Canva AI 2.0 im Praxistest: 60 Assets, Brand-Drift und echte Credit-Kosten

Canva AI 2.0 hielt mit Brand Intelligence ein echtes Kunden-Brand-Kit über 21 Assets hinweg sauber ein. Bei Asset 22 wich die Akzentfarbe vom festgelegten Cyan ab, die Schriftgrößen-Hierarchie brach zusammen – und zu diesem Zeitpunkt hatte der agentische Lauf bereits 140 der ~500 monatlichen Credits eines Pro-Tarifs verbraucht.

Canva AI 2.0 im Ergebnis – 21 markentreue Assets, dann der Bruch

Das Ergebnisbild lässt wenig Raum für Interpretation: 21 Assets blieben der Marke treu, Asset 22 fiel sichtbar aus dem System. Die Schrifthierarchie – vorgesehen waren drei klar getrennte Größen, eine Display-Schrift und eine Textschrift – schrumpfte in einem komplexen Layout auf zwei Größen. In zwei Überschriften ersetzte der Agent die Display-Schrift zudem unbemerkt durch eine ähnliche Sans-Serif.

Damit die folgenden Beobachtungen konkret bleiben, hier das Brand Kit als Satz klarer Design-Tokens:

• Hintergrund: nahezu schwarz, #0B0D10
• Akzent: ein einziges elektrisches Cyan, #21D4FD, fest definiert und nie mit einer zweiten Akzentfarbe kombiniert
• Schrifthierarchie: 64 / 32 / 16 px, je ein Schriftschnitt für Display- und Textschrift
• Raster: 12 Spalten und 80px breite Zwischenräume im Deck, 4 Spalten für das Instagram-Set

Canva selbst beschreibt AI 2.0 in diesem Punkt bemerkenswert offen: Das agentische System bringt eine Kampagne mit einem einzigen Ziel-Prompt auf ungefähr 80% markenkonforme Entwurfsqualität; die übrigen 20% bleiben Handarbeit. Das ist die Formulierung von Canva, nicht meine. Neu an diesem Test ist nicht die 80/20-Grenze. Entscheidend ist, wo sie bei einem Lauf über 60 Assets mit echten Marken-Tokens liegt – und wie viele Credits verbraucht sind, bevor das System abzudriften beginnt.

Die Kurzfassung: Brand Intelligence funktioniert für die volumenstarke Social-Media-Produktion. Für markenprägende Hero-Motive reicht es nicht. Die Orchestrierung kann nur so sauber sein wie das hinterlegte Brand Kit; die 30-minütige Einrichtung, mit der das Kit festgezurrt wird, ist tragend und keineswegs optional.

Das Briefing – ein echtes Kunden-Markensystem als Härtetest

Gefordert war eine Launchkampagne mit 60 Assets: ein Präsentationsdeck mit 14 Folien, 28 Instagram-Posts im Mix aus 1:1 und 4:5, 6 E-Mail-Header, 8 One-Pager in zwei Layouts und 4 LinkedIn-Karten. Genau dieses Paket soll Canva AI 2.0 unter Agentic Orchestration aus einem einzigen Ziel-Prompt gemeinsam erzeugen. Bei Canva Create LA im April brachte Cliff Obrecht das Versprechen mit „campaign in one prompt“ auf den Punkt. Dieses Versprechen steht hier auf dem Prüfstand.

Warum dieses Briefing einen belastbaren Test ermöglicht: Die Grenze zwischen markenkonform und markenfremd steht vorher fest, nicht erst im Nachhinein. Ein falscher Hex-Wert für die Akzentfarbe ist falsch. Eine zusammengefallene Schrifthierarchie ist falsch. Eine zweite Akzentfarbe ist überall falsch. Entweder bleibt der Agent innerhalb der Tokens oder nicht – der Fehler lässt sich zählen und ist keine Gefühlssache.

