Warum Geschmack bei KI keine Kompetenz ist

Bei SHAPE arbeiten wir täglich an beiden Seiten dieser Verschiebung: Wir setzen KI in Kundenprojekten ein, und wir entwickeln Produkte, die selbst KI-gestützt sind. Dieser Doppelblick bringt uns immer wieder an denselben Punkt: Wer entscheidet eigentlich, was gut ist?

Wir erleben, wie Visuals, Flows und ganze Interfaces in Minuten generiert werden. Wie per Vibe Coding funktionsfähige Prototypen entstehen, bevor ein Brief geschrieben ist. Fünf Varianten liegen auf dem Tisch, alle sehen plausibel aus — und plötzlich ist die eigentliche Arbeit nicht mehr das Erstellen, sondern das Entscheiden.

Genau darum kreist der aktuelle Diskurs. In der englischsprachigen Designwelt kursiert seit Monaten ein Begriff: Taste. Die Fähigkeit, das Gute vom Mittelmäßigen zu unterscheiden. Die These ist nicht falsch. Aber sie hat ein Problem, das im Deutschen sofort auffällt: Taste heißt Geschmack. Und über Geschmack lässt sich bekanntlich streiten. Er ist subjektiv, kulturell geprägt, schwer zu begründen. Er taugt als Argument in der Weinprobe, aber nicht als Fundament für eine professionelle Disziplin.

Was eigentlich gemeint ist: Urteilsvermögen. Die Fähigkeit, auf Basis von Erfahrung, Wissen und Kontext zu entscheiden — nicht was schön ist, sondern was in einer gegebenen Situation die beste Lösung darstellt.

Wer heute eine Idee für eine Website hat, braucht keinen Designer und keinen Entwickler mehr. Tools wie Claude Code, Cursor, Bolt oder Figma AI erzeugen in Minuten, wofür vor fünf Jahren Wochen nötig waren. Mehr Menschen können Ideen testen, ohne auf Budgetfreigaben zu warten. Wenn fünfzehn Prototypen pro Woche möglich sind, ist nicht mehr die Frage, ob man etwas herstellen kann — sondern ob man beurteilen kann, welcher davon etwas taugt.

Der Unterschied ist praktisch und folgenreich:
Geschmack sagt: “Das gefällt mir nicht. Urteilsvermögen sagt: Das wird nicht funktionieren — und hier ist der Grund.”

Geschmack ist privat. Urteilsvermögen ist begründbar. Es stützt sich auf Erfahrung, auf Wissen über Nutzerverhalten, auf ein Verständnis von Kontext, Zielen und Einschränkungen. Es lässt sich prüfen, diskutieren, widerlegen.

Ein UX-Designer, der seit fünfzehn Jahren Interfaces gestaltet, sieht einen Screen und weiß nicht nur, ob er schön ist. Er weiß, ob die Informationshierarchie stimmt, ob die kognitive Last tragbar ist, ob das Interaktionsmuster zur Zielgruppe passt, ob die Entscheidung, etwas wegzulassen, mutig oder fahrlässig war.

Ein Beispiel aus unserer eigenen Arbeit: Designentscheidungen rund um die Form eines Buttons oder eine Farbwahl wurden bis zur Geschäftsführung eskaliert. Theoretisch sahen beide Varianten überzeugend aus. Was den Unterschied machte, war nicht Geschmack, sondern Argumentation — auf Basis von User-Testing-Ergebnissen, psychologischen Grundprinzipien und jahrelanger Projekterfahrung. Nicht weil die Lösung schöner war. Sondern weil sie funktioniert.
Joshua Leigh (The Conditions) macht dazu einen zentralen Punkt: Historisch fungierte der langsame Schaffensprozess als Filter. Die Langsamkeit war eine Form der Qualitätskontrolle. Diese Bremse ist jetzt weg. Was sie ersetzt, kann nur das geschulte Urteil eines Menschen sein, der weiß, worauf es ankommt.
 

Was UX-Designer seit Jahrzehnten tun, ist im Kern genau das: urteilen. Zwischen dem, was Nutzer sagen, und dem, was sie tun. Zwischen dem, was technisch möglich ist, und dem, was sinnvoll ist. Zwischen dem, was ein Stakeholder will, und dem, was das Problem tatsächlich löst.

Diese Fähigkeit war immer wichtig — aber an die Ausführung gekoppelt. Man entschied und gestaltete. Beides war untrennbar. Jetzt trennt es sich. Der Designer wird zum Kurator seiner eigenen Möglichkeitsräume.

