In der Welt des Produktdesigns hat Figma sich in den letzten Jahren als das führende Tool für Prototyping etabliert. Die Möglichkeit, pixelgenaue Designs zu erstellen und interaktive Prototypen innerhalb desselben Werkzeugs abzubilden, machte Figma für viele Designer unverzichtbar. Doch trotz der Erfolge bestanden immer wieder Herausforderungen – der berühmte sogenannte Reality Gap zwischen Design und tatsächlicher Produktumsetzung, der enorme Zeitaufwand für detailverliebte Anpassungen und letztlich die Irritation, wenn das entwickelte Produkt nicht dem ursprünglichen Design entsprach. Genau an diesem Punkt begann für viele, darunter auch Elie Majorel, eine neue Design-Ära. Diese Erkenntnis führte dazu, dass er seine traditionelle Figma-Prototyping-Routine hinter sich ließ und auf eine moderne, AI-basierte prompt-to-code Methode umstieg, die den gesamten Prozess von der Idee zum lauffähigen Code radikal beschleunigt und auf eine neue Stufe hebt.
Der traditionelle Prototyp in Figma ist in vielerlei Hinsicht verhängnisvoll geworden. Während Designer oft Stunden damit verbringen, jedes Pixel zu justieren und perfekte Interaktionen zu entwerfen, verliert das Produktteam schnell den Fokus auf den eigentlichen Nutzen des Produkts für den Benutzer. Zudem entstehen oft erhebliche Missverständnisse, wenn die statischen Designs an das Engineering weitergegeben werden. Entwickler müssen Interpretationsspielräume schließen, was nicht selten dazu führt, dass das Endprodukt von der ursprünglichen Vision abweicht. Für Unternehmen bedeutet dies oft kostspielige und zeitraubende Nacharbeiten sowie Frustration im Team. Die Kernprobleme des traditionellen Workflows liegen in der Zeitverschwendung durch Detailarbeit, die sich auf das Aussehen konzentriert statt auf Funktionalität, im späten Erkennen von technischen Limitierungen sowie in den Kosten, die durch das ständige Aktualisieren und Pflegen von Design-Tokens und Dateien entstehen.
Designer und Entwickler befinden sich somit in einem ständigen Spannungsverhältnis, das vor allem dem Produkt und dem Nutzer schadet. Das Resultat: Projekte verzögern sich, und echte Tests mit Nutzern kommen oft zu kurz. Der Wechsel hin zu einem AI-gestützten Workflow basiert auf dem Prinzip, schnell von einer abstrakten Idee zum funktionierenden Prototypen zu gelangen. Anstatt sich von Anfang an auf pixelgenaue Designs zu fokussieren, beginnt dieser Prozess mit einfachen, skizzenhaften Flow-Diagrammen, die in Tools wie Miro erstellt werden. Diese werden anschließend in eine AI-Plattform wie Claude gepackt, die auf Basis klar definierter Anforderungen und User Stories einen detaillierten Spezifikationsentwurf erstellt. Die AI generiert dann mithilfe spezieller prompt-to-code Tools wie Lovable oder Cursor innerhalb von wenigen Stunden lauffähigen React-Code.
Entwickler übernehmen diesen Code schnell, können ihn erweitern und optimieren und auf dieser realen Codebasis gemeinsam mit dem Team und Benutzern direkt Feedback einarbeiten. Dieser Ansatz hat für Teams verschiedene Vorteile. Die Entwicklungszyklen werden drastisch verkürzt – von mehreren Wochen auf wenige Stunden bis Tage. Die Design- und Engineering-Teams sind von Anfang an auf der gleichen Seite, da keine Interpretation von statischen Dateien nötig ist, sondern echte Code-Beispiele vorliegen. Außerdem wird der Fokus vom visuellen Feinschliff auf den Mehrwert und die Nutzererfahrung verschoben. Diskussionen um Farben, Schatten oder Pixelabstände treten in den Hintergrund, wenn alle Beteiligten ein funktionierendes Produkt vor Augen haben. Dadurch wird die Zusammenarbeit effizienter, kreativer und zielgerichteter. Neben der erheblichen Zeitersparnis ist es vor allem die Transparenz und der frühe Abgleich von technischen Anforderungen, die diesen Workflow so wertvoll machen.
