17.08.2026•8 Min. Lesezeit

Bildprompt aufbauen: Motiv, Bildaufbau, Licht, Stil, Ausschluss

Für den Newsletter-Header fehlt ein Bild. Du tippst: „professionelles Bild für ein Coaching-Angebot, hochwertig, modern, ansprechend”. Heraus kommt eine Person mit Headset vor einer Fensterfront, Kaffeetasse, Laptop, weiches Licht von überall. Der zweite Versuch bekommt ein „sehr hochwertig” dazu und ändert nichts.

Ärgerlich wird man an dieser Stelle auf das Werkzeug. Der Grund liegt aber im Prompt: „Hochwertig” ist ein Urteil über ein Bild und keine Angabe darüber, was zu sehen sein soll.

In einem Workshop-Survey mit neun Antworten stand der Bedarf wörtlich so da: „Bildbearbeitung besser können (Prompts), genau wissen, welche AI für welchen Use Case.” Der erste Teil davon ist erlernbar und braucht keine Software, die du noch nicht hast.

Warum Adjektivketten die schwächste Form des Prompts sind

Zwei Dinge kommen zusammen.

Erstens haben Bewertungswörter keinen Bildinhalt. Ein Modell kennt „hochwertig” ausschließlich aus Bildunterschriften von Material, das so beschriftet war, und das ist überwiegend Agentur- und Stockmaterial. Wer „professionell, hochwertig” schreibt, bestellt also genau die Ästhetik, die später jeder wiedererkennt. Warum das im Ergebnis so sichtbar wird, steht in Warum KI-Bilder nach KI aussehen.

Zweitens ist die Zuordnung von Eigenschaften zu Objekten eine gemessene Schwachstelle. Der Benchmark T2I-CompBench++ prüft mit 8.000 Prompts unter anderem genau das: ob Farbe, Form und Textur beim richtigen Objekt landen, ob räumliche Beziehungen stimmen und ob Mengenangaben eingehalten werden. Je mehr Attribute im Prompt miteinander konkurrieren, desto häufiger rutschen sie an die falsche Stelle. Eine Kette aus sechs Adjektiven ohne Bezugsobjekt ist der Extremfall davon.

Googles Dokumentation zur Bildgenerierung mit Gemini bringt die Konsequenz auf einen Satz: „Describe the scene, don’t just list keywords.” Beschreib die Szene, statt Stichwörter aufzuzählen.

Fünf Bestandteile, in dieser Reihenfolge

Der Vertex-AI-Leitfaden von Google nennt als Grundgerüst Subjekt, Kontext und Stil und ergänzt fotografische Modifikatoren wie Objektivwahl, Lichtcharakter und Kamerawinkel. Für den Alltag lohnt sich eine feinere Aufteilung, in dieser Abfolge:

Motiv. Wer oder was ist zu sehen, und was passiert gerade.
Bildaufbau und Perspektive. Ausschnitt, Kamerahöhe, Anordnung im Bild.
Licht. Quelle, Richtung, Härte, Tageszeit.
Stil und Material. Medium, Oberfläche, Farbwelt.
Ausschluss. Was nicht vorkommen soll.

Die Reihenfolge ist kein Ritual, sie folgt der Änderungshäufigkeit. Das Motiv wechselt bei jedem Bild, der Stil bleibt über eine ganze Kampagne gleich. Wenn du die stabilen Teile hinten hast, kannst du vorne austauschen, ohne alles neu zu schreiben. Genau daraus wird später eine Vorlage, siehe Farben, Schrift und Bildsprache als feste Vorgabe.

Beispiel 1: Blog-Header ohne Gesicht

Motiv: Eine Werkbank in einer kleinen Schreinerei, darauf ein halb
fertiger Stuhlrahmen, Bleistift, Zollstock und eine Tasse Kaffee mit
Rand. Zwei Hände legen gerade eine Zwinge an, das Gesicht ist nicht
im Bild.

Bildaufbau: Aufsicht von schräg oben, Kamera etwa 40 Grad über der
Tischplatte. Der Stuhlrahmen liegt links im Bild, rechts oben bleibt
freie Fläche für eine Headline. Vordergrund leicht unscharf.

Licht: Vormittagslicht durch ein Sprossenfenster von links, weich,
aber mit erkennbaren Schatten unter Werkzeug und Tasse.

Stil und Material: Dokumentarische Fotografie, 35-mm-Objektiv,
sichtbare Holzmaserung und Sägestaub, leicht entsättigte Farben,
warme Grundtöne.

