Field Notes
Fractional Executives sind in den USA etabliert – in Europa kaum bekannt. Für Design Leadership ist das Modell besonders passend: Die meisten Unternehmen brauchen strategische Designführung, aber nicht in Vollzeit. AI-gestützte Workflows machen das Modell erstmals skalierbar.
Brad Frost hat 2013 eine Kompositionslogik für Interfaces vorgeschlagen, die heute Standardwissen ist. Zehn Jahre später lohnt eine Bestandsaufnahme – auch weil AI-gestützte Generierung die Taxonomie neu relevant macht.
Design Ops war immer das Betriebssystem für Designteams – Tooling, Prozesse, Skalierung. AI-Agenten verschieben die Aufgabe: von manueller Infrastruktur zu Kontextarchitektur. Wer heute DesignOps macht, orchestriert nicht nur Menschen und Tools, sondern auch Maschinen.
Design Tokens lösen ein Problem, das jahrelang als Tool-Problem behandelt wurde – wie Designentscheidungen verlustfrei zwischen Plattformen fließen. Die W3C-Standardisierung macht Tokens zur maschinenlesbaren Schnittstelle zwischen Design und AI-gestützter Generierung.
Mark Weiser und John Seely Brown formulierten 1995 ein Gegenmodell zur Aufmerksamkeitsökonomie – bevor es sie gab. Jetzt, wo AI-Interfaces um unsere Aufmerksamkeit konkurrieren, sind ihre Prinzipien aktueller denn je. Technologie soll an der Peripherie arbeiten, nicht im Zentrum.
Atkinson und Shiffrin modellierten 1968 das menschliche Gedächtnis als Pipeline – sensorisches Register, Kurzzeitgedächtnis, Langzeitgedächtnis. Wer heute AI-Agenten mit Memory-Systemen ausstattet, baut auf einer Architektur, die als Psychologie längst widerlegt ist. Als Architekturvorlage lebt sie in jeder AI-Agent-Memory weiter.
KI-Ethik produziert immer mehr Leitlinien – und verändert trotzdem wenig. Die Kritische Theorie der Frankfurter Schule bietet ein Analysewerkzeug, das erklärt, warum. Vier Denkbewegungen, die fehlen.
Figma veröffentlicht Guidelines für AI-kompatible Design-System-Dokumentation. Die Prinzipien – atomare Dateien, imperativ statt deskriptiv, Struktur als Routing – verändern, was Dokumentation überhaupt ist: nicht mehr Nachschlagewerk, sondern Steuerungsschicht.
Andrej Karpathy beschreibt sein Setup für LLM-gestützte Wissensarbeit – und es klingt vertraut. Markdown, Git, Obsidian, ein LLM als Operator. Unabhängig voneinander entdecken Practitioner dieselbe Architektur. Das ist kein Zufall, sondern konvergente Evolution.
512.000 Zeilen TypeScript, versehentlich veröffentlicht. Die Architektur von Claude Code zeigt mehr über die Zukunft der Mensch-Agent-Kollaboration als jede Roadmap: Agenten mit eingebauter Selbstskepsis, Autonomie-Daemon und der Fähigkeit, die eigene Existenz zu verschleiern.
AI-Agenten vergessen alles zwischen zwei Gesprächen. Der Artikel zeigt, warum größere Context Windows das Problem nicht lösen – und wie vier Gedächtnistypen aus der Kognitionswissenschaft die Grundlage für persistente Agent Memory bilden.
Anthropics Head of Product für Claude Code beschreibt, wie exponentiell besser werdende Modelle das klassische PM-Playbook auflösen – und welche vier Shifts Teams brauchen, um auf der Kurve zu bleiben statt hinter ihr.
Hunderte individuelle AI-Setups, aber kein geteilter Common Sense. Was fehlt: ein Playbook für agentische Zusammenarbeit in kleinen Teams. Agile Prinzipien werden nicht obsolet – aber ihre Auslegung verändert sich grundlegend, wenn ein Teammitglied ein Agent ist.
Andrej Karpathy beschreibt den Übergang von Code zu Prompts als Programmierparadigma. Das klingt nach Backend-Thema – hat aber massive Konsequenzen für jeden, der Interfaces gestaltet. Autonomy Sliders, eine dritte Consumer-Klasse und der ehrlichste Reality Check zum Thema Vibe Coding.
Claude generiert jetzt interaktive Charts und Diagramme im Chat. Klingt nach Feature – ist ein Paradigmenwechsel. Nicht nur für Designer: Datengetriebene Kommunikation wird für jeden Wissensarbeiter zugänglich. Was das verändert, wen das überfordert und warum Design jetzt wichtiger wird, nicht weniger.
Was passiert, wenn man aufhört zu prompten und anfängt, Kontext zu architektieren. Ein Praxisbericht über den Aufbau eines git-versionierten Knowledge OS – und was ich dabei über die Arbeit mit LLMs gelernt habe.
Nicht bessere Prompts schreiben – sondern das Prompting selbst automatisieren. Systematische Übersicht über Meta-Prompting: von Chain-of-Thought bis DSPy, von Self-Critique bis Multi-Agent-Orchestrierung. Mit konkreten Benchmarks und Praxisempfehlungen.
Detailszenario von Ex-OpenAI-Researcher und Forecasting-Experten: Monat für Monat von 2025 bis Ende 2027, von zuverlässigen Coding-Agenten bis zur Superintelligenz. Alignment scheitert progressiv, Geopolitik eskaliert. Zwei Enden: Verlangsamung oder Wettrüsten.
OpenAI hat keine einzigartige Technologie, kein Moat und eine User-Basis mit flacher Engagement-Kurve. Benedict Evans stellt vier strategische Grundfragen – und zieht den Netscape-Vergleich: Der Early Mover bei Browsern hat verloren, weil der Wert woanders entstand.
AI-Agenten haben den klassischen SDLC nicht beschleunigt – sie haben ihn aufgelöst. Aus sequenziellen Phasen wird ein agentischer Loop: Absicht formulieren, Kontext liefern, beobachten, wiederholen. Was bleibt: Context Engineering und Observability.
AI-Agenten erledigen jetzt mehrstündige Expert:innen-Aufgaben autonom. Die Fähigkeitskurve verdoppelt sich alle 4–7 Monate. Shumer vergleicht den Moment mit der 'das klingt übertrieben'-Phase von Covid – nur mit größerer Tragweite.