Konsistenz im KI-Design: Die Kritiker-Schleife

Die KI ein schönes Design bauen zu lassen, ist längst nicht mehr schwer. Schwer ist, dieselbe Qualität ein zweites Mal zu erzeugen. Einmal trifft es ins Schwarze, am nächsten Tag geben Sie dieselbe Anfrage und bekommen etwas völlig anderes. In diesem Artikel erkläre ich, woher die Inkonsistenz kommt, und zeige zwei konkrete Lösungen: die unabhängige Kritiker-Schleife und das Übersetzen eines Designs, das Ihnen gefällt, in Regeln.

Dieser Artikel fasst zwei Videos von Jack Roberts zusammen und erweitert sie: Claude Design just got 10X Better... I'm Done und Claude Design Just Solved its #1 Problem. Die Hinweise zum Schreiben von Kritikern, die Rubriken der Regeldatei und die Testbeispiele sind Ergänzungen dieses Beitrags.

Woher kommt die Inkonsistenz?

Die Ursache lässt sich in einem Satz sagen: Das Modell benotet seine eigenen Hausaufgaben. Es erzeugt ein Design und sagt dann: „Fertig, habe ich gemacht.“ In Wirklichkeit hat es vielleicht die Hälfte des Briefings übersprungen — aber bewerten soll das wieder es selbst.

Das Video schlägt dafür einen einfachen Test vor: Zeigen Sie dem Modell ein Design, das es erzeugt hat, und fragen Sie: „Was ist daran falsch?“ Stellen Sie dieselbe Frage dann noch ein paar Mal. Sehr wahrscheinlich bekommen Sie jedes Mal eine andere Antwort. Weil es keinen festen Maßstab gibt, hängt sich das Modell in jeder Runde an etwas anderem auf.

Schönheit, die Sie nicht reproduzieren können, nützt nichts. Wenn Sie sie nicht für einen Kunden, für eine Inhaltsreihe oder für eine Marke einsetzen können, war dieses Design nur ein Zufallstreffer.

Wie funktioniert die Kritiker-Schleife?

Die Lösung besteht darin, die Bewertung aus der Hand des Erzeugers zu nehmen. Im Video heißt die Technik „Gauntlet Loop“ oder „Design Loop“; populär gemacht hat sie laut Video Matt Shumer auf X. Die Methode läuft so: Sie geben dem Modell eine Referenz und einen Maßstab, das Modell erzeugt das Design, und anschließend treten mehrere unabhängige Kritiker mit frischem Kontext an und prüfen das Design schonungslos. Fällt etwas durch, geht die Arbeit zurück und die Schleife beginnt von vorn. Woher Sie den Maßstab nehmen, habe ich im Design-Audit mit Referenzvergleich beschrieben.

Der Teil mit dem „frischen Kontext“ ist wichtig. Die Kritiker sehen den Produktionsprozess nicht; sie sehen nur das Ergebnis und den Maßstab. Ein Prüfer, der den Prozess kennt, neigt dazu, die eigenen Entscheidungen zu verteidigen.

Der im Video gezeigte Skill arbeitet mit drei Rollen:

• Briefing-Kritiker: „Hast du wirklich gemacht, was verlangt war?“ Vergleicht die Punkte einzeln.
• System-Kritiker: „Passt diese Ausgabe ins Designsystem?“ Palette, Typografie, Abstandsregeln. Den Aufbau des Systems selbst behandele ich in den sieben Stufen von Claude Design.
• Handwerks-Kritiker: Ausrichtung, Abstände, Proportionen, das gerenderte Bild selbst.

Das Ergebnis ist, dass Geschmack zu einer Checkliste wird. Das klingt kalt, aber genau das funktioniert: Was sich nicht messen lässt, lässt sich nicht reproduzieren.

Ein Beispiel aus dem Video vermittelt, wie ein Durchlauf aussieht: In der ersten Runde drei Durchfaller (kein Logo, die Farbe bricht die Einfarbigkeit, die Überschrift ist zu klein geraten), in der zweiten Runde ist das Markenzeichen zu klein, in der dritten Runde das Problem mit der zweiten Akzentfarbe … In diesem Beispiel waren zehn Runden nötig, bis die Arbeit saß. Wenn Sie bedenken, dass in jeder Runde drei verschiedene Augenpaare draufschauen, wird verständlich, warum das Ergebnis am Ende so anders ist.

Ein Design, das Ihnen gefällt, in Regeln übersetzen

Die zweite Lösung hält länger. Statt ein Design mit „Soll so aussehen“ zu übergeben, zerlegen Sie es in seine Bestandteile und machen Regeln daraus.

