Brand-konsistente KI-Bildgenerierung: der komplette Guide

Fünf Bilder für eine Landingpage. Das erste sitzt nach vier Anläufen: richtige Stimmung, richtige Farben, du bist zufrieden. Beim zweiten Motiv fängst du von vorn an und bekommst etwas zurück, das für sich genommen gut aussieht und neben dem ersten Bild fremd wirkt. Anderes Licht. Kühlere Hauttöne. Plötzlich Weitwinkel statt Portraitabstand.

Nach dem dritten Versuch hast du drei Bildsprachen auf einer Seite, und die Seite sieht schlechter aus als vorher mit Stockfotos. Nicht weil die Bilder schlecht wären, sondern weil sie erkennbar nicht zusammengehören.

Genau hier hört Bildgenerierung auf, eine Prompting-Frage zu sein, und wird eine Frage nach Vorgaben.

Wie groß der Abstand zwischen beidem ist, habe ich in einem Workshop nebenbei gemessen. In einem Einstiegs-Survey mit neun Antworten schätzten die Teilnehmenden ihre Sicherheit beim Prompten im Schnitt auf rund 3,8 von 5. Ihre Sicherheit bei Bildgenerierung lag bei rund 2,4. Das ist die größte Lücke zwischen zwei Selbsteinschätzungen, die ich in eigenen Daten habe.

Neun Antworten aus einem Workshop sind keine Studie, und so verwende ich sie auch nicht. Als Richtungsangabe taugen sie, weil dieselben neun Leute an anderer Stelle sehr deutlich waren. Sechs von neun nannten visuelle Assets ohne Agentur- oder Stock-Abhängigkeit als ihr größtes Potenzial. Nach Hürden gefragt, kamen drei Antworten, in dieser Reihenfolge: Bildrechte und Urheberrecht bei generierten Bildern, Brand Voice und Qualitätskontrolle, und zu offensichtliche KI-Nutzung in der Außenwahrnehmung.

Ein Bedarf war wörtlich formuliert: Bildbearbeitung besser können (Prompts), genau wissen, welche AI für welchen Use Case.

Dieser Guide beantwortet die Frage dahinter. Wie erzeugst du Bilder, die nach deiner Marke aussehen statt nach KI, und zwar so, dass das zehnte Bild noch zum ersten passt? Die Antwort steht gleich hier, alles Weitere sind Werkzeuge dafür: Konsistenz entsteht nicht dadurch, dass du länger promptest, sondern dadurch, dass die Zahl der offenen Felder sinkt.

Warum das erste Bild leicht ist und das dritte nicht

Beim Einzelbild bewertest du gegen ein Gefühl. Gefällt mir, passt zur Aussage, kann raus. Bei einer Serie bewertest du gegen ein anderes Bild, und dieser Maßstab ist ungleich härter, weil das Auge Unterschiede in Farbtemperatur, Kontrast und Perspektive noch bemerkt, lange bevor jemand sie benennen kann.

Dabei gibt es zwei Härtegrade, und die werden gern verwechselt. Der erste ist die geschlossene Bildstrecke: fünf Bilder, eine Landingpage, alles gleichzeitig sichtbar. Jede Abweichung fällt sofort auf, dafür entstehen die Bilder in einer Sitzung, mit denselben Einstellungen und demselben Werkzeug. Der zweite Härtegrad ist der laufende Kanal. Beiträge über Monate, Modellwechsel dazwischen, wechselnde Leute am Rechner. Dort sieht niemand zwei Bilder direkt nebeneinander, und trotzdem entsteht über die Zeit ein Eindruck, der entweder nach Marke aussieht oder nach Zufall. Für den ersten Fall reicht Disziplin in einer Sitzung. Für den zweiten brauchst du etwas Aufgeschriebenes.

Dazu kommt die Mechanik der Generatoren, und die arbeitet gegen dich.

Jeder Lauf startet aus einem zufälligen Rauschmuster. Der sogenannte Seed legt dieses Startmuster fest, und bei identischem Modell, identischem Prompt und identischen Parametern kommt derselbe Seed zum selben Bild. Das klingt nach einer Lösung, ist aber keine. Sobald du das Motiv änderst, und genau das willst du ja, ändert sich das Ergebnis vollständig, auch bei gleichem Seed.

