Skill Reference · Aktionsplan v1.1
Ethical Design
Kernprinzipien
| Prinzip | Regel |
|---|---|
| KI als Praktikant | Output ist Entwurf, kein Ergebnis. Kein ungeprüfter KI-Output zum Kunden. |
| WAS/WIE-Grenze | PM definiert WAS. UX/UI definiert wie es aussieht. Dev definiert wie es gebaut wird. |
| Qualität vor Geschwindigkeit | Schnellere Prototypen sind nur Gewinn wenn sie Design-System-Standards erfüllen. |
| Transparenz | Intern + extern kommunizieren wo KI eingesetzt wird. |
| Datenschutz | Keine Kundendaten oder vertraulichen Infos in externe KI-Tools. |
Aktuelle Tools (Stand 2026-06)
| Tool | Status | Anmerkung |
|---|---|---|
| Claude Code (via VS Code) | ✅ Aktiv | Primäres Vibe-Coding-Tool |
| Claude Cowork | ✅ Aktiv | In Prüfung — Token-Verbrauch vs. Claude Code |
| Figma Make | ⚠️ Nicht aktiv | Nutzt Design System noch nicht korrekt — kann später hinzukommen |
| v0.dev · Lovable · Bolt · Cursor | ✅ Situativ | Gemäß POC-Regeln → AI Behavior |
Vibe Coding — Review-Pflicht & Freigabeprozess
Jedes Ergebnis aus Vibe Coding — auch wenn es mit Hilfe der design.md erstellt wurde — muss vor Kundenpräsentation gegen die design.md geprüft und freigegeben werden.
Vibe Coding Ergebnis
↓
design.md Compliance-Check (Prompt unten verwenden)
↓
Feedback-Liste erstellt — Abweichungen dokumentiert
↓
Kritische Fehler? → Eskalation: Designer → Design Lead → brand@spherity.com
↓
Abweichungen per E-Mail an julia.celiker@spherity.com
↓
Freigabe erhalten
↓
Design Lead prüft Prototyp (Pflicht — auch bei konformem Ergebnis)
↓
[DONE] — darf Kunden gezeigt werden
Vor Freigabe gilt: Der Prototyp darf nicht in Kunden-Meetings, Demos oder Präsentationen gezeigt werden — auch nicht „nur kurz" oder „intern".
Kritisch = Verstöße gegen §3.6.2 Absolute Bans, falsche Produktnamen, Brand-Inkonsistenz, sensible Daten sichtbar, WCAG-Verletzungen.
Compliance-Check Prompt
In Claude Code, Cowork oder einem anderen KI-Tool verwenden um einen Vibe-Coding-Output gegen die design.md zu prüfen:
Du prüfst einen HTML/CSS/Design-Prototypen gegen die Spherity design.md.
Lies zuerst die design.md (und ggf. design-guardrails.md, system.md).
Analysiere dann den Prototypen und erstelle eine Feedback-Liste.
Struktur der Ausgabe:
## ✅ Konform
- [Was korrekt ist]
## ⚠️ Abweichungen (müssen vor Freigabe behoben oder genehmigt werden)
| # | Element | Problem | Regel (§) | Priorität |
|---|---|---|---|---|
| 1 | [z.B. Card-Border] | [border-left als Akzent] | §3.6.2 #1 | 🔴 Kritisch |
## 🔴 Kritische Verstöße (Eskalation erforderlich)
- [Nur wenn vorhanden]
## Entscheidungen für Freigabe
- [Abweichungen die explizite Freigabe durch Design Lead benötigen]
Priorität:
🔴 Kritisch: §3.6.2 Absolute Bans, falsche Produktnamen, WCAG-Verstöße, sensible Daten
🟡 Wichtig: Abweichungen von Tokens, Spacing, Typo-Hierarchie
🟢 Minor: Stilistische Feinheiten, nicht blockierend
Sei präzise. Keine langen Erklärungen. Nur die Findings.
Freigabe-E-Mail-Vorlage
Nach dem Compliance-Check die Abweichungen sammeln und zur Freigabe schicken:
An: julia.celiker@spherity.com
Betreff: Freigabe-Anfrage Prototyp — [Projektname] — [Datum]
Prototyp: [Name / Link / Datei]
Erstellt mit: [Claude Code / Cowork / anderes Tool]
Erstellt von: [Name]
Compliance-Check durchgeführt: ✅
## Abweichungen die Freigabe benötigen:
[Tabelle aus Compliance-Check einfügen]
## Kritische Verstöße:
[Falls vorhanden — sonst: keine]
Bitte um Freigabe oder Rückmeldung bis [Datum].
Wichtig: Ohne Rückmeldung gilt keine Freigabe. Schweigen ≠ Zustimmung.
Ethische Muster in Spherity-Produkten
| Pattern | Wo | Regel |
|---|---|---|
| ABAC Login-Gate | VERA DPP · Circularity | Sensible Felder nicht renderbar ohne Credential. Audit-Log Pflicht. §3.4 |
| Verify Modal | VERA DPP | Verifikation transparent — Verifier wählbar, DID sichtbar. §3.1 |
| Datensparsamkeit | Alle Public DPPs | Sensible Felder server-seitig nicht ausgeliefert. "Hidden" ≠ "not sent". |
Was KI nicht ersetzen kann
- Nutzerbedürfnisse verstehen — keine Empathie, kein Usability-Test-Kontext
- Brand Identity — KI folgt statistischen Durchschnittswerten
- Qualitätsbewertung — KI weiß nicht ob ihr Output gut ist
- Widersprüche auflösen — technische Constraints × Business-Ziele × Nutzererwartungen
- Accessibility-Entscheidungen — Barrierefreiheit erfordert Expertise
Querverweise: AI Behavior · Guardrails · design.md §3.6