07.08.2026
Die Figma Config 2026 zeigte: Design, Technologie und KI verschmelzen zukünftig bei digitalen Produkten. Unsere UX-Experten präsentieren vier zentrale Erkenntnisse für eine erfolgreiche Produktentwicklung.
Manuel und Orhan waren auf der Figma Config 2026 in San Francisco. Config ist längst keine reine Design-Messe mehr, sondern ein Gradmesser dafür, wie Design, Technologie und KI ineinandergreifen und die Zukunft von digitalen Produkten beeinflussen.
Folgende vier Haupterkenntnisse haben unsere UX-Experten mitgebracht:
Design Systems helfen beim Abbau von Legacy-Systemen und Doppelspurigkeit. Sie bilden die essenzielle Grundlage, um Entwicklungskosten zu senken und deine Infrastruktur optimal auf AI-Agents vorzubereiten.
NASA hat über 3000 einzelne Websites über ein mehrjähriges Projekt unter einem einheitlichen Design System zusammengeführt. Design Systems werden oft als Thema für Designteams abgetan, bei der NASA waren sie aber vor allem ein Organisationsprojekt: Unterschiedlichen Teams der Organisation hatten ihre Webseiten jeweils unterschiedlich gebaut. Dies führte zu gewachsenen Strukturen, Jahrzehnten der Legacy, Doppelspurigkeit und abweichenden User Interfaces. Das Ergebnis ist eine konsistente, wartbare Grundlage für die gesamte Organisation.
Wer über Jahre gewachsen ist, trägt meist ähnliche Altlasten mit sich herum. Ein Design System ist dann kein Nice-to-have für Designer:innen, sondern eine Investition, die Time-to-Market senkt und Entwicklungskosten über alle Produkte hinweg reduziert.
Nicht erwähnter Nebeneffekt, ist natürlich auch das Enablement von Agents, welche auf bestehende Standardkomponenten zurückgreifen können, konsistente UIs erstellen und dabei auch noch Token (= echtes Geld) sparen.
Akzeptanz für autonome Systeme entsteht nicht durch «Blackbox-Zuverlässigkeit», sondern durch Nachvollziehbarkeit. Die technische Qualität reicht nicht aus, das heisst, deine KI-Systeme müssen ihre Absichten verständlich kommunizieren. Konsequentes User-Testing ist dafür unverzichtbar.
Waymo sprach über «Legibility by Design». Dabei geht es darum, wie man ein autonomes Fahrzeug so gestaltet, dass Menschen ihm vertrauen. Der Ansatz basiert nicht auf Kontrolle oder Überwachung, sondern darauf, dass das System seine Absichten für Menschen nachvollziehbar macht. Vertrauen entsteht durch Verstehen, nicht durch Blackbox-Zuverlässigkeit.
Möglich wurde das durch konsequentes User-Testing. Die Ergebnisse wurden über mehrere Jahre gesammelt und sind aus dem Feedback echter Beta-Nutzer:innen entstanden. «Legibility by Design» war am Ende keine Idee eines einzelnen Design-Teams, sondern das Produkt von unzähligen Testrunden mit echten Menschen in selbstfahrenden Fahrzeugen.
Bei einem autonomen Fahrzeug steht mehr auf dem Spiel als bei den meisten Anwendungen. Das Prinzip dahinter ist aber universell: Sobald ein System selbständig Entscheidungen trifft, die Menschen nicht mehr Schritt für Schritt nachvollziehen können, entsteht dieselbe Vertrauensfrage.
Die Akzeptanz der Nutzer:innen von neuen Features hängt infolgedessen nicht nur von der technischen Qualität ab, sondern auch davon, ob das System verständlich kommuniziert, was es tut und warum. Bei Chatbots kann das zum Beispiel bedeuten, die Tools und Quellen aufzulisten, die für die Antwort herangezogen wurden.
Gerade bei KI ist das Vertrauen der Nutzer:innen aktuell oft noch sehr niedrig. Umso wichtiger ist es, dieses Vertrauen gezielt über die richtige UX in Kombination mit Usertests aufzubauen.
