7 Tipps zur effizienteren Nutzung von Figma Make-Credits

Seit wir Figma Make vor einem Jahr gestartet haben, fällt immer wieder ein Muster auf: Die Teams, die die besten Ergebnisse aus dem Erstellen von Prototypen mit KI erzielen, sind nicht unbedingt die, die die längsten Prompts schreiben. Es sind diejenigen, die verstehen, wie man die Arbeit gut einrichtet, Änderungen genau abgrenzt und den Kontext zur Zusammenarbeit skaliert.

Diese sieben Tipps können dir helfen, dasselbe in Make zu tun.

1. Lass deinen ersten Prompt die Hauptarbeit erledigen

Dein erster Prompt legt die Struktur des Projekts fest und setzt dessen Einschränkungen. Je vollständiger dieser Startpunkt ist, desto weniger Zeit verbringst du damit, ihn später zu korrigieren.

Eine nützliche Faustregel: Behandel den anfänglichen Prompt als Briefing und jedes Nachfassen als Delta. Dies bedeutet, dass dein erster Prompt Folgendes enthalten sollte:

• Das Ziel
• Den Kontext
• Alle Schlüsselelemente, Verhaltensweisen und Einschränkungen
• Das Endergebnis wird letztendlich aussehen wie

Sobald du eine gute Grundlage geschaffen hast, können deine nachfolgenden Prompts deutlich kleiner werden. Gute Prompts umfassen in der Regel drei Dinge:

• Was sollte sich ändern?
• Wie wird es sich ändern?
• Was sollte gleich bleiben?

Für größere Projekte solltest du in Erwägung ziehen, deine Arbeit in Phasen aufzuteilen. Bringe zuerst die Struktur deines Projekts in Ordnung, ohne dich zu sehr um die Details der Inhalte zu sorgen –die Struktur ist oft am schwierigsten zu ändern, wenn man erst tief in einem Projekt steckt. Füge als Nächstes Intelligenz und Verhaltensweisen hinzu, dann verfeinere die Inhalte und mache sie ausdrucksstark.

Vermeide es, mehrere Änderungen in einem einzigen Folgeprompt zu kombinieren, es sei denn, sie sind verwandte Korrekturen am gleichen Logik- oder UI-Bestandteil. Wenn drei Bearbeitungen die gleiche Komponente betreffen, ist es effizienter, sie in einer Anfrage zu bündeln, als mehrere Runden mit der gleichen Sache zu verbringen.

Jeder Folgeprompt funktioniert besser, wenn er eng gefasst ist. Je spezifischer du bei dem bist, was du bei Make ändern möchtest, desto effizienter wirst du. Zum Beispiel: „Aktualisiere die Kalenderkomponente“, „Füge einen neuen Status zu diesem Bildschirm hinzu“ oder sogar „Bearbeite die tokens.ts-Datei“ richten sich alle an Make klarer als „Das stimmt nicht, kannst du es nochmal machen?“. Die spezifischen Prompts sagen Make genau, wo zu suchen ist und was zu tun ist. Die vagen Prompts verlangen, dass Make deine Absicht interpretiert, bevor es errät, wie es sie am besten erreicht. Das verursacht zusätzliche Kosten.

2. Priorisiere manuelle Änderungen für ausgewählte Anpassungen

Die Teams, die am meisten aus Make herausholen, wissen auch, wann sie aufhören müssen, Prompts zu schreiben und stattdessen direkt mit dem Bearbeiten beginnen sollten. Für kleine visuelle Änderungen – wie das Anpassen von Abständen, das Entfernen eines Elements oder das Anpassen von Text – ist das Bearbeitungstool oft der schnellste Weg. Es ermöglicht gezielte Anpassungen, ohne das gesamte Problem neu öffnen zu müssen. Das ist wichtig, denn viele Folge-Prompts bitten Make nicht wirklich, ein neues Designproblem zu lösen. Sie bitten es, etwas feinzujustieren, das bereits im Grunde richtig ist.

Das Gleiche gilt beim Coden. Einige der effizientesten Änderungen in Make passieren, wenn du zur Quelle wechselst und den relevanten Wert direkt bearbeiten. Dies ist besonders nützlich, wenn etwas dynamisch ist und nicht nur aus der Vorschau bearbeitet werden kann. Zum Beispiel, wenn du Text innerhalb einer wiederholten Komponente aktualisieren oder Daten ändern musst, die aus einer Liste im selben Ordner gezogen werden. Anstatt deinen Weg mithilfe von Prompts zu gehen, kannst du zur Quelle gehen, den Code durchsuchen und die Änderung direkt dort vornehmen, wo sie nötig ist.