Der Einrichtungsaufwand war wichtiger als erwartet. Rund 35 Minuten flossen vor dem ersten agentischen Lauf in die Vervollständigung des Brand Kits: zwei Schriften hochladen, die drei Schriftgrößen als benannte Stile definieren, die einzige Akzentfarbe sperren, die Farbfelder benennen und zwei Logo-Lockups hinterlegen. Brand Intelligence setzt ebenso wie das vollständige Brand Kit den Pro-Tarif voraus; dort stehen ungefähr 500 Credits pro Monat zur Verfügung, gegenüber ~50 im Free-Tarif. Die Preisseite von Canva zeigt die Details, falls dies vor einer Buchung geprüft werden soll.

Diese Investition ist nicht verhandelbar. Jede spätere Abweichung ließ sich auf einen Token zurückführen, der im Kit entweder fehlte oder nicht eng genug definiert war. Der Agent erfindet keine Markenregeln. Er interpoliert aus dem vorhandenen Kit – und füllt jede Lücke mit dem optisch gefälligsten Nachbarn.

Canva AI 2.0 im agentischen Lauf – Ergebnis und Credit-Kosten

Die gesamte Kampagne startete mit einem einzigen Ziel-Prompt: „Erstelle für [client] eine Launchkampagne mit 60 Assets für Deck, Instagram, E-Mail-Header, One-Pager und LinkedIn. Verwende unser Brand Kit. Tonalität: selbstbewusst, technisch, ruhig. Überschriftenmuster: [pattern]. CTA: [CTA].“

Der Agent leitete daraus die Asset-Liste ab, erzeugte mehrschichtige Canva-Designs – jedes Element blieb bearbeitbar, nichts wurde zu einem flachen Bild reduziert – und stellte einen Kampagnen-Arbeitsbereich zur Prüfung bereit. Darin liegt der Produktsprung von AI 2.0 gegenüber dem alten Magic Studio: Das gesamte Paket wird orchestriert, es entstehen mehrschichtige, editierbare Ergebnisse und Living Memory bewahrt den Kontext über den Lauf hinweg. Die früheren einmaligen Magic-Tools lieferten dagegen flache Einzelartefakte.

Das Protokoll für jedes einzelne Asset:

• Assets 1–14 (das Deck): markenkonform. Schrifthierarchie eingehalten. Eine Akzentfarbe beibehalten.
• Assets 15–21 (die ersten 7 Instagram-Posts): markenkonform. Der Agent verwendete die 4:5-Rastervariante korrekt und hielt die Akzentregel ein.
• Asset 22 (der 8. Instagram-Post, ein komplexes Layout mit drei Textblöcken und einem Zitat): Drift. Die Akzentfarbe wechselte zu #3FB8C9 (im Farbton um ~8% von der Marke entfernt). Die Schrifthierarchie fiel auf 32/20 zusammen. Im Zitat wurde die Display-Schrift ersetzt.
• Assets 23–34: Der Drift setzte sich fort. Nachdem Living Memory das markenfremde Asset 22 als jüngsten Kontext aufgenommen hatte, orientierten sich die folgenden Assets stärker an dieser Abweichung als am gesperrten Kit.

Der Drift war kein isolierter Ausrutscher, sondern ein Fehler mit Verstärkungseffekt. Für den Betrieb des Agenten ist das entscheidend: Sobald zusammengesetzte Prompts ins Spiel kommen, ist ein langer, ununterbrochener Lauf nicht mehr verlässlich. In diesem Test lag die Grenze bei etwa 20 verketteten Assets.

Die Credit-Bilanz

Der agentische Lauf über 60 Assets verbrauchte vor jeder Nacharbeit 187 Credits. Das entspricht rund 37% des monatlichen Pro-Kontingents für eine einzige Kampagne. Nach der Überarbeitung – Assets 22–34 wurden manuell korrigiert, 6 davon mit enger gefassten Teil-Prompts neu generiert – stieg der Gesamtverbrauch auf 226 Credits.

