Wenn alle Shops gleich aussehen: KI-Design 2026

Köln, 10. Juni 2026, Shopware Community Day. Vor rund 1.700 Händlern, Partnern und Entwicklern stellt Shopware unter dem Namen Experience Studio eine Research Preview vor, die einen alten Agentur-Engpass auflösen soll: Man beschreibt seinen Shop in ein paar Sätzen, die Maschine baut daraus ein funktionierendes Storefront — laut Shopware-Pressemitteilung "in Minuten statt Wochen". Das Versprechen ist nicht neu, aber die Demo war konkret genug, um den Saal still werden zu lassen.

Das Versprechen trägt. Und es hat einen strukturellen Haken, der nichts mit Shopware im Speziellen zu tun hat, sondern mit der Funktionsweise der Modelle dahinter — und mit der Frage, was am Ende eigentlich Ihnen gehört.

Was die Maschine heute wirklich ausgibt

Generative KI-Systeme geben heute vollständige Frontend-Strukturen aus — HTML, CSS, Template-Logik inklusive. Was früher mehrere Tage Agenturarbeit band, liegt jetzt als erster Entwurf in deutlich kürzerer Zeit vor. Das ist kein Nischeneffekt: Der Markt für generative KI in Deutschland wächst laut Statista-Prognose bis 2031 auf rund 19,5 Milliarden US-Dollar — ein Plus von über 560 Prozent gegenüber 2025.

Auch bei den vorgelagerten Aufgaben sind die Zahlen handfest. Eine Auswertung des US-Portals EComposer aus dem Jahr 2025 beziffert die Ersparnis bei KI-generierten Produktbildern gegenüber klassischer Fotografie auf bis zu 80 Prozent; bei Produkttexten liegt der eingesparte Schreibaufwand zwischen 75 und 88 Prozent, bei vergleichbaren Conversion-Ergebnissen. Zum Vergleich der Größenordnung: Ein individuelles Shopware-Theme aus Agenturhand kostet nach Branchenangaben zwischen 5.000 und 15.000 Euro. Der erste lauffähige KI-Entwurf entsteht für einen Bruchteil davon, in einem Bruchteil der Zeit.

So weit die gute Nachricht. Die entscheidende Frage ist, was danach kommt.

Der Haken heißt Konvergenz

Im März 2026 hat ein Forschungsteam unter Beteiligung der University of Washington eine Arbeit mit dem Titel Interrogating Design Homogenization in Web Vibe Coding veröffentlicht. Die Forscher untersuchten sechs verbreitete Plattformen, auf denen Laien Websites per Prompt erzeugen, statt Code zu schreiben. Ihr Befund: Weil die Modelle überwiegend auf englischsprachigen, westlich geprägten Designdaten trainiert sind, reproduzieren sie verlässlich dieselben dominanten Muster. Sie nennen das die "good enough"-Falle — ein Output, der poliert und funktional aussieht, wird von Nutzern ohne Designhintergrund akzeptiert, ohne die Frage zu stellen, ob er überhaupt zur Marke passt.

Praktiker beschreiben dasselbe Phänomen weniger akademisch. Wer KI-Baukästen testet, landet immer wieder bei derselben Anatomie: zentrierter Hero, darunter drei Feature-Kacheln, eine Testimonial-Sektion, derselbe Blauton, dieselben abgerundeten Ecken. Ein Modell sagt das statistisch Wahrscheinlichste voraus — und das Wahrscheinlichste ist per Definition das Durchschnittliche. Aus unendlichen gestalterischen Möglichkeiten wird ein schmaler Korridor.

Für einen Online-Shop ist das kein kosmetisches Problem. Differenzierung ist hier die Geschäftsgrundlage. Wenn das Storefront aussieht wie der statistische Mittelwert der Branche, hat der Händler seinen Markenauftritt an ebendiesen Mittelwert abgetreten — ausgerechnet in einer Phase, in der Shopware selbst argumentiert, dass Emotion, Vertrauen und Markenidentität das Einzige seien, was sich der Automatisierung entzieht.

Warum ein LLM keine Schöpfungshöhe hat

Hinter der Konvergenz steckt kein Bug, sondern das Prinzip. Ein Large Language Model erzeugt Wahrscheinlichkeiten, keine Einfälle. Es kennt keinen gestalterischen Bruch, keinen Grund, eine Konvention zu verletzen — denn die Konvention ist genau das, woraus es gelernt hat. Was nach Kreativität aussieht, ist Rekombination des bereits Vorhandenen.