Du musst kein*e Entwickler*in sein, um davon zu profitieren. Der Code von Make ist gut lesbar, sodass du das finden kannst, was du benötigst, besonders wenn du bereits weißt, welches Element oder Verhalten du anpassen möchtest.

Für größere visuelle Änderungen empfehlen wir die Verwendung der Figma Design-Arbeitsfläche. Mit Design kopieren kannst du die Make-Vorschau in Figma Design als bearbeitbare Ebenen einfügen, dort Änderungen mit den dir bereits bekannten Tools vornehmen und diese mit einem einzigen Befehl zurück zu Make senden. Dieser hybride Workflow kann viel schneller sein, als nacheinander visuelle Anpassungen vorzunehmen. Als der Designer Advocate Miggi Cardona beispielsweise eine funktionale Audio-App erzeugte, die im dunklen Modus herauskam, kopierte er sie auf die Arbeitsfläche, erstellte eine helle Version und spielte dieses Ergebnis zurück zu Make als Kontext für sein Prototyp-Update. Ein einzelner Prompt, keine Interpretation oder Vermutungen erforderlich. Einfach und effizient!

Wichtig ist es, die Prompts für die Arbeit einzusetzen, für die sie am besten geeignet sind: Generierung, Argumentation und größere Transformationen – und manuelle Bearbeitungen zu wählen, wenn es um visuellere Arbeit geht.

3. Verwandel wiederholte Prompts in Regeln und Workflows

Wenn du feststellst, dass du dieselben Anweisungen wiederholst, ist es an der Zeit, sie aus dem Prompt zu entfernen. Hier werden Markdown-Dateien wie guidelines.md wertvoll. Die Teams, die am meisten von KI in ihrem Workflow profitieren, behandeln diese systematisch als Projektanforderungen, nicht als nette Ergänzungen.

Eine gute guidelines.md-Datei listet die Regeln auf, denen Make in deinem Projekt folgen soll. Dazu gehört:

• Was im Designsystem enthalten ist
• Welche Namenskonventionen befolgt werden sollen
• Welche Muster zu bevorzugen sind
• Welche Qualitätsgrenze angestrebt werden soll
• Wo man die richtige Quelle der Wahrheit für allgemeine Entscheidungen findet

Betrachte es als wiederverwendbares Projektgedächtnis: einen Ort, um die Regeln und Referenzen zu speichern, die Make jederzeit befolgen sollte. Da das System nicht jedes Mal neu lernt, ist der Nutzen doppelt: weniger Wiederholungen in deinen Prompts und bessere erste Ergebnisse.

Struktur ist hier wichtig. Eine einzige große Markdown-Datei ist nicht immer die beste Lösung. In vielen Fällen ist es besser, nur eine einzige primäre Richtliniendatei und kleinere unterstützende .md-Dateien für spezifischere Themen wie Komponenten, Bewegung, Token oder Inhaltsmuster zu haben. Je lesbarer diese Dateien für das Modell sind, desto nützlicher werden sie. Klare Abschnittsüberschriften, einheitliche Bezeichnungen, semantische Benennung und weniger Redundanz helfen.

Skills.md-Dateien sind der nächste Schritt, wenn das, was du ständig wiederholst, nicht nur Kontext, sondern ein vollständiger Workflow ist. Guidelines.md und skills.md können leicht verwechselt werden, da es sich bei beiden um Markdown-Dateien handelt – im Kern sind sie reine Textanleitungen, die Make dabei helfen, zuverlässigere Ergebnisse zu liefern. Der Unterschied besteht in der Rolle, die sie spielen:

• Richtlinien: stets aktive Projektgedächtnisunterstützung, die ein Make-Projekt im Hintergrund mitträgt
• Skills: Workflows auf Abruf, die du aufrufst, wenn eine bestimmte Aufgabe es erfordert

Wenn Richtlinien Make sagen, was es wissen muss, sagen KI-Skills Make, was es tun soll. Ein Skill funktioniert wie ein Handbuch für eine wiederkehrende Aufgabe: Überprüfung eines Bildschirms nach deinen Designstandards, Aufbau aus einer Produktentwicklungsroadmap (PRD), Überprüfung der Produktkopie oder Generierung einer bestimmten Art von Benutzeroberfläche. Anstatt dieselbe lange Serie von Prompts jedes Mal neu zu schreiben, kannst du diesen Prozess in einen Skill umwandeln und bei Bedarf darauf zugreifen.

4. Sei umsichtig, wenn du externen Kontext einbringst

Wenn guidelines.md der Ort ist, an dem du dauerhafte Anweisungen speicherst, sind MCP-Verbinder der Weg, wie du den externen Kontext abrufst, von dem eine Aufgabe abhängt.

