KI-Farbpaletten-Generatoren: Wo sie funktionieren und wo die Mathematik übernimmt

Bitte einen KI-Paletten-Generator um „warme, geerdete Farben für eine Outdoor-Marke” und er liefert etwas wirklich Nützliches: fünf oder sechs Farben, die eine Temperatur teilen, eine Stimmung, auf die du in Sekunden reagieren kannst, oft sogar Namen — Lehm, Moos, Düne. Stell ihm jetzt eine andere Art von Frage: Erreicht diese Textfarbe den Mindestkontrast auf diesem Hintergrund, und sitzen diese fünf Grüntöne in gleichmäßigen perzeptiven Abständen? Er wird genauso selbstbewusst antworten. Aber die beiden Fragen gehören zu unterschiedlichen Arten von Arbeit, und nur die erste ist das Heimspiel des Generators.

Ein KI-Farbpaletten-Generator ist zuverlässig, wo Palettenarbeit eine Sampling-Aufgabe ist — Richtung, Stimmung, Benennung — und unzuverlässig, wo sie eine Rechenaufgabe ist: Kontrast-Untergrenzen, perzeptiv gleichmäßige Schritte und systematische Herleitung. Der produktive Workflow besteht nicht darin, zwischen beiden zu wählen, sondern die Arbeit aufzuteilen: KI für die Richtung, Mathematik für das System.

Dieser Artikel — Teil unseres Leitfadens zu KI und Designsystemen — geht diese Grenzlinie ab.

Was kann ein KI-Paletten-Generator gut?

Ein Modell, das auf einem riesigen Korpus von Interfaces, Fotografien, Filmstills und Markenseiten trainiert wurde, trägt ein gut ausgeprägtes Gespür dafür, welche Farben tendenziell zusammen auftreten und welche Stimmungen sie signalisieren. Es um eine Palette zu bitten, greift genau darauf zu: Es sampelt aus dem Raum der Kombinationen, die schon einmal funktioniert haben. Für das Finden einer Richtung ist das eine echte Stärke — es komprimiert das, was früher Tage des Mood-Boardings war, auf Minuten, und es produziert Kandidaten, die konkret genug sind, um ihnen zu widersprechen, was oft der Weg ist, auf dem eine Richtung tatsächlich gefunden wird. Auf eine fast-richtige Palette zu reagieren ist weit einfacher, als eine aus einem leeren Blatt zu erfinden.

Die Benennung ist eine leisere Stärke mit praktischem Wert: Eine Palette, die als Terracotta, Salbei, Sand ankommt statt als drei Hex-Codes, gibt einem Team ein gemeinsames Vokabular und gibt Prompts zur Bildgenerierung etwas weit Verlässlicheres an die Hand als einen einzelnen Hex-Wert.

Was kann eine generierte Palette nicht garantieren?

Ein auslieferungsreifes Interface braucht drei Eigenschaften von seinen Farben, und jede ist eine Eigenschaft berechneter Zahlen und nicht des Geschmacks:

1. Eine Kontrast-Untergrenze. Jede Text-auf-Hintergrund-Paarung, die das UI tatsächlich erzeugt, muss ein Mindestverhältnis erreichen — nicht die meisten Paarungen, jede Paarung.
2. Gleichmäßige Schritte. Eine Fünf-Farben-Stimmungspalette hat überhaupt keine Schritte; ein funktionierendes UI braucht typischerweise rund zehn Abstufungen pro Farbton — für Hover- und Pressed-Zustände, Rahmen, dezente Flächen — und diese Abstufungen sollten in gleichförmigen perzeptiven Inkrementen voranschreiten, sonst wirkt die Mitte der Farbrampe gedrängt, während die Enden gedehnt aussehen.
3. Systematische Herleitung. Jeder Wert sollte auf eine Ausgangsfarbe plus eine Regel zurückführbar sein, sodass das Ändern der Ausgangsfarbe das ganze System neu generiert, statt vierzig handjustierte Hex-Codes verwaisen zu lassen.

Eine gesampelte Palette kann zufällig jede dieser Eigenschaften erfüllen. Versprechen kann sie sie nicht, denn nichts im Sampling-Prozess berechnet sie — das Modell schöpft aus dem, was richtig aussieht, und alle drei Eigenschaften sind durch Arithmetik definiert, nicht durch Erscheinung. Unser Artikel darüber, warum KI-generierte Interfaces vom Markenkurs abdriften, behandelt, was dieses Sampling-Verhalten über die Zeit mit der Konsistenz macht; dieselbe Logik gilt innerhalb einer einzelnen Palette.

