Chris Strahl, Gründer und CEO von Knapsack – Interviewreihe

Chris Strahl ist der Mitgründer und CEO von Knapsack, wo er sich darauf konzentriert, die Art und Weise, wie moderne digitale Produkte erstellt werden, neu zu gestalten, indem er Design-, Engineering- und Produktteams um ein gemeinsames System der Wahrheit ausrichtet. Mit einer Vergangenheit, die in Design-Systemen und Frontend-Entwicklung verwurzelt ist, ist er auch weit bekannt für die Moderation des Design Systems Podcast, in dem er erforscht, wie Organisationen Design skalieren, die Zusammenarbeit verbessern und die digitale Produktion modernisieren.

Knapsack ist eine Unternehmens-Design-System- und digitale Produktionsplattform, die als lebendiges System der Aufzeichnungen fungiert und Design-Assets, Code, Inhalte und Dokumentation in Echtzeit verbindet. Die Plattform ermöglicht es Teams, wiederverwendbare, produktionsbereite Komponenten zu erstellen und zu verwalten, Design-Tokens zu verwalten und die Konsistenz über komplexe digitale Ökosysteme hinweg zu gewährleisten. Durch die Strukturierung von Design- und Benutzeroberflächen-Daten auf eine Weise, die skalierbar und AI-bereit ist, hilft Knapsack großen Organisationen, die Lieferung zu beschleunigen, Duplizierungen zu reduzieren und die Marken- und Produktintegrität über Teams und Kanäle hinweg sicherzustellen.

Knapsack entstand nach Jahren, in denen Design-Systeme für große Unternehmen bei Basalt erstellt wurden, wo sich die wiederkehrende Reibung zwischen Design-Dateien, Engineering-Workflows und ausgeliefertem Code nicht mehr ignorieren ließ. Was war der Moment, in dem dieses Muster klar genug wurde, um die Einführung einer dedizierten Plattform zu rechtfertigen?

Wir haben unzählige Design-Systeme bei Basalt erstellt, und das Muster war offensichtlich: Design-Dateien, Engineering-Workflows und ausgeliefertes Code existierten in separaten Universen. Das Ergebnis war nicht ein einzelner dramatischer Misserfolg, sondern tausend wiederholbare Verluste: falsch dimensionierte Schaltflächen, inkonsistente Verhaltensweisen und Stil-Drift über Eigenschaften hinweg, die Teams monate-langen Nacharbeiten kosteten. Wir wussten, dass es ein echtes Problem war, als wir sahen, dass diese Probleme nicht mit besseren Synchronisations-Steckern oder schönerer Dokumentation behoben werden konnten. Sie erforderten ein einzelnes autoritatives System der Aufzeichnungen für Design, Code und Markenregeln. Diese Erkenntnis machte es klar, dass eine dedizierte Plattform notwendig war.

Der Wechsel von Agentur- und Beratungsarbeit zur Erstellung eines Produktunternehmens offenbarte ein tieferes Problem, das bestehende Design-System-Tools und Workflow-Plattformen nicht ansprachen. Was war die grundlegende Lücke, die Knapsacks frühe Architektur und Richtung prägte?

Als wir von der Agenturarbeit zur Erstellung eines Produkts wechselten, wurde das Kernstück offensichtlich. Es gab kein zuverlässiges, maschinenlesbares System, das Komponenten, Einschränkungen und die Synergie zwischen Designern und Ingenieuren erfasste. Bestehende Tools konzentrierten sich auf Dateien oder isolierte Repositorys, aber nicht auf eine lebendige Darstellung des tatsächlichen Zustands eines Produkts, einschließlich Komponenten, Theming, Nutzungsregeln und Compliance-Metadaten. Wir bauten Knapsack um ein kanonisches System der Aufzeichnungen, das komponentenorientiert, versioniert, instrumentierbar und in der Lage ist, sich mit Design-Tools und Codebasen zu integrieren. Diese Schlussfolgerung prägte unser Einbindungmodell und die Verknüpfungsebene, die letztendlich zur Intelligenten Produkt-Engine führte.

Die “Canvas-Ära” weicht lebendigen, code-verbundenen Systemen. Wie definieren Sie diesen Wandel, und was ändert sich für Teams, wenn die Produkt-Erstellung von statischen Dateien zu kontinuierlich aktualisierten Systemen wechselt?