Umgerechnet auf die Kosten je fertiggestelltem, markenkonformem Asset:

• 21 Assets waren im ersten Durchlauf direkt einsatzbereit: ~8.9 Credits pro fertigem Asset
• 39 Assets mussten korrigiert oder neu generiert werden: ~4.2 Credits pro Entwurf, zuzüglich meiner Arbeitszeit
• Im Mittel: ~3.8 Credits pro fertigem, markenkonformem Asset über alle 60

Die 80/20-Grenze existiert tatsächlich und liegt ungefähr dort, wo Canva sie verortet. Brand Intelligence lieferte einen Entwurf mit 80% Reifegrad. Die letzten 20% bis zur Markenkonformität – Akzentfarbe korrigieren, Schrifthierarchie wiederherstellen und die Tonalität von drei ins Werbliche abgerutschten Überschriften schärfen – waren Handarbeit im Canva-Editor, nicht im agentischen Interface.

Living Memory und die nur im Pro-Tarif verfügbare Brand Intelligence rechtfertigten ihren Preis beim Deck und den ersten 21 Social-Media-Assets. Die zweite Hälfte des Laufs konnten sie nicht retten.

Canva vs Figma + Midjourney – dieselbe Aufgabe im Vergleich

Dieselben 60 Assets liefen außerdem durch die manuelle Pipeline, die ich für Kundenprojekte von DVNC.studio einsetze: Figma für Layout und Durchsetzung des Markensystems – mit Komponentenbibliotheken, die Schrifthierarchie und Akzentfarbe fest sperren – sowie Midjourney V8.1 für Hero-Bildwelten. Die große Zahl an Social-Media-Varianten entstand allein in Figma mit dem Designsystem.

Für einen Vergleich mit Credits ergibt sich folgende Kostenrechnung: ungefähr $4 Tool-Kosten plus 20 Minuten Art Direction pro fertigem, markenkonformem Hero-Motiv; bei einer fertigen Social-Media-Variante sind es eher $0.40 Tool-Kosten plus 8 Minuten in Figma. Der Varianten-Longtail ist bei den Tools günstig, kostet aber Zeit. Hero-Arbeit ist in der Generierung schnell – die KI liefert rasch – und steht oder fällt mit menschlicher Art Direction.

Hier gewinnt die manuelle Pipeline eindeutig: kein Markendrift bei Hero-Motiven, vollständige Kontrolle über die Schrifthierarchie in jedem Asset – die Komponentenbibliothek lässt einen Regelbruch gar nicht zu – und die Art Direction bleibt bei mir. Das Ergebnis deckt sich mit meinem früheren Test des Stiltransfers von Krea 2: Werden KI-Bildtools mit einem strikten Designsystem gekoppelt, bleibt die Markenwelt über 40+ Frames stabil. Denn die Regeln werden vom System durchgesetzt, nicht vom Modell.

Der Nachteil liegt bei Geschwindigkeit und Volumen im Longtail. Canva AI 2.0 lieferte einen vergleichbaren Entwurf in rund 12 Minuten. Allein dieser Vorsprung rechtfertigt den Einsatz des agentischen Systems.

Direktvergleich – Kosten, Drift und Geschwindigkeit

Kostenstaffel

Kosten je fertigem, markenkonformem Asset nach Asset-Klasse:

• Social-Media-Variante, Canva AI 2.0 agentisch: ~3.1 Credits (≈ $0.08 zum Mischsatz des Pro-Tarifs)
• Social-Media-Variante, Figma + Midjourney: ~$0.40 Tool-Kosten + 8 Min. Arbeitszeit
• Hero / markenprägend, Canva AI 2.0 agentisch: ~12 Credits und unzuverlässig (hier setzt der Drift ein)
• Hero / markenprägend, Figma + Midjourney: ~$4 Tool-Kosten + 20 Min. Art Direction, und zuverlässig

Die Rollen kehren sich unübersehbar um. Im Social-Media-Longtail ist Canva AI 2.0 bei den reinen Kosten ungefähr eine Größenordnung günstiger und bei der realen Durchlaufzeit erheblich schneller. Bei Hero-Motiven liefert ausschließlich die manuelle Pipeline ein veröffentlichungsreifes Ergebnis.

