KI weiß, wie Webseiten aussehen. Nicht, wie Nutzer denken.

Warum wir mit KI nicht mehr digitale Produkte bauen sollten, sondern bessere.

Als ich zum ersten Mal KI Webdesign ausprobiert habe, sahen die Seiten verblüffend ähnlich aus, egal welche KI ich verwendet habe: Indigo- und Lila-Verläufe, die Schriftart Inter, große Hero-Bereiche und die typische SaaS-Optik.

Man nannte das auch „Purple AI Slop“. KI-generierte Webseiten waren dadurch sofort erkennbar. So wie man frühe KI-Bilder leicht an Händen mit zu vielen oder zu wenigen Fingern erkannt hat.

Purple AI Slop: Warum sahen KI-Webseiten alle gleich aus?

Der Grund liegt in den Trainingsdaten. Die Modelle haben nicht von den besten Webseiten gelernt, sondern vor allem von Webseiten, die öffentlich verfügbar und gut dokumentiert waren.

In Tutorials, auf GitHub und in Demo-Projekten tauchten immer wieder dieselben Frameworks auf, wie z. B. Tailwind CSS.

Und bei Tailwind waren Indigo-Farben, Inter als Schriftart usw. lange die Standardkonfiguration. Und viele Entwickler:innen haben diese Defaults einfach nie geändert.

Also hat die KI gelernt: So sehen moderne Webseiten aus.

Adam Wathan, Mitgründer von Tailwind, hat sich letztes Jahr dafür “entschuldigt”, dass wegen seiner Standardeinstellungen plötzlich jede KI-Webseite Indigo-Buttons hatte. Ich glaube, eigentlich war er sehr stolz darauf. 😆

Das Purple-Problem ist gefixt. Das UX-Problem nicht.

Mittlerweile sehen KI-generierte Webseiten deutlich unterschiedlicher aus.

Das liegt aber nicht daran, dass die KI-Modelle plötzlich besseres Design verstanden hätten. Die Hersteller haben schlicht nachgebessert. Bei Claude Design kommt beispielsweise ein Skill zum Einsatz, der typische KI-Klischees erkennt. Vereinfacht gesagt prüft er Dinge wie:

Ist die Seite wieder lila? Dann nimm eine andere Farbe. Nutzt sie wieder Inter als Schrift? Dann nimm eine andere Schrift usw. Das Purple-AI-Slop-Problem ist damit weitgehend verschwunden.

Ein echter Design-Durchbruch ist das allerdings nicht. Die Seiten sehen heute nur nicht mehr alle nach Tailwind-Defaults aus.

Für viele Unternehmen klingt das zunächst nach einer guten Nachricht. Landingpages, Kampagnenseiten und Microsites lassen sich heute deutlich schneller erstellen als noch vor wenigen Jahren. Doch eine Seite, die gut aussieht, generiert nicht automatisch Leads, Anmeldungen oder Conversions.

Die eigentlichen UX-Probleme bleiben.

KI Landingpage im Test: Schönes UI ist noch keine gute UX

Für meinen Artikel habe ich dieselbe Aufgabe an verschiedene KI-Tools gegeben: Erstelle eine Landingpage für unser Event ThinkChange.

Die Ergebnisse sahen auf den ersten Blick unterschiedlich und auch erstaunlich gut aus. Schaut man genauer hin, zeigen sich jedoch bei allen Modellen sehr ähnliche Schwächen. Nehmen wir als Beispiel die mit Lovable generierte Seite.

In dem Design stehen Datum und Veranstaltungsort oberhalb der Headline in einer kleinen Zeile. Optisch wirkt das modern. Für Nutzer ergibt es aber wenig Sinn. Datum und Ort gehören zu den wichtigsten Informationen einer Eventseite. Warum sind sie dann so unauffällig? Man kann es kaum lesen.

Die KI hat hier ein bekanntes Design-Pattern übernommen. Diese kleine Zeile nennt man im Editorial Design Overline (deutsch: Dachzeile), im Web häufig Eyebrow. Sie dient dazu, Nutzern einen Kontext zu geben. „Network Event“ oder „Webinar“ wäre hier beispielsweise eine sinnvolle Info.

Die KI versteht nicht, welche Information für Nutzer tatsächlich wichtig ist.

Für Marketingteams hat das direkte Auswirkungen auf die Performance. Wenn wichtige Informationen zu spät oder zu unauffällig erscheinen, treffen Nutzer keine Entscheidung, d. h. sie melden sich nicht zum Event an.