Shreyas Doshi, der als Produktmanager bei Google, Twitter und Stripe gearbeitet hat, bringt es auf den Punkt: KI-Tools werden zur Commodity. Der einzige Differenzierungsfaktor ist das menschliche Urteilsvermögen.

Schon heute können Modelle Heuristiken anwenden, Accessibility-Probleme erkennen, Konsistenz prüfen. Die naheliegende Erwiderung lautet: Es ist nur eine Frage der Zeit, bis KI auch urteilen kann. Diese Position ist nicht unplausibel. Aber sie übersieht einen strukturellen Unterschied: Urteilsvermögen im professionellen Kontext entsteht nicht aus Datenvolumen, sondern aus gelebter Verantwortung. Ein Modell kann lernen, wie gute Entscheidungen aussehen. Es hat keine Konsequenzen zu tragen, wenn es falsch liegt. Genau dieser Druck formt Urteilsvermögen. Das ist nicht trainierbar.

Dazu kommt situiertes Wissen: der Kontext einer Organisation, die Geschichte eines Produkts — etwa dass der letzte Relaunch gescheitert ist, weil man die Servicemitarbeiter nicht einbezogen hat. Dieses Wissen sitzt in Menschen, nicht in Modellen. Es ist aktuell nicht transferierbar, weder durch bessere Prompts noch durch mehr Trainingsdaten.
Was das in der Praxis bedeutet, lässt sich beobachten: Leigh beschreibt, wie Publikum KI-generierte Inhalte nicht wegen der Technologie ablehnt, sondern weil es die Abwesenheit menschlichen Urteilsvermögens spürt.

„Menschen merken, wenn niemand entschieden hat. Das ist der Unterschied zwischen generiert und gestaltet."

Wer KI-Output ungeprüft ausliefert, liefert genau diese Leerstelle mit.
 

Es gibt eine gute Nachricht: Urteilsvermögen lässt sich schneller aufbauen als je zuvor. Paradoxerweise durch genau die KI-Tools, die die Debatte ausgelöst haben.

Aakash Gupta (Product Growth) beschreibt den Mechanismus: Wer viele Prototypen bewertet, baut schneller Urteilsvermögen auf als jemand, der eine Spezifikation pro Monat prüft. Mehr Varianten bedeuten mehr Vergleiche, schärfere Kriterien, bessere Entscheidungen. Auch der Punkt des Philosophen David Hume gilt hier besonders: Urteilsvermögen schärft sich durch Vergleich. Wer nur ein Bild kennt, kann es nicht einordnen. Wer hundert kennt, sieht sofort, wo eines heraussticht. KI liefert diese hundert Bilder. Hinsehen muss immer noch ein Mensch.

Was sich ändert: Der Anteil der Arbeit, der in Pixeln steckt, wird kleiner. Werkzeuge übernehmen Routineaufgaben. Die Spezifikation kommt nach dem Prototyp, nicht davor.

Was bleibt und wichtiger wird: Die Fähigkeit, Fragen zu stellen, die eine Maschine nicht stellt. Lösen wir das richtige Problem? Für wen ist das eigentlich? Was passiert, wenn das schiefgeht?

Die eigentliche Verschiebung ist keine technische. Sie ist eine Verschiebung im Schwerpunkt: weg von der Frage „Wie baue ich das?" hin zur Frage „Soll ich das bauen?"

Was bedeutet das für Menschen in diesem Feld?

 

1. Urteilsvermögen ist kein Talent. 
Es ist eine Praxis. Wer es aufbauen will, muss urteilen — oft, bewusst, und mit der Bereitschaft, sich zu irren. Designkritik, Portfolio-Reviews, Nutzertests: all das sind Übungsräume.

2. Erfahrung wird wertvoller, nicht wertloser. 
Wenn ein Berufseinsteiger mit KI-Tools denselben Output erzeugen kann wie ein Senior, liegt der Unterschied in der Einordnung. Der Senior weiß, warum etwas nicht funktionieren wird, bevor es gebaut wird. Dieses Wissen lässt sich nicht prompten.

3. Nein sagen wird zur Schlüsselkompetenz. 
Wenn alles gebaut werden kann, muss jemand entscheiden, was nicht gebaut werden soll.

4. Begründen können ist das neue Gestalten können. 
In Stakeholder-Runden gewinnt nicht der, der den schönsten Screen zeigt, sondern der, der erklären kann, warum dieser Screen der richtige ist.