Das deutsche Urheberrecht zieht aus derselben Tatsache eine bemerkenswert parallele Konsequenz. Ein Urteil des Amtsgerichts München vom Februar 2026 konkretisiert die Rechtslage: Rein KI-generierte Inhalte — Code, Layouts, Bildmaterial — sind in der Regel nicht urheberrechtlich schutzfähig, weil ihnen die persönliche Schöpfungshöhe eines Menschen fehlt. Erst wenn die kreativen Vorgaben im Prompting den Output so stark prägen, dass das Ergebnis insgesamt als eigene originelle Schöpfung gelten kann, entsteht Schutz; allgemein gehaltene Anweisungen reichen dafür nicht aus.

Für Händler, die exklusive Designrechte an ihrem Auftritt halten wollen, ist das mehr als eine juristische Fußnote. Was die Maschine allein produziert, gehört rechtlich niemandem exklusiv — und kann morgen, in fast identischer Form, beim Wettbewerber stehen. Die fehlende Schöpfungshöhe ist also kein abstraktes Manko, sondern dieselbe Eigenschaft, die auch die optische Austauschbarkeit erzeugt, nur aus der Perspektive des Rechts betrachtet.

Die 80/20-Linie

Wo genau verläuft die Grenze? Mehrere Webdesign-Fachmedien beschreiben, zusammengefasst bei etailment, ein konsistentes Verhältnis: KI übernimmt rund 80 Prozent der technischen Ausführungsarbeit zuverlässig. Die verbleibenden 20 Prozent — strategischer Markenausdruck, zielgruppenspezifische UX-Entscheidungen, konversionskritische Feinabstimmung — bleiben menschliche Aufgaben. Diese 20 Prozent sind nicht der Rest; sie sind der Teil, an dem sich entscheidet, ob aus einem Entwurf ein Markenauftritt wird.

Dazwischen liegt zudem eine Fehlerquelle, die in den Demos selten vorkommt: KI-Systeme halluzinieren. Sie geben plausibel klingende, aber technisch fehlerhafte Ergebnisse aus — falsche Template-Syntax, inkorrekte CSS-Kaskaden, inkompatible Komponenten. Ohne Prüfung durch jemanden, der den Code lesen kann, ist ein generiertes Template nicht produktionsreif.

Genau hier klafft die eigentliche Lücke. Laut einer Erhebung von doofinder aus dem Jahr 2026 testen über 70 Prozent der befragten Online-Händler KI-Tools — aber nur ein Bruchteil setzt sie täglich produktiv ein. Der Abstand zwischen Ausprobieren und Betrieb ist kein Lizenz-, sondern ein Workflow-Problem.

Was das für Entscheider heißt

Wer KI im Shop-Design einsetzen will, ohne im Durchschnitt zu landen, kann sich an wenigen Faktoren orientieren:

Eingaben bestimmen die Ausgaben. Ohne strukturierte Produktdaten und klare Markenvorgaben liefert die Maschine austauschbare Ergebnisse — das ist kein Modellfehler, sondern eine logische Folge dünner Prompts.
Die Nachbearbeitung entfällt nicht. Mindestens eine Person mit Frontend-Kenntnissen muss Output sichten, korrigieren und auf das konkrete Shopsystem zuschneiden. Generische Templates sind selten direkt importierbar.
Die exklusiven Rechte entstehen erst durch menschliche Gestaltung. Wo Designrechte zählen, muss der prägende kreative Anteil dokumentierbar beim Menschen liegen.
KI ist Beschleuniger, nicht Autopilot. Für kleine Sortimente ist der Hebel groß, für komplexe Enterprise-Projekte übersteigt die individuelle Komplexität schnell die Stärken der KI.

Das Experience-Studio-Versprechen — Minuten statt Wochen — ist für den Entwurf wahr. Für das fertige Produkt ist es eine andere Geschichte. Wer darauf wartet, dass die Maschine den ganzen Weg übernimmt, wird am Ende feststellen, dass das fertige Produkt genauso aussieht wie der erste Entwurf — und genauso wie der von tausend anderen.