Canva AI im Brand-Refresh-Test: Wie viel Arbeit Brand Intelligence wirklich spart

Der Auftrag, den Canva AI überflüssig machen will

Die wiederkehrende Leistung, die niemand fürs Portfolio fotografiert, ist das Aktualisieren aller Vorlagen nach einem Brand Refresh. Ein Kunde liefert Version 2 seiner Markenidentität. Kein Rebranding, sondern Feinarbeit. Aus einem flächigen Türkis wird ein etwas wärmeres Cyan, die Display-Schrift wechselt von einer Grotesk zu einer kompakteren Neo-Grotesk, für das Logo gilt eine neue Vorgabe zur Schutzzone. Konzeptionell ist daran nichts schwierig. Doch die Änderung betrifft jedes vorhandene Asset – und bei einem Studio mit mehreren aktiven Kunden summiert sich das auf einige Hundert Layouts pro Quartal.

Mit dem Versprechen für Canva AI 2.0 zielt Canva genau auf diesen Auftrag. Die am 15. April 2026 angekündigte Version befindet sich derzeit in einer Research Preview; die allgemeine Verfügbarkeit soll in den darauffolgenden Wochen schrittweise starten. Mit Brand Intelligence, so Canva, lassen sich „bestehende Arbeiten sofort aktualisieren, indem Canva AI auf Aufforderung die neueste Marke anwendet und aus stundenlangen manuellen Aktualisierungen einen einzigen, in Sekunden erledigten Schritt macht“. Das ist kein vages Produktivitätsversprechen, sondern eine konkrete Wette auf genau die Leistung, die ich abrechne. Grund genug für einen ernsthaften Test.

Was hinter dem Marketing von Canva AI 2.0 steckt

Jenseits der Keynote sind für einen Markenentwicklungs-Workflow zwei Architekturänderungen entscheidend.

Die erste ist das sogenannte Canva Design Model. Canva beschreibt es als Grundlagenmodell, das „Struktur, Hierarchie und Komplexität realer Designs“ verstehen soll. Daraus folgt die zweite Änderung: eine Intelligenz auf Objektebene. Ergebnisse entstehen „aus einzelnen, bearbeitbaren Objekten, statt ein statisches oder gesperrtes Flachbild zu erzeugen“. Wer mit Bildmodellen gearbeitet hat, kennt den entscheidenden Schwachpunkt: 85 Prozent eines Ergebnisses überzeugen, doch die übrigen 15 lassen sich nicht korrigieren, ohne alles neu zu generieren und dabei wieder zu verändern. Einen Vorläufer dieses Ansatzes veröffentlichte Canva im März 2026 als Magic Layers; Version 2.0 verankert ihn in der Architektur.

Darauf setzt Brand Intelligence auf. Das Feature liest Brand Kit, Schriften, Farben und Stilabstufungen aus und wendet sie direkt an, statt eine erneute Beschreibung in jedem Prompt zu verlangen. NAV43, einer der wenigen Canva Agency Partners, brachte es im Test zu Canva Create 2026 auf den Punkt: Für Agenturen, die mehrere Kundenmarken parallel betreuen, verändert die native Anwendung des Brand Kit „den Workflow grundlegend“. Ebenso offen fiel das Urteil aus, die KI-Features von 2025 hätten „nicht überzeugt“. Genau diese Skepsis ist bei einem Preview-Test angebracht.

Der Test: eine Markenänderung, vierzehn Assets, Research Preview

Getestet habe ich nicht in einem aktiven Kundenkonto. Da es sich um eine Research Preview handelt, baute ich stattdessen eine repräsentative Markenwelt nach, die vollständig unter meiner Kontrolle steht: ein kühles, nahezu monochromes System mit tiefem neutralem Grundton, cremeweißer Schrift, einem warmen Cyan als Akzent und einer Neo-Grotesk als Display-Schrift über einer humanistischen Textschrift. Daraus stellte ich in Canva vierzehn realistische Assets aus der Praxis zusammen: vier Social-Media-Formate, einen Pitchdeck-Master mit sechs Folien, einen Onepager, ein Anzeigenset in zwei Seitenverhältnissen, einen E-Mail-Header und eine einfache Datenfolie mit Balkendiagramm.

