Prompt Surfaces: Das neue UX-Primitiv
Das Prompt-Eingabefeld ist der neue Button. Ein praxisnahes Playbook, um Prompt Surfaces als erstklassiges UX-Primitiv zu gestalten, mit Anatomie, Mustern, Fehlerbildern und einem Audit vor dem Launch.
Die Prompt-Surface ist der neue Button. Wer sie wie eine Suchleiste behandelt, liefert 2026 ein Produkt von 2018 aus. Das Texteingabefeld hat Formular, Wizard und den Großteil des Einstellungsfensters gefressen, und die Produkte, die gewinnen, behandeln die Eingabe als erstklassiges UX-Primitiv statt als Textarea mit Papierflieger-Icon.
Die meisten Teams liefern trotzdem die Textarea. Ein nacktes Rechteck, ein Platzhalter mit "Frag mich irgendwas", ein Senden-Button, sonst nichts. Das ist eine Suchleiste mit Wahnvorstellungen. Eine echte Prompt Surface ist eine Komponente mit Anatomie, Affordances, Zustand und einem Weg zurück.
Dieser Beitrag ist die operative Version. Was eine Prompt Surface wirklich ist, die acht Teile, die jede gute mitbringt, sechs Fehlerbilder, die sie killen, sechs benannte Muster, die die besten Produkte gerade nutzen, und ein Audit mit sieben Fragen, das dir in drei Minuten sagt, ob deine Surface ein Primitiv oder ein Platzhalter ist.
Eine Prompt Surface ist keine Textarea
Eine Prompt Surface ist der gesamte Bereich, in den der Nutzer tippt, um den herum er konfiguriert und aus dem er das Ergebnis liest. Das Eingabefeld ist der sichtbare Teil. Die Komponente ist alles, was daran hängt.
Das Eingabefeld selbst ist ein einzelnes Element. Der Empty State mit Vorschlägen, Anhang-Slots, die Modellauswahl, Tool-Schalter, die Senden-Affordance, der Streaming-Ausgabebereich, Steuerelemente zum Regenerieren, Bearbeiten und Verzweigen sowie die Verlaufsansicht sind der Rest. Ein Team, das nur die Box gestaltet, hat die Spitze des Eisbergs geliefert.
Cursor, Claude, Linear AI, v0, Lovable, Notion AI, Raycast AI, Vercel AI Playground. Keines davon behandelt die Eingabe als Textarea. Jedes liefert eine strukturierte Surface, in der die Eingabe der Einstieg in eine konfigurierbare, beobachtbare und umkehrbare Interaktion ist. Das ist die Messlatte.
Die Anatomie einer Prompt Surface, die funktioniert
Acht Teile. Empty State, Vorschläge, Anhang-Slots, Modellauswahl, Tool-Schalter, Senden-Affordance, Streaming-Ausgabebereich, Revisionssteuerung. Eine Prompt Surface mit weniger als sechs davon ist unvollständig.
Der Empty State muss das Produkt erklären, ohne Text abzuladen. Cursors Command Bar zeigt zuletzt genutzte Dateien und Prompts. Notion AIs Slash-Menü ist der Empty State, verzweigt nach Absicht. v0 liefert eine Galerie von Starter-Prompts, die zugleich als Beweis dienen. "Frag mich irgendwas" ist der Feind. Es verlangt vom Nutzer, den Anwendungsfall selbst zu erfinden.
Vorschläge kommen dem Nutzer auf halbem Weg entgegen. Inline-Chip-Vorschläge, Verlauf der letzten Prompts, kontextbezogene Vervollständigungen. Cursors @-Mention-Picker ist das Lehrbuchbeispiel: Er begrenzt den Prompt mit einem einzigen Tastendruck auf eine Datei, eine Funktion oder ein Dokument.
Anhang-Slots machen die Eingabe multimodal. In v0 fügt der Nutzer einen Screenshot ein und promptet dagegen. Claude akzeptiert PDFs, Bilder und Code-Dateien. Lovable akzeptiert einen Figma-Frame als Kontext. Der Slot ist der Vertrag.
Modellauswahl, Tool-Schalter und Senden-Affordance bilden die Konfigurationsebene. Sie sagen dem Nutzer, was gleich passiert, bevor es passiert. Vercel AI Playground zeigt die Modellauswahl als prominentestes Steuerelement. Cursor schaltet vor dem Absenden zwischen Agent-Modus und Inline-Edit um. Versteckst du die Konfiguration, rät der Nutzer nur.
