Ein Grafikdesigner hat eine Idee für ein Logo. Er gibt sie in ein KI-Tool. Das Ergebnis: ein schönes Pixelbild – aber eine Kurve sitzt nicht richtig. Was tun? Maskieren, neu generieren, nachzeichnen. Mühsam. Alternativ bekommt er eine SVG-Datei. Er öffnet sie, ändert den Pfad, korrigiert den Verlauf, passt die Strichstärke an. Fertig. Der Unterschied: das eine ist ein fertiges Bild, das andere der Bauplan. Ein Artikel über die Zukunft visueller KI beschreibt diesen Wandel. Die These: Visuelle KI sollte nicht Pixel ausspucken, sondern den Code, der diese Pixel erzeugt. Das betrifft alle, die mit Design, Animation oder 3D-Modellierung arbeiten.
Zwei Welten der Bildgenerierung
Bisher dominierte ein Ansatz: Die KI erzeugt direkt ein Bild oder Video, oft über Diffusionsmodelle. Die Ergebnisse sind atemberaubend realistisch. Aber was du bekommst, ist eine Momentaufnahme. Willst du etwas ändern, musst du neu generieren oder mühsam nachbearbeiten. Der zweite Ansatz heißt „code-native“. Die KI schreibt kein fertiges Bild, sondern ein Programm, das das Bild rendert. Das kann ein SVG-Code sein, ein HTML/CSS-Layout, ein React-Component, eine Lottie-Animation oder ein Blender-Skript. Die Quelle ist ein editierbares, strukturiertes Artefakt. Statt des fertigen Gerichts bekommst du alle Zutaten und Schritte – und kannst jederzeit eingreifen. Für Produktionsabläufe ist das ein großer Vorteil. Ein generiertes Programm kann man versionieren, wiederverwenden, in andere Software einbetten und validieren. Es ist nicht nur Output, sondern ein aktives Werkzeug.
Warum Code die bessere Grundlage ist
Der wichtigste Vorteil zeigt sich, wenn der erste Entwurf nicht perfekt ist. Sagt ein Nutzer: „Das Logo gefällt mir, aber der Bogen ist zu flach.“ Bei einem gerasterten Bild beginnt die Arbeit von vorn. Bei einer SVG-Datei ändert man einfach den Pfad. Der Artikel nennt Quiver, ein Tool für Logodesign auf SVG-Basis. Ähnlich bei UI-Design: Ein Screenshot ist nur Inspiration. Liefert die KI HTML/CSS oder React-Code, kann der Designer den DOM inspizieren, Komponenten austauschen, responsive Zustände testen und Barrierefreiheit prüfen. Das ist der Kern professioneller Arbeit. Der Ansatz funktioniert besonders gut mit „Test-Time Compute“. Bei pixelbasierten Modellen bedeutet mehr Rechenzeit mehr Zufallsversuche – man generiert 20 Bilder und hofft. Die Rückkopplung ist grob. Bei codebasierter Generation läuft es anders: Code – Render – Inspect – Überarbeiten. Das Modell schreibt den Code, rendert ihn, sieht Fehler und patcht den Quellcode. Ist der Abstand falsch, ändert es das CSS. Ist die Kurve daneben, korrigiert es den SVG-Pfad. Jede Iteration verbessert das Artefakt selbst. Das ist, als würde ein Programmierer einen Bug fixen – nicht einfach neu kompilieren und hoffen.
Der Stack: Modell, Symbol und Renderer
Hinter diesen Beispielen steckt ein klarer Aufbau: Ein Codierungsmodell schreibt das Artefakt (HTML, SVG, Lottie-JSON, Blender-Script). Dieses Artefakt liegt als Quellcode vor – die Struktur ist festgehalten. Ein Renderer setzt diese Struktur in Pixel um: der Browser rendert HTML, ein SVG-Player zeigt Vektoren, Blender berechnet 3D-Szenen. OmniLottie ist ein gutes Beispiel. Lottie ist ein JSON-basiertes Animationsformat, das Bewegung als editierbare Vektoren, Ebenen und Keyframes speichert – nicht als flaches Video. OmniLottie wandelt dieses JSON in eine Befehlssequenz um, die Modelle leichter verarbeiten können. So kann ein KI-Modell Lottie-Animationen zuverlässiger generieren und bearbeiten. Weil die Animation als strukturierte Daten vorliegt, kann Feedback direkt auf die Quelle wirken. Läuft eine Bewegung zu langsam? Ändere den Timing-Wert. Passt der Pfad nicht? Editiere die Vektorform. Das ist kein Neusampeln, sondern gezieltes Debuggen eines visuellen Programms. Der Autor sieht eine direkte Verbindung zu Fortschritten bei KI-Agenten, die in Sandboxen Code testen – nur dass die Umgebung hier ein Renderer ist.
