18.08.2026•8 Min. Lesezeit

CI-Vorgaben für KI-Bilder: Farben, Schrift und Bildsprache festschreiben

Zwei Bilder aus derselben Woche, beide für dieselbe Marke. Das eine mit warmem Seitenlicht, Kamera auf Augenhöhe, viel Sandton im Hintergrund. Das andere kühl ausgeleuchtet, von schräg oben, mit einem Blau, das dem Markenblau ähnelt, ohne es zu treffen. Jedes für sich ist ein brauchbares Bild. Nebeneinander im Feed sehen sie nach zwei verschiedenen Firmen aus.

Der Grund dafür liegt fast nie am Modell. Er liegt daran, dass niemand aufgeschrieben hat, wie die Marke als Bild aussieht. Es gibt ein Logo-PDF, es gibt Hex-Werte für die Website, vielleicht noch eine Schriftlizenz. Wie ein Foto dieser Marke aussieht, steckt im Kopf der Person, die bisher alle Bilder ausgesucht hat. Sobald ein Modell die Bilder macht, ist dieser Kopf nicht mehr im Prozess.

Das Dokument entsteht vor dem ersten Bild

Eine Seite reicht. Nicht als Design-Manual, sondern als Anweisung an eine Person, die deine Marke noch nie gesehen hat und heute Nachmittag zwanzig Bilder dafür liefern soll. Genau in dieser Rolle steckt das Bildmodell.

Der Einwand dagegen ist berechtigt: Wer alle Bilder selbst macht, braucht dafür kein Blatt Papier. Das hält bis zu dem Tag, an dem jemand anderes eins braucht, oder bis du dein eigenes Bild von vor drei Monaten nicht mehr triffst.

Sieben Blöcke gehören hinein. Geordnet sind sie hier nicht nach Wichtigkeit, sondern danach, was im Prompt aus ihnen wird: Drei kommen an, drei nur ungefähr, einer hat im Prompt nichts verloren.

Was im Prompt ankommt

Lichtcharakter

Licht ist der Parameter, der am stärksten darüber entscheidet, ob zwei Bilder zusammengehören. Vier Angaben genügen: Richtung, Härte, Farbtemperatur, Kontrastumfang.

weiches Seitenlicht von links, große Lichtquelle
keine harten Schlagschatten, Schatten offen und detailliert
warme Lichtstimmung, Tageslicht am späten Nachmittag
Hintergrund leicht heller als das Motiv, keine tiefen Schwärzen

Das hält ein Modell zuverlässig ein, weil Lichtbeschreibungen in den Trainingsdaten massenhaft vorkommen. Farbcodes tun das nicht.

Perspektive und Brennweite

Auch hier: knappe Festlegung statt Prosa. Kamera auf Augenhöhe oder leicht darunter, Anmutung einer Normalbrennweite um 35 bis 50 Millimeter, geringe Tiefenschärfe nur beim Produkt. Ausgeschlossen: Fischauge, Drohnenblick, extreme Untersicht.

Motivwelt: die Positivliste und die Nie-Liste

Der Block, den die meisten überspringen, und der am meisten spart.

Darf vorkommen: echte Arbeitsumgebungen, gebrauchte Werkzeuge, Papier mit Gebrauchsspuren, Hände bei einer erkennbaren Tätigkeit, Räume mit Fenstern.

Kommt nie vor: der Stockfoto-Handschlag, schwebende Hologramme, blau leuchtende Platinen, Glühbirnen als Metapher für Ideen, Roboterhände, Menschen die perfekt in die Kamera lächeln.

Formulier die Nie-Liste grob und in Alltagssprache; „kein Stockfoto-Handschlag” versteht ein Bildmodell besser als eine kunsthistorisch korrekte Umschreibung. Verneinungen greifen aber nur teilweise. Manche Werkzeuge haben ein eigenes Feld für Ausschlüsse, bei anderen landet die Verneinung im Prompttext und wird überlesen. Was du nie sehen willst, gehört deshalb zusätzlich in die Prüfliste vor dem Posten.

Mischungsregeln gehören auch hierher, wenn du mit gebauten Elementen arbeitest. Eine Regel aus einem realen Bildsprache-Dokument lautet sinngemäß: 3D-Figuren stehen immer vor echten Fotohintergründen, nie vor gerenderten.