KI und UX Design: Wahrscheinlich ist nicht gut

Genau hier zeigt sich die größte Schwäche heutiger KI-Systeme: Sie haben nicht gelernt, was die beste Lösung ist. Sie haben gelernt, was die wahrscheinlichste Lösung ist. Aber wahrscheinlich bedeutet nicht gut. Wahrscheinlich bedeutet oft nur: nicht schlecht.

Ein Design-Pattern wird eingesetzt, weil es häufig vorkommt. Nicht, weil es für den konkreten Anwendungsfall die richtige Lösung ist.

Und was hilft? Im Grunde muss man der KI zwei Dinge beibringen, um zu einer markengerechten und funktionalen Seite zu kommen:

1. Wie die eigene Marke aussieht.

2. Wie gute User Experience funktioniert.

Design System

Wenn die KI Zugriff auf ein Design System bekommt, kann sie Farben, Typografie, Komponenten und Abstände übernehmen. Dafür muss das Design System sauber gepflegt und für die KI zugänglich sein. In unserem Fall stammen Farben, Schriften, Komponenten und Design Tokens direkt aus Figma.

Das Ergebnis sieht deutlich stärker nach der eigenen Marke aus. Die generierte Landingpage wirkt plötzlich wie eine communicode-Seite. Die UX-Probleme verschwinden dadurch allerdings nicht. Die gleichen Informationshierarchien, die gleichen Priorisierungsfehler und die gleichen Schwächen bleiben bestehen.

Das Design System verbessert die Oberfläche. Nicht die User Experience.

Gerade für Marketingabteilungen wird ein Design System dadurch wichtiger. Wenn Kampagnenseiten künftig in wenigen Minuten entstehen, sorgt das Design System dafür, dass der Markenauftritt trotzdem konsistent bleiben.

UX Wissen

Inzwischen gibt es zahlreiche UX-Skills und Prompts, die der KI bekannte UX-Prinzipien mitgeben. Das hilft, offensichtliche Fehler zu vermeiden und Best Practices anzuwenden. Für eine einfache Event-Landingpage würde das wahrscheinlich reichen.

Einige Beispiele: Der Skill „accessibility-review“ prüft Designs auf Barrierefreiheit nach WCAG 2.1. „Cognitive Load - Conversion“ findet Stellen, an denen Nutzer überfordert sind und abspringen. „UX Heuristics Review“ bewertet Interfaces anhand der 10 Usability-Heuristiken. „ui-ux-pro-max“ bringt Wissen zu Stilen, Farben, Typografie und UX-Richtlinien mit. Und „General Design Review“ fasst die wichtigsten UX-Probleme kompakt zusammen. Ein Skill „Grill Me“ setzt sogar noch früher an, bevor überhaupt gestaltet wird: Er stellt einem so lange kritische Fragen zu einem Plan oder Konzept, bis alle wichtigen Entscheidungen geklärt sind. So weiß man selbst genauer, was die Seite leisten soll – und kann es der KI mitgeben.

Ich wollte trotzdem sehen, was passiert, wenn wir der KI mehr Wissen mitgeben. Für die Eventseite habe ich der KI deshalb typische UX-Regeln mitgegeben.

Besucher sollten ohne Scrollen verstehen:

• worum es geht,
• wann und wo das Event stattfindet,
• für wen es gedacht ist und
• wie man sich anmeldet.

Datum, Ort und Anmeldung sollten sofort sichtbar sein. Dazu kamen Sprecher:innen, Social Proof, Lesbarkeit, mobile Nutzung und ein kurzes Formular. Danach habe ich noch mit verschiednen Skills ein UX Audit gemacht und optimiert.

Das Ergebnis wurde deutlich besser. Für eine einfache Landingpage reicht dieses Grundwissen oft schon aus. Prüfen muss man das Ergebnis trotzdem: zuerst mit eigener Erfahrung und UX-Wissen, dann mit echten Nutzern.

Im B2B reicht ein guter Prompt nicht

Bei unseren Kunden sieht die Realität aber meist anders aus, besonders im B2B. Wir gestalten Shops, Portale und digitale Plattformen mit komplexen Prozessen, unterschiedlichen Nutzergruppen und fachlichen Anforderungen. Natürlich kann ich komplexe Prompts schreiben oder einen UX-Skill installieren. Damit lernt die KI, wie gute UX grundsätzlich funktioniert. Aber nicht, wie ein Einkäufer bei unserem Kunden bestellt, welche Freigaben er braucht oder warum er heute noch Excel-Listen per Mail schickt. Das erfahren wir erst in Interviews, in Workshops mit den Fachabteilungen und aus Nutzungsdaten. Die KI fragt danach nicht. Sie füllt die Lücken mit der wahrscheinlichsten Lösung. Aber die passt selten zu den Prozessen eines B2B-Unternehmens.

