AI-Coding-Agenten für Designer

• In der Verbreitung von AI-Coding-Agenten, die große Mengen an Code erzeugen und verbessern, zeigt sich ein Wandel nicht nur in der Arbeitsweise von Entwickler:innen, sondern auch von Designern.
• Während Unternehmen wie bei Anthropic und OpenAI in eine Phase übergehen, in der den Großteil des Kerncodes von KI geschrieben wird, verändert sich auch die Kollaborationsstruktur der gesamten Organisation.
• Der Einsatz als Prototyping-Tool tritt besonders hervor, da es möglich wird, statt eines PRD einen tatsächlich lauffähigen Code-Branch zu erstellen und so dem Team eine gemeinsame Auffassung zu vermitteln.
• AI-Agenten geben Designern neue Fähigkeiten wie Produktion-Bugfixes, Systemverständnis, Alternativensuche und bei Bedarf das Anstoßen der Zusammenarbeit mit Engineers.
• Diese Nutzung führt dazu, dass Designer mehr Verbesserungen schneller testen können und dadurch bessere Qualitätsentscheidungen treffen.

---

Veränderungen, die AI-Coding-Agenten für Designer bringen

• In den meisten Technologieunternehmen hat sich der Trend etabliert, dass der Großteil des Codes von AI-Agenten geschrieben wird.
  • Ähnlich wie bei Anthropics Claude oder OpenAI Codex wird ein erheblicher Teil des Produkt- und Modelcodes von KI erzeugt.
  • Entwickler nutzen Agenten nicht nur beim Schreiben von Code, sondern auch aktiv im Review- und Verbesserungsprozess.
• Diese Veränderung wirkt sich nicht nur auf die Entwicklerproduktivität, sondern auch auf die Organisationsstruktur aus.
  • Für eine agentenbasierte Entwicklungskultur werden Prozesse und Kollaborationsweisen neu organisiert.
  • In bisherigen Rollenstrukturen können Designer·innen und PMs nun einfacher codebasierte Prototypen selbst erstellen.
• In PM-Beispielen wird der Ansatz sichtbar, statt eines klassischen PRD einen Code-Branch zu generieren, um das „Gefühl“ einer Funktion direkt zu teilen.
  • Mit Augment Code wird auf Produktionscode ein Branch erstellt und solange mit dem Agenten iterativ verbessert, bis er zufriedenstellt.
  • Das ganze Team erlebt das Ergebnis gemeinsam und erkennt klarer, was und warum gebaut wird.

Zentrale Fähigkeiten, die Designer einsetzen

• Produktionsfehler beheben

  • Hier können Bugs oder UX-Probleme, die in der Produktion entdeckt wurden, direkt behoben werden.
    • Bei Eingabe der Problembeschreibung schlägt der Agent eine Lösung vor, die getestet und sofort mit einem Patch angewendet werden kann.
    • Kleine Verbesserungen summieren sich und erhöhen die UX-Qualität, während sie auch Lücken ergänzen, die dem Entwicklungsteam leicht entgehen könnten.

• Lernen & Lösungsansätze überdenken

  • Obwohl es wie kleine Korrekturen aussieht, hilft es tatsächlich dabei, eine Struktur zu verstehen, die systemweite Auswirkungen hat.
    • Da der Agent den Denk- und Veränderungsprozess Schritt für Schritt zeigt, lernen Designer intuitiv die interne Funktionsweise des Produkts.
    • Der Prozess selbst wird zu einem Lernwerkzeug, sodass häufiger bessere Lösungen als beim ersten Ansatz gefunden werden.

• Engineering einbeziehen

  • Wenn der Korrekturumfang des Agenten zu weit wird, kann früh erkannt werden, dass die Zusammenarbeit mit dem Engineering-Team notwendig ist.
    • Das ist kein Scheitern des Agenten, sondern ein Signal für die Komplexität der Aufgabe.
    • Designer können Probleme dadurch leichter gemeinsam mit dem Team definieren und eine Lösungsstrategie entwickeln.

Voraussetzungen für AI-Agenten

• Für eine wirksame Nutzung ist ein Tool entscheidend, das die echte Codebase des Unternehmens tief versteht.
  • Wie die Context Engine von Augment Code zeigt, liegt die Stärke bei großen und komplexen Codestrukturen.

Fazit

• KI-Coding-Agenten ermöglichen es Designern, einen neuen Arbeitsablauf zu haben, in dem sie mehr Verbesserungen ausprobieren und präzisere Entscheidungen treffen können.
• Über den reinen Prototyping-Bereich hinaus ist es möglich, auf Basis realen Codes Verbesserungen umzusetzen, wodurch die Rolle bei der Steigerung der Produktqualität gestärkt wird