- Ein Agent ist nur so gut wie das Repo und seine Quality Gates. Hohe Testabdeckung sorgt dafür, dass er nicht abweichen kann.
- Die wichtigsten Dateien für den Agent sind keine Regeldateien, sondern Referenzen: bestehende Komponenten, Stories, Doku und Tests.
- Agents erfinden Props und Slots. Strikte Typen und eine generierte Typendokumentation, zum Beispiel mit react-docgen, verhindern das, auch für die Teams, die euer Design System nutzen.
- Token-Änderungen über viele Komponenten und Dependency-Updates erledigt ein Agent zuverlässiger als ein Mensch, solange Tests da sind.
- Das Review verschiebt sich von „Wurden die Standards eingehalten?“ zu „Warum wurde das so gelöst?“.
Ob ein Agent in eurem Design System brauchbaren Code liefert, entscheidet euer Repo. Nicht der Prompt, nicht das Modell, nicht der Agent. Wenn Tests, Linter und Referenzen von Anfang an da sind, kann ein Agent kaum vom gewünschten Weg abweichen. Fehlt das, rät er. Diese Erfahrung haben wir beim STIHL Design System gemacht, das es seit 2023 gibt und das wir codeseitig aufgesetzt haben.
Warum entscheidet das Repo und nicht der Agent?
Weil ein Agent nur so gut arbeitet wie die Leitplanken, die er vorfindet. Im STIHL Design System gab es von Anfang an maximale Testabdeckung mit Unit-Tests, Visual Regression Tests (VRT), End-to-End-Tests, Accessibility-Tests und Smoke-Tests, dazu Linter und Code-Style-Guidelines. Als wir Agents eingesetzt haben, konnten sie dadurch schlicht nicht abweichen. Jede Abweichung wurde sofort rot. Die Smoke-Tests prüfen dabei zum Beispiel, ob das gebaute Paket in realen Consumer-Setups wie Vite, Next, Webpack oder CJS installierbar und importierbar ist.
Dasselbe gilt für Konventionen: Was nur im Kopf des Teams existiert, existiert für den Agent nicht. Alles, was wir in Reviews immer wieder angemerkt hätten, stand bei STIHL bereits schriftlich im Repo, als Coding Style Conventions und Component Coding Guidelines. Ursprünglich hatten wir sie geschrieben, damit neue Entwickler schnell ins Projekt finden. Heute nutzen sie vor allem die Agents.
Für euer Team heißt das: Bevor ihr über Tools diskutiert, prüft, ob eure Regeln aufgeschrieben und eure Tests vollständig sind. Ein Repo, das neue Kolleginnen und Kollegen gut einarbeitet, arbeitet auch Agents gut ein.
Welche Dateien braucht ein Agent im Design System wirklich?
Die wichtigsten Dateien sind nicht die AGENTS.md, sondern Referenzen: bestehende Komponenten, ihre Storybook-Stories, die Komponentendoku und die Testfiles. Das Prinzip lautet „Show and tell“ statt „Define and formulate“. Ein Agent lernt mehr aus einer sauber gebauten Beispielkomponente als aus drei Absätzen Regeltext.
Storybook ist dabei mehr als Dokumentation. Jede Story ist ein reproduzierbarer Zustand, den der Agent laden, screenshoten und mit dem Soll vergleichen kann. Damit wird jede Story zugleich ein Prüfwerkzeug.
Genauso wichtig ist, dass der Agent seine Arbeit selbst überprüfen kann:
- Tests lokal ausführen: Tests jeder Art sollte der Agent selbst lokal starten können. Das spart die Wartezeit auf die Pipeline und verkürzt die Feedbackschleife.
- Browserzugriff im Frontend: Ein integrierter Browser hilft sehr, weil ihr direkt auf Elemente und Zustände zeigen könnt, etwa mit einem Select-Element-Tool, statt sie umständlich zu beschreiben.
Warum erfinden Agents Props, und wie verhindert ihr das?
Agents halluzinieren am liebsten Props und Slots, die es nicht gibt. Das liegt daran, wie Sprachmodelle funktionieren: Alles, was sie nicht kennen, füllen sie mit dem statistisch wahrscheinlichsten Wert auf. Eine Button-Komponente bekommt dann eben die Props, die Buttons in anderen Bibliotheken meistens haben.
Die Lösung sind strikte Typen für die Component APIs. Daraus generiert ihr, zum Beispiel mit react-docgen, eine Typendokumentation auf Basis eurer TypeScript-Komponenteninterfaces. Im besten Fall haben diese Interfaces auch JSDoc-Kommentare, die die Properties der Komponente beschreiben. Bei STIHL stellen wir sie später in Storybook unter /llms.txt und über einen Storybook MCP auch den Teams zur Verfügung, die das Design System nutzen. Deren Agents arbeiten dann mit der echten API statt mit geratenen Props. So verhindert ihr Halluzinationen nicht nur im eigenen Repo, sondern auch auf Seite der Konsumenten.