Wie das in der Praxis aussieht, erleben wir inzwischen oft bei Kunden.

Vor Kurzem fragte mich ein Frontend-Entwickler, ob ein UI-Screenshot in einem Ticket von unserem UX-Team stammt. Das tat er nicht. Der Kunde hatte das Interface selbst mit KI erstellt. Und dann stellt sich die Frage: Was machen wir jetzt damit? Das UI sah auf den ersten Blick gut aus, passte aber überhaupt nicht zur bestehenden Nutzerführung des Portals.

KI macht es einfacher denn je, neue Interfaces zu erstellen. Wenn dabei niemand die gesamte Nutzerreise im Blick behält, entstehen UX-Schulden.

Die neue Gefahr: UX-Schulden durch KI

Technische Schulden kennen die meisten. Sie entstehen, wenn Entwicklung schneller geht als Architektur.

UX Debt entsteht, wenn Interface-Produktion schneller geht als Experience-Design.

Die eigentliche Gefahr ist nicht, dass KI schlechte Interfaces baut, sondern dass wir plötzlich viel mehr Interfaces bauen. Das beobachten wir inzwischen bei Kunden und manchmal auch bei uns selbst. Denn heute können Seiten in Stunden statt in Wochen gebaut werden.

Eine typische Situation im KI Alltag

Eine Fachabteilung baut schnell mit KI eine Landingpage. Dann wird viel Geld für Google Ads ausgegeben. Tausende Menschen besuchen die Seite. Aber keine Conversion (also niemand meldet sich zum Event an).

Eine Beispielrechnung:

Eine Abteilung baut eine Landingpage mit KI und investiert 2.000 Euro in Google Ads (so viel wird im B2B als Monatsbudget empfohlen). Bei 1,20 Euro pro Klick (je nach Branche 0,30 bis 15 Euro) kommen rund 1.670 Besucher auf die Seite. Was daraus wird, hängt allein von der Landingpage ab:

• Die KI-Seite: 2 Anmeldungen = 1.000 € pro Anmeldung
• Eine durchschnittliche Landingpage (2,35 %): 39 Anmeldungen = ca. 51 € pro Anmeldung
• Die besten 10 % der Landingpages (über 11 %): ca. 190 Anmeldungen = ca. 10 € pro Anmeldung

(Vergleichswerte laut einer Auswertung Tausender Google-Ads-Konten)

Das Ziel ist also klar: Wir wollen eine Landingpage, die zu den besten 10 % gehört. Wie kommt man dahin?

Mit KI einen Prototypen bauen und mit 3 bis 5 Nutzern testen. Schon 5 Nutzer decken rund 85 % der Usability-Probleme auf (laut Nielsen Norman Group). Ein Test mit 4 Personen aus der eigenen Zielgruppe kostet bei einer Rekrutierungsplattform wie TestingTime rund 380 Euro (inklusive Auswahl und Vergütung). Selbst wenn man das vom Werbebudget abzieht, bleiben rund 155 Anmeldungen für je etwa 13 Euro.

Nutzertests kosten wenig, gehen schnell und führen immer zu besseren Entscheidungen. Gerade für Marketingverantwortliche ist das eine große Chance.

Wir brauchen nicht mehr digitale Produkte. Wir brauchen bessere digitale Produkte.

Früher waren Varianten, A/B-Tests und klickbare Prototypen aufwendig und teuer. Heute können wir mit KI deutlich mehr Ideen ausprobieren, schneller Prototypen bauen und viel früher Feedback von echten Nutzern einholen.

Dadurch treffen wir bessere Entscheidungen, bevor Budget in Entwicklung, Kampagnen oder Rollouts fließt.

So entstehen am Ende nicht mehr digitale Produkte, sondern bessere digitale Produkte.

Eigentlich ist das keine neue Erkenntnis. Es ist User-Centered Design. Dank Ki war es noch nie so einfach und günstig, diesen Ansatz auch konsequent umzusetzen.

Gemeinsam testen, bevor die Kampagne startet

Sie planen eine Landingpage oder Kampagne? Wir prüfen die Seite, bevor Budget reinfließt:

• Wir entwickeln mit Ihnen einen KI-Prototypen Ihrer Seite.
• Wir testen ihn mit 3-5 Nutzern aus Ihrer Zielgruppe.
• Sie bekommen in 4 Tagen die wichtigsten Optimierungen für mehr Conversion.

Sprechen wir unverbindlich über Ihr Projekt.