Alles, was KI erzeugt, sieht gleich aus. So bringen Sie der KI Ihre Marke bei

Warum alles indigoblau ist

Im August 2025 veröffentlichte Adam Wathan, einer der Köpfe hinter dem beliebten Framework Tailwind CSS, auf X eine augenzwinkernde Entschuldigung. Fünf Jahre zuvor hatten alle Buttons in den fertigen Komponenten von Tailwind UI standardmäßig die Farbe Indigo bekommen. Der Post wurde mehr als anderthalb Millionen Mal angesehen, denn wer schon einmal Oberflächen mit KI generiert hat, verstand den Witz sofort.

“leading to every AI generated UI on earth also being indigo.”

„…was dazu führt, dass auch jede KI-generierte Oberfläche auf der Welt indigo ist“ (Übers. CAASUAL).

Modelle lernen aus dem, was im Netz am häufigsten vorkommt, und geben genau das wieder, wenn sie keine anderen Vorgaben bekommen. Ohne Beschreibung Ihrer Marke erhalten Sie den Durchschnitt des Internets: dieselben Farben, ähnliche Folienlayouts, vertraute Formulierungen.

Was schludrige KI-Ergebnisse kosten

Für solches Material gibt es schon einen Namen. 2025 beschrieben Forschende von BetterUp Labs und der Stanford University in der Harvard Business Review das Phänomen „Workslop“: KI-Ergebnisse, die ausgefeilt wirken, denen aber die Substanz fehlt, sodass die eigentliche Arbeit bei anderen im Team landet. In ihrer Untersuchung waren 41 % der Beschäftigten schon auf solches Material gestoßen, und jeder Fall kostete fast zwei Stunden Nacharbeit. Im April 2026 berichtete The Guardian über eine neuere, noch nicht begutachtete Studie von Jeff Hancock aus Stanford, ebenfalls Teil des Autorenteams jenes Beitrags. Darin hatten 40 % von 1.150 befragten Büroangestellten in den USA innerhalb eines Monats mit Workslop zu tun. Der Umgang damit kostete sie im Schnitt 3,4 Stunden im Monat.

In Vertrieb und HR zahlt man doppelt. Eine Präsentation, die nicht nach der Marke aussieht, schwächt das Unternehmen im Gespräch mit dem Kunden. Eine Stellenanzeige in zufälliger Gestaltung verrät Bewerbenden mehr über das Unternehmen, als ihm lieb ist. Und gibt es im Haus jemanden fürs Design, landen die Korrekturen am Ende ohnehin dort.

Workday und 23.000 Folien in sechs Wochen

Ein gutes Beispiel ist Workday. Als das Unternehmen seine visuelle Identität auffrischte, hatte das Solution-Consulting-Team, das den Vertrieb unterstützt, sechs Wochen Zeit, um 23.000 Folien und Demos für Kunden anzupassen: neue Schriften, Farben und Botschaften. Für manuelle Änderungen fehlte die Zeit, für die Vergabe an eine Agentur ebenso.

Das Team setzte ein KI-Tool ein, das die alten Folien gemäß den Markenrichtlinien in die neue Vorlage übertrug. Laut einer Fallstudie, die der Anbieter des Tools, Prezent, veröffentlicht hat, wurden alle Folien rechtzeitig umgestellt, die KI nahm dem Team rund 80 % der Handarbeit ab, und die Einsparung lag bei über 675.000 Dollar. Das sind Zahlen des Anbieters, wir behandeln sie deshalb mit Vorsicht. Der Mechanismus dahinter ist aber einfach: Markenregeln werden einmal festgehalten und automatisch auf Tausende Dateien angewendet, und Menschen kümmern sich um die Details.

Stripe und Anthropic bauen die Regeln in ihre Tools ein

Der AI in Design Report 2026 von Designer Fund und Foundation Capital zeigt, dass manche Unternehmen weiter gehen. Bei Stripe sind zwei Tools von unten heraus entstanden. Mit Protodash bauen Designer und Entwickler interaktive Prototypen auf Basis des firmeneigenen Designsystems. Dante ist ein KI-Agent, der Texte nach den Standards von Stripe entwirft, redigiert und prüft. Gebaut hat ihn das Content-Team, um bei wachsender Textmenge die Qualität zu halten. Die Autoren des Reports stellen fest, dass Stripe Best Practices immer öfter direkt in die Werkzeuge einbaut, statt sie nur zu dokumentieren.

Bei Anthropic hat Nate Parrott aus dem Designteam Ende 2025 ein Tool gebaut, das interaktive Prototypen auf Grundlage des firmeneigenen Designsystems erzeugt. Genutzt haben es Designer, aber auch Menschen ohne Designhintergrund, darunter Vertriebsleute und Lehrende. Sie erstellten damit visuelle Materialien, die sie vorher nicht hätten machen können. Daran sieht man, was eine in ein Werkzeug eingebaute Regel bringt: Wer keine gestalterische Ausbildung hat, nutzt das Designsystem, ohne überhaupt darüber nachzudenken.

Ein Brandbook als PDF reicht nicht

Die meisten Unternehmen halten ihre Markenregeln in einem Brandbook fest, einem PDF, das kaum jemand öffnet. Alex Dousie von Frontify beschreibt in einem Beitrag über Brand Governance, wie das in der Praxis aussieht. Teams kopieren Auszüge aus den Richtlinien in Prompts, laden alte Dateien hoch und fassen die Regeln zur Tonalität von Hand zusammen. Dousies Fazit: Prompting allein ersetzt kein ordentliches Markensystem.

Eine KI-lesbare Marke besteht aus denselben Regeln, nur so aufgeschrieben, dass Tools sie ohne Raten anwenden können. Farben und Typografie als konkrete Werte. Vorlagen für die häufigsten Materialien, vom Vertriebsangebot bis zur Stellenanzeige. Die Tonalität, gezeigt an Beispielsätzen, die zur Marke passen, und an solchen, die es nicht tun. Ein Stil für Fotos und Illustrationen. Und all das dort angebunden, wo tatsächlich gearbeitet wird: in Brand Kits, Anweisungen und Projekten in den KI-Tools, die das Team nutzt.

Dann können Vertrieb, HR und Marketing selbst Materialien erstellen, die nach Ihrer Marke aussehen. Das gilt auch für Unternehmen ohne eigenes Designteam, die Inhalte gern automatisieren würden, aber nicht wissen, wo sie anfangen sollen. In unserem Angebot gehört das zum Bereich KI, die Ihre Marke kennt. Wie dasselbe Prinzip in der Kampagnenproduktion funktioniert, lesen Sie in unserem Beitrag über Adaptionen von Marketingmaterialien. Hat Ihr Unternehmen noch kein stimmiges Erscheinungsbild, beginnt die Arbeit einen Schritt früher, denn KI kann nur wiedergeben, was vorher jemand gestaltet hat. Wie ein solches Projekt aussieht, beschreiben wir auf unserer Seite zum Corporate Design.