Der Streaming-Ausgabebereich und die Revisionssteuerung schließen den Kreis. Claudes Artifact-Pane ist eines der saubersten ausgelieferten Beispiele. Die Ausgabe bekommt ihren eigenen Bereich, die Prompt Surface bleibt aktiv, und der Nutzer kann den Prompt bearbeiten oder das Artifact neu generieren, ohne eine der beiden Seiten zu verlieren.
Vertrauenssignale sind das tragende Detail
In der Prompt Surface entscheidet der Nutzer, ob er dem Modell vertraut. Jedes sichtbare Signal verdient Vertrauen oder verbrennt es.
Vertrauen entsteht durch Klarheit. Die Modellidentität ist sichtbar. Tool-Aufrufe werden vor der Ausführung aufgelistet oder während der Ausführung gestreamt. Streaming-Feedback ist ehrlich, kein Fake-Spinner, der Arbeit vortäuscht. Die Undo-Affordance ist in unter einer Sekunde erreichbar. Der Fehlerpfad benennt, was fehlschlug und warum. Es ist dasselbe Handwerk, das eine gute Agent-UI verlangt, nur auf die Eingabe zugeschnitten.
Das billigste Vertrauenssignal ist der Stop-Button. Eine Streaming-Antwort ohne sichtbaren Stopp ist eine feindselige Surface. Der Nutzer sieht dem Modell beim Schreiben von etwas zu, von dem er schon weiß, dass es falsch ist, und der einzige Ausweg ist, den Tab zu schließen. Claude, Cursor und v0 liefern alle einen sichtbaren Stopp. Die meisten selbstgebauten Chat-UIs vergessen ihn.
Sechs Fehlerbilder, die Prompt Surfaces killen
Die meisten Prompt Surfaces im Produktivbetrieb haben heute mindestens eines davon. Die Fixes sind nicht subtil.
Das leere Rechteck. Eine Textarea, ein Platzhalter "Wie kann ich helfen" und sonst nichts. Der Nutzer erfindet den Anwendungsfall von null. Fix: ein strukturierter Empty State mit drei bis fünf konkreten Startern, die an echte Produktfähigkeiten gebunden sind.
Die Eingabe ohne Vorschläge. Die Surface nimmt einen Prompt an, schlägt aber nie einen vor. Power-User lernen die Muster. Neue Nutzer springen ab. Fix: letzte Prompts, begrenzte Vorschläge (Cursors @-Mention, v0s Auswahl-Picker) und Inline-Vervollständigungen, abgestimmt auf den aktuellen Kontext.
Der tote Streaming-Spinner. Ein Spinner dreht sich, während das Modell im Hintergrund still zehn Tool-Aufrufe erledigt, und der Nutzer hat keine Ahnung, was das bedeutet. Fix: die tatsächliche Arbeit streamen. Tool-Aufrufe sichtbar, Dateiänderungen sichtbar, Zwischenergebnisse sichtbar.
Das nicht umschaltbare Modell. Das Produkt wählt ein Modell und versteckt die Wahl. Power-User können schwere Aufgaben nicht an ein stärkeres Modell routen, und kostenbewusste Nutzer können leichte nicht an ein günstigeres schicken. Fix: die Auswahl sichtbar machen, sinnvoll vorbelegen, die Wahl pro Aufgabe merken.
Die Amnesie-Surface. Jeder neue Prompt setzt den Kontext zurück. Der Nutzer fügt bei jeder Runde die Datei, die URL, das Briefing neu ein. Fix: ein Memory Chip, ein angepinnter Kontext-Slot oder ein Scope auf Sitzungsebene, den der Nutzer sehen und bearbeiten kann.
Das destruktive Regenerieren. Der Regenerieren-Button überschreibt die vorherige Ausgabe ohne Versionsverlauf. Der Nutzer hat seine beste Antwort verloren und bekommt sie nicht zurück. Fix: Regenerieren als Verzweigung, nicht als Überschreiben, so wie es Claudes Verlauf und v0s Versionsstapel schon tun.
