Simon LutterSenior UX Designer

Wie ich mit KI gestalte.

Ich verbinde Claude mit den Tools, in denen Produktarbeit stattfindet: Jira, Confluence, GitHub, Figma, zeroheight und die Flutter-Codebasis. Die KI sammelt Kontext, entwirft und dokumentiert. Ich rahme das Problem, treffe die Entscheidungen und gebe frei, was veröffentlicht wird.

Der Workflow

KI-gestützt

Vom Input des Product Owners ausgehen.

Claude holt Epics, Stories und Anforderungsseiten aus Jira und Confluence, über einen MCP-Server, der mit meinem API-Token authentifiziert ist. Nichts wird von Hand kopiert, also geht nichts verloren.

Meine Rolle
Scope prüfen, Lücken und offene Fragen finden.
Ergebnis
Ein vollständiges Briefing
Tools
Jira · Confluence · MCP

Verbindungen

FigmaMCP-ServerLiest Frames, Komponenten und Variablen als Designkontext.
JiraMCP · API-TokenLiest Epics und Stories; legt Tickets und User Stories an.
ConfluenceMCP · API-TokenLiest Anforderungsseiten; veröffentlicht Spec-Seiten.
GitHubMCP-Server · lokale ReposIssues und Pull Requests über MCP; Codearbeit in lokalen Klonen.
FlutterSDK · App-RepositoryPrototypen laufen lokal auf der echten Codebasis.
zeroheightMCP-ServerDesign-System-Regeln und Guidelines als verlässliche Quelle.

Was Claude übernimmt

  1. Figma-Designgelesen über Figma-MCPJira-Ticketsangelegt über Jira-MCP
  2. Designentscheidungenaus der ArbeitssessionConfluence-Spec-Seiteentworfen über Confluence-MCP
  3. Anforderungenaus Confluence und JiraUser-Story-Entwürfevon mir geprüft
  4. Prototyp und Dokuaus der ArbeitssessionGitHubCommit und Pull Request

Von mir in einer Arbeitssession angestoßen, nicht zeitgesteuert im Hintergrund. Nichts wird ohne meine Prüfung veröffentlicht oder gemergt.

Prinzipien

Menschen rahmen, KI beschleunigtProblemrahmung und Research-Plan bleiben menschlich. Die KI beschleunigt alles drumherum.
Kontext schlägt PromptsDie KI mit den echten Quellen zu verbinden, bringt mehr als geschickte Formulierungen.
Auf dem echten System bauenPrototypen auf der Produkt-Codebasis und dem Design Guide, nicht auf losgelösten Mock-ups.
Minimale RechteEng begrenzte API-Tokens, wo möglich nur lesend, in der MCP-Konfiguration hinterlegt, nie in Prompts oder Repositorys.
Prüfen vor VeröffentlichenJedes Ticket, jede Seite und jeder Commit, den die KI entwirft, wird von mir geprüft, bevor andere ihn sehen.
Transparenz schafft VertrauenMenschen sollen immer verstehen, warum die KI etwas tut, und Nein sagen können.

Bei Bosch habe ich außerdem ein internes KI-Toolkit für Designer gebaut: praktische Prompts für Research, Ideation und UX Writing sowie Leitlinien, wo menschliches Urteil unverzichtbar bleibt. Bosch Case Study →

Von der Thesis zur Praxis

2019 beschrieb meine Bachelorarbeit drei Zugriffsstufen, die ein Assistent braucht, um wirklich nützlich zu sein. MCP stellt diesen Zugriff heute standardisiert bereit.

Stufe I

Externer Zugriff

Dateien und Apps öffnen, versenden, verwalten.

Heute: Claude öffnet Repos, Seiten und Tickets.

Stufe II

Interner Zugriff

Den Inhalt von Dateien und Apps verstehen.

Heute: Claude liest Anforderungen, Specs und den Design Guide.

Stufe III

Voller Zugriff

Inhalte verarbeiten und aktiv unterstützen.

Heute: Claude entwirft Specs, Tickets und Prototypen. Ich entscheide.

Zur Case Study der Bachelorarbeit

Wie diese Website entstanden ist

  1. Alte Website gelesen: 10 Seiten, jQuery, Bootstrap 3, sieben StylesheetsKI
  2. Interview zu Positionierung, Workflow und WirkungIch
  3. Öffentliche Zahlen recherchiert: Bosch, Porsche, DS CoreKI
  4. 163 MB Bilder und Videos auf rund 15 MB komprimiertKI
  5. Art Direction: Farben, Typografie, Referenzen, mehr WeißraumIch
  6. Design System, Templates, Englisch und Deutsch, kleiner Python-GeneratorKI
  7. Jede Aussage geprüft und freigegebenIch