Ein gezielt auf eine spezifische Rolle zugeschnittenes KI-Werkzeug bringt schneller spürbaren Nutzen als ein generischer Chatbot für alle. Der Erfolg hängt massgeblich von vorgeschalteter UX-Research und gezieltem Onboarding vom Team ab.
Figma hat intern ein KI-gestütztes Tool für Product-Manager gebaut (PM OS), das Routineaufgaben automatisiert. Statt eines breiten Chatbots für alle hat man sich für ein Werkzeug entschieden, das gezielt auf eine Rolle mit ihren spezifischen Abläufen zugeschnitten ist. Der Fokus auf eine klar definierte Zielgruppe im eigenen Unternehmen hat den Aufwand überschaubar gehalten und den Nutzen sofort spürbar gemacht.
Ausgangspunkt war ein sehr konkretes Problem: Figma arbeitet global verteilt, und wer morgens in den Arbeitstag startete, hatte wegen der Zeitverschiebung oft schon einen ganzen Tag an Updates verpasst. Dabei fehlte der Überblick, was davon wirklich wichtig war. Auch hier stand am Anfang nicht die Frage, welche Technologie zum Einsatz kommt, sondern das Verständnis der Bedürfnisse der Nutzer:innen.
Eine kleine Fokusgruppe führte Interviews durch, um die eigentlichen Probleme zu verstehen und entsprechend zu priorisieren. Das ist im Kern UX-Arbeit – Research und Priorisierung anhand echter Bedürfnisse von Nutzer:innen –, auch wenn dabei kein einziges Interface entstanden ist.
Nach dem Launch zeigte sich anhand von Analytics ein weiteres Problem: Viele wollten das Tool nutzen, hatten aber schlicht keine Zeit fürs Onboarding. Statt das Problem zu ignorieren, organisierte das Team ein Offsite und nutzte informelle Gelegenheiten, um Kolleg:innen direkt vor Ort beim Einrichten zu unterstützen. Die Reaktion war durchweg positiv, und wer das Onboarding einmal hinter sich hatte, war zufrieden.
Ein gutes Beispiel für datengetriebene Iteration: Analytics zeigen nicht nur, dass ein Problem existiert, sondern liefern die Grundlage für die richtige Massnahme. Und nicht jede Massnahme ist unbedingt digital.
Je mehr KI in deinen Produkten steckt, desto wichtiger wird die Art und Weise, wie das System mit Menschen kommuniziert. Gute UX-Texte schaffen Vertrauen und gehören zwingend in deine Budgetplanung für KI-Projekte.
Anthropic, das Unternehmen hinter Claude, schickte seine Head of Content Design auf die Bühne. Ausgerechnet die KI-Firma schlechthin betonte, wie wichtig durchdachte Sprache ist: Wenn ein Modell erklärt, was es nicht kann, oder Unsicherheit kommuniziert, steckt dahinter kein Zufall, sondern bewusst gestaltete Kommunikation.
Die Lehre daraus ist einfach, aber wird oft übersehen: Je mehr KI in Produkten steckt, desto wichtiger wird es, wie ein System mit Menschen spricht. Gute UX-Texte entscheiden oft darüber, ob eine Funktion Vertrauen aufbaut oder Verunsicherung auslöst. Das ist ein Punkt, der in Budgetplanungen für KI-Projekte häufig fehlt.
Die vier Themen wirken auf den ersten Blick unabhängig voneinander. Der gemeinsame Nenner: Wettbewerbsvorteil entsteht 2026 nicht durch das nächste KI-Feature, sondern durch die Grundlagen dahinter. Es sind skalierbare Strukturen, verständliches Systemverhalten, gezielte statt generische Tools und durchdachte Kommunikation.
Für Entscheider:innen heisst das: Die eigentliche Investitionsfrage ist nicht «Wie viel KI setzen wir ein?», sondern «Wie stellen wir sicher, dass Menschen verstehen und vertrauen, was wir bauen?»
«Die Zukunft des Frontends ist konversationell! Wir browsen weniger, wir chatten mehr.»
«Mit klarer UX lassen sich Incidents reduzieren, Einarbeitungszeiten verkürzen und Arbeitsprozesse beschleunigen.»