Eine Mustersammlung für Prompt Surfaces
Sechs benannte Muster trennen die Prompt Surfaces, die sich wie Primitive anfühlen, von denen, die sich wie Platzhalter anfühlen. Bediene dich aus dieser Liste, bevor du irgendetwas neu gestaltest.
Scoped Prompt. Die Eingabe akzeptiert ein Scope-Token, das einschränkt, was das Modell anfassen darf. Cursors @-Mention-Picker ist das kanonische Beispiel. Der Nutzer tippt @layout.tsx, und der Prompt ist auf diese Datei begrenzt. v0 hat einen ähnlichen auswahlgesteuerten Scope: Der Nutzer klickt auf einen Bereich der Canvas, und der Prompt arbeitet auf diesem Bereich. Scoping macht aus einem vagen Prompt einen präzisen, ohne dass der Nutzer mehr schreiben muss.
Auswahlgesteuerter Prompt. Der Nutzer markiert etwas im Produkt, und die Prompt Surface erscheint mit der Auswahl bereits als Kontext gebunden. v0 macht das bei Canvas-Auswahlen. Notion AI macht es bei markiertem Text. Linears AI übernimmt den Issue-Scope automatisch. Lass den Nutzer nicht beschreiben, worauf er schon gezeigt hat.
Inline-Tool-Schalter. Die Surface zeigt Tool-Aufrufe als Schalter oder Chips am Eingaberahmen. Cursor schaltet Agent-Modus, Edit-Modus und Tool-Sets um. Raycast AI zeigt Commands. Vercel AI Playground zeigt Function-Calling-Schalter. Der Nutzer weiß vor dem Senden, welche Tools scharf sind.
Memory Chip. Eine dauerhafte Affordance, die zeigt, was das Modell über die aktuelle Sitzung schon weiß. ChatGPT und Claude liefern beide Varianten. Der Chip ist bearbeitbar, entfernbar und sichtbar, und das ist der ganze Trick. Verstecktes Gedächtnis ist ein Exfiltrationsrisiko im Feature-Kostüm.
Branching Prompt. Regenerieren gabelt die Konversation, statt sie zu überschreiben. Jeder Zweig ist ein gespeicherter Zustand, zu dem der Nutzer zurückkehren kann. Claudes Konversationsverlauf macht das sichtbar, v0 führt einen Versionsstapel generierter UIs, Cursors Chat-Threads sind verzweigbar. Experimentieren wird zum Baum, nicht zum Casino-Dreh.
Freigabe-gesteuerter Tool-Aufruf. Die Surface pausiert vor einem destruktiven Tool-Aufruf und bittet den Nutzer, zu genehmigen, zu ändern oder abzubrechen. Cursors Composer sperrt riskante Shell-Befehle hinter einer Freigabe. Claude Code sichert destruktive Operationen über ein Berechtigungssystem ab. ChatGPT Operator sichert Zahlungsaktionen im Browser ab. Bremse den Moment, der sich nicht rückgängig machen lässt, und zeige die Aktion vor der Ausführung im Klartext.
Diese Muster lassen sich kombinieren. Eine großartige Prompt Surface liefert meist Scoped, auswahlgesteuert, Inline-Tools und Freigabe-Gates als eine einzige kohärente Komponente. Die Muster stehen nicht im Widerspruch, sie spielen im Einklang.
Das Prompt-Surface-Audit mit sieben Fragen
Führe das bei jeder KI-Eingabe durch, bevor sie live geht. Fällt sie bei drei oder mehr durch, ist die Surface nicht bereit.
- Empty State. Bringt die Surface dem Nutzer bei, was er tippen soll, oder kippt sie ihm ein leeres Feld hin?
- Vorschläge. Schlägt die Surface den nächsten Prompt anhand von Kontext, letztem Verlauf oder Auswahl vor?
- Scope. Kann der Nutzer den Prompt auf eine Datei, eine Auswahl, einen Block oder eine Sitzung eingrenzen, ohne mehr zu schreiben?
- Sichtbarkeit der Konfiguration. Sind Modell, Tools und Autonomiegrad vor dem Senden sichtbar und nicht in einer Einstellungsschublade vergraben?
- Streaming-Ehrlichkeit. Zeigt die Streaming-Ausgabe die tatsächliche Arbeit, oder ist es ein Spinner, der nichts bedeutet?
