genau diesem Problem. Der relevante Abschnitt steht unter “Improving frontend design through skills”:

“You tend to converge toward generic, ‘on distribution’ outputs. In frontend design, this creates what users call the ‘AI slop’ aesthetic. Avoid this: make creative, distinctive frontends that surprise and delight.”

Das ist bemerkenswert. Anthropic gibt offen zu: Claude tendiert zu Generic-Output — und rät Nutzern, explizit dagegen zu steuern.

Was ist “AI slop”? Der Sammelbegriff für:

• Faux-minimalism (reduziert, aber ohne Konzept — einfach “alles weg, was AI nicht versteht”)
• Emoji-fueled UI (weil AI Emojis als universelle Icon-Ersatz sieht)
• 8px-Radius überall (weil das der statistische Durchschnitt moderner CSS-Frameworks ist)
• Lila Gradients (weil Purple im Tech-Design 2022–2025 dominant war)
• Keine Persönlichkeit (weil AI keine Brand-Understanding hat — es approximiert Muster, versteht aber keine Identität)

Maya Brennan (Designer bei Spot AI) beschreibt in ihrem vielzitierten Medium-Essay “10 Predictions for AI Design in 2026” eine Anti-Vibecoding Design Movement:

“Designers will actively reject any UI patterns that even kind of resemble the same-y, emoji-fueled, 8px-radius-everywhere, faux-minimalism of AI-generated HTML. Instead, there will be a push for brave, unique interfaces with fully custom visuals and complex layouts.”

Die Bewegung existiert bereits: Agenturen wie Hinderling Volkart, Antistatique, und Zeix experimentieren mit Brutalist-Design, Custom-Typografie, und bewusst “unperfekten” Layouts — Designs, die AI nicht aus Trainings-Daten reproduzieren kann.

Die Konvention ist keine Verschwörung — sie ist emergentes Verhalten

Hier wird es philosophisch. AI erfindet keine neuen Design-Konventionen. Es verstärkt existierende.

Wenn Millionen Websites ein Layout nutzen, weil es conversion-optimiert ist (Hero links, Text rechts, drei Feature-Boxes), lernt AI: “Das ist gutes Design.” Wenn AI dieses Layout reproduziert, sehen weitere Millionen Nutzer es. Wenn diese Nutzer neue Websites bauen (manuell oder mit AI), kopieren sie das Muster — weil es “normal” wirkt.

Das ist ein Feedback-Loop:

1. AI lernt vom Web
2. AI reproduziert Muster
3. Das Web adaptiert AI-Output als neuen Standard
4. AI lernt vom neuen Web
5. Wiederholung

Das Ergebnis: AI wird die unsichtbare Hand, die Design-Entscheidungen trifft — nicht durch aktive Kreativität, sondern durch statistische Verstärkung.

Dieser Loop ist nicht böse. Er ist effizient. Für 80 % aller Web-Projekte (MVPs, Landingpages, interne Tools, Dokumentations-Websites) ist “statistisch gutes Design” ausreichend. Es funktioniert, es konvertiert, es kostet fast nichts.

Aber für die restlichen 20 % — Premium-Marken, Differenzierungs-Cases, High-Ticket-B2B — ist Effizienz nicht genug. Da braucht es Unterscheidbarkeit.

Was ändert sich konkret für Schweizer Agenturen?

Die Frage ist nicht “AI ja oder nein”. Die Frage ist: Wie steuern wir AI, damit sie unsere Brand-Identity reproduziert — nicht die des Internets?

Drei konkrete Shifts:

1. Design wird von einem Deliverable zu einem System

Früher: Agentur liefert Mockups → Entwickler baut → fertig.

Heute: Agentur liefert Design-Tokens (Farben, Spacing, Typografie, Shadows) + Komponentenbibliothek + enforceable Guidelines (was darf AI, was nicht). AI generiert dann Layouts aus diesem System.

Das ist das UXPin-Modell: PayPal hat ein 5-Personen-UX-Team, das 60+ Produkte und 1’000+ Entwickler supported. Das funktioniert nur, weil das Design-System als automatisches Quality-Gate wirkt — für menschliche Designer UND AI-Assistenten.

Schweizer Agenturen wie Apptiva, Simplificator, und Bitforge bauen bereits Custom-Design-Systems für Enterprise-Kunden. Der nächste Schritt: AI-readable Guidelines — Regeln, die AI-Assistenten (Claude, Cursor, Lovable) verstehen und erzwingen.

2. Prompting wird zum Design-Skill

Ein Designer, der AI nutzt, muss lernen: Wie formuliere ich Intent, ohne die Lösung vorzugeben?

Beispiel (schlecht):

“Mach eine Hero-Section mit Text links und Bild rechts.”

Das ist zu spezifisch — AI reproduziert das Standard-Layout.

Beispiel (besser):

“Erstelle eine Hero-Section, die Vertrauen aufbaut für ein High-Ticket-B2B-Produkt. Nutze asymmetrische Layouts, Custom-Typografie, und vermeide Standard-Tech-Farben (lila/blau). Inspiration: Brutalist-Architecture, Schweizer Typografie, Editorial-Layouts.”

Das gibt AI Constraints + Creative Direction — ohne die Lösung zu diktieren.

