Wenn Design seinen Kontext kennt
In den letzten Wochen hat sich etwas verändert, das man nicht sofort sieht – aber spürt, sobald man mit modernen Design- und Entwicklungstools arbeitet. KI liefert nicht mehr nur Vorschläge auf Abruf. Sie beginnt, den Kontext eines Projekts wirklich zu kennen: Markenfarben, bestehende Komponenten, Textvorgaben, Code-Konventionen. Was das konkret bedeutet, zeigen vier Entwicklungen, die gerade den Alltag in Designteams verändern.
Figma Make: Kein Prompt ins Leere mehr
Seit Anfang April 2026 können in Figma Make bestehende Dateien direkt als Kontext mitgegeben werden – sogenannte Make Attachments. Konkret heißt das: Brand Guidelines, PRDs, Code-Snippets, Daten, SVGs oder Videos landen nicht mehr als umständlich abgetippte Beschreibung im Prompt, sondern als echtes Material, mit dem der Assistent arbeitet.
Das klingt nach einem technischen Detail, ist aber in der Praxis ein Qualitätssprung. Wer einem KI-Werkzeug den richtigen Kontext gibt, bekommt Ergebnisse, die zum eigenen System passen – statt generische Designs, die man hinterher mühsam anpassen muss. Gleichzeitig wurden sogenannte Make Kits eingeführt: vordefinierte Ausgangspunkte, die Prototypen auf Basis realer Komponenten und Constraints starten lassen, statt bei null zu beginnen.
Was wir bei solid4 schon länger predigen, bestätigt sich hier auf Werkzeugebene: Die Qualität des Outputs hängt direkt von der Qualität des Inputs ab. Kontextreiches Arbeiten ist keine Geheimwaffe für KI-Spezialisten – es ist eine Grundkompetenz, die Teams lernen können.
KI-Agenten mit Skills direkt im Canvas
Parallel dazu hat Figma den Schritt gemacht, den viele erwartet haben: Über den Figma MCP-Server können externe KI-Agenten jetzt direkt in Figma-Dateien schreiben. Nicht als Export, nicht als Kopiervorlage – sondern als Bearbeitungsoperation am echten Canvas, mit Zugriff auf vorhandene Komponenten, Variablen und Tokens.
Neu ist dabei das Konzept der Skills: Teams können Agenten mit spezifischem Kontext zu ihren eigenen Designentscheidungen ausstatten. Der Agent weiß dann nicht nur, was möglich ist – er weiß, wie das eigene Designsystem funktioniert und welche Konventionen gelten. Das ist der Unterschied zwischen einem Werkzeug, das allgemeine Designs produziert, und einem, das zum eigenen System passt.
Für Projekte, bei denen wir Cursor und Claude Code einsetzen, ist das eine direkte Erweiterung unserer Arbeitsweise. Design- und Entwicklungskontext können automatisch synchronisiert werden – weniger stille Fehler, weniger Iterationsschleifen.
Figma Weave: Workflows als visuelles Canvas
Eine weniger beachtete, aber konzeptuell spannende Neuerung: Figma Weave ist ein neuer Ressourcentyp in der Figma Community, der es ermöglicht, wiederholbare und skalierbare KI-Workflows auf einem visuellen Canvas aufzubauen. Statt einen Prozess einmal in einem Gespräch zu beschreiben, können Teams ihn als strukturierten, teilbaren Workflow speichern.
Der Gedanke dahinter ist einfach, aber weitreichend: Wer einen guten Workflow findet – etwa für das Erstellen von Varianten, das Prüfen von Accessibility oder das Überführen von Designs in Code – sollte ihn nicht jedes Mal neu erfinden müssen. Weave macht Prozesswissen teilbar und reproduzierbar. Das ist besonders relevant für wachsende Teams, die konsistente Ergebnisse brauchen, ohne jeden Schritt manuell abzustimmen.
VS Code: Agenten mit Leitplanken
Auch auf der Entwicklungsseite hat sich im Februar 2026 etwas Wichtiges getan: Das VS Code Team hat agentenbasierte Workflows mit gezielten Kontrollmechanismen ausgestattet. Entwickler können jetzt Policies per Hooks durchsetzen, Agenten mitten in einer Ausführung korrigieren und strukturierte Skills direkt in den Editor bringen.
Das adressiert eines der größten praktischen Probleme mit autonomen Agenten: Sie sind mächtig, aber ohne Leitplanken fehleranfällig. Wer nicht steuern kann, wie ein Agent arbeitet, verliert den Überblick über das Ergebnis. Die neue Architektur macht Agenten nicht nur leistungsfähiger – sie macht sie beherrschbar. Und das ist die eigentliche Voraussetzung dafür, dass Teams diese Werkzeuge wirklich produktiv einsetzen.
Was das für Ihre Projekte bedeutet
Der gemeinsame Nenner all dieser Entwicklungen ist nicht Automatisierung um ihrer selbst willen. Es geht darum, dass Werkzeuge besser verstehen, in welchem Kontext sie arbeiten – und entsprechend nützlichere Ergebnisse liefern. Design-Tools, die Markensysteme kennen. Coding-Agenten, die Konventionen respektieren. Workflows, die reproduzierbar werden.
Für Unternehmen, die digitale Produkte entwickeln oder überarbeiten lassen, bedeutet das: Weniger Aufwand für Koordination und Korrekturen, mehr Raum für inhaltliche Entscheidungen. Die Frage ist nicht mehr ob KI-Agenten in den Workflow gehören – sondern wie sie so eingesetzt werden, dass sie zum eigenen System passen.
Wenn Sie wissen möchten, wie diese Werkzeuge in Ihre bestehende Infrastruktur passen – oder ob ein Redesign- oder Entwicklungsprojekt von diesen neuen Möglichkeiten profitieren kann – sprechen Sie uns gerne an. Wir arbeiten täglich damit und wissen, wo sie helfen und wo noch Grenzen bestehen.