Verbinder sind besonders nützlich, wenn Make Zugang zu etwas über das Projekt hinaus benötigt: eine Live-Spezifikation, ein Ticket, eine Referenz für ein Designsystem, ein technisches Dokument, ein Fehlerbericht, ein Workspace in einem anderen Tool oder ein benutzerdefiniertes internes System. Aber mehr Kontext ist nicht immer besser.

Make auf eine große externe Quelle zu richten, ohne die Details zu spezifizieren, auf die geachtet werden soll, ist eine der einfachsten Möglichkeiten, eine Aufgabe schwieriger zu machen, als sie sein muss.Eine riesige Notion-Seite, eine breite Jira- oder Linear-Abfrage oder eine offene Suche über einen Verbinder-Workspace hinweg erzeugen Störungen. Das Modell muss nicht nur herausfinden, was zu tun ist, sondern auch, welcher Kontext tatsächlich für seine Aufgabe relevant ist.

Der bessere Ansatz besteht darin, die Abfragen genau zu umreißen: Verweise auf das genaue Dokument, verlinke das genaue Ticket und benenne die spezifische Datei, den Fehler oder die Komponente, die wichtig ist. Wenn es nur einen Absatz oder einen Satz von Anforderungen gibt, die Make benötigt, solltest du in Betracht ziehen, diesen Auszug direkt einzufügen, anstatt sie nach der Antwort suchen zu lassen.

Hier können auch Dateianhänge hilfreich sein. Wenn die Arbeit eine Live-Quelle erfordert, sind Verbinder oft das richtige Werkzeug. Aber wenn sie von bestimmten Dateien abhängt, die du bereits hast, ist es effizienter, diese direkt in deinem Prompt anzuhängen. Ein Forschungsbericht im PDF-Format kann Make die Erkenntnisse liefern, die es benötigt, um zu arbeiten. Ein CSV-Datensatz kann Make dabei helfen, Dashboards, Tabellen oder Profilbildschirme mit echten Werten zu füllen. Ein Video oder Assets kann Make dabei helfen, die Einbindung von echtem Material zu realisieren, anstatt einen Platzhalter zu generieren.

In jedem Fall ist das Ziel einfach: Make das Originalmaterial geben, um seine Aufgabe so einfach wie möglich zu machen. Hier können auch KI-Skills helfen – indem man Make genaue Schritte vorgibt, die es befolgen soll, wenn es einen Verbinder, eine benutzerdefinierte MCP oder einen Dateianhang verwendet, erhält man ein kontrollierteres, vorhersehbares und effizienteres Ergebnis. Das Ziel ist nicht, den Kontext zu maximieren; es geht darum, Make den richtigen Kontext zu geben.

5. Erstelle und skaliere wiederverwendbare Grundlagen

Der schnellste Weg, in Make zu entwickeln, besteht darin, die gleiche UI nicht jedes Mal von Grund auf neu zu erstellen. Sowohl Make Kits als auch Vorlagen geben dir Ausgangspunkte, die bereits Kontext, wiederverwendbare Muster und sogar funktionierende Strukturen beinhalten. Dies ist einer der einfachsten Wege, unnötige Nacharbeit zu reduzieren. Eine gute wiederverwendbare Basis hilft dir, Aufforderungen auf leeren Seiten zu vermeiden, reduziert die Wahrscheinlichkeit von Halluzinationen und gibt mehr Personen im Team schnell einen starken Startpunkt.

Betrachte Make-Kits als gemeinsam genutzte Systembestandteile – sie helfen dabei, die Verteilung von Dingen wie Grundlagen, Token, Komponenten und guidelines.md zu skalieren, wenn du in Make von 0→1 arbeitest. Für Teams mit React-Komponenten, die als npm-Paket verfügbar sind, kann dies besonders leistungsstark sein: Make-Kits können die Komponenten und Muster, die dein Entwicklungsteam in der Produktion hat, in deine Projekte bringen, anstatt sie von Grund auf neu approximieren zu müssen.

Vorlagen hingegen bieten deinem Team wiederverwendbare Startpunkt: Produkt-Shells, bevorzugte Layouts und sogar Starterprompts. Dies ist besonders nützlich für größere Teams, die Make auf verschiedene Niveaus der KI-Kenntnisse und mehrere Produktbereiche skalieren. Die Open-Source-SAP-Vorlage von Fellow Designer Advocate Laura Fehre zum Beispiel enthält fixierte UI-Elemente (Header, Navigation), die von allen Produkten geteilt werden, zusammen mit strikten Richtlinien, um sicherzustellen, dass die Prompots sie nicht einfach ändern können. Sie enthält auch „Rezepte“, die den Benutzer*innen der Vorlage helfen, bei Bedarf bestimmte Themen und Layouts zu erstellen. Diese Rezepte sind direkt in der UI der Vorlage als fertige, codebasierte Prompts integriert – klicke zum Kopieren und füge sie dann in Make ein.