Ausschluss: keine Logos, keine Schrift auf Gegenständen, keine
weiteren Personen.

Die freigehaltene Fläche rechts oben ist die Angabe, die man am ehesten vergisst und am spätesten bemerkt: dann nämlich, wenn die Headline im Layout schon auf dem Stuhlrahmen liegt.

Beispiel 2: Produktnahes Stillleben

Motiv: Drei gestapelte Notizbücher mit Leinenrücken auf einer
Betonplatte, das oberste aufgeschlagen, eine Seite umgeknickt.

Bildaufbau: Frontal auf Augenhöhe der Stapelkante, sehr enger
Ausschnitt, Stapel angeschnitten am rechten Bildrand, geringe
Schärfentiefe mit Schärfe auf dem Leinenrücken.

Licht: Einzelne harte Lichtquelle von rechts hinten, langer
Schlagschatten nach links, dunkler Hintergrund im Halbschatten.

Stil und Material: Produktfotografie mit sichtbarer Textur, Leinen
körnig, Beton mit Poren und feinen Kratzern, kühle Grautöne mit
einem warmen Akzent im Leinen.

Ausschluss: keine Beschriftung auf den Büchern, keine gespiegelte
Reflexion, kein weißer Studiohintergrund.

Hier trägt die einzelne harte Lichtquelle das ganze Bild. Sie ist der Unterschied zwischen Katalogfotografie und Freisteller und die eine Angabe, die man nicht streichen kann, ohne dass das Ergebnis kippt. Wo bei solchen Motiven die Grenze zur Produktlüge verläuft, klärt Produktbilder und Mockups mit KI.

Beispiel 3: Illustration statt Foto

Motiv: Ein Ablaufdiagramm als Bildmetapher: vier Kisten auf einem
Förderband, die letzte fällt in einen Karton mit Deckel.

Bildaufbau: Seitenansicht, streng horizontal, alle Objekte auf einer
Grundlinie, viel Weißraum oben, Förderband läuft von links unten
nach rechts oben aus dem Bild.

Licht: Flache, gleichmäßige Ausleuchtung ohne Schlagschatten,
Volumen entsteht nur über Farbflächen.

Stil und Material: Vektorillustration mit reduzierter Palette aus
vier Farben, dicke gleichmäßige Konturlinien, kein Verlauf, keine
Textur, ruhige geometrische Formen.

Ausschluss: keine Schrift, keine Zahlen, keine Pfeile mit
Beschriftung, keine Personen.

Illustration ist der einfachste der drei Fälle, weil weder Anatomie noch Physik stimmen müssen. Dafür fällt jede Abweichung in der Linienstärke sofort auf, sobald zwei solche Bilder nebeneinanderliegen. Beschriftungen setzt du im Layoutprogramm, weil generierte Buchstaben unzuverlässig bleiben (Stand Juli 2026).

Der Ausschluss braucht eine eigene Erklärung

Punkt fünf verhält sich anders als die ersten vier, je nach Werkzeug.

Manche Systeme haben ein eigenes Feld für unerwünschte Inhalte. In der Bibliothek Diffusers heißt der Parameter negative_prompt und ist dokumentiert als „the prompt or prompts to guide what to not include in image generation”. Er wirkt nur, solange die Prompt-Steuerung überhaupt aktiv ist. Andere Werkzeuge, gerade die chatbasierten, kennen kein solches Feld. Dort landet dein „keine Logos” mitten im Fließtext des Prompts.

Und genau da wird es heikel. Die Verneinung selbst holt den Begriff ins Bild, weil das Modell den Inhalt verarbeitet und nicht die Logik davor. „Keine Autos auf der Straße” kann zu einer Straße mit Autos führen. Googles Dokumentation empfiehlt deshalb ausdrücklich, positiv umzuschreiben: statt „no cars” lieber eine leere, verlassene Straße ohne Anzeichen von Verkehr.

Wenn dein letzter Prompt ein „keine” enthielt: War der Gegenstand danach verschwunden, oder war er vorher gar nicht da? Die zweite Antwort ist die häufigere.

Prüf deshalb nach zwei Versuchen, ob ein Ausschluss überhaupt etwas bewirkt. Wenn nicht, streich ihn und ändere stattdessen das Motiv.

Format und Zielort gehören in den Bildaufbau

Das Bild landet später in einem Layout, und das Layout hat Ansprüche. In Prompt-Anleitungen fehlt dieser Punkt meistens, im Alltag kostet er die meiste Nacharbeit.