Die Canvas-Ära behandelte UX als statische Artefakte, normalerweise Dateien, die zwischen Teams weitergegeben wurden. Die neue Ära wird von kontinuierlich aktualisierten, ausführbaren Systemen angetrieben, die die tatsächliche Implementierung widerspiegeln. Die Änderung für Teams ist erheblich. Anstatt zu diskutieren, welche Datei oder welcher Zweig die Quelle der Wahrheit ist, arbeiten sie von einem gemeinsamen System, das den aktuellen Zustand von Komponenten, Tokens, Zugriffsbeschränkungen und Produktionsverhalten offenlegt. Dies reduziert Mehrdeutigkeiten, ermöglicht automatisierte Validierung und unterstützt agentenbasierte Workflows, die nutzbare Benutzeroberflächen auf der Grundlage von tatsächlichen Komponenten und nicht von Annäherungen generieren.

Agenten-generierte Benutzeroberflächen scheitern oft ohne ein System der Aufzeichnungen, das reale Komponenten, Regeln und Einschränkungen widerspiegelt. Warum ist diese Verankerungsebene für die Erstellung von unternehmensbereiten Schnittstellen durch AI unerlässlich?

AI kann Layouts und Texte synthetisieren, aber sie benötigt eine autoritative Vokabular, um unternehmensbereite Schnittstellen zu erstellen. Die Verankerungsebene, die konkrete Komponenten, Eigenschaften, Einschränkungen, Tokens und Nutzungsregeln enthält, gibt AI die Grenzen, die sie respektieren muss. Ohne sie halluzinieren Agenten Stile, ignorieren Zugriffsanforderungen oder generieren Code, der nicht mit dem übereinstimmt, was Engineering-Teams tatsächlich ausliefern. Mit einem realen Komponentengraphen und Regelsatz produzieren Agenten Ausgaben, die implementierbar, konform und konsistent mit Markenstandards sind. Dies ist der Unterschied zwischen einer hübschen Mock-up und einer auslieferbaren Schnittstelle.

Als die Intelligente Produkt-Engine entwickelt wurde, was sich als schwierigste Herausforderung bei der Einigung von Design-Assets, Code, Markenregeln, Compliance-Anforderungen, UX-Mustern und Leistungsdaten in ein kohärentes System erwies?

Die Herausforderung besteht nicht in einer einzigen Integration, sondern in einer Reihe von Integrationsprozessen. Es harmonisiert Absicht und Realität über verschiedene Darstellungen hinweg, einschließlich Design-Tokens in Figma, Komponenten-Implementierungen in mehreren Repositorys, Markenrichtlinien in rechtlichen Dokumenten, Telemetrie aus Produktions-Systemen und Compliance-Metadaten. Jeder dieser Aspekte lebt in unterschiedlichen Formaten, mit unterschiedlichen Eigentümern und auf unterschiedlichen Aktualisierungszyklen. Die Umwandlung dieser Signale in ein konsistentes Modell erforderte starke Einbindungspipelines, Konfliktlösungsregeln und ein klares Modell für Herkunft und Eigentum. Teams müssen wissen, was geändert wurde, wer die Änderung vornahm und warum sie vorgenommen wurde. Den Aufbau dieser Vertrauensebene war der schwierigste Teil.

Mit AI, die in der Lage ist, zunehmend vollständige Schnittstellen zu generieren, wie sehen Sie die Rollen von Designern und Ingenieuren in menschlich-agentischen Workflows evolvieren?

Agenten werden repetitive Aufgaben übernehmen, wie das Erstellen von Seiten, das Vorschlagen von zugänglichen Varianten und das Generieren von lokalisierten Inhalten. Designer werden sich auf Strategie, Erfahrung, Randfall-UX und die Definition der Einschränkungen konzentrieren, die gute Ergebnisse vorantreiben. Ingenieure werden sich weniger auf das Tippen jedes Pixels und mehr auf Komponentenkorrektheit, Laufzeitverträge, Beobachtbarkeit und Leistung konzentrieren. Menschen werden Kuratoren und Validatoren. Wir definieren die Regeln, überprüfen Ausgaben und bestimmen, was Qualität bedeutet. Die wertvollsten menschlichen Fähigkeiten werden Systemdenken und Urteilsvermögen sein.

