Warum generative KI erfahrene Designer bremst – und was KMU daraus lernen können
Einleitung: Das Paradox moderner KI-Design-Tools
Generative KI soll Designprozesse revolutionieren – doch eine aktuelle Studie der University of Houston legt einen überraschenden Befund nahe: Während Anfänger von Tools wie Midjourney oder DALL-E durchgehend profitieren, verlangsamen genau diese Werkzeuge erfahrene Designprofis in der kritischen Umsetzungsphase um bis zu 57 Prozent. Für KMUs, die gerade in KI-gestützte Workflows investieren, ist das eine unbequeme Erkenntnis – und eine Chance, den Einsatz smarter zu planen.
Warum ist das für KMU relevant?
Viele kleine und mittlere Unternehmen stehen vor der gleichen Frage: Lohnt sich die Investition in KI-Design-Tools? Die Antwort ist komplexer als die Marketingversprechen der Anbieter suggerieren.
KMU arbeiten typischerweise mit kleinen, erfahrenen Teams. Ein Senior-Grafiker mit zehn Jahren Berufserfahrung hat eingespielte Workflows, definierte Qualitätsstandards und einen raffinierten Prozess, wie ein Briefing in ein fertiges Design mündet. Genau diese Expertise wird zum Stolperstein, wenn KI ins Spiel kommt.
Das Problem liegt nicht an der KI selbst – sondern daran, dass die Tools nach völlig anderen Logiken arbeiten als erfahrene Profis. Die Anpassung kostet Zeit, Nerven und letztlich Geld. Unternehmen, die blind auf KI-Beschleunigung setzen, ohne die menschliche Komponente zu verstehen, riskieren am Ende teurere Prozesse statt effizienterer Workflows.
Typische Szenarien aus der Praxis
Szenario 1: Das KI-gestützte Rebranding
Ein Mittelständler mit 50 Mitarbeitern beauftragt sein Senior-Designer-Team mit einem Relaunch der Marke. KI-Tools sollen Moodboards und erste Konzepte in Stunden statt Tagen liefern. Das Brainstorming läuft fantastisch – die KI generiert dutzende Varianten in Minuten. Doch sobald die ausgewählten Konzepte in die finale Produktion gehen, stockt der Prozess: Die KI-Entwürfe entsprechen nicht den firmeneigenen Design-Guidelines, Farbwerte müssen manuell korrigiert werden, Typografie-Anpassungen erfordern Nacharbeit. Der Senior-Designer verbringt mehr Zeit damit, KI-Output zu „reparieren“, als wenn er direkt von einem leeren Canvas gestartet hätte.
Szenario 2: Marketing-Material auf Knopfdruck
Eine wachsende E-Commerce-Firma möchte Social-Media-Grafiken automatisieren. Junior-Mitarbeiter liefern mit KI-Unterstützung in kurzer Zeit ansprechende Posts. Die erfahrene Art-Direktorin, die das finale Review übernimmt, steht vor dem Problem: Die generierten Bilder folgen keinen erkennbaren Markenrichtlinien. Jede einzelne Grafik muss überarbeitet werden. Statt Zeitersparnis entsteht ein Review-Flaschenhals.
Szenario 3: Website-Redesign mit KI-Support
Eine Agentur mit sechs Mitarbeitern setzt auf KI für schnelle Wireframes und Mockups. Die Junior-Designer begeistern sich für die Ergebnisse, der Senior-Developer muss die Entwürfe jedoch grundlegend umstrukturieren, weil die KI responsive Breakpoints, Accessibility-Standards und Performance-Anforderungen nicht berücksichtigt hat. Der Projektablauf verzögert sich.
Die Wissenschaft dahinter: Expertise-Fixierung
Forscher:innen um Jinghui Hou von der University of Houston teilten den Designprozess in zwei Phasen: die Ideation (Ideenfindung) und die Implementation (Umsetzung). Ihre Ergebnisse aus einer kontrollierten Studie mit Student:innen und professionellen Gestalter:innen sind eindeutig:
- In der Brainstorming-Phase profitieren alle Nutzergruppen gleichermaßen. KI steigerte die Novelty um 76 Prozent, die Relevanz um 24 Prozent und die Komplexität um 97 Prozent.
- In der Umsetzungsphase jedoch benötigten erfahrene Designer:innen mit KI-Unterstützung 57 Prozent mehr Zeit als ohne – bei vergleichbaren Qualitätsergebnissen.
Der Grund: Expertise-Fixierung. Erfahrene Profis haben über Jahre perfektionierte Arbeitsabläufe entwickelt. Wenn KI völlig andere Lösungswege vorschlägt, müssen sie diese mühsam an ihre eigenen Standards anpassen – ein Prozess, der mehr Arbeit erzeugt als er einspart.
