Die Daten sperren, alles andere öffnen
Ein Diagramm-Tool, dem man bei den Daten nicht trauen kann, ist kein Diagramm-Tool.
The job that started it
Anfang dieses Jahres übernahm eine Stimme aus unserem Kollektiv – Ellen Drewes – einen Auftrag, vor dem die meisten Designer still zurückschrecken würden: Ein großer zwischenstaatlicher Kunde brauchte mehr als hundert Datenvisualisierungen für einen einzigen Berichtszyklus, in einem Zeitrahmen, der den üblichen Workflow unmöglich machte. Der übliche Workflow war hier: Designer bauten jedes Diagramm von Hand in Illustrator nach – aus einem Brei aus Excel-Dateien, Word-Dokumenten, PowerPoint-Decks und Zahlen, die in E-Mails eingefügt wurden.
Der naheliegende Schritt war, nach KI zu greifen. Das naheliegende Problem: Standardmodelle halluzinierten munter Werte und änderten Daten still, ohne Flag, ohne Warnung, ohne Audit-Trail. Jede Überarbeitungsrunde vergrößerte das Risiko im Stillen. Für einen Bericht, den Entscheidungsträger lesen würden, war das kein Produktivitätsthema. Es war ein Glaubwürdigkeitsthema.
Also baute sie stattdessen GraphWitch. Das Arbeitsprinzip war eine Zeile lang: die Daten sperren, alles andere öffnen.
Die Daten sperren, alles andere öffnen
Diese eine Einschränkung ordnete das ganze Produkt neu. Der KI-Agent steckte in strikten Leitplanken – Diagrammtyp, Format, Palette, Typografie, Layout: alles erlaubt. Die Zahlen: niemals. Nutzer laden fast jeden Dateityp hoch, Bilder eingeschlossen, und das Tool extrahiert die Daten und baut die Visualisierung. Die extrahierten Werte stehen in einem editierbaren Panel neben dem Diagramm, sodass eine Kundenkorrektur an der Quelle landet, statt um Mitternacht von einem Designer neu eingetippt zu werden.
Der Rest des Produkts folgte derselben Disziplin. Ein Styleguide-Builder erzeugt aus einem einzigen Bild – einem Screenshot, einem Foto, dem Deck eines Kunden – ein editierbares Markensystem mit Typografie- und Farbvariablen, die sich im Handumdrehen verschieben lassen. Jeder Diagrammtyp, den das Team sich wünschte, liegt ein Dropdown entfernt. Export-Presets sind auf die Formate abgestimmt, in denen Berichte, Decks und Social Media tatsächlich ausgeliefert werden, nicht auf die generischen Größen einer Standardvorlage.
Das Ergebnis: Ein manueller Workflow, der früher drei Wochen dauerte, war in drei Tagen fertig, Revisionen inklusive. Das bescheidene Ziel zu Beginn – manuelle Arbeit zu halbieren – wurde still pulverisiert.
Why the constraint is the product
Das, worauf wir immer wieder zurückkommen, ist nicht die Geschwindigkeit. Es ist die Form der Einschränkung. KI im Produktivbetrieb scheitert nicht, weil die Modelle schwach sind. Sie scheitert, weil Teams „das Modell kann das“ als Erlaubnis lesen, es alles machen zu lassen. Die Teams, die verlässliche KI-Tools ausliefern, sind die, die in einem Satz sagen können, was das Modell nicht anfassen darf.
Lock the data, open everything else. Lock the diagnosis, open the treatment. Lock the facts, open the interpretation. The specifics change; the pattern doesn't. Guardrails aren't a limitation on the product — they're the reason anyone trusts it enough to use it twice.
Nachdem das Kundenprojekt ausgeliefert war, veröffentlichte Ellen GraphWitch im offenen Web, ohne Marketing. Echte Nutzer tauchten auf, aus mehr als einem Dutzend Ländern, mit langen Sessions, und kamen zurück. Das ist eine eigene Geschichte. Die Lehre aus dem Build ist die oben.
Wenn KI in einen Workflow kommt, dessen Output vertrauenswürdig sein muss – Berichte, Diagnosen, Finanzanalysen, alles, was ein Fremder liest und danach handelt –, beginnt man damit, das zu benennen, was das Modell nicht erfinden darf. Man entwirft das Produkt um dessen Schutz herum. Dann lässt man das Modell auf alles andere los.
Dann fängt das Tool an, die Arbeit zu tun.
Get in touch: thecollective@memeador.com