- Stoppen und überarbeiten. Gibt es beim Streaming einen sichtbaren Stop-Button und danach ein nicht-destruktives Regenerieren?
- Transparenz des Gedächtnisses. Kann der Nutzer sehen und bearbeiten, woran sich das Modell über die Sitzung hinweg erinnert?
Eine Surface, die alle sieben besteht, fühlt sich wie ein Primitiv an. Eine Surface, die drei oder mehr verfehlt, fühlt sich wie eine Suchleiste an. Der Abstand zwischen diesen beiden Ergebnissen trennt KI-natives Produktdesign von nachträglich angeflanschter KI.
Die Teams, die die Prompt Surface als echte Komponente bauen, sind auch die Teams, die ihre Prompts als Komponenten auf der Engineering-Seite behandeln. Die Disziplin zahlt sich auf dieselbe Weise aus.
FAQ
Was ist eine Prompt Surface?
Eine Prompt Surface ist der gesamte UI-Bereich, in den der Nutzer promptet, um den herum er konfiguriert und aus dem er das Ergebnis liest. Sie umfasst die Eingabe, den Empty State, Vorschläge, Anhang-Slots, die Modellauswahl, Tool-Schalter, die Senden-Affordance, den Streaming-Ausgabebereich und die Revisionssteuerung. Sie als Textarea zu behandeln ist der Fehler. Sie als Komponente zu behandeln ist die Messlatte.
Wie unterscheidet sich eine Prompt Surface von einer Chat-Eingabe?
Eine Chat-Eingabe ist ein Nachrichtenfeld für Runde um Runde. Eine Prompt Surface ist eine konfigurierbare, beobachtbare, umkehrbare Interaktionskomponente. Chat-UI optimiert auf Konversation. Eine Prompt Surface optimiert auf Zielklarheit, Modellvertrauen und Aufgabendurchsatz. Die Chat-Eingabe ist ein möglicher Ausdruck einer Prompt Surface, kein Synonym.
Was sind die häufigsten Designfehler bei Prompt-UIs?
Leere Rechtecke ohne Vorschläge, tote Streaming-Spinner, nicht umschaltbare Modelle, Amnesie-Surfaces, die bei jedem Prompt den Kontext vergessen, destruktive Regenerieren-Buttons, die gute Ausgaben überschreiben, und fehlende Stop-Buttons beim Streaming. Jeder Fehler lässt sich mit einer kleinen Änderung an der Surface beheben. Keiner lässt sich mit Copy beheben.
Welche Produkte haben 2026 die besten Prompt Surfaces?
Cursor für Scoped Prompts, Claude für verzweigbaren Verlauf und die Artifact-Pane, v0 für auswahlgesteuerte Prompts, Linear AI für eingebettete Prompts, Notion AI für den Empty State im Slash-Menü, Raycast AI für Picker-Disziplin und Vercel AI Playground für sichtbare Konfiguration. Keines liefert jedes Muster in voller Stärke, weshalb die Kategorie noch weit offen ist.
Bau die Eingabe, als wäre sie das Produkt
Die Prompt Surface ist die wichtigste Komponente in jedem KI-nativen Produkt, und die meisten Teams gestalten sie immer noch wie einen Nachgedanken. Eine Textarea, ein Senden-Button, ein Platzhalter, fertig. Dieser Stack ist an dem Tag verrottet, an dem Cursor und Claude die Messlatte höher gelegt haben.
Behandle die Eingabe wie ein Primitiv. Liefere die acht Teile. Vermeide die sechs Fehlerbilder. Kombiniere die sechs Muster. Fahre das Audit mit sieben Fragen. Das Produkt, das am Ende herauskommt, fühlt sich nach 2026 an statt nach einer Chat-Sidebar von 2022 mit neuem Logo.
Wenn du ein Team willst, das Prompt Surfaces als vollwertige Komponenten statt als Textareas liefert, hol dir Brainy. Wir gestalten KI-native Produkt-UI von Anfang bis Ende, vom Empty State bis zum Streaming-Ausgabepanel, mit eingebauten Vertrauenssignalen, bevor der erste Nutzer überhaupt ein Wort tippt.
Want a prompt surface that earns the click instead of explaining itself? Brainy ships AI-native product UI end to end, from the empty state to the streaming output panel.
Get Started