Die Reihenfolge, die im zweiten Video vorgeschlagen wird:

1. Suchen Sie ein Design, das Ihnen gefällt.
2. Messen Sie, statt zu beschreiben. Nicht „Wirkt luftig“, sondern „Der obere Abstand ist das Dreifache der Fließtextgröße“.
3. Diskutieren Sie, welcher Teil wirklich wichtig ist. Nicht jedes Detail muss eine Regel werden.
4. Schreiben Sie die Regeln in eine Datei.
5. Schreiben Sie Tests, die eine fehlerhafte Kopie nicht bestehen kann.
6. Erzeugen Sie das Original neu — allein anhand Ihrer Regeln.

Schritt sechs ist das Herz der Sache. Alles, was bei der Neuerzeugung nicht passt, ist eine Regel, die Sie aufzuschreiben vergessen haben. Sie ergänzen sie und versuchen es erneut. Nach ein paar Runden ist Ihre Regeldatei tatsächlich vollständig.

In die Regeln gehören konkrete Verhältnisse: Maße wie der Goldene Schnitt (1,618), die 60-30-10-Regel für die Farbverteilung, Werte für Schatten und Eckenradien, benannte Layouts. „Soll modern aussehen“ ist keine Regel.

Wenn diese Datei ausgereift ist, können Sie sie in einen wiederverwendbaren Agent Skill verwandeln und jedes Mal aufrufen. Eine gut gebaute Fähigkeit fragt Sie vor Produktionsbeginn nach den fehlenden Angaben: Wer ist das Motiv, was steht im Vordergrund, was im Hintergrund.

Wie schreibt man einen Kritiker?

Ob ein Kritiker etwas taugt, hängt davon ab, was Sie ihn fragen. Ein Kritiker, der fragt „Ist dieses Design gut?“, gibt Ihnen eine unbrauchbare Antwort. Ein funktionierender Kritiker hat vier Bestandteile:

• Eingabe: nur Ergebnis und Maßstab. Geben Sie ihm nicht den Produktionsprozess, die ausprobierten Varianten und die eigenen Begründungen des Modells.
• Umfang: eine einzige Achse. Ein Kritiker, der gleichzeitig auf Typografie und Hierarchie schaut, macht beides oberflächlich.
• Bestehenskriterium: muss binär sein. „Könnte besser sein“ ist kein Ergebnis; „bestanden“ oder „durchgefallen“ ist eines.
• Format beim Durchfallen: welche Regel, an welchem Element, mit welchem gemessenen Wert verletzt wurde.

Zwei Ausgaben nebeneinander, damit der Unterschied sichtbar wird:

• Schwach: „Die Überschrift wirkt etwas groß, es wäre gut, die Balance noch einmal anzusehen.“
• Brauchbar: „DURCHGEFALLEN — Typografie-Skala. Verhältnis Hauptüberschrift zu Fließtext 3,4, Regel 2,5. Element: Seitentitel.“

Das Zweite ist eine direkt umsetzbare Anweisung; das Erste eröffnet eine neue Diskussion. Wenn Sie Ihre Kritiker zwingen, in der zweiten Form zu schreiben, sinkt auch die Rundenzahl der Schleife, weil jede Runde mit einer konkreten Korrektur schließt.

Und noch eine Regel: Der Kritiker soll keine Korrektur vorschlagen, sondern nur eine Diagnose stellen. Korrigieren soll der Erzeuger. Sobald Diagnose und Lösung an derselben Stelle sitzen, fängt der Kritiker an, seine eigene Lösung zu verteidigen, und verliert seine Unabhängigkeit.

Was gehört in die Regeldatei?

Ihre Regeldatei sollte aus konkreten Werten bestehen. Rubriken, die sich auszufüllen lohnen:

• Typografie-Skala: Schriftgrößen für Überschrift und Fließtext, ihr Verhältnis zueinander, Zeilenhöhe, Laufweite.
• Weißraum-Skala: ein einziger Basiswert und seine Vielfachen. Eine Skala auf Basis 4 oder 8 verhindert für sich genommen den größten Teil der Unordnung.
• Farbverhältnisse: welche Farbe wie viel Fläche einnimmt. Der 60-30-10-Ansatz ist ein guter Anfang.
• Höhenstaffelung: wie viele Ebenen es gibt und welchen Schattenwert jede Ebene hat.
• Eckenradius: wie viele verschiedene Werte im Einsatz sind. Mehr als zwei brauchen eine Begründung.
• Bewegung: Ein- und Ausgangsdauern, die verwendete Easing-Kurve.

„Soll modern aussehen“ ist keine Regel. Der Maßstab für eine Regel lautet: Können zwei verschiedene Personen dieselbe Regel lesen und zum selben Ergebnis kommen?

Wie schreibt man einen Test, den eine fehlerhafte Kopie nicht besteht?

Das ist der Schritt, der am häufigsten übersprungen wird und zugleich der entscheidende ist. Ein Test ist eine Prüfung, die eine Regelverletzung eindeutig erwischt.