Sicherheitslücken oder technische Herausforderungen werden früh erkannt und adressiert, bevor sie den Zeitplan oder das Budget sprengen können. Zudem führt die iterative Natur des prompt-to-code Modells dazu, dass gelerntes Wissen in Form von prompt Libraries versioniert und dokumentiert wird. Ähnlich wie beim Code, können diese Prompts kommentiert, verbessert und geteilt werden, was die Qualität und Konsistenz zukünftiger Projekte stärkt. Die Reaktion der Entwickler auf diesen Wandel ist bemerkenswert positiv. Statt mühsam aus Pixelwänden komplexen Code zu rekonstruieren, können sie direkt aus sauber strukturierten Prototypen weiterarbeiten. Das erhöht die Effizienz, reduziert Fehlerquellen und macht den Arbeitsalltag angenehmer. Die aus Figma bekannten Schwierigkeiten mit teuren Lizenzkosten und dem mühsamen Zugriff auf Designinformationen entfallen ebenfalls, was den Prozess nicht nur schneller, sondern auch kostengünstiger macht.
Gleichzeitig stellt diese Umstellung für Designer auch eine Herausforderung dar. Der Fokus verschiebt sich weg vom visuellen Perfektionismus hin zu logischem Denken, Spezifikationserstellung und dem Einsatz neuer KI-gestützter Tools. Es erfordert Offenheit, neue Arbeitsweisen in den Workflow einzubinden und die Rolle des Designers als Vermittler zwischen Nutzern, AI und Entwicklern neu zu definieren. Nicht jeder ist sofort bereit, bekannte Tools wie Figma aufzugeben, doch die Vorteile – schnellere Iterationen, bessere Produktqualität und nutzerzentrierte Entwicklung – sprechen für sich. Das Thema gewinnt zusätzlich Bedeutung durch den aktuellen Stand des Marktes. Figma selbst bereitet sich auf einen Börsengang vor, gleichzeitig entstehen immer mehr AI-Tools im Bereich prompt-to-code, die das Potenzial haben, den Markt grundlegend zu verändern.
Konkurrenten wie Lovable, Cursor und v0 bieten bereits praktikable Lösungen, mit denen sich Prototypen binnen weniger Stunden in funktionierenden Code verwandeln lassen. Branchenexperten warnen davor, sich zu sehr auf statische Designplattformen zu verlassen, da diese zukünftig deutlich mehr Konkurrenz bekommen könnten. Zusammenfassend lässt sich sagen, dass die Zukunft des Prototypings nicht mehr nur in pixelgenauen Skizzen und animierten Screens liegt. Vielmehr geht es darum, die richtige Balance zwischen Design, Technologie und Nutzerzentrierung zu finden, um schnell wertvolle Produkte zu schaffen. AI-gestützte prompt-to-code Workflows bieten den Weg, dieses Ziel zu erreichen. Sie erlauben es Designern, mehr Zeit mit dem Verstehen und Testen von Nutzererfahrungen zu verbringen, während Code und technische Machbarkeit von Anfang an integriert sind. Designprozesse werden dadurch nicht nur schneller, sondern auch nachhaltiger und wirksamer.
Die bisher oft beobachtete Diskrepanz zwischen Vision und Umsetzung löst sich auf, und Teams können im Sinne der Nutzer agieren statt im Schatten von Designimperativen zu verbleiben. Elie Majorel und viele andere, die diesen Weg eingeschlagen haben, sind überzeugt: Es ist an der Zeit, Figma als alleinige Lösung zu überdenken und mutig neue Technologien und Ansätze zu erforschen. Denn letztlich zählen nicht die perfekten Bögen und Farben, sondern der reale Nutzen und die Wirkung, die ein Produkt für seine Anwender entfaltet.
