Von Diffusionsmodellen bis Prompt-Technik – so erstellst du professionelle KI-Bilder mit Midjourney, Flux, DALL-E und Stable Diffusion.
Wie KI-Bildgenerierung funktioniert, welche Tools 2026 führend sind und wie du mit Prompts professionelle Ergebnisse erzielst. Von Midjourney bis Flux – praxisnah erklärt.
KI-Bilder entstehen nicht durch Kopieren – das Modell hat keine Bilddatenbank, aus der es schöpft. Stattdessen lernt es statistische Muster: Wie sieht ein Hund aus? Wie fühlt sich “golden hour” visuell an? Was macht ein Foto “cinematic”?
Der Mechanismus dahinter heißt Diffusion: Das Modell lernt, aus reinem Rauschen schrittweise ein Bild zu rekonstruieren – geleitet durch deinen Text-Prompt.
Rauschen → Schritt 1 → Schritt 2 → ... → Schritt N → BildDas Modell sieht Millionen Bilder, zu denen schrittweise Rauschen hinzugefügt wird. Es lernt, diesen Prozess umzukehren – Rauschen zu entfernen.
Der Guidance Scale (CFG) steuert, wie stark der Prompt das Ergebnis beeinflusst: Niedrig = kreativ/zufällig, Hoch = prompt-treu aber manchmal übersättigt.
Ungeschlagene ästhetische Qualität und Komposition. Discord- oder Web-Interface. Ab $10/Monat. Midjourney v7 ist in Entwicklung.
Präziseste Umsetzung komplexer Textbeschreibungen. Direkt in ChatGPT integriert, kostenlos via Bing Image Creator. Seit Feb. 2024 mit CAI-Tags.
Black Forest Labs. Höchste technische Qualität, 4,5 Sek./Bild. Photorealistisch mit nahezu perfekter Anatomie. Führt seit Oktober 2024 alle Benchmarks an.
Ein guter Bild-Prompt folgt einer klaren Struktur:
[Motiv] + [Stil] + [Komposition] + [Beleuchtung] + [Qualität]cinematic photography, DSLR, 85mm lens, bokeh, golden hourdigital art, concept art, artstation, detailed illustrationoil painting, watercolor, impressionist, brushstrokes3D render, octane render, unreal engine, volumetric lightingclose-up portrait / wide angle / aerial view / eye levelrule of thirds / centered composition / symmetricalforeground blur / depth of fieldgolden hour / blue hour / dramatic shadowsstudio lighting / soft box / rim lightingnatural light / overcast / neon lightsWas 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 sind genauso wichtig wie positive – besonders für Hände, Gesichter und Hintergründe.
| Tool | Stärke | Preis | Lokal |
|---|---|---|---|
| Flux 1.1 Pro | Benchmark-Sieger, Realismus, Anatomie | ~$0.04/Bild (API) | ✓ (Open Weights) |
| Midjourney v6 | Ästhetik, Komposition, Konsistenz | $10–120/Monat | ✗ |
| DALL-E 3 | Prompt-Treue, Text im Bild, ChatGPT | ChatGPT Plus / Bing kostenlos | ✗ |
| Stable Diffusion 3.5 | Open Source, 10.5B Params, Kontrolle | Kostenlos (selbst gehostet) | ✓ |
| Imagen 3 | Text-Rendering, Google-Ökosystem | Kostenlos via ImageFX | ✗ |
| Aurora (xAI) | Realismus, Grok-Integration | Grok-Abo | ✗ |
| Ideogram 2.0 | Text in Bildern, Logos, Banner | Kostenlos / $8/Monat | ✗ |
| Adobe Firefly 3 | Creative Cloud, rechtssicher, Inpainting | CC-Abo | ✗ |
| Parameter | Wert | Effekt |
|---|---|---|
| Guidance Scale (CFG) | 1–20 | Niedrig = kreativ, Hoch = prompt-treu |
| Steps | 20–50 | Mehr = schärfer, aber langsamer |
| 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 |
Statt bei Rauschen zu starten, beginnt der Prozess mit einem bestehenden Bild. Nützlich für:
Nur einen bestimmten Bereich des Bildes neu generieren – der Rest bleibt unverändert. Ideal für:
Gibt dem Modell strukturelle Vorgaben: Pose, Tiefenkarte, Kanten. Das Ergebnis folgt der Struktur, aber mit neuem Stil. Besonders nützlich für konsistente Charaktere und Produktvisualisierungen.
Erstes professionelles KI-Bild erstellen
Erstelle in 15 Minuten ein hochwertiges KI-Bild mit strukturiertem Prompt-Aufbau.
Kommt auf den Use Case an: Flux 1.1 Pro (Black Forest Labs) führt 2026 die Benchmarks an – photorealistisch, 4,5 Sekunden pro Bild, Open Weights. Midjourney v6 für ästhetisch hochwertige, künstlerische Bilder (v7 in Entwicklung). DALL-E 3 für präzise Umsetzung von Textbeschreibungen. Stable Diffusion 3.5 für maximale Kontrolle und lokale Ausführung. Imagen 3 (Google) kostenlos über ImageFX. Adobe Firefly für rechtssichere kommerzielle Nutzung in Creative Cloud.
Abhängig vom Tool und Plan: Midjourney Pro/Mega erlaubt kommerzielle Nutzung, der kostenlose Plan nicht. DALL-E 3 (OpenAI): generierte Bilder gehören dem Nutzer, kommerzielle Nutzung erlaubt. Stable Diffusion (Open Source): grundsätzlich frei, aber Basismodell-Lizenz beachten. Immer die aktuellen AGBs prüfen – sie ändern sich regelmäßig.
Hände und Gesichter sind die häufigsten Schwachstellen. Hilft: Negative Prompts ('deformed hands, extra fingers, distorted face'), Inpainting für gezielte Korrekturen, neuere Modelle (Flux, SD 3.5) sind deutlich besser als ältere. Für Portraits: Dedicated Face-Restoration-Tools wie CodeFormer nachschalten.
Midjourney ist ein gehosteter Service mit proprietärem Modell – einfach zu bedienen, konsistent hochwertig, aber weniger Kontrolle und Abo-Pflicht. Stable Diffusion ist Open Source – läuft lokal, vollständige Kontrolle über Modell und Parameter, kostenlos, aber technischer Aufwand. Flux Pro ist eine starke Alternative: Open Weights, sehr hohe Qualität, lokal ausführbar.