Anthropic selbst empfiehlt in seinen Prompting-Best-Practices:

“Prefer general instructions over prescriptive steps. A prompt like ‘think thoroughly’ often produces better reasoning than a hand-written step-by-step plan.”

3. Design-as-Code wird Standard — aber mit Governance

AI-generierter Code landet in Production. Das ist OK — wenn Review-Prozesse existieren.

Konkret:

• Pre-Flight-Check: Jede AI-generierte Page muss mobil getestet werden (funktionieren Buttons, submitten Forms, ist Text lesbar?)
• Technical-SEO-Check: Hat AI Schema Markup gesetzt? Sind H1-H6-Tags semantisch korrekt?
• Brand-Consistency-Check: Nutzt die Page die korrekten Tokens aus dem Design-System? Oder hat AI Standard-Tailwind-Colors eingefügt?

Agenturen, die das verstehen, verkaufen nicht mehr Mockups — sondern Design-as-Code mit AI-Governance. Das ist ein neues Service-Modell.

Claude Opus 4.8 und das Ende des “Generic Code”

Ein Teilaspekt dieser Konventions-Debatte betrifft Coding-Stile. Claude Opus 4.8 (released Mai 2026) hat ein bemerkenswertes Feature: Honesty.

Anthropic meldet: Opus 4.8 ist 4x weniger wahrscheinlich als Opus 4.7, Code-Fehler unkommentiert zu lassen. Es flaggt Probleme in seinem eigenen Output — und gibt zu, wenn etwas unsicher ist.

Das ist relevant, weil AI-generierter Code bisher ein Problem hatte: Er sieht gut aus, aber hat versteckte Mängel (fehlende Edge-Case-Behandlung, Race-Conditions, schlechte Error-Handling).

Opus 4.8 mit Ultra Code Effort (eine neue Reasoning-Stufe speziell für Software Engineering) produziert Code, der:

• Race-Conditions in Redis-Backends behandelt
• Graceful Degradation implementiert (wenn Redis unavailable ist, fällt das System auf In-Memory zurück)
• Separate Limits für authenticated vs anonymous Users setzt
• Test-Suites mitliefert

Das ist ein Qualitätssprung — aber es ändert nichts am ästhetischen Problem. Der Code ist besser, aber die UI sieht immer noch gleich aus.

Die Schweizer Antwort: Custom-Komponentenbibliotheken + Brand-First AI

Was machen Schweizer Agenturen, die das Problem erkannt haben?

Webgarten hat für drei Kunden Custom-Storybook-Libraries gebaut — React-Komponenten mit Schweizer Typografie, Custom-Farben, und expliziten AI-Prompting-Instructions pro Komponente. Wenn ein Entwickler Claude fragt “Bau mir eine Hero-Section”, liest Claude die Storybook-Docs und baut aus den Custom-Components, nicht aus Generic-Tailwind.

Mindnow experimentiert mit Multi-Tool-Workflows: Figma für die strategische Design-Arbeit, Midjourney für Custom-Assets (die AI nicht aus Stock-Datenbanken ziehen kann), dann Cursor mit einem Custom-System-Prompt, der “Anti-Vibecoding”-Regeln encoded.

Toma Solutions nutzt Claude Design (Anthropics neues Canvas-Tool für Frontend-Design) mit expliziten Brand-Guidelines im System-Prompt — und iteriert manuell, bis das Output nicht mehr generic wirkt.

Das Pattern: AI ist das Tool, aber Brand-Identity ist der Filter.

Fazit: Die unsichtbare Hand wird sichtbar — und steuerbar

AI-generierte Websites sehen gleich aus, weil AI vorhersagt, nicht erfindet. Das ist kein Fehler — es ist eine Konvention, die emergent entsteht.

Für 80 % aller Web-Projekte ist das OK. Für die restlichen 20 % — Premium-Marken, High-Ticket-B2B, Differenzierungs-Cases — ist Uniformität Gift.

Die Lösung ist nicht “AI ablehnen”. Die Lösung ist AI mit Intent steuern: Design-Tokens, Custom-Komponentenbibliotheken, enforceable Guidelines, explizite Anti-Vibecoding-Instruktionen.

Schweizer Agenturen, die das verstehen, verkaufen 2027 nicht mehr Mockups — sondern Design-Systems-as-Code mit AI-Governance. Das ist kein Trend. Das ist die neue Infrastruktur.

Die unsichtbare Hand wird sichtbar. Jetzt müssen wir lernen, sie zu lenken.

Quellen & Methodik

Dieser Artikel basiert auf:

• Designer Fund / Foundation Capital: “AI in Design 2026” Report (900+ Befragte, 25+ Interviews mit Design-Teams bei Anthropic, Framer, Linear, Notion, Shopify, Sierra, Stripe)
• Anthropic: Offizielle Prompting-Docs (“Improving frontend design through skills”), Claude Opus 4.8 Release Notes (Mai 2026)
• Maya Brennan: “10 Predictions for AI Design in 2026” (Medium / Design Bootcamp)
• AXE-WEB: “Why AI Websites All Look the Same (And When It Matters)”
• Shuffle.dev: “Why Do Most AI-Generated Websites Look the Same?”
• UXPin: “12 UX/UI Design Trends That Are Defining Product Design in 2026”

Recherchiert am 27. Juni 2026. Alle zitierten Quellen sind öffentlich zugänglich.