Warum ist Kontrast eine Berechnung und keine Ermessensfrage?

Das WCAG-Kontrastverhältnis ist als Arithmetik über der relativen Luminanz definiert — eine Zahl, die aus den RGB-Komponenten einer Farbe über eine feste Formel berechnet wird. Fließtext braucht 4,5:1 gegen seinen Hintergrund; entweder ergeben die beiden Zahlen dieses Verhältnis oder nicht. Nichts Ästhetisches geht in die Definition ein, und das Auge ist ein schlechter Schätzer dafür: Mittelton-Paarungen, die angenehm aussehen, fallen regelmäßig durch, und manche Paarungen, die bestehen, sehen schlechter aus als solche, die es nicht tun.

Wenn also eine generierte Palette mit einer Behauptung wie „barrierefreie Farbkombinationen” ankommt, behandle sie als Stimmungsaussage über eine mathematische Eigenschaft. Die Behauptung kann wahr sein. Der einzige Weg, es zu wissen, ist, sie zu berechnen.

Wie sieht die berechnete Hälfte des Workflows aus?

Es beginnt mit einer Farbe — und diese Ausgangsfarbe kann durchaus aus einer KI-Palette kommen; genau hier gehört die Übergabe hin. Aus der Ausgangsfarbe leitet ein deterministisches System den Rest her: zehn Schritte, platziert auf einer Helligkeitskurve in OKLCH, einem Farbraum, der so gebaut ist, dass gleiche numerische Schritte als gleiche visuelle Schritte gelesen werden.

Öffne eine berechnete Farbrampe, gebaut aus einer einzigen Ausgangsfarbe — zehn Schritte, jeder mit einem Namen und einem exakten Wert, gleichmäßig verteilt, weil sie auf einer Kurve platziert und nicht ausgewählt wurden. Zieh an der Ausgangsfarbe und die ganze Farbrampe folgt.

Die gleichmäßige Verteilung ist keine stilistische Vorliebe. Sie ist das, was die Farbrampe als System nutzbar macht: Schritt 300 zu 400 bedeutet dieselbe visuelle Veränderung wie 600 zu 700, sodass Hover-Zustände, Rahmen und Flächen, die aus benachbarten Schritten gebaut sind, sich überall vorhersagbar verhalten. Wie die Kurve diese Verteilung formt, ist ein eigenes Thema — behandelt in unserem Artikel über Helligkeitskurven.

Wie fügen sich die beiden Hälften zusammen?

Die Aufteilung, der Reihe nach:

1. Richtung — KI. Generiere Paletten, bis eine die richtige Stimmung hat. Behalte das Vokabular, das sie vorschlägt; verwirf die exakten Werte ohne schlechtes Gewissen.
2. Farbrampen — berechnet. Speise die gewählte Ausgangsfarbe in ein deterministisches System ein und leite vollständige Farbrampen auf perzeptiven Kurven her.
3. Rollen — hergeleitet, mit einer Untergrenze. Weise semantische Rollen — Hintergrund, Text, Akzent — aus den Schritten der Farbrampe zu, wobei jede Paarung als Arithmetik gegen den Mindestkontrast geprüft wird.
4. Tokens raus. Exportiere das Ergebnis als benannte Tokens, sodass nachgelagerte Tools — einschließlich KI-Coding-Tools — Namen referenzieren, statt Werte neu zu raten.

Beachte, was aus dem Beitrag der KI überlebt: die Richtung, die Stimmung, die Namen. Ersetzt wird nur das, was das Sampling ohnehin nie garantieren würde — die Zahlen. Dieselbe Aufteilung taucht in größerem Maßstab wieder auf, wenn du fragst, ob ChatGPT ein ganzes Designsystem bauen kann.

Sieh die Untergrenze, nicht nur die Farbrampe

Der klarste Weg, den Unterschied zwischen einer Palette und einem System zu spüren, ist ein Blick auf die geprüften Paarungen: öffne dieselbe Farbrampe mit semantischen Rollen, hergeleitet gegen die WCAG-Untergrenze — Hintergrund, Text und Akzent aus den Schritten zugewiesen, jede Kombination bewertet statt über den Daumen gepeilt. Die ästhetische Richtung bleibt, was auch immer du (oder dein Generator) gewählt hast. Die Garantien sind der Teil, der berechnet wird.