KI-Prompts für bessere Bilder: So klappt es im Alltag

Viele denken beim Thema KI-Bildgenerierung immer noch an ein simples Eingabefeld, in das man drei Wörter tippt und auf ein kleines Wunder hofft. Im Agenturalltag hat das mit der Realität nichts zu tun. Wer professionelle Ergebnisse für Marken und Kampagnen braucht, behandelt einen Prompt nicht wie einen Wunschzettel, sondern wie ein präzises fotografisches Briefing.

Der große Unterschied zu früher liegt in der Übersetzung. Früher haben wir ein Moodboard gebaut, ein Konzept geschrieben und das Ganze am Set einem Fotografen erklärt. Heute übersetzen wir genau dieses Fachwissen in Text, damit das Modell versteht, was wir sehen wollen.

Dabei arbeiten wir selten mit einem einzigen Schuss ins Blaue, sondern stufenweise. Wir zerlegen ein Bild in klare Bausteine wie Motiv, Umgebung, Licht, Optik und Stimmung. Erst testen wir mit kurzen, schnellen Prompts die grundlegende Komposition und Perspektive. Steht der Bildaufbau, füttern wir das Modell mit den feinen Details zu Hauttextur, Lichtfall und Materialität. Und weil niemand im Alltag jedes Mal aufs Neue zehn Zeilen über Blendenwerte und Studio-Softboxen eintippen will, lagern wir dieses Wissen in feste Vorlagen und Skills aus, die unser Sprachmodell im Hintergrund automatisch in den eigentlichen Bild-Prompt einbaut.

Schluss mit Zauberwörtern: Was einen guten Prompt wirklich ausmacht

Der klassische Anfängerfehler ist vage Wünsch-dir-was-Sprache. Wörter wie „fotorealistisch“, „wunderschön“, „episch“ oder „8k Masterpiece“ sind für moderne Bild-KIs heute komplett wertlos. Sie füllen den Prompt nur mit unnötigem Rauschen, weil das Modell nicht weiß, was du persönlich unter „schön“ verstehst.

Ein schlechter Prompt:
„Ein glücklicher Handwerker in einer modernen Werkstatt, fotorealistisch, schönes Licht, hohe Qualität, 8k.“

Das Ergebnis ist genau der austauschbare Plastik-Look, den niemand haben will. Glatte Haut, unnatürliches Lächeln, sterile Umgebung.

Ein guter Prompt:
„Echter Schnappschuss eines 45-jährigen Tischlers in einer leicht unordentlichen Holzwerkstatt. Er trägt ein abgetragenes Flanellhemd mit hochgekrempelten Ärmeln und konzentriert sich auf ein Werkstück auf der Werkbank, ohne in die Kamera zu schauen. Natürliches Seitenlicht fällt durch ein staubiges Industriefenster, feine Sägespäne in der Luft. Aufgenommen mit einer 35mm-Optik, Blende 2.8, leichte Filmkörnung, ungestellte Reportage-Fotografie.“

Warum das funktioniert, liegt auf der Hand. Statt leerer Adjektive nutzen wir konkrete visuelle Anker: „Seitenlicht durch ein staubiges Industriefenster“ statt „schönes Licht“, „abgetragenes Flanellhemd“ statt „authentisch“. Dazu kommen klare fotografische Regieanweisungen wie Brennweite (35mm) und Blende (2.8), die Bildausschnitt und Tiefenschärfe zuverlässig steuern. Und Begriffe wie „leicht unordentlich“ oder „Filmkörnung“ nehmen dem Bild genau diesen typischen sterilen KI-Glanz.

Der direkte Vergleich: Warum Details über Glaubwürdigkeit entscheiden

Schauen wir uns das Ergebnis in der Praxis an. Auf beiden Seiten sehen wir dieselbe Grundidee: ein Nahporträt einer Frau mit dunklen Locken und hellen Augen. Trotzdem erkennt man auf den ersten Blick, welches Bild nach klassischer KI aussieht und welches wie eine echte Aufnahme wirkt.