Drei Angaben lohnen sich deshalb im Abschnitt Bildaufbau, noch bevor du das erste Mal generierst:

Seitenverhältnis. Ein Newsletter-Header ist breit, ein Instagram-Post quadratisch, eine Story hochkant. Dasselbe Motiv braucht in jedem Format eine andere Anordnung, und Beschneiden im Nachhinein zerstört genau die Komposition, die du vorgegeben hast.

Freie Fläche. Wenn Headline, Logo oder Button darüber sollen, gehört das in den Prompt: eine ruhige, gleichmäßig helle Zone an einer festgelegten Stelle. Sonst sitzt der wichtigste Bildteil hinterher unter dem Text.

Sicherheitsabstand. Plattformen schneiden Vorschaubilder unterschiedlich zu. Wichtige Details gehören nicht in die äußeren zehn Prozent des Bildes.

Was du im Prompt anpassen kannst, wenn es fast passt

Bevor ein Prompt komplett neu geschrieben wird, lohnen zwei kleine Hebel. Einige Werkzeuge erlauben es, einzelne Begriffe stärker oder schwächer zu ziehen; Diffusers dokumentiert das als Prompt Weighting über skalierte Aufmerksamkeitswerte. Das hilft, wenn ein Detail konsequent untergeht. Der zweite Hebel kostet gar nichts: Was früh in seinem Abschnitt steht, setzt sich eher durch, also gehört das wichtige Detail nach vorn.

Zum dritten Griff greifen die meisten zuerst, und er hat einen Haken. Mehr Detail. Philipp Moeßner und Heike Adel haben an einem eigens gebauten Datensatz aus echten und generierten Fotos geprüft, was Detailgrad bewirkt: In ihrer Nutzerstudie wurden die Bilder aus den langen, detaillierten Prompts häufiger als generiert erkannt als die aus kurzen. Ein präziser Satz schlägt drei vage, aber Detail hilft dem Motiv und nicht der Tarnung.

Die Grenzen dieser Methode

Exakte Markenfarben liefert ein Prompt nicht. Hexwerte werden angenähert, nicht getroffen. Wenn ein Blau exakt sitzen muss, führt der Weg über die Nachbearbeitung oder über ein Referenzbild, siehe Referenzbilder richtig einsetzen.

Wiederholbarkeit ebenso wenig: Zweimal derselbe Text ergibt zwei verschiedene Bilder, und über zwanzig Bilder hinweg driftet der Stil. Sobald du regelmäßig Bilder in Serie brauchst, wird aus dem Fließtext-Prompt ein festes Briefing mit benannten Feldern. Das ist der Gegenstand von strukturierten Bildbriefings.

Und ein schlechtes Motiv rettet auch der beste Prompt nicht. Wenn die Bildidee „Team lacht im Meeting” lautet, hilft die genaueste Lichtbeschreibung nichts. Manche Motive sind in den Trainingsdaten so überwiegend als Stockfoto vertreten, dass jede Variante danach aussieht.

Dazu kommt eine praktische Grenze: Der Aufwand pro Bild steigt schneller als die Qualität. Die ersten zwei Durchgänge bringen den größten Sprung, ab dem fünften wird es zäh. Wenn ein Motiv nach fünf Versuchen nicht sitzt, ändere die Bildidee statt den Prompt.

Ein Durchgang für heute

Öffne deinen zuletzt benutzten Bildprompt und streich jedes Wort, das ein Urteil ist: professionell, hochwertig, modern, ansprechend, beeindruckend. Ersetz jedes gestrichene Wort durch eine Beobachtung, die man fotografieren könnte. Statt „hochwertig” also die Oberfläche, statt „modern” die Form, statt „ansprechend” die Lichtrichtung.

Wie dieser Prompt in einen wiederholbaren Ablauf für die ganze Marke passt, steht im Leitfaden zur brand-konsistenten KI-Bildgenerierung. Für heute reicht der Vergleich: Generier beide Fassungen und leg sie nebeneinander. Wenn die zweite langweiliger aussieht als die erste, ist das ein gutes Zeichen. Weniger Effekt, mehr Motiv.

Quellen

Benedikt Backhaus

Experte für KI, Automatisierung und die Zukunft der Arbeit. Ich helfe Unternehmen und Einzelpersonen dabei, die Potenziale neuer Technologien zu nutzen.

Mehr über mich →Termin buchen →