Wo der Markt sich formiert: Runtimes als Nischen
Der Artikel zeichnet eine Marktlandkarte. Die Anbieter gruppieren sich um die Laufzeitumgebung – den Ort, an dem das Artefakt ausgeführt wird. Browser, SVG-Renderer, Lottie-Player, Blender, Spiele-Engines, Simulatoren – jede Laufzeit schafft eine eigene Nische mit eigener Quellrepräsentation, eigenem Feedback-Loop und eigenen Produktionsworkflows. Die offensichtlichsten Anwendungen liegen heute im 2D-Design, vor allem bei UI und Grafik. Der Autor betont: Visuelle Codegenerierung ist viel breiter. Sie zeigt sich überall dort, wo ein visuelles Artefakt eine zugrundeliegende Repräsentation hat, die generiert, gerendert, inspiziert und verbessert werden kann. Die ersten erfolgreichen Produkte sind oft Start-ups, die sich auf eine dieser Runtimes konzentrieren – diejenigen, die den Kreislauf von Code zu Rendering zu Feedback zur Überarbeitung vollständig abbilden. Der Wettbewerb wird nicht mehr nur über die Schönheit der Ausgabe entschieden, sondern über die Qualität der Iterationsschleife.
3D als die wichtigste nächste Grenze
Besonders spannend wird es im Bereich 3D. Ein schönes Pixelbild allein ist wertlos. Ein gerendertes Bild eines Stuhls ist kein Stuhl – es ist ein Bild. Damit ein 3D-Asset in einem Spiel, einer Simulation oder einem CAD-Programm taugt, braucht es korrekte Geometrie, Materialien, Teilehierarchie und Szenenkontext. Fehler sind nicht nur optisch, sondern funktional. Der Artikel beschreibt zwei Projekte: VIGA und Articraft3D. VIGA nutzt Blender als Rendering- und Feedback-Umgebung und gibt dem KI-Agenten semantische Werkzeuge, um die Szene aus verschiedenen Kameraperspektiven zu betrachten, den Zustand abzufragen, Objekte zu isolieren und Abweichungen in Quellcode-Änderungen zu übersetzen. Articraft3D geht noch direkter vor: Es formuliert die Generierung eines 3D-Assets mit Gelenken als das Schreiben eines Programms, das Teile, Geometrien, Gelenke und Tests definiert. Das Ziel ist nicht nur ein plausibles Objekt, sondern eines, das sich auch so verhält: Türen öffnen sich, Schubladen gleiten, Räder drehen. Der Autor erwartet, dass 2026 und 2027 viele weitere kommerzielle und Open-Source-Projekte entstehen. Denn hier zeigt sich der Vorteil der Code-Nativität am stärksten: Die Iterationsschleife erlaubt es, nicht nur die Optik, sondern auch die Funktionalität systematisch zu verbessern.
Was das für die Zukunft bedeutet
Setzt sich dieser Trend durch, werden die Gewinner nicht einfach schönere Bilder liefern. Sie werden die gesamte Schleife besitzen: Artefakt generieren, rendern, inspizieren, überarbeiten. Daraus ergeben sich mehrere Implikationen. Erstens werden Renderer zu Feedback-Umgebungen. Browser, SVG-Renderer, Lottie-Player, Blender, Spiele-Engines und Simulatoren verwandeln sich in Testumgebungen, in denen KI-Agenten ihre Arbeit verbessern – analog zu den Sandboxen und VMs, die heute beim Codieren genutzt werden. Zweitens wird die Qualität des Iterationskontexts entscheidend. Um einen Agenten in eine ständige, schnelle Wiederholung von Test und Korrektur zu bringen, braucht es klare Metriken, zuverlässige Renderings und eine gute Fehlerdiagnose. Drittens verändert sich das Verhältnis zwischen Mensch und KI. Statt eines einmaligen Prompts wird die Arbeit zu einem Dialog: Der Mensch gibt Feedback auf das generierte Programm, die KI bessert nach, der Mensch prüft wieder. Das ist keine magische Ausgabe, sondern eine partnerschaftliche Optimierung. Wer versteht, dass visuelle KI zunehmend Code schreibt statt Bilder malt, wird die Werkzeuge von morgen besser nutzen können. Der Bauplan ist wertvoller als das fertige Haus – er lässt sich jederzeit umbauen.
Quelle: a16z.com
