Die wichtigsten Erkenntnisse
- Diffusionsmodelle lernen Rauschen zu entfernen – kein Kopieren, sondern statistisches Neuerschaffen
- Klare Zielbeschreibung, Referenzen und kontrollierte Varianten sind wichtiger als pauschale Qualitäts-Tags
- Toolwahl hängt vom Use Case ab: Ästhetik, Prompt-Treue, lokale Kontrolle, Kosten und Rechtssicherheit zählen unterschiedlich stark
- Negative Prompts, Seeds und technische Parameter funktionieren je nach Tool unterschiedlich
- Kommerzielle Nutzung: aktuelle AGBs, Tarif, Lizenz und Rechte am Input prüfen
Wie KI-Bildgenerierung funktioniert
KI-Bildmodelle rufen für ein Ergebnis nicht einfach ein einzelnes Trainingsbild ab. Sie lernen statistische Muster: Wie sieht ein Hund aus? Wie wirkt „golden hour“ visuell? Was macht ein Foto „cinematic“? Das ist jedoch keine rechtliche Entwarnung: Ergebnisse, Referenzbilder, Marken und die Modelllizenz müssen vor einer Veröffentlichung weiterhin geprüft werden.
Der Mechanismus dahinter heißt Diffusion: Das Modell lernt, aus reinem Rauschen schrittweise ein Bild zu rekonstruieren – geleitet durch deinen Text-Prompt.
Diffusionsmodelle: Der Mechanismus
Rauschen → Schritt 1 → Schritt 2 → ... → Schritt N → BildTraining
Das Modell sieht Millionen Bilder, zu denen schrittweise Rauschen hinzugefügt wird. Es lernt, diesen Prozess umzukehren – Rauschen zu entfernen.
Inferenz (Bildgenerierung)
- Start mit reinem Rauschen (zufällige Pixel)
- Ein Text-Encoder übersetzt den Prompt in eine interne Repräsentation
- Das Modell entfernt in mehreren, toolabhängigen Schritten das Rauschen, geleitet durch den Prompt
- Ergebnis: Ein Bild, das zum Prompt passt
Der Guidance Scale (CFG) steuert, wie stark der Prompt das Ergebnis beeinflusst: Niedrig = kreativ/zufällig, Hoch = prompt-treu aber manchmal übersättigt.
Die wichtigsten Tool-Kategorien
Sehr starke ästhetische Qualität und Komposition. Geeignet für Markenlooks, Moodboards, Illustrationen und visuell konsistente Kampagnen.
Einfacher Einstieg direkt im Chat-Workflow. Stark, wenn du Bilder iterativ per natürlicher Sprache beschreiben, korrigieren und variieren willst.
Stark für Teams, die Modellkontrolle, lokale Ausführung, eigene Pipelines oder API-Integration brauchen. Qualität, Geschwindigkeit und Lizenz hängen vom konkreten Modell und Setup ab.
Prompts schreiben: Die Formel
Ein guter Bild-Prompt folgt einer klaren Struktur:
[Motiv] + [Stil] + [Komposition] + [Beleuchtung] + [Qualität]Beispiel: Schlechter vs. guter Prompt
Stil-Keywords
- Fotografie:
cinematic photography,DSLR,85mm lens,bokeh,golden hour - Illustration:
digital art,concept art,artstation,detailed illustration - Gemälde:
oil painting,watercolor,impressionist,brushstrokes - 3D:
3D render,octane render,unreal engine,volumetric lighting
Komposition
close-up portrait/wide angle/aerial view/eye levelrule of thirds/centered composition/symmetricalforeground blur/depth of field
Beleuchtung
golden hour/blue hour/dramatic shadowsstudio lighting/soft box/rim lightingnatural light/overcast/neon lights
Negative Prompts
Was du nicht im Bild willst, explizit ausschließen:
Negativ: blurry, low quality, distorted, deformed hands, extra fingers,
watermark, text, logo, ugly, bad anatomy, bad proportions,
duplicate, morbid, mutilated, out of frameNegative Prompts werden nicht von jedem Bildtool gleich interpretiert. Prüfe in dessen Dokumentation, ob sie unterstützt werden, und vergleiche Ergebnisse mit und ohne Ausschlüsse.
Tool-Vergleich nach Use Case
| Tool-Kategorie | Stärke | Typische Einschränkung | Lokal |
|---|---|---|---|
| Midjourney | Ästhetik, Komposition, Stil-Konsistenz | Weniger technische Kontrolle | ✗ |
| ChatGPT / Bild-APIs | Iterative Prompts, Textverständnis, Integration | Anbieter- und Tarifgrenzen | ✗ |
| Flux / Stable Diffusion | Kontrolle, lokale Pipelines, Anpassbarkeit | Technischer Aufwand | ✓ |
| Google Imagen / ähnliche Plattformen | Ökosystem-Integration, schnelle Experimente | Plattformbindung | ✗ |
| Ideogram / Design-Tools | Text in Bildern, Logos, Banner | Spezialisierter Fokus | ✗ |
| Adobe Firefly | Creative-Cloud-Workflow, kommerzielle Nutzung, Inpainting | Abo-/Ökosystembindung | ✗ |
Parameter verstehen
| Parameter | Wert | Effekt |
|---|---|---|
| Guidance Scale (CFG) | toolabhängig | Beeinflusst die Gewichtung des Prompts bei unterstützten Diffusions-Workflows |
| Steps | toolabhängig | Beeinflusst Rechenzeit und Bildcharakter bei unterstützten Diffusions-Workflows |
| Seed | Zahl | Fixiert Zufälligkeit für Reproduzierbarkeit |
| Aspect Ratio | 1:1, 16:9… | Format des Ausgabebildes |
| Strength (img2img) | 0–1 | Wie stark das Ausgangsbild verändert wird |
Fortgeschrittene Techniken
Image-to-Image (img2img)
Statt bei Rauschen zu starten, beginnt der Prozess mit einem bestehenden Bild. Nützlich für:
- Stil auf eigene Fotos übertragen
- Skizzen in realistische Bilder umwandeln
- Variationen eines bestehenden Bildes erstellen
Inpainting
Nur einen bestimmten Bereich des Bildes neu generieren – der Rest bleibt unverändert. Ideal für:
- Hände und Gesichter korrigieren
- Hintergrund austauschen
- Objekte entfernen oder hinzufügen
ControlNet
Gibt dem Modell strukturelle Vorgaben: Pose, Tiefenkarte, Kanten. Das Ergebnis folgt der Struktur, aber mit neuem Stil. Besonders nützlich für konsistente Charaktere und Produktvisualisierungen.
Rechtliche Grundlagen
- Urheberrecht: Schutz und Rechte hängen von menschlichen schöpferischen Entscheidungen, den genutzten Vorlagen und dem jeweiligen Land ab. Für wichtige Veröffentlichungen rechtlich prüfen lassen.
- Kommerzielle Nutzung: AGBs, Tarif und Lizenz des jeweiligen Tools prüfen
- Transparenzpflichten: Für bestimmte KI-generierte oder manipulierte Inhalte gelten nach Artikel 50 AI Act Kennzeichnungs- und Offenlegungspflichten. Prüfe, ob sie für deinen konkreten Inhalt greifen.
- Trainingsdaten: Herkunft, Lizenz und Rechtmäßigkeit von Trainingsdaten sind je Modell und Rechtsraum unterschiedlich zu bewerten.
- Persönlichkeitsrechte: Realistische Portraits realer Personen ohne Einwilligung problematisch