In der Praxis funktionieren drei Testtypen:

1. Messtest: „Die Zeilenhöhe des Fließtexts muss zwischen 1,5 und 1,7 liegen.“ Liegt der Wert außerhalb, ist der Test nicht bestanden.
2. Zähltest: „Auf der Seite dürfen nicht mehr als zwei verschiedene Eckenradien vorkommen.“
3. Existenztest: „In jedem Abschnitt muss es genau eine primäre Handlungsaufforderung geben.“

So erkennen Sie, ob ein Test taugt: Bauen Sie eine absichtlich kaputte Version und sehen Sie nach, ob der Test sie erwischt. Tut er es nicht, haben Sie keinen Test geschrieben, sondern einen Wunsch.

Was kostet diese Schleife?

Hier muss man ehrlich sein, denn diese Methode hat ihren Preis. Eine mehrstufige Kritiker-Schleife kann für eine einzige Aufgabe Millionen Token verbrauchen — in den Beispielen des Videos lag eine einzelne Aufgabe bei etwa 2 bis 3 Millionen Token.

Der Weg, die Kosten zu senken, ist Arbeitsteilung: die Kritiker an kleinere, günstigere Modelle abgeben und die eigentliche Produktion beim starken Modell lassen. In einem der Beispiele aus dem Video liefen etwa 730.000 Token über Haiku und 1,19 Millionen über Sonnet; die Last lag also nicht komplett beim teuersten Modell. Diese Trennung drückt die Kosten.

Wie auch das Video betont: Setzen Sie diese Schleife nicht für jede Aufgabe ein. Für eine einmalige Grafik ist sie Verschwendung. Es lohnt sich bei Dingen, die Sie immer wieder benutzen: Vorlagen, tragende Seiten, Formate für Inhaltsreihen, Marken-Assets. Gerade bei Inhaltsreihen zahlt sich auch Motion Graphics und Icon-Automatisierung erst richtig aus. Einmal wird es teuer, danach benutzen Sie es hundertmal umsonst.

Wann sollten Sie sie nicht einsetzen?

• Wenn Sie noch nicht wissen, was Sie wollen. Die Schleife schärft keinen unklaren Maßstab; sie wiederholt die Unklarheit nur teuer.
• Wenn die Arbeit selbst noch in der Erkundungsphase ist. Probieren Sie erst ein paar billige und schnelle Richtungen aus und schalten Sie die Schleife ein, wenn die Richtung feststeht.
• Wenn der Maßstab völlig subjektiv ist. „Es soll mir gefallen“ ist nichts, was ein Kritiker prüfen kann.

Und noch eine Ergänzung: Wann die Schleife endet, entscheiden Sie. Wenn die Verbesserung von Runde zu Runde spürbar nachlässt, ist alles danach nur noch verbrannter Token.

Kurz gefasst

Der Grund für Inkonsistenz ist nicht die Unfähigkeit des Modells, sondern dass die Bewertung an derselben Stelle sitzt wie die Produktion. Trennen Sie die Bewertung ab — durch unabhängige Kritiker oder durch schriftliche Regeln — und Ihr Design wird vom Zufallstreffer zum System. Rechnen Sie nur die Kosten mit ein und heben Sie sich diese schwere Maschinerie für die Arbeiten auf, die Sie wiederverwenden werden.

Häufig gestellte Fragen

Ersetzt die Kritiker-Schleife ein Designsystem?

Nein, die beiden lösen verschiedene Probleme. Das Designsystem legt fest, was Sie produzieren; die Kritiker-Schleife prüft, ob das Produzierte zum System passt. Das beste Ergebnis entsteht, wenn beides zusammenkommt.

Kann ich das auch beim Programmieren verwenden?

Ja, die Logik ist dieselbe. Einen Prüfschritt mit frischem Kontext einzubauen, unabhängig vom erzeugenden Modell, funktioniert auch auf der Codeseite. Der Unterschied ist, dass es im Code ohnehin Tests gibt — dort übernimmt die Testsuite den Großteil der Kritikerarbeit.

Wie viele Kritiker sind genug?

Die Methode im Video arbeitet mit drei Rollen, ein vernünftiger Ausgangspunkt. Weniger Rollen können einen blinden Fleck lassen; mehr Rollen erhöhen die Kosten und machen es wahrscheinlicher, dass die Kritiker die Befunde der anderen wiederholen.

Wie lang sollte die Regeldatei sein?

So lang, dass sie den Wiedererzeugungstest besteht. Länge ist kein Ziel; der Maßstab ist, ob Sie das Original allein anhand der Regeln wieder aufbauen können.

Quelle

• Jack Roberts, Claude Design just got 10X Better... I'm Done (YouTube, August 2026): die unabhängige Kritiker-Schleife, die drei Kritikerrollen, das Rundenbeispiel und die Token-Kosten.
• Jack Roberts, Claude Design Just Solved its #1 Problem (YouTube, August 2026): ein gelungenes Design vermessen und in eine Regeldatei und einen wiederverwendbaren Skill übersetzen.

Modellnamen, Token-Zahlen und Werkzeugfunktionen ändern sich schnell; messen Sie die Kosten in Ihrem eigenen Projekt mit einem kleinen Probelauf.