UX Assistant: KI-Design-Copilot für die Banken-IT

Herausforderung

Design-System-Wissen war über Guidelines, Icon-Kataloge und Wording-Regeln verstreut. Konsistentes UI-Wording, passende Icons und die Prüfung von Interview-Leitfäden kosteten im Design-Alltag viel manuelle Zeit, und das in einer stark regulierten Banken-IT-Umgebung mit hohen Anforderungen an Datenschutz und Compliance.

Lösungsansatz

Ein agentischer KI-Copilot direkt in Figma: ein Orchestrator routet jede Anfrage an den passenden Spezialisten: RAG-gestützten Guidelines-Chat, Wording-Engine, Icon-Suche oder Vision-Chat für Screenshot-Feedback. Abgesichert über OIDC/LDAP, betrieben auf OpenShift in drei regulierten Umgebungen.

• RAG-Pipeline: Hybrid-Retrieval (dense + lexikalisch) mit RRF-Fusion und PII-Schutz für belegte, quellenbasierte Antworten.
• Wording-Engine: Deterministische Rule-Packs + semantischer Concept-Index. Erkennung deterministisch, Umschreibung generativ.
• Leitfadenprüfer: Client-seitiges Dokumenten-Parsing ohne Upload, zweistufiger LLM-Audit gegen Kriterienkatalog, PDF-Export.
• Auth & Chat-UI: OIDC/PKCE mit LDAP-Gruppenrechten sowie Streaming-Chat-Interface mit Quellenbelegen und Feedback-Anbindung.

Ergebnis

• KI-Copilot mit RAG-Chat, Wording-Generierung, Icon-Suche und Screenshot-Analyse produktiv in Figma verfügbar
• Eigenständiges Feature (Leitfadenprüfer) von Konzept bis Produktion end-to-end verantwortet
• Sichere Auth über drei regulierte Umgebungen hinweg, datenschutzkonform by Design

Ich habe an einem KI-Design-Copilot für die Banken-IT gebaut, einem Figma-Plugin mit RAG-gestütztem, agentischem Chat über ein Design-System, und darin die OIDC-Authentifizierung mit LDAP-Rechten, das Streaming-Chat-Interface und einen eigenständigen, datenschutzkonformen Leitfadenprüfer mit LLM-Dokument-Audit von Konzept bis Produktion verantwortet. Toni Haupt