Drift-Staffel

• Assets bis zum ersten Drift, Canva AI 2.0 agentisch, Brand Kit vollständig gesperrt: 21
• Assets bis zum ersten Drift, Canva AI 2.0 agentisch, Brand Kit unvollständig (ohne Schrifthierarchie): 6 (ein separater, früherer Test, den ich abgebrochen habe)
• Assets bis zum ersten Drift, Figma + Midjourney mit gesperrter Komponentenbibliothek: praktisch unbegrenzt; ein Mensch muss das System aktiv brechen, damit Drift entsteht

Das ist der klarste Messwert des gesamten Tests. Das agentische Interface driftet. Das Designsystem nicht – denn Drift ist eine Eigenschaft des Systems, nicht des Modells. Figmas eigene KI-Arbeit an Custom Skills folgt demselben Prinzip: Das System setzt die Regeln durch, die KI generiert innerhalb dieser festgehaltenen Grenzen.

Geschwindigkeitsstaffel

• Zeit für 60 Assets, Canva AI 2.0 agentisch, einschließlich Nacharbeit: ~3.5 Stunden
• Zeit für 60 Assets, Figma + Midjourney, mit vorhandenem Designsystem: ~14 Stunden
• Zeit für 60 Assets, Figma + Midjourney, mit neu aufgebautem Designsystem: ~40 Stunden

Bei einem vorhandenen Designsystem ist die manuelle Pipeline 4× langsamer als der agentische Lauf. Muss es erst aufgebaut werden, ist sie um eine Größenordnung langsamer. Der Aufwand der Ersteinrichtung ist real – und genau deshalb übt Canva AI 2.0 auf Agenturen und Studios mit vielen einmaligen Kampagnen den größten Reiz aus.

Die Empfehlung – und das eine Kriterium, das sie umkehrt

Canva AI 2.0 eignet sich für den volumenstarken, ausreichend markenkonformen Social-Media-Longtail – sofern das Brand Kit vollständig gesperrt und pro Kampagne ein Credit-Budget festgelegt ist. Für alles Markenprägende gehören Figma + Midjourney oder eine vergleichbare Kombination aus Designsystem und KI-Bildpipeline in den Workflow: Hero-Motive, Launch-Creatives und alles, was auf die Titelfolie eines Decks oder an den Anfang einer Landingpage kommt.

Die Entscheidung hängt an einer Frage: Darf dieses Asset zu 90% markenkonform sein oder müssen es 100% sein? Sind 90% vertretbar, weil das Motiv zwei Sekunden lang in einem Feed erscheint, kann es an den Agenten gehen. Sind 100% der Maßstab, weil das Asset die Marke für das nächste Quartal prägt, gehört es in die manuelle Pipeline.

Was Canva AI 2.0 weiterhin nicht beherrscht: komplexe UI/UX-Aufgaben und markenprägende Hero-Bildwelten. The Verge beschreibt beim Rollout Verfügbarkeit und Bearbeitungsoberfläche sehr direkt; die Grenzen werden deutlich, auch wenn der Artikel sie nicht ausdrücklich benennt. Um die agentische Obergrenze zu bestimmen, kam hier dieselbe Methode zum Einsatz wie in meinem Kostenstaffel-Test des Runway-Agenten für Markenvideos: Gemessen werden die Kosten je fertigem, markenkonformem Artefakt, nicht je Rohgenerierung. Die Rohkosten lassen jedes agentische Tool besser aussehen. Erst die Kosten des fertigen Artefakts zeigen die Wahrheit.