Was nur ungefähr ankommt

Farbwerte

Schreib deine Farben so auf, wie du sie im Corporate Design ohnehin hast, mit Rolle dahinter. Die Werte hier sind erfunden, es geht um die Form:

Beispielpalette einer fiktiven Marke:

Flächenfarbe   #0F2B46  tiefes Nachtblau, leicht ins Petrol
Hintergrund    #E8DFD3  warmer Sandton, matt, nicht cremig-gelb
Akzent         #C8452D  gedecktes Signalrot, kein Feuerwehrrot

Nur hält ein Bildmodell diese Werte nicht ein. Für das Modell ist #0F2B46 einfach Text, aus dem es irgendeine Farbstimmung ableitet. Der Benchmark GenColorBench, der Text-zu-Bild-Modelle systematisch auf Farbtreue prüft, hat dafür eigens numerische Farbangaben aufgenommen, die in anderen Benchmarks fehlen. Ergebnis: Modelle kommen mit benannten Farbkonventionen deutlich besser zurecht als mit exakten Zahlenwerten, und Farbtreue bleibt insgesamt eine Schwachstelle.

Der Hex-Wert steuert also die Richtung, die Beschreibung daneben macht die Arbeit: „Tiefes Nachtblau, leicht ins Petrol, matt” bringt dich näher ans Ziel als die sechs Zeichen davor. Die exakte Farbe setzt du danach in der Nachbearbeitung, mit einer Gradationskurve oder selektiven Farbkorrektur. Wer das prüfbar machen will, misst den Abstand zwischen Zielfarbe und Bildfarbe als Delta E; Bibliotheken wie Colour bringen die gängigen Verfahren von CIE 1976 bis CIE 2000 mit. Für die meisten Teams reicht der Blick mit der Pipette. Mehr zum Ablauf steht in KI-Bilder nachbearbeiten statt neu generieren.

Erlaubte und verbotene Kombinationen

Farben einzeln zu definieren reicht nicht, weil Bilder aus Flächen bestehen. Schreib deshalb Paare auf. Erlaubt: Sandton als Fläche, Nachtblau als Objekt darin, Rot als kleiner Akzent auf maximal einem Zehntel der Fläche. Verboten: Rot und Blau flächig gegeneinander, Verläufe zwischen zwei Markenfarben, gesättigtes Grün, alles was nach Neon aussieht.

Der häufigste Fehler dabei ist Vollständigkeit. Wer zwölf Farben definiert, bekommt Bilder, die alle zwölf verwenden, weil jede genannte Farbe im Prompt wie eine Einladung wirkt. Drei Farben plus zwei Neutraltöne tragen fast jede kleine Marke.

Schrift im Bild

Bildmodelle sind beim Rendern von Text lange sehr schwach gewesen. Die Forschungsgruppe hinter Glyph-ByT5 beziffert die Genauigkeit gängiger Modelle auf ihrem eigenen Benchmark für Design-Bilder mit Text auf unter 20 Prozent und erreicht mit einem speziell dafür trainierten Text-Encoder nahezu 90 Prozent. Für nicht-lateinische Schriften ist die Lage noch einmal schwieriger, weshalb Arbeiten wie AnyText mit eigenen Benchmarks für Chinesisch und Englisch antreten.

Stand Juli 2026 haben die aktuellen Bildmodelle bei Text erkennbar aufgeholt; textlastige Layouts gehören inzwischen zu den beworbenen Fähigkeiten. Was weiterhin fehlt, ist Kontrolle über die konkrete Schrift. Du kannst keine Lizenzschrift übergeben, und das Modell reimt sich einen Font zusammen, der deiner ähnelt.

Deshalb lautet die Vorgabe in fast jedem Fall: Schrift wird nicht generiert, sondern im Layout gesetzt. Was ins Dokument gehört, ist die Freifläche dafür.

Textfreie Zone: oberes Drittel, mindestens 30 % der Bildhöhe
Motiv nicht mittig, sondern in die untere Bildhälfte
Hintergrund im oberen Drittel ruhig, ohne Struktur

Wenn Text ausnahmsweise doch aus dem Modell kommen soll, dann höchstens drei Wörter, groß, und mit einer Prüfung Buchstabe für Buchstabe vor der Veröffentlichung. Die Checkliste dafür steht in Qualitätskontrolle vor der Veröffentlichung.