Nach der Series-A-Runde, was wurden die höchsten Prioritäten für die Beschleunigung der Produktentwicklung und der Unternehmensadoption?

Die Series-A-Runde ermöglichte es uns, in drei Bereichen zu beschleunigen. Erstens bei der Einbindung und dem Einlesen, was es Unternehmen ermöglicht, ein System der Aufzeichnungen in Tagen statt in Monaten zu erstellen. Zweitens bei der Intelligenten Produkt-Engine, einschließlich modellalignierter Fähigkeiten, die sicherstellen, dass generierte Schnittstellen Marken- und Regeln respektieren. Drittens bei den Unternehmenskontrollen, wie Berechtigungen, Überprüfbarkeit und Compliance-Hooks, die sicherstellen, dass Führungskräfte Vertrauen in die Adoption von Knapsack in großen Organisationen haben. Diese sind die Hebel, die die tatsächliche Skalierung der Adoption antreiben.

Unternehmens-Teams haben oft Schwierigkeiten, von statischen Workflows zu dynamischen, agentenbereiten Systemen zu wechseln. Was sind die größten Hindernisse, und wie hilft Knapsack Organisationen, sich anzupassen?

Unternehmen kämpfen mit fragmentierten Systemen, Eigentümer-Silos, regulatorischen Einschränkungen und den hohen Kosten, um alles auf dem neuesten Stand zu halten. Wir helfen, indem wir das Einlesen schnell und deterministisch machen, indem wir Herkunft und Eigentum modellieren und indem wir Governance-Features wie Berechtigungen und Überprüfungsprotokolle bereitstellen. Diese Tools ermöglichen es Teams, Vertrauen in automatisierte Workflows zu validieren.

Wenn die Produkt-Erstellung zunehmend automatisiert wird, welche neuen Fähigkeiten müssen Teams entwickeln, um in einer Umgebung, in der AI mehr der Grundlagenarbeit generiert, effektiv zu bleiben?

Teams müssen stärkere Systemdenkfähigkeiten entwickeln, insbesondere die Fähigkeit, Einschränkungen, Richtlinien und Komponenten-Verträge zu verfassen, die Agenten nutzen können. Sie benötigen auch bessere Überwachungs- und Validierungspraktiken, einschließlich Beobachtbarkeit in Agenten-Entscheidungen, Rollout-Kontrollen und Q&A-Frameworks für generierte Benutzeroberflächen. Governance-Literatur wird essentiell, insbesondere die Fähigkeit, Compliance-, Zugänglichkeits- und Datenschutzanforderungen in maschinenlesbarer Form auszudrücken. Die Organisationen, die erfolgreich sind, werden diejenigen sein, die in der Lage sind, Richtlinien und Qualität in ihre Systeme zu kodifizieren.

Wenn man fünf Jahre vorausblickt, wie erwarten Sie, dass die AI-getriebene Produkt-Erstellung evolviert, und welche Position möchten Sie, dass Knapsack in dieser nächsten Phase der Branche einnimmt?

In fünf Jahren wird die Produkt-Erstellung dem Zusammenspiel von Diensten gegenüber einem lebendigen Komponentengraphen ähneln, anstatt statische Kompositionen zwischen Teams auszutauschen. Agenten-Tools werden produktionsbereite Oberflächen unter Verwendung von Richtlinien, Leistungs-Budgets und Marken-Einschränkungen generieren. Mein Ziel ist, dass Knapsack das kanonische System der Aufzeichnungen wird, auf das Agenten und Apps angewiesen sind, um die tatsächlichen UI-Primitiven und Regeln eines Unternehmens zu verstehen. Dies umfasst eine tiefe Integration mit Modellen und CI/CD, starke Governance für regulierte Unternehmen und schnelle Einbindung für neue Teams. Knapsack sollte die vertrauenswürdige Ebene für Marke, Verhalten und Sicherheit sein, wenn Unternehmen Agenten autonomer agieren lassen.

Vielen Dank für das großartige Interview. Leser, die mehr über moderne Design-Systeme und skalierbare digitale Produktion erfahren möchten, sollten Knapsack besuchen.