Figma Config 2026: Die Lücke zwischen KI-Generierung und menschlicher Kontrolle schließen

Auf der Config 2026 Konferenz stellte Figma eine massive Suite von Updates vor, die darauf ausgelegt sind, die Design-Canvas in einen multidimensionalen Arbeitsbereich für Code, Motion und 3D-Effekte zu verwandeln. Anstatt zu versuchen, eigene grundlegende LLMs zu entwickeln, konzentriert sich Figma auf eine tiefe Integration und stellt sicher, dass KI als präzises Werkzeug für professionelle Designer dient, anstatt als Black-Box-Ersatz.

Jenseits von Prompting: Integration von Code, Motion und Shadern

Figmas Kernstrategie besteht darin, die KI-Generierung direkt auf die Canvas zu bringen, um zu verhindern, dass Nutzer zu externen „Vibecoding“-Tools wechseln müssen. Der bedeutendste technische Sprung ist die Einführung von Code Layers, die es ermöglichen, Design- und Produktionscode nebeneinander zu führen. Nutzer können nun Produktionscode über GitHub importieren, ihn mithilfe eines Agenten manipulieren und Design-Anpassungen nahtlos wieder in Code umwandeln.

Die Plattform sprengt zudem die Grenzen des statischen 2D-Designs durch drei wichtige technische Erweiterungen:

• Motion & Timelines: Designer können nun Animationen und Übergänge innerhalb einer gemeinsamen Timeline verwalten, die über den Dev Mode und MCP in die Produktion überführt werden kann.
• 3D Transformations: Eine neue Tiefenebene ermöglicht eine echte räumliche Perspektive und geht damit über die traditionelle Methode hinaus, Tiefe durch gestapelte Schatten vorzutäuschen.
• WebGPU-basierte Shader: Mithilfe von WebGPU hat Figma eine Shader-Funktion eingeführt, mit der Nutzer komplexe visuelle Effekte – wie Dithering, Milchglas oder poliertes Chrom – einfach durch die Beschreibung gegenüber einem KI-Agenten generieren können.

Weave und der Wandel hin zu „AI Materials“

Aufbauend auf der Übernahme von Weave integriert Figma das, was es „AI Materials“ nennt, in den Design-Workflow. Dieses System ermöglicht es Teams, mehrere Modelle und Bildquellen zu einer einheitlichen Designrichtung zu kombinieren. Derzeit sind über 20 Weave-Tools, wie das Texturize-Plugin, auf der Canvas verfügbar, wodurch Designer prozedurale Texturen und Muster mittels natürlicher Sprachbefehle (Prompts) auf Elemente anwenden können.

Um das Problem fragmentierter KI-Workflows zu lösen, führt Figma Agent Skills ein. Dies ermöglicht es Teams, erfolgreiche Prompting-Techniken – wie etwa einen /contrast-improvements-Befehl – zu speichern und unternehmensweit einzusetzen. So werden individuelle KI-„Erfolge“ in wiederverwendbare, durchsuchbare Team-Assets verwandelt.

Die Ökonomie „gemietter“ Intelligenz

Während sich das Funktionsspektrum von Figma erweitert, steht das Unternehmen vor einer erheblichen strukturellen Herausforderung: der Abhängigkeit von „gemietter“ Intelligenz. Die KI-Funktionen von Figma basieren auf Modellen von Drittanbietern wie OpenAI, Google und Anthropic. Diese Abhängigkeit hat spürbare Auswirkungen auf das Geschäftsergebnis; aufgrund steigender Kosten für die KI-Inferenz fielen Figmas Bruttomargen im Jahr 2025 von etwa 92 % auf 86 %.

Darüber hinaus entsteht dadurch ein strategisches Paradoxon. Einer der wichtigsten Modellanbieter von Figma, Anthropic, hat Claude Design auf den Markt gebracht – ein Tool, das in der Lage ist, aus einem einzigen Prompt polierte, anklickbare Interfaces zu generieren. Dies bedroht direkt Figmas Position als Ausgangspunkt für die digitale Produktentwicklung. Indem Figma auf granulare, editierbare Ebenen (Code, Motion und Shader) setzt, wettet das Unternehmen darauf, dass professionelle Designer stets ein Werkzeug bevorzugen werden, das sie kontrollieren können, gegenüber einem Modell, das lediglich ein fertiges Ergebnis „ausspuckt“.

Die wichtigsten Erkenntnisse

• Tiefe Integration statt reiner Generierung: Figma begegnet „One-Shot“-KI-Tools, indem Code, Motion und 3D-Shader für eine iterative Kontrolle direkt auf die Canvas hinzugefügt werden.
• Kollaborative KI-Workflows: Durch Agent Skills und Weave transformiert Figma KI von einem reinen Produktivitätsbeschleuniger für Einzelpersonen in ein gemeinsames, durchsuchbares Team-Asset.
• Die Margen-Herausforderung: Hohe Inferenzkosten von Drittanbietern von LLMs beeinträchtigen die Bruttomargen, während das Unternehmen gleichzeitig auf eine tiefere KI-Integration drängt.