Wie verbessert TDD die Arbeit mit Agents?
Test-Driven Development mit Agents funktioniert hervorragend. Ihr schreibt die Acceptance Criteria als Tests, und der Agent entwickelt so lange gegen diese Tests, bis sie grün sind. Das Endergebnis stimmt, weil das Ziel vorher eindeutig feststeht. Wichtig dabei: Die Tests entstehen in einem eigenen Kontext A, ob ihr sie selbst schreibt oder schreiben lasst. Implementiert wird danach in einem neuen Kontext B.
Bei Accessibility gilt das ganz besonders. Die a11y-Aspekte müssen vor der Implementierung geklärt und in den Acceptance Criteria festgehalten werden, bevor der erste Code generiert wird. Ein Assessment im Vorfeld ist hier extrem wichtig, denn nachträglich lässt sich Barrierefreiheit nur mühsam einbauen.

Welche Aufgaben im Design System eignen sich für Agents?
Kleine, klar abgegrenzte Aufgaben laufen gut, Recherche-Aufgaben ebenso.
Gut zu wissen: Bei der Recherche gilt aber: Quellen immer prüfen.
Drei Bereiche haben sich bei uns besonders bewährt.
Design-Token-Arbeit ist der ideale Agent-Task. Ein Tokenwert ändert sich, 47 Komponenten müssen angepasst werden, danach laufen die Tests und das Ergebnis wird verifiziert. Für Menschen ist das stumpfe Arbeit, bei der man ermüdet und irgendwann Fehler macht. Mit einem testgestützten Agent wird sie praktisch deterministisch.
Dependency-Updates sind die perfekte Kombination aus Recherche und vielen kleinen Anpassungen. Der Agent prüft pro Dependency, ob es Breaking Changes gibt, die für euer Projekt relevant sind, und folgt eventuellen Migration Guides. Solange Tests da sind, macht er das um Welten besser als etwa Dependabot und schneller als ein Mensch.
Neue Komponenten ohne Designvorgabe funktionieren erstaunlich gut, wenn bereits Tokens und Vorgaben existieren. Technisch ist das Ergebnis meist in Ordnung. Der Agent hält sich strikt an das Design System und wendet alle abgelegten Vorgaben konsequent an. Das schaffen oft nicht einmal Designer, weil sie nicht alle Tokens und Entscheidungen im Kopf haben. Die Schwachstelle ist Accessibility: Die ist oft wackelig und muss nachgebessert werden. Sprachmodelle wurden mit sehr vielen schlechten a11y-Beispielen oder gar Anti-Patterns trainiert und bedienen sich nur zu gerne daran.
Wie verändert sich das Code Review?
Das Review verschiebt sich von der Syntax zu den Entscheidungen. Ob die Coding Standards eingehalten wurden, prüfen Linter und Tests. Im Review fragt ihr stattdessen: Warum wurde das so gelöst? Geht das performanter? Passt die Lösung zur Architektur des Design Systems?
Funktioniert Agentic Coding mit Figma als Design-Quelle?
Über die Figma-MCP-Anbindung leider kaum. Code, der mit Figma MCP entsteht, ist stark auf bestimmte Bibliotheken festgelegt, etwa shadcn und Tailwind, und ignoriert euer eigenes Design System.
Pflicht ist deshalb eine eigene Figma-Make-Vorlage, die ausdrücklich den Code eures Design Systems verwendet. Damit erfinden die Agents der Konsumenten das Rad nicht neu. Ehrlicherweise ist so eine Vorlage aufwendig zu erstellen und kaum zu warten: Figma Make lässt sich aktuell nicht an ein GitHub-Repo anbinden, der Code muss also per Hand in die Oberfläche kopiert werden.
Fazit: Das Repo entscheidet, nicht der Agent
Ob Agentic Coding in eurem Design System funktioniert, steht fest, bevor der erste Prompt abgeschickt wird. Es hängt an drei Dingen, die alle im Repo liegen und die ihr in dieser Reihenfolge angeht:
- Kontext, der nicht lügen kann. Strikte Typen in den Props-Interfaces sind die Quelle. Die Typendokumentation, llms.txt und der Storybook MCP sind nur daraus generierte Ausgaben. Was im Typ nicht steht, kann der Agent nicht erfinden, ohne am Type-Check zu scheitern. Bestehende Komponenten, Stories, Doku und Tests zeigen ihm, wie es gemacht wird. Die AGENTS.md ergänzt das um Foundations wie Spacing, Tokens und die exakten CI-Befehle.
- Gates, die der Agent selbst bedienen kann. Linter, Unit-, Visual-Regression-, E2E-, a11y- und Smoke-Tests müssen blockieren und lokal mit denselben Befehlen laufen wie in der Pipeline. Erst dann korrigiert der Agent seine Fehler selbst, statt euch rote PRs zu hinterlassen.
