Bilder mit KI erzeugen

In den bisherigen Folgen hast du gelernt, wie KI Sprache verarbeitet, wie du Prompts schreibst und wie du Texte mit System erstellst. Doch moderne generative KI beschränkt sich längst nicht mehr auf Worte: Auf Zuruf zaubert sie fotorealistische Porträts, malt stimmungsvolle Gemälde, entwirft Logos oder illustriert ganze Buchseiten. In dieser Folge wechseln wir vom Text zur visuellen Kreativität: Du erfährst, wie Bild-KIs aus Datenpunkten Motive formen, wie du Bildideen präzise formulierst und welche Spielregeln für Transparenz und Urheberrecht gelten.

Wie KI Bilder erschafft: Von Diffusion zu Flow Matching

Wenn du einer KI schreibst: „Ein rotes Holzhaus an einem norwegischen Fjord bei Sonnenuntergang“, sucht sie keineswegs bestehende Fotos im Internet zusammen und schneidet diese wie eine Collage aneinander. Das Bild existierte vor deiner Eingabe nirgendwo auf der Welt – die KI errechnet es von Grund auf neu.

Lange Zeit basierten fast alle Generatoren auf sogenannten Diffusionsmodellen. Stell dir das vor wie einen Bildhauer, der vor einem völlig unförmigen Felsbrocken steht: Die KI beginnt mit einem digitalen „Punktesalat“ – einem Bildschirm voller bunten, zufälligen Rauschens (wie das Flimmern eines alten Fernsehers ohne Sender). Schritt für Schritt schlägt das Modell in 20 bis 50 Rechenschritten jenes Rauschen weg, das nicht zu deiner Textbeschreibung passt, bis das fertige Bild glasklar hervortritt.

Diffusionsmodell (Diffusion Model)

Seit 2024 und vor allem heute im Jahr 2026 hat sich die Technologie entscheidend weiterentwickelt: Führende Spitzenmodelle wie FLUX.1 (von den europäischen Black Forest Labs) oder neuere Architekturen nutzen Flow Matching (oft als Rectified Flow umgesetzt). Statt aufwendig in vielen kleinen Zickzack-Schritten zu entrauschen, berechnet das Modell den direkten, geradlinigen Fluss vom Rauschen zur Bildstruktur. Das Ergebnis: Die Bilder werden in einem Bruchteil der Zeit berechnet, Hände und Gliedmaßen wirken anatomisch korrekt und selbst feinste Schriften gelingen gestochen scharf.

Flow Matching

Die vier Bausteine für wirksame Bild-Prompts

Erinnerst du dich an die Prompt-Regeln aus Folge 2? Bei Bildern gilt das Gleiche: Wer nur „Ein gemütliches Zimmer“ eingibt, zwingt die KI zum hemmungslosen Erraten aller Details. Du erhältst ein beliebiges Standard-Stockfoto.

Ein vollständiger, wirkungsvoller Bild-Prompt setzt sich deshalb aus vier zentralen Bausteinen zusammen:

1. Das Motiv (Was?): Wer oder was steht im Mittelpunkt der Szene? Welche Handlung oder Beziehung findet statt? (z. B. „Ein gemütlicher Ohrensessel mit gestrickter Wolldecke, daneben ein kleiner runder Beistelltisch aus Holz mit einer dampfenden Teetasse“).
2. Der Stil & das Medium (Wie?): Welches künstlerische Werkzeug soll imitiert werden? Ein Schnappschuss mit dem Smartphone, eine professionelle 35mm-Spiegelreflex-Aufnahme, ein sanftes Aquarell, eine Kreidezeichnung oder ein minimalistisches Vektor-Icon?
3. Licht & Atmosphäre (Welche Stimmung?): Licht bestimmt die Emotion eines Bildes. Suchst du das weiche Licht der „Goldenen Stunde“ kurz vor Sonnenuntergang, kühles diffuses Morgenlicht, dramatisches Kinolicht (Cinematic Lighting) mit tiefen Schatten oder klinisch sauberes Studio-Licht?
4. Komposition & Bildausschnitt (Wie arrangiert?): Aus welcher Perspektive blicken wir auf das Geschehen? Totale (Weitwinkel), frontale Nahaufnahme, Vogelperspektive von oben? Und in welchem Seitenverhältnis soll das Bild ausgegeben werden (z. B. 16:9 für Präsentationen und Monitore, 1:1 für quadratische Posts oder 9:16 für Smartphone-Stories)?

Der Durchbruch: Text und Schriften im Bild

Jahrelang galt die Darstellung von lesbarem Text als die unüberwindbare Achillesferse der Bild-KIs: Straßenschilder, Logos oder Buchtitel glichen unleserlichem Kauderwelsch aus Fantasie-Hieroglyphen. Der Grund: Alte Diffusionsmodelle verstanden zwar grobe Formen, hatten aber kein Sprachmodell „im Bauch“, das die feine Abfolge von Buchstaben beim Entrauschen steuern konnte.

Im Jahr 2026 ist dieses Problem gelöst: Moderne multimodale Generatoren (wie FLUX.1, Ideogram 2/3, Google Imagen 3 und ChatGPT Images) binden moderne Sprachmodelle direkt in den Zeichenprozess ein. Du kannst der KI heute konkrete Wörter in Anführungszeichen mitgeben:

„Ein rustikales Holzschild an einer Berghütte im Wald, auf dem in geschwungener weißer Schrift exakt das Wort ‚Alpenruhe‘ steht.“

Die KI platziert den Schriftzug passgenau, beachtet Lichtreflexe auf den Buchstaben und fügt den Text nahtlos in die Holzmaserung ein.