Was gar nicht erst in den Prompt gehört

Der siebte Block, und der kürzeste: Ein Bild wird selten nur an einer Stelle benutzt. Feed, Story, Blogheader und Anzeige haben verschiedene Seitenverhältnisse, und die aktuellen Modelle nehmen das Verhältnis als Parameter entgegen, von 1:1 über 4:5 und 9:16 bis 21:9. Auch die OpenAI-Bild-Endpunkte kennen Größe und Format als eigene Felder, unabhängig vom Prompttext. Im Prompt wiederholt, verbrauchen sie nur Platz.

Trag ins Dokument ein, welche Formate du wirklich brauchst, und leite daraus eine Regel für den Bildaufbau ab: Das Motiv sitzt so, dass der 1:1-Ausschnitt aus dem 4:5-Bild noch funktioniert. Sonst generierst du jedes Motiv dreimal.

Aus dem Dokument wird ein Prompt-Baustein

Du zerlegst jeden Bildprompt in zwei Teile: einen konstanten Marken-Block aus dem Dokument und einen variablen Motiv-Block für das jeweilige Bild.

[MARKE, konstant; Beispielwerte wie oben]
Fotografischer Look, keine Illustration. Weiches Seitenlicht von
links, offene Schatten, warme Lichtstimmung am späten Nachmittag.
Kamera auf Augenhöhe, Anmutung 35 mm. Farbwelt: tiefes Nachtblau
(#0F2B46) als Objektfarbe, warmer matter Sandton (#E8DFD3) als
Hintergrund, gedecktes Signalrot (#C8452D) sparsam als Akzent.
Keine Neonfarben, keine Farbverläufe zwischen Markenfarben.
Echte Arbeitsumgebung, Gebrauchsspuren erlaubt. Kein Handschlag,
keine Hologramme, keine leuchtenden Platinen. Kein Text im Bild.
Oberes Drittel ruhig und textfrei halten.

[MOTIV, variabel]
Eine Werkstattbank von schräg vorn, darauf ein geöffnetes Notizbuch
und zwei Hände, die eine Skizze zeichnen.

Diesen Marken-Block legst du einmal als Textdatei ab und kopierst ihn vor jeden Bildauftrag. Wie der variable Teil aufgebaut wird, steht in Motiv, Bildaufbau, Licht: der Prompt fürs Bild. Sobald mehrere Personen Bilder anfordern oder du automatisierst, lohnt es sich, denselben Block in eine feste Feldstruktur zu überführen, siehe strukturierte Bildbriefings.

Ein Satz zur Zuständigkeit gehört auch hinein: Das Dokument liegt an einer Stelle, genau eine Person darf es ändern, und jede Änderung bekommt ein Datum und eine Zeile Begründung. Ohne das existieren nach vier Wochen zwei Fassungen, und im Herbst weiß niemand mehr, warum das Rot gedeckter geworden ist. Klingt nach Bürokratie für eine Seite Text und entscheidet doch darüber, ob du eine Vorgabe hast oder eine Meinung.

Was die Vorgabe nicht leistet

Sie macht kein einzelnes Bild schöner. Sie macht Bilder untereinander vergleichbar, und sie macht Abweichungen benennbar, statt sie zum Bauchgefühl zu erklären.

Sie ersetzt auch die Nachbearbeitung nicht, die exakte Farbe kommt weiter von dir. Und sie ersetzt keine Figur: Wenn deine Marke eine wiederkehrende Person oder Comicfigur braucht, ist das eine eigene Baustelle mit eigenen Verfahren, nachzulesen in wiederkehrende Charaktere konsistent halten.

Dafür altert sie langsamer als jedes Werkzeug. Wechselst du in einem halben Jahr das Modell, wandert der Marken-Block mit. Wie das Ganze in den größeren Ablauf passt, steht im Leitfaden zur brand-konsistenten KI-Bildgenerierung.

Zwei Stapel

Nimm die letzten zehn Bilder, die deine Marke veröffentlicht hat, und sortiere sie auf zwei Stapel: „so soll es aussehen” und „so eher nicht”. Dann schreib aus dem ersten Stapel auf, was diese Bilder gemeinsam haben: Licht, Perspektive, Farbanteile, Motiv.

Das ist dein erster Entwurf. Die Prüffrage danach: Könnte eine fremde Person mit diesem Blatt ein Bild anfertigen, das du nicht sofort aussortierst? Wenn nein, fehlt genau eine Zeile, und du weißt beim Lesen meistens welche.

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 →