Anschließend nahm ich genau die Markenänderung vor, die ein Kunde tatsächlich verlangen würde. Die Akzentfarbe wurde eine Stufe wärmer. Die Display-Schrift wechselte zu einem kompakteren Schnitt. Das Logo-Lockup erhielt einen fest definierten Schutzrahmen. Über den Notion-Connector stellte ich dem Modell die aktuelle Design-Token-Tabelle als Kontext bereit, statt Hex-Werte einzufügen. In der Preview umfasst die Connector-Liste Slack, Gmail, Google Drive, Google Calendar, Notion, Zoom, HubSpot, Microsoft, Atlassian und Linear. Meine Anweisung an Brand Intelligence war bewusst so formuliert, wie sie von einem Kunden ohne Designhintergrund kommen könnte:

Apply our updated Brand Kit to every asset in this project.
New accent, new display typeface, new logo clear-space rule
are in the connected Notion token table. Keep layout and copy
unchanged. Update color, type ramp, and logo placement only.

So stand die Behauptung in ihrer unverfälschten Form auf dem Prüfstand: nicht „Entwirf etwas“, sondern „Übertrage Version 2 auf alles Vorhandene und werde dabei nicht kreativ“.

Was funktioniert hat

Flache, direkt in Canva aufgebaute Layouts ließen sich sauber aktualisieren. Die vier Social-Media-Formate und der Onepager übernahmen Akzentfarbe und Schriftabstufungen im ersten Durchlauf korrekt – einschließlich der sekundären, gedeckten Graustufen, nicht nur der Überschriftenfarbe. An dieser Stelle halten die Pressemitteilungen ihr Versprechen. Bestand das Ausgangsmaterial bereits aus nativen Objekten auf separaten Ebenen, funktionierte die Token-Übernahme so, wie es bei einem Designsystem sein sollte.

Am wertvollsten war nicht die Stapelverarbeitung, sondern die Korrektur einzelner Objekte ohne Neugenerierung. Das Cover des Pitchdeck-Masters kam zwar mit der neuen Schrift zurück, aber mit zu weiter Laufweite; das optische Kerning einer Display-Zeile in 64pt war sichtbar falsch. Bei bisherigen Bildmodellen bedeutete das: neu generieren und alle anderen gelungenen Elemente verlieren. Hier wählte ich lediglich die Überschrift aus, verringerte die Laufweite, und nichts anderes bewegte sich. Für Produktionsarbeit ist genau das der eigentliche Paradigmenwechsel, der in der Ankündigung zu kurz kommt. Die Kosten ständiger Neugenerierung machten kreative KI-Tools für Kundenprojekte unbrauchbar. Fallen sie weg, verändert das die Wirtschaftlichkeit stärker als jeder einzelne Qualitätssprung bei der Generierung.

Auch das Einlesen der Token-Tabelle über den Notion-Connector funktionierte. Eine aktuelle zentrale Datenquelle bereitzustellen ist für Markensysteme der richtige Ansatz. Das entspricht dem Muster, Connectoren als Token-Quelle einzusetzen, das Designer bereits in anderen Tools übernehmen. Und der Akzentwert stimmte, weil er aus der Tabelle kam – nicht aus meiner Erinnerung daran.

Wofür ich Figma wieder öffnen musste

Drei Dinge scheiterten. Gerade das Muster hinter diesen Fehlern liefert die nützlichste Erkenntnis.

Das Logo-Lockup wurde nicht umgefärbt. Es war als flacher Export platziert, daher behandelte Brand Intelligence es als Bildinhalt und nicht als farblich editierbares Objekt. Das ist durchaus nachvollziehbar. Es bedeutet allerdings, dass das Versprechen „meine neueste Marke anwenden“ stillschweigend alle Grafiken ausklammert, die als flaches Asset in Canva gelandet sind – und das betrifft bei echten Kundenübergaben die meisten Logos. Ich baute das Lockup in Figma als native Objekte neu auf und importierte es erneut. Rund zwanzig Minuten.

Auf der Datenfolie behielt die Diagrammreihe die alte Akzentfarbe. Das Layout wurde umgefärbt, die Balken nicht. Vorlagenbasierte Diagrammkomponenten scheinen außerhalb des Objektgraphen zu liegen, den Brand Intelligence erreicht. Die Reihe korrigierte ich von Hand.