Visuelle Konsistenz: Derselbe Charakter in vielen Szenen

Eine der häufigsten Herausforderungen für Kreative lautet: „Wie schaffe ich es, dass eine Person in fünf verschiedenen Bildern immer gleich aussieht?“ Wenn du fünfmal „Eine junge blonde Frau mit Brille im Büro“ promptest, erfindet die KI jedes Mal ein völlig anderes Gesicht.

Genau dieses Problem haben wir in unserem Kurs gelöst: Unsere Einsteigerin begleitet dich als durchgängige Protagonistin von Folge 1 bis Folge 16. Um diese visuelle Kontinuität zu wahren, nutzen moderne Workflows drei Methoden:

1. Referenzbilder (Image-Prompting / Multi-Modalität): Du übergibst der KI bei jeder neuen Generierung das ursprüngliche Porträt als Bilddatei (wie in unserem Kurs das Titelbild aus Folge 1) und instruierst das Modell: „Nutze das übergebene Referenzbild der Person, um denselben Charakter fotorealistisch in folgender neuer Szene darzustellen...“.
2. Image-to-Image (Bild-zu-Bild): Du nimmst ein fertiges Bild und lässt die KI nur Teilbereiche verändern (z. B. Kleidung oder Hintergrund anpassen, während Kopf und Gesichtsausdruck unverändert bleiben).
3. Identitäts-Parameter (Seeds & IP-Adapter): Bei fortgeschrittenen Werkzeugen kann man denselben mathematischen Zufallswert (Seed) oder spezielle Identitätsfilter fixieren, damit Gesichtszüge und Proportionen stabil bleiben.

Reverse-Prompting: Aus Bildern neue Prompts zaubern

Hast du im Internet oder in einem Magazin ein faszinierendes Bild gesehen und fragst dich: „Wie müsste der Prompt lauten, um genau diesen Stil oder diesen Lichteinfall mit einer KI nachzubauen?“

Dafür nutzt du den genialen Trick des Reverse-Promptings (umgekehrtes Prompting):

Reverse-Prompting (Bild-zu-Prompt)

Die praktische 3-Schritte-Anleitung:

1. Lade das Bild in deinen KI-Chatbot über das Büroklammer- oder Bildsymbol hoch.
2. Gib folgenden Befehl ein:
   „Analysiere dieses Bild. Zerlege es präzise in die 4 Bausteine: Motiv, Stil/Medium, Lichtstimmung und Komposition. Formuliere mir daraus einen detaillierten Text-Prompt auf Deutsch, mit dem ein Bildgenerator ein Werk im exakt selben Stil erzeugen kann.“
3. Kopiere den generierten Prompt, tausche das Motiv nach deinen Wünschen aus (z. B. „statt eines Apfels eine Teetasse“) und starte die Generierung.

Marktübersicht: Führende Bild-Generatoren 2026

Für den Einstieg brauchst du weder Photoshop noch teure Spezialhardware. Die führenden Werkzeuge lassen sich bequem im Webbrowser oder über bekannte Chat-Apps ausprobieren:

Kosten, Nutzungslimits und Inhaltsfilter

Wenn du anfängst, intensiver mit Bildgeneratoren zu arbeiten, wirst du schnell auf praktische Grenzen stoßen:

• Freemium & monatliche Kontingente: Viele Plattformen (wie Microsoft Designer, Google Gemini oder Canva) stellen kostenlose Basiskontingente bereit. Bei professionelleren Anbietern (Midjourney, Adobe) bezahlst du monatliche Abos oder kaufst Rechen-Credits („Fast Hours“).
• Inhaltsfilter (Guardrails): Cloud-Dienste lehnen Prompts rigoros ab, wenn sie gegen Schutzrichtlinien verstoßen. Dazu gehören Gewalt, Pornografie (NSFW), Hassrede, das unbefugte Generieren bekannter Prominenter oder geschützte Markenlogos.
• Cloud vs. Lokal (ComfyUI & Open Weights): Modelle wie FLUX oder Stable Diffusion lassen sich mit Software wie ComfyUI auch völlig kostenfrei und zensurfrei auf der eigenen Grafikkarte ausführen. Dies erfordert jedoch leistungsfähige Hardware (min. 8–16 GB Grafikspeicher) und überträgt die volle ethische und rechtliche Verantwortung für den erzeugten Inhalt allein auf dich.

Recht, Urheberrecht und Transparenz nach EU AI Act

Weil KI-Bilder heute oft nicht mehr mit bloßem Auge von echten Fotos unterschieden werden können, hat der Gesetzgeber klare Leitplanken eingezogen. Folgende Grundregeln solltest du im Alltag kennen (Hinweis: Dies stellt keine Rechtsberatung dar):

C2PA (Content Credentials & Bildpass)

Pflichtübung: Die Bild-Prompt-Detektivin

Übung für heute

DEEP DIVE PODCAST ZUR VERTIEFUNG

Vom Rauschen zum perfekten KI-Bild

Höre die beiden Moderatoren im Deep Dive, wie sie die Bildgenerierung lebendig vertiefen: Vom faszinierenden Schritt vom Rauschen zum Kunstwerk über Flow Matching, die 4-Bausteine-Formel und visuelle Konsistenz bis hin zu Typografie, C2PA-Metadaten und den Kennzeichnungspflichten des EU AI Act.

Download (.m4a)

Wissens-Check: Teste dein Wissen

Nachdem du die Lektion durchgearbeitet und den Deep Dive Podcast gehört hast: Wie gut beherrschst du die Bildgenerierung, Flow Matching, Prompt-Bausteine und Transparenzregeln? Teste dein Wissen in diesem interaktiven Quiz mit 10 Fragen:

Fazit

Weiter geht es mit Folge 8: Audio, Musik und Podcasts mit KI.