Vorher-Nachher-Vergleich zweier KI-generierter Frauenporträts: Links ein glattgebügeltes Standard-Ergebnis mit weicher Haut, rechts ein detailreiches Porträt mit sichtbaren Hautporen, Sommersprossen und natürlichen Haarsträhnen

Links: Der typische Standard-Prompt

„A female person with blue black curly hair, big bright blue eyes, big lips, athletic body.“

Das Ergebnis links hat genau diesen glattgebügelten Plastik-Look. Die Haut wirkt wie durch einen starken Weichzeichner gezogen, die Sommersprossen sehen wie gleichmäßig aufgetupfte Punkte aus und das Licht frisst den Hintergrund komplett aus. Es gibt keine echte Tiefe und keine Reibung im Gesicht. Das Bild ist nicht hässlich, aber es schreit förmlich nach KI-Generierung.

Rechts: Das fotografische Briefing

„Ultra-realistic, completely unretouched RAW portrait of a european woman in her mid 20s. Her skin features a light natural complexion with cool undertones, showing extreme micro-texture and highly distinct pores in the T-zone. A fine carpet of freckles spans across the bridge of her nose and cheeks. Subsurface scattering makes the skin on her ears and nostrils look lifelike. Minute imperfections are visible, including slight redness on the chin and fine laugh lines around the eyes. Soft Nordic daylight catches the fine vellus hair (peach fuzz) on her cheeks. She is wearing a heavy, chunky knit sweater made of untreated, cream-colored sheep’s wool. The thick stitches, rough texture, and individual stray wool fibers are hyper-detailed, creating a tactile contrast to her skin. She stands in an autumnal avenue in Berlin or Copenhagen; the background is soft bokeh with muted orange and grey tones. 4K resolution, focus on absolute authenticity and materiality.“

Hier passiert plötzlich etwas ganz anderes:

Echte Hautstruktur statt Weichzeichner: Durch konkrete Beschreibungen wie „micro-texture“, „distinct pores in the T-zone“, „fine laugh lines“ und feine Härchen („peach fuzz“) hört das Modell auf, die Haut wie Porzellan zu glätten. Selbst die Lippen und die leichte Rötung am Kinn wirken dadurch sofort lebendig statt künstlich perfekt.

Lichtphysik statt Überbelichtung: Angaben wie „Subsurface scattering“ (also wie Licht leicht durch dünne Hautpartien an Nase und Ohren schimmert) und „Soft Nordic daylight“ sorgen dafür, dass das Licht das Gesicht natürlich modelliert, statt alles flachzublitzen.

Kontrast und Tiefe: Ein unregelmäßiger Teppich aus Sommersprossen auf Nasenrücken und Wangen sowie einzelne lose Haarsträhnen, die quer durch das Gesicht fallen, geben dem Porträt echte räumliche Tiefe.

Stimmung durch Umgebung: Statt eines beliebigen weißen Hintergrunds sorgt die Beschreibung einer herbstlichen Allee mit weichem Bokeh in gedeckten Orange- und Grautönen für eine glaubwürdige Lichtstimmung.

Produkte und Texte auf Verpackungen: Wo viele Prompts scheitern

Noch deutlicher wird der Unterschied, wenn ein echtes Produkt mit Schriftzug, eine Flasche mit Etikett oder eine Verpackung mit Aufdruck ins Spiel kommt. Moderne Bildmodelle können zwar inzwischen erstaunlich gut schreiben, aber sie neigen trotzdem dazu, Texte zu erfinden, Buchstaben zu verdrehen oder Etiketten schief aufzukleben, wenn man ihnen zu viel Spielraum lässt.
KI-generierte Olivenölflasche auf einem Holztisch mit überladenem, verschnörkeltem Etikett und typischen KI-Textfehlern wie OLANIENT und PROND INCE 1656 als Beispiel für ungenaues Prompting

Ein schlechter Produkt-Prompt:

„Eine edle Olivenölflasche auf einem Holztisch in der Küche, mit einem schönen Etikett wo ‚Natura Gold‘ draufsteht, Produktfotografie, Studio-Licht, 8k.“

Hier entscheidet das Modell selbst über die Flaschenform, klatscht irgendein verschnörkeltes Muster auf das Glas, schreibt vielleicht „Natura Gool“ oder erfindet drei Zeilen unleserlichen Kleingedruckten darunter. Gleichzeitig beißen sich „Studio-Licht“ und „in der Küche“, sodass die Flasche am Ende wie schlecht freigestellt wirkt.

