Ein Absolvent, der vor dem Mittagessen fünfzig Farbvarianten generieren kann und nicht sagen kann, welche davon gut ist – das ist nicht das Ergebnis, das Designschulen angestrebt haben. Modestudiengänge an Parsons, Central Saint Martins und dem Fashion Institute of Technology haben generative KI in den letzten zwei Jahren in den Studiobetrieb integriert, und die Lehrenden berichten übereinstimmend vom selben Mangel: Prompting-Kompetenz auf der einen, Kritikfähigkeit auf der anderen Seite. Das Werkzeug kam schneller als das Urteilsvermögen, das es lenken sollte – und genau dieses Urteilsvermögen war es, das die Branche von diesen Absolventen erwartet hatte.

Lehrende beschreiben den Verfall in einer klareren Sprache als die Anbieter. AK Brown, eine frühere Professorin, die heute im Modemedienbereich arbeitet, sagte gegenüber Glossy, KI im Unterricht sei „Segen und Fluch zugleich” und Studierende hätten sich „auf KI verlassen, was ihr kritisches Denken im Stillen untergraben hat.” Jason Schupbach, der das FIT leitet, baut die Schule rund um dieses Defizit neu auf und vermarktet sie als „Creative Career Lab”, dessen Lehrkräfte „Studierende in Soft Skills und kritischem Denken unterrichten”. Das FIT gliedert seine Kurse inzwischen in drei Kategorien – von KI-befürwortet bis KI-verboten –, ein Eingeständnis, dass das Werkzeug und das Urteilsvermögen nicht jede Stunde des Stundenplans teilen können.

Der Mechanismus hinter dem Defizit ist außerhalb des Studios dokumentiert, weshalb er auch die Menschen darin beunruhigen sollte. Eine Microsoft-Research-Studie mit 319 Wissensarbeitern, veröffentlicht 2025, stellte fest, dass „höheres Vertrauen in GenAI mit weniger kritischem Denken einhergeht, während höheres Selbstvertrauen mit mehr kritischem Denken verbunden ist”. Die Studie untersuchte Büromitarbeitende, keine Designer – doch der Befund lässt sich mühelos übertragen: Je mehr jemand dem Output vertraut, desto weniger hinterfragt er ihn, und das Hinterfragen ist der Kern einer Kritik.

Ein zweites Experiment zeigt, was die Auslagerung denjenigen kostet, die sie betreiben. Das MIT Media Lab verband 54 Personen mit EEG-Headsets, während sie Essays mit ChatGPT, mit einer Suchmaschine oder ganz ohne Hilfe verfassten. Die ChatGPT-Gruppe zeigte die schwächste und am wenigsten vernetzte Hirnaktivität, berichtete vom geringsten Gefühl der Urheberschaft über ihre Texte und konnte die eigenen Essays nicht zuverlässig zitieren. Zudem konvergierte der ChatGPT-Output: engere Sprachmuster und Themenverteilungen als in den anderen beiden Gruppen – das Homogenisierungsproblem des Studios, ausgedrückt in der Sprache der Kognitionswissenschaft. Die Studie untersuchte das Schreiben, nicht das Entwerfen, und ihr kleines, noch nicht peer-reviewtes Sample beweist weniger, als die Schlagzeilen behaupteten. Sie benennt dennoch etwas, das ein Studio wiedererkennt: Wer eine Entscheidung nicht begründen kann, kann sie nicht verteidigen – und die Verteidigung einer Entscheidung ist der gesamte Inhalt einer Kritik.

Prompting ist eine Fähigkeit der Beschaffung, Kritik eine Fähigkeit der Ablehnung – und nur eine davon wird zuverlässig geübt.

Der stärkste Einwand lautet, dass dies die Taschenrechner-Panik in neuem Gewand ist. Jedes Werkzeug, das eine manuelle Fertigkeit übernahm – vom Taschenrechner über CAD bis zu Photoshops Content-Aware-Fill –, hat die gleiche Warnung ausgelöst, Studierende würden aufhören, die Grundlagen zu erlernen. Jedes Mal migrierte das Urteilsvermögen nach oben, auf die Ebene, die das Werkzeug nicht erreichen konnte, anstatt zu verschwinden. Business of Fashion hat berichtet, dass viele Designstudierende generativer KI nach wie vor skeptisch gegenüberstehen – ein Hinweis darauf, dass der nächste Jahrgang seine eigene Skepsis mitbringt, ohne dass sie gelehrt werden muss. Die These scheitert, wenn Schulen die Kritikfähigkeit auf der neuen Ebene – dem Beurteilen, Steuern und Verwerfen von KI-Output – schneller wiederaufbauen, als das Werkzeug sie auf der alten untergräbt.

Genau an dieser Bedingung bricht die Analogie. Arithmetik war nie das Urteilsvermögen, auf das es in der Mathematik ankam; sie war das Fundament darunter, weshalb es nichts Wesentliches kostete, sie einem Chip zu überlassen. Kritik ist nicht das Fundament des Designs; sie ist die Arbeit selbst – der Akt, für den ein Creative Director bezahlt wird. Eine 2025 durchgeführte Studie mit 33 studentischen Designteams in einem HCI-Designkurs stellte fest, dass sie gegenüber KI durchaus Urteilsvermögen einsetzen und deren Output nach Zuverlässigkeit, Passform und Qualität sortieren. Doch die dokumentierten Urteile laufen auf Folgendes hinaus: Outputs prüfen und Füller streichen – Reflexe des Wahrnehmens, keine ausgebildete Unterscheidungskraft, die benennen kann, was falsch ist, und die Abhilfe vorschreibt. Zu bemerken, dass ein Bild nicht stimmt, ist der Beginn einer Kritik; zu sagen, warum, und was stattdessen zu tun wäre, ist das, wofür ein Studio Jahre braucht – und eine Prompt-Box Sekunden, um es zu entmutigen.

Den Preis für diese Lücke werden nicht die Absolventen zahlen, die sie tragen. Er wird von den Marken gezahlt, die sie einstellen und dann nicht verstehen, warum die KI-gestützte Kollektion aussieht wie alle anderen. Die Werkzeuge konvergieren auf einen engen Standard – bis hin zu den Gesichtern, die sie darstellen und nicht darstellen –, und ein Raum voller kompetenter Prompter ohne geschulten Blick kann diese Konvergenz weder sehen noch aufbrechen. Schulen, die die Kritik ins Zentrum des Studios stellen, werden Designer ausbilden, die die Maschine dirigieren können; jene, die das Prompting verdrängen lassen, werden Operatoren ausbilden, die sie nur noch füttern. Was sie hervorbringen, ist eine Entscheidung darüber, wie Studiozeit genutzt wird – keine Eigenschaft der Software –, und sie wird gerade jetzt getroffen.