Diese Art von Setup bewirkt zwei Dinge gleichzeitig: Es macht die Vorlage unmittelbar nützlicher und bringt den Leuten bei, wie man sie richtig verwendet. Das Ergebnis sind weniger Überarbeitung, weniger Sackgassen und ein zuverlässigerer Weg zu den Prototypen, die das Team tatsächlich entwickeln möchte.

6. Wähle das richtige Modell für die Aufgabe

Nicht jedes KI-Modell ist auch immer die beste Wahl für jeden Make-Workflow. Die richtige Wahl hängt von der Aufgabe ab: wie komplex diese ist, wie viel Überlegung sie erfordert, wie viel visueller Kontext hinzugefügt wird und wie verfeinert das Ergebnis sein muss.

Eine gute Faustregel ist es, das leichteste Modell zu wählen, das die Aufgabe gut bewältigen kann.

Wenn du eine kleine Änderung vornimmst oder eine Routineiteration durchführst, ist ein leichteres Modell wie Gemini Flash oft die bessere Wahl. Wenn die Arbeit unklarer ist, schwierigeres Debugging beinhaltet, eine stärkere Argumentation erfordert oder visuelle sehr treu sein muss, kann ein stärkeres Modell wie Claude Opus schneller zu einem besseren Ergebnis führen, wenn auch zu höheren Kosten. In diesen Fällen kann eine höhere Anfangsinvestition tatsächlich effizienter sein, als viele Runden mit der Korrektur eines schwächeren ersten Durchgangs zu verbringen.

Dies gilt insbesondere, wenn du eine neue Make-Datei startest oder umfangreichen visuellen Kontext zu einem Prompt hinzufügst. Design-Mockup-Anhänge können äußerst hilfreich sein, wenn du möchtest, dass Make sich an eine bestehende Richtung anlehnt. Aber je komplizierter die Design-Datei, desto mehr muss Make sie interpretieren. Wenn du Make im Voraus viel Kontext auf einmal gibst, verwendest du entweder ein Modell, das mit der Komplexität gut umgehen kann, oder reduzierst den Kontext auf das, was für den aktuellen Schritt relevant ist.

Wichtig zu wissen ist, dass langfristige Make-Projekte im Laufe der Zeit auch schwerer werden. Während sich der Chat-Verlauf aufbaut, gibt es bei jeder neuen Runde Make mehr Kontext zu berücksichtigen. Das kann die Kosten erhöhen – insbesondere wenn du teurere Modelle verwendest. Wenn das passiert, kann das Löschen deines Chat-Kontexts Make ganz von vorn anfangen lassen, ohne dich zu zwingen, das Projekt aufzugeben oder alles in eine neue Datei zu verschieben.

7. Entscheide, was automatisiert werden sollte

Schließlich bringen die Teams, die den größten Wert aus Make ziehen, nicht nur Einzelpersonen bei, wie sie es besser nutzen können. Sie entscheiden gemeinsam, wo es in ihren Workflow passt und wo nicht.

Das könnte bedeuten, Make dafür zu reservieren, bestehende Designs zum Leben zu erwecken, anstatt 0→1 Erkundung, bei der Mehrdeutigkeit und Iteration wertvoll sein können. Es könnte bedeuten, es zu verwenden, um das Prototyp erstellen zu beschleunigen, aber nicht um manuelles Handwerk in Bereichen zu ersetzen, in denen das Team bereits schnell und selbstbewusst agiert. Es könnte bedeuten, in Vorlagen, Leitfäden und Kits zu investieren, weil sich der Ertrag im Laufe der Zeit vervielfacht.

Nicht jede Aufgabe profitiert gleichermaßen von Automatisierung. Die stärksten Teams wissen, wo Make eine Hebelwirkung hinzufügt, wo menschliche Präzision immer noch am wichtigsten ist und wo ein wenig Vorarbeit später viel Aufwand spart.

Das Ziel ist nicht, alles zu automatisieren – sondern bessere Entscheidungen darüber zu treffen, was automatisiert werden soll und wie. Manchmal ist die effizienteste Investition diejenige, die von Anfang an etwas mehr Aufmerksamkeit erfordert: eine bessere Vorlage, klarere Richtlinien, sauberere Prompts oder ein gemeinsames Team-Playbook. Der Gewinn besteht darin, dass jedes nachfolgende Projekt von einem stärkeren Startpunkt beginnt.

Weitere Informationen zur Optimierung von Aufforderungen für Figma Make-Credits findest du in unserem Hilfe-Center. Wenn du andere Ansätze gefunden hast, um effektiver in Make zu arbeiten, würden wir gerne davon hören – teile uns mit, was du online oder in unserem Figma-Forum entwickelst.