- Ein klarer Workflow. Das Akzeptanzkriterium inklusive a11y kommt vom Menschen, der Test steht vor dem Code, das Review prüft Entscheidungen statt jeder Zeile. Merge-Rechte bleiben beim Team.
Fehlt einer der drei Punkte, liefert jeder Agent generische Durchschnittskomponenten mit erfundenen Props, egal welches Modell dahintersteckt. Sind alle drei da, übernimmt er zuverlässig die mechanische Arbeit: Token-Änderungen, Dependency-Updates, neue Komponenten auf Basis eurer Vorgaben. Das Urteil über Accessibility und Architektur bleibt beim Team.
Mehr zum Thema: AI Code Review im Team · Was ist Claude Code? · Agentic Coding vs. Normal Coding
Selbst aufbauen oder Verstärkung holen?
Alles, was bisher beschrieben wurde, ist Arbeit im Repo, nicht im Tool-Katalog: strikte Typen, Props-Schema, AGENTS.md, blockierende Gates. Rechnet mit ein bis zwei Sprints für eine Person, die sich darauf konzentrieren kann. Ist die Testabdeckung dünn, kommt für Visual Regression ein weiterer Sprint dazu. Die eigentliche Frage ist also nicht, ob euer Team das kann, sondern ob es die Zeit dafür hat, bevor der Release-Termin kommt.

Egal, welcher Weg es wird: Startet als Pilot auf zwei, drei Repos außerhalb der Kernsysteme, mit einem Go/No-Go-Termin nach zwei Wochen. Messt vorher eure Ausgangsbasis, damit ihr nach vier bis acht Wochen gegen eigene Werte vergleicht. Vier Kennzahlen reichen:
- Review-Zeit pro PR
- Reopen-Rate gemergter PRs
- Anteil berechtigter Findings bei automatischen Review-Hinweisen
- Regressionen, die erst in Produktion auffallen
Wenn ihr einen Dienstleister ins Gespräch holt, fragt nach genau diesen Werten aus seinen Projekten und nach einem Referenzkontakt, der Fehler und Effekte aus erster Hand schildert. Wer das nicht liefern kann, hat den Umbau noch nicht oft genug gemacht.
Für die Fälle, in denen die Zeit fehlt, gibt es die AI-native Developers von OneCode: deutsche Senior-Entwickler, die auf Zeit in eurem Repo und eurem Sprint-Prozess arbeiten, mit Claude Code oder Codex, und das Setup so übergeben, dass euer Team es danach allein weiterführt. Ein Nebeneffekt, der oft unterschätzt wird: Das Team sieht in der Praxis, dass weiterhin Menschen die Kriterien setzen und die Diffs freigeben. Die Sorge, Agents würden Jobs ersetzen, erledigt sich damit schneller als durch jede Ankündigung. Kostenloses Erstgespräch buchen
Häufige Fragen
Reicht eine AGENTS.md, damit ein Agent die Regeln des Design Systems einhält?
Nein. Eine AGENTS.md hilft, aber Agents orientieren sich vor allem an Beispielen. Bestehende Komponenten, Stories, Doku und Tests zeigen ihnen, wie es gemacht wird. Tests und Linter sorgen dafür, dass Abweichungen sofort auffallen.
Warum erfindet ein Agent Props, die es nicht gibt?
Sprachmodelle füllen Unbekanntes mit dem wahrscheinlichsten Wert aus ihren Trainingsdaten auf. Strikte Typen und eine generierte Typendokumentation geben ihm stattdessen die echte API vor.
Welche Aufgaben im Design System eignen sich am besten für Agents?
Token-Änderungen über viele Komponenten, Dependency-Updates und kleine, abgegrenzte Aufgaben. Voraussetzung ist in allen Fällen eine gute Testabdeckung.
Kann ein Agent neue Komponenten ohne Design bauen?
Ja, wenn Tokens und Vorgaben im Repo liegen. Das Ergebnis hält sich meist sehr genau an das Design System. Bei der Accessibility muss das Team aber nacharbeiten.
Wie lange dauert es, ein Repo agent-tauglich zu machen?
Als grober Richtwert ein bis zwei Sprints für strikte Typen, Props-Schema und AGENTS.md, wenn sich eine Person darauf konzentrieren kann. Blockierende Gates mit Visual Regression kosten oft einen weiteren Sprint, je nachdem, wie viel Testabdeckung schon existiert.
Wie verhindert ihr, dass Teams, die das Design System nutzen, falsche Props verwenden?
Indem ihr die API maschinenlesbar bereitstellt, zum Beispiel über /llms.txt in Storybook und einen Storybook MCP. Dann greifen auch die Agents der Konsumenten auf die echten Props zu.