Der Austausch der Display-Schrift war metrisch nah am Original, aber optisch nicht ausgesteuert. In Textgrößen funktionierte er. Bei den zwei großen Display-Zeilen waren eine manuelle Laufweitenkorrektur und ein erzwungener Zeilenumbruch nötig, den das Modell nicht gesetzt hatte. Hier verläuft die erwartbare Grenze: Das Modell tauscht die Schrift aus, aber es übernimmt nicht deren Art Direction. Genau in diesem Unterschied steckt die eigentliche Arbeit.

Nichts davon ist ein vernichtendes Urteil. Es sind genau die 15 Prozent, bei denen ein Modell erwartungsgemäß scheitert – und bemerkenswerterweise jene 15 Prozent, für die ohnehin ein geschultes Designerauge nötig ist. Hinzu kommt eine klare Einschränkung: Es handelt sich um eine Research Preview. Die dauerhafte Gedächtnisfunktion übernahm meinen Markenkontext nicht zuverlässig in eine neue Sitzung. Deshalb blieb das Brand Kit die zentrale Datenquelle, statt mich auf das Gedächtnis des Modells zu verlassen. Für eine abrechenbare Kunden-Deadline würde ich das Feature erst nach der allgemeinen Verfügbarkeit und einigen Wochen stabilen Betriebs einplanen.

Der Zeitvergleich

Mein bisheriger Workflow für die Aktualisierung eines Sets aus vierzehn Assets führt von Canva-Vorlagen nach Figma und zurück. Ehrlich an meiner eigenen Zeiterfassung gemessen, beansprucht er dreieinhalb bis vier Stunden eines Midlevel-Designers. Beim internen Mischsatz meines Studios von 95 Dollar pro Stunde sind das rund 360 bis 380 Dollar Arbeitskosten pro Refresh. Und dieser Refresh fällt bei jedem aktiven Kunden fast monatlich an.

Dasselbe Set in der Preview von Canva AI 2.0: Der automatisierte Durchlauf war in wenigen Minuten abgeschlossen. Meine aktive Korrekturzeit – Logo neu aufbauen, Diagrammreihe und die zwei Display-Zeilen bearbeiten, Kerning korrigieren – belief sich insgesamt auf etwa 50 Minuten. Also rund eine Stunde statt vier. Bei genau diesem Auftrag sank der Zeitaufwand damit um 70 bis 75 Prozent.

Entscheidend sind nicht die gesparten 75 Prozent, sondern die Aufgaben, aus denen die verbleibenden 25 Prozent bestehen: typografische Feinabstimmung, Sonderfälle bei flachen Grafiken und Ermessensentscheidungen. Diese Arbeit war nie das Kostenproblem. Das Kostenproblem lag in der monotonen Routine darunter – und genau dieser Aufwand ist weggebrochen. Da die Preise für die Preview noch nicht feststehen, fließen vorerst keine Tool-Kosten in den Vergleich ein. Maßgeblich ist ohnehin die Differenz beim Arbeitsaufwand.

Was das für Designarbeit bedeutet

Brand Intelligence ersetzt den Markendesigner nicht. Es beseitigt den Teil der Markensystempflege, der schon immer unterhalb des eigentlichen Kompetenzniveaus lag und trotzdem auf der Rechnung stand. Für ein Studio verschiebt sich damit die Kalkulation eines Refresh: Statt vier Stunden für die Übertragung abzurechnen, wird eine Stunde Art Direction berechnet – ergänzt um eine strategische Leistung mit höherem Wert, für die zuvor keine Zeit blieb. Das Tool verändert nicht, woran sich gutes Design bemisst. Es senkt die Kosten dafür, dieses Niveau konsistent zu halten. Dieser Teil der Markenarbeit hätte schon vor einem Jahrzehnt automatisiert werden sollen. Genau solche Veränderungen in Produktionsabläufen baue ich bei DVNC.studio in Kundenprojekte ein.

Das Prompt-Gerüst und die Brand-Kit-Token-Struktur, mit denen die Übergabe über den Connector funktionierte, stehen im Prompt-Paket für KI-Poster und -Kampagnen.