Ein guter Produkt-Prompt:

„Kommerzielle Produktaufnahme einer dunklen, eckigen 500-ml-Glasflasche mit Olivenöl, stehend auf einer hellen, leicht gemaserten Steinplatte. Auf der Vorderseite der Flasche klebt ein mattes, cremefarbenes Papieretikett mit feiner Struktur. Auf dem Etikett steht mittig in einer klaren, serifenlosen schwarzen Schrift der Text ‚NATURA GOLD‘, darunter in kleinerer Schrift ‚EXTRA VIRGIN‘. Keine weiteren Texte oder Logos auf dem Etikett. Im Hintergrund ist unscharf eine mediterrane Küche mit warmem Morgenlicht von rechts zu erkennen, das leicht durch das grüne Glas der Flasche schimmert. Aufgenommen mit einer 85mm-Makro-Optik, Blende 4, scharfer Fokus auf das Etikett, natürliche Reflexionen auf dem Glas.“

Produktaufnahme einer eckigen dunklen Glasflasche mit Olivenöl auf einer Steinplatte, mit strukturiertem cremefarbenem Papieretikett und klarer schwarzer Aufschrift NATURA GOLD EXTRA VIRGIN

Bei Produkten und Texten entscheiden vier Dinge über die Qualität:

Texte immer exakt vorgeben: Alles, was auf dem Produkt stehen soll, gehört in Anführungszeichen, inklusive klarer Hierarchie (was steht oben, was darunter, welche Schriftart und Farbe).

Das Weglassen befehlen: KI-Modelle füllen leere Etikettenflächen gerne mit Pseudo-Siegeln oder unleserlichem Textmüll. Der Hinweis „Keine weiteren Texte oder Logos“ verhindert genau das.

Materialität statt Wertung: Begriffe wie „mattes, cremefarbenes Papieretikett“ geben dem Modell konkrete Oberflächen, während Wörter wie „edel“ völlig wirkungslos verpuffen.

Die passende Optik: Bei Etiketten ist eine längere Brennweite (85mm oder 100mm) Pflicht, damit sich Flasche und Schrift nicht verzerren. Eine etwas geschlossenere Blende (z. B. Blende 4) sorgt dafür, dass der gesamte Schriftzug scharf bleibt.

Und für echte Kundenprodukte gilt in der Praxis ohnehin: Sobald ein bestehendes Logo und ein exaktes Verpackungsdesign gefragt sind, arbeiten wir nicht mehr nur mit Text, sondern geben der KI das echte Produktfoto oder das flache Etiketten-Layout als visuelle Referenz mit. Der Prompt beschreibt dann nur noch die neue Szene, das Licht und die Umgebung.

Passt jeder Prompt zu jeder Bild-KI?

Ganz klares Nein. Wer denselben Prompt per Copy-and-Paste durch verschiedene Modelle jagt, erlebt oft eine böse Überraschung. Jede Bild-KI hat ihren eigenen Charakter und verarbeitet Sprache anders.

Während ältere Modelle oder bestimmte Open-Source-Checkpoints stark auf einzelne Schlagwort-Ketten und Gewichtungen reagieren, verstehen moderne Modelle wie Flux.2 Pro, Seedream oder Nano Banana fließende, natürliche Sätze deutlich besser. Dort schaden künstliche Komma-Listen sogar oft dem Ergebnis. Dazu hat jedes Modell eigene Stärken: Das eine glänzt bei sauberer Typografie und Produkt-Layouts, das nächste liefert extrem echte Hauttexturen und ungestellte Schnappschüsse, tut sich aber schwer, wenn fünf Dinge gleichzeitig im Bild passieren sollen.

Genau deshalb schreiben wir im Agenturalltag gar keine rohen Technik-Prompts mehr für jedes einzelne Modell von Hand. Über Hubs wie Magnific und die direkte Anbindung an unser Sprachmodell hinterlegen wir unser Design- und Fotowissen in eigenen Skills und lassen die KI den Prompt jeweils exakt auf die Eigenheiten des passenden Ziel-Modells übersetzen.

Fazit: Technik ersetzt kein geschultes Auge

Gute Prompts entstehen nicht durch geheime Zauberwörter aus dem Internet, sondern durch ein Verständnis dafür, wie ein echtes Bild aufgebaut ist. Eine KI liefert von sich aus immer den glatten Durchschnitt. Erst wenn wir ihr mit präzisen, fotografischen Anweisungen die richtigen Grenzen setzen, entsteht ein Bild, das im echten Kampagnenalltag besteht.