AI-Guidelines für sipgate

Weil sich AI-Features in ihrem Autonomiegrad stark unterscheiden, bekam jede Kategorie eigene Regeln, von der Kennzeichnung bis zum Umgang mit Fehlern.

Zeit im Team
Jan. 2026 – Feb. 2026
Rolle
Product Designer
Zusammenarbeit
Zu zweit mit einer Designerin (zugleich PM), abgestimmt mit dem Design-Lead
Ergebnis
Bestehende Features wurden angeglichen, die AI Badge hat sich durchgesetzt. Die Regeln für Wording und Fehler werden uneinheitlich befolgt.
Schaubild der drei AI-Kategorien Invisible, Assistive und Agentic mit den Schritten, die ein Nutzer bei jeder durchläuft.

Ausgangslage

Mehrere Teams hatten AI-Features in die sipgate-Produkte gebaut, jedes für sich und experimentell. Ein gemeinsames Bild ergab sich daraus nicht.

Bei einer Randfunktion wäre das vertretbar gewesen. AI soll bei sipgate aber zu einem der Hauptstandbeine werden, und es fehlten Regeln, an denen sich neue Features ausrichten konnten.

Hinzu kam die Frage des Vertrauens. Bei AI ist für Nutzer oft nicht erkennbar, was eine Maschine erzeugt hat. Wo sie ein Ergebnis einschätzen müssen, sollte das kenntlich sein.

Das Thema wurde das erste Projekt eines neuen Teams, das die UX produktübergreifend verbessern sollte. Zum Start bestand es aus mir und einer Designerin, die zugleich die PM-Rolle übernahm.

Entscheidung

Am Anfang stand eine einfache Frage: Wie soll AI in der UI aussehen? Die erste Idee war ein gemeinsamer Look für alle Features.

Dafür waren die bestehenden Features zu verschieden. Eine Rauschunterdrückung im Hintergrund und eine Gesprächszusammenfassung, die Nutzer nachbearbeiten, haben kaum etwas gemeinsam. Sie brauchen unterschiedlich lange, und Nutzer sehen unterschiedlich viele Schritte davon.

Sortiert wurden die Features deshalb nach Autonomiegrad, in drei Kategorien: Invisible AI läuft im Hintergrund, Assistive AI unterstützt sichtbar, Agentic AI tritt als eigener Akteur auf. Die Grundidee stammte aus einem früheren Research meiner Kollegin.

Für diese Einteilung sprachen zwei Gründe. Innerhalb einer Kategorie ließ sich ein einheitliches Verhalten festlegen, was über alle Features hinweg nicht möglich gewesen war. Außerdem konnten Designer ihr Feature selbst einordnen, ohne beim Team nachzufragen. Darauf kam es an, denn eine Taxonomie hilft nur, wenn andere sie ohne Anleitung anwenden können.

Prozess

Invisible AI bleibt ungekennzeichnet

Nicht jedes Feature, das intern als AI galt, sollte für Nutzer auch so wirken. Rauschunterdrückung etwa ist heute Standard, und kaum jemand bringt sie mit AI in Verbindung.

Invisible AI wurde deshalb bewusst nicht gekennzeichnet. Für einen Anbieter, der sich mit AI positionieren will, wirkt das zunächst widersprüchlich. Die Überlegung dahinter: Ist nicht alles gekennzeichnet, fällt die Kennzeichnung dort auf, wo sie steht. Zu diesem Zeitpunkt waren die Assistive-Features das, was als AI sichtbar sein sollte, und dorthin sollte die Aufmerksamkeit gehen.

Die drei Kategorien und die Schritte, die ein Nutzer bei jeder durchläuft, nur mit Labels.
Die Zahl der sichtbaren Schritte unterscheidet sich je Kategorie: Invisible bleibt unsichtbar, Assistive führt durch mehrere Phasen, Agentic ist noch offen.

Eine Badge für Assistive AI

Assistive-Features brauchten ein sichtbares Signal. Daraus wurde eine AI Badge aus Sparks-Icon und Farbe, primär Electric Lime, sekundär Electric Blue.

Diese Entscheidung prägte vor allem der Design-Lead. Die Farbe sollte als Markenelement auch im Marketing funktionieren. Ich habe die Komponenten und Color Tokens in Figma angelegt, damit die Kennzeichnung überall gleich aussieht, und die Dokumentation in Nextra aufgesetzt, sodass auch LLMs darauf zugreifen können.

Wording ohne Vermenschlichung

Die dritte Frage betraf die Haltung von AI im Produkt. Festgelegt wurde, AI nicht zu vermenschlichen: nicht „Wir erstellen deine Summary“, sondern „Summary wird erstellt“. AI ist ein Werkzeug und kein Akteur, der sich für jemanden anstrengt.

Das galt auch für Fehlermeldungen. Sie verzichten auf Dramatik, Entschuldigungen und technische Angaben wie einen SIP-Fehlercode, mit dem niemand etwas anfangen kann. Stattdessen sagen sie, was passiert ist, wenn es hilft auch warum, und immer, was Nutzer jetzt tun können.

Der Ladezustand während ein Ergebnis erstellt wird und ein fertiges Assistive-Feature im Produkt.
Ladezustand und fertiges Ergebnis: Die Statusmeldung beschreibt sachlich, was gerade passiert.

Ergebnis

Die bestehenden Features wurden an die Guidelines angepasst und sehen seitdem einheitlich aus. Das war der sichtbarste Effekt.

Neue Features kamen danach kaum hinzu. Wo doch welche entstanden, wurde meist die Badge übernommen, der Rest der Guidelines weniger. Die Badge war eine fertige Komponente, die man nur einsetzen musste. Regeln für Wording und Fehler muss man dagegen lesen, verstehen und anwenden, und das passierte oft nicht.

Agentic AI blieb bewusst offen. Die Agents gingen als Beta an den Markt, um erst herauszufinden, was funktioniert. Vorher lässt sich kein Standard ableiten. Außerdem sind es Telefonie-Agents, die zusätzlich das Feld Conversation Experience berühren, ein eigenes Thema.

Rückblick

Nextra würde ich als Doku-Lösung nicht noch einmal wählen. Für LLMs war die Dokumentation gut zugänglich, optisch aber zu unattraktiv für ein Thema, das andere überzeugen soll.

Bei der primären AI-Farbe hätte ich stärker widersprechen sollen. Electric Lime ist in der App auch die Farbe, mit der ein Anruf gestartet wird, und trägt damit zwei Bedeutungen. Die Farbe war aber ein fester Wunsch des Design-Leads, der sich nicht ändern ließ.

Am wichtigsten wäre heute mehr Verbindlichkeit. Inhaltlich waren die Guidelines mit allen abgestimmt, ein festes Commitment der Stakeholder fehlte aber. Regeln, die nur bis zur nächsten strategischen Entscheidung halten, kosten mehr, als sie bringen. Das gemeinsame Erarbeiten hat funktioniert, das Verbindlichmachen nicht.