Anfänger hingegen profitieren durchgehend, da sie noch keine eingespielten Routinen haben, die durch KI-Output gestört werden könnten. Für sie übernimmt die KI Teile der Produktion, die sie noch nicht gemeistert haben.
Mögliche Lösungsansätze: KI strategisch statt blind einsetzen
1. KI auf die Brainstorming-Phase beschränken
Der klarste Empfehlung der Forscher: Nutzen Sie KI ausschließlich für die frühen Phasen der Konzeption – Moodboards, Mood-Ideen, Varianten-Exploration. Sobald es in die finale Umsetzung geht, überlassen Sie den Profis die Arbeit ohne KI-Eingriffe.
2. KI-Tools mit Unternehmensstandards verbinden
Investieren Sie in Tools, die eigene Design-Guidelines und Markenstandards verstehen. Moderne Plattformen bieten zunehmend Custom-Training-Funktionen, die generierte Ergebnisse an Corporate-Design-Vorgaben angleichen – das reduziert den Anpassungsaufwand erheblich.
3. Rollenbasierten KI-Einsatz planen
Senior-Designer sollten KI anders nutzen als Junior-Mitarbeiter. Während Einsteiger KI als Produktivitätsbooster einsetzen können, sollten Profis sie als Inspirationsquelle begreifen – nicht als Ersatz für ihre Umsetzungsarbeit. Definieren Sie klare Nutzungsrichtlinien je nach Erfahrungsstufe.
4. Zeitmessung einführen
Bevor Sie KI in Ihren Designworkflow integrieren, messen Sie die tatsächliche Zeitersparnis. Vergleichen Sie KI-unterstützte mit KI-freien Projekten nicht nur in der Startphase, sondern über den gesamten Prozess. Nur so erkennen Sie versteckte Mehrkosten.
Grenzen und typische Fehler
Fehler 1: „KI macht alles schneller“
Der häufigste Irrtum. KI beschleunigt bestimmte Teile des Prozesses, kann aber in anderen Phasen erheblich verlangsamen. Eine pauschale Effizienzsteigerung gibt es nicht.
Fehler 2: Expertise wird überflüssig
Das Gegenteil ist richtig: Je erfahrender ein Designer, desto wichtiger wird sein Urteil in der Umsetzungsphase. KI kann dieses Know-how nicht ersetzen – und in manchen Fällen sogar behindern.
Fehler 3: Keine klare Trennung der Phasen
Wer KI ohne Strategie einsetzt, riskiert einen Wildwuchs an unbrauchbaren Zwischenergebnissen. Definieren Sie klar, in welcher Phase welche Tools zum Einsatz kommen.
Fehler 4: Fehlende Schulung
KI-Tools sind keine Plug-and-Play-Lösung für kreative Arbeit. Ohne Schulung generieren Mitarbeiter Output, der den Unternehmensstandards nicht entspricht – und verursachen zusätzliche Review-Kosten.
Zusammenfassung
Generative KI ist ein mächtiges Werkzeug – aber kein Allheilmittel für Designprozesse. Die aktuelle Forschung zeigt klar: In der Brainstorming-Phase bringt KI allen Nutzern enorme Vorteile. In der Umsetzung bremst sie jedoch erfahrene Profis durch Expertise-Fixierung und hohen Anpassungsbedauf.
Für KMU bedeutet das: Setzen Sie KI strategisch ein, nicht blind. Beschränken Sie den Einsatz auf die frühen Phasen der Konzeption, definieren Sie rollenbasierte Nutzungsrichtlinien und messen Sie den tatsächlichen Zeitgewinn über den gesamten Prozess. Nur so verwandeln Sie KI-Investitionen in echte Produktivitätsgewinne.
Call to Action
Sie möchten KI in Ihren Design- oder Marketingprozessen sinnvoll integrieren – ohne dass Ihre erfahrenen Mitarbeiter langsamer werden? Wir bei dk-sys.de beraten KMU bei der strategischen KI-Implementierung, passgenau für Ihre Workflows und Ihre Teamstruktur.
👉 Kostenloses Beratungsgespräch vereinbaren
Quellen
- Hou, J. et al. (2025). Algorithmic Assistance and Creative Work: Evidence from a Field Experiment. Information Systems Research. pubsonline.informs.org
- t3n (2026). Warum generative KI erfahrene Designprofis in der Umsetzung ausbremst. t3n.de
- Earth.com (2026). AI boosts brainstorming but may slow the creative process. earth.com