So würde ich das beim nächsten Kundenprojekt aufsetzen

Der konkrete Ablauf für Studioleitungen und interne Creative Directors:

Zuerst das Brand Kit auf exakte Tokens festlegen: jeden Hex-Wert, jede Schriftgröße, jede Akzentregel, jede Rastervorgabe und beide Logo-Lockups. Die 30–45 Minuten müssen investiert werden. Von dieser Arbeit hängt alles Weitere ab. Andernfalls werden Credits dafür bezahlt, dem Agenten beim Raten zuzusehen.

Die Aufgaben nach Asset-Klasse verteilen. Social-Media-Varianten, interne Decks, E-Mail-Header und One-Pager im Longtail gehen in den agentischen Workflow von Canva AI 2.0. Hero-Motive für Kampagnen, markenprägende Stills und alles, was die Marke für ein Quartal oder länger definieren wird, bleibt in der manuellen Pipeline.

Das Credit-Budget pro Kampagne festlegen, nicht pro Monat. Eine Kampagne mit 60 Assets kann im Pro-Tarif in einem einzigen Lauf ein Drittel des Monatskontingents verbrauchen. Bei drei Kampagnen pro Monat braucht es entweder das Credit-Kontingent eines höheren Tarifs oder die Disziplin, ausschließlich den Social-Media-Longtail an den Agenten zu geben.

Eine Drift-Kontrolle fest in den Workflow einbauen: menschliche Prüfung bei Asset 18–20, noch vor der Zone komplexer Prompts. Zeigt sich früher Drift, den Lauf stoppen und mit engeren Teil-Prompts neu beginnen. Living Memory darf die Abweichung nicht aufnehmen und weitertragen. Ein Neustart bei Asset 19 kostet wenig. Die Bereinigung der Assets 22–34 verursachte dagegen den Großteil der in diesem Test protokollierten Nacharbeit.

So ist die Kampagnen-Pipeline von DVNC.studio inzwischen im Wesentlichen aufgebaut: Der Agent übernimmt den Longtail, das Designsystem die Hero-Arbeit, und das Credit-Budget wird vor dem ersten Prompt anhand des Kampagnenbriefings festgelegt.

Hält Brand Intelligence von Canva AI 2.0 Designs wirklich markenkonform?

Bei einem vollständig definierten Brand Kit funktioniert das über die ersten Assets hinweg gut; bei komplexen Prompts setzt anschließend Drift ein. In meinem Lauf geschah das bei Asset 22 von 60. Damit eignet sich das System für einen ausreichend markenkonformen Social-Media-Longtail, nicht für Hero-Arbeit.

Wie viele KI-Credits verbraucht eine agentische Kampagne in Canva AI 2.0?

Bei der Orchestrierung mehrerer Assets fallen Credits für jedes generierte Artefakt an. Meine Kampagne mit 60 Assets kostete im ersten Durchlauf 187 Credits und nach der Überarbeitung 226 – bei einem monatlichen Pro-Kontingent von ~500. Deshalb sollte das Budget pro Kampagne statt pro Monat geplant werden.

Kann Canva AI 2.0 eine Marken-Pipeline aus Figma + Midjourney ersetzen?

Für große Mengen ausreichend markenkonformer Social-Media-Assets weitgehend ja. Für markenprägende Hero-Bildwelten und die vollständige Kontrolle der Schrifthierarchie nein. Ausschlaggebend ist, ob ein Asset zu 90% markenkonform sein darf oder zu 100% sein muss.

Was hat sich vom alten Magic Studio zu Canva AI 2.0 geändert?

Agentic Orchestration, Brand Intelligence und Living Memory treten an die Stelle der einmaligen Magic-Tools. Das System koordiniert eine ganze Kampagne aus einem Ziel-Prompt und liefert mehrschichtige, bearbeitbare Ergebnisse statt flacher Einzelgenerierungen.

Ist für Brand Intelligence Canva Pro erforderlich?

Ja. Brand Kit, Brand Intelligence und einige Konnektoren sind Funktionen des Pro-Tarifs. Erst das dortige Credit-Kontingent von ~500 pro Monat macht einen echten Kampagnenlauf praktikabel.