Wie eng dieser Determinismus in der Praxis gefasst ist, sieht man an der Dokumentation der Anbieter. Google beschreibt für die Bildmodelle auf Vertex AI ausdrücklich, dass sich reproduzierbare Ausgaben über einen Seed-Wert nur erzeugen lassen, wenn das eingebettete Wasserzeichen abgeschaltet wird (Stand Juli 2026); beides zusammen ist nicht vorgesehen. Determinismus ist dort ein Sonderbetrieb, keine Grundeinstellung.

Der zweite Grund wiegt schwerer und hat nichts mit Zufall zu tun. Alles, was du nicht festlegst, füllt das Modell selbst aus, und zwar mit dem Durchschnitt seiner Trainingsdaten. Lichtstimmung, Kameraabstand, Alter der abgebildeten Personen, Möbelstil im Hintergrund, Sättigung. Bei jedem Lauf neu.

Genau dieser Durchschnitt ist doppelt unangenehm. Er sorgt dafür, dass zwei Bilder nicht zueinander passen, und gleichzeitig dafür, dass beide nach KI aussehen, weil ein Trainingsdurchschnitt eben nach niemandem aussieht. Eine Arbeit in Scientific Reports hat 2025 für Gesichter gezeigt, wie stark diese Vereinheitlichung wirkt: Generierte Gesichter verstärken Stereotype und homogenisieren die Darstellung ganzer Gruppen. Was für Gesichter gilt, gilt abgeschwächt für Räume, Objekte und Farbwelten.

Jedes Feld, das du offen lässt, entscheidet also das Modell. Und es entscheidet jedes Mal neu.

Was brand-konsistent konkret bedeutet

Solange „passt zu uns” ein Gefühl bleibt, kannst du es nicht prompten und niemand im Team kann es nachbauen. Sechs Dimensionen machen den Unterschied. Jede davon lässt sich in ein bis zwei Sätzen festhalten.

Farbe. Die naheliegende Idee ist, den Hex-Code der Hausfarbe in den Prompt zu schreiben. Sie funktioniert nicht verlässlich, und dafür gibt es inzwischen Messungen. Der Benchmark GenColorBench prüft mit rund 44.000 farbbezogenen Prompts über 400 Farben, wie gut Bildmodelle Farbangaben umsetzen, aufgeschlüsselt nach Farbnamen, Farbsystemen und numerischen Angaben. Bei numerischen Angaben liegen die Trefferquoten niedrig; die Autoren führen das darauf zurück, dass ein Hex-String vom Tokenizer in Bruchstücke zerlegt wird, die für sich genommen keine Farbbedeutung tragen. Eine zweite Arbeit aus dem Vision-and-AI-Lab der Universität Tel Aviv kommt aus einer anderen Richtung zum gleichen Befund: Eine einzelne Farbangabe klappt meistens, mehrere Farbangaben in einem Prompt scheitern deutlich häufiger, und weder Tricks zur Inferenzzeit noch gängige Bearbeitungsverfahren beheben das zuverlässig.

Praktisch heißt das: Der Hex-Code im Prompt ist eine Absichtserklärung. Zwei Wege tragen wirklich. Entweder du gibst die Palette als Referenzbild mit, etwa als Farbfeld-Kachel, was auch eine Fallstudie aus der Google-Cloud-Community als den verlässlicheren Weg beschreibt. Oder du setzt die Farbe nachträglich in der Bildbearbeitung, was bei Flächen, Hintergründen und Grafikelementen ohnehin schneller geht.

Licht. Die meistunterschätzte Dimension. Lichtrichtung, Härte, Farbtemperatur, Kontrastumfang. Zwei Bilder mit exakt derselben Farbpalette wirken fremd zueinander, wenn eines weiches Fensterlicht hat und das andere harte Mittagssonne. Leg eine Lichtsituation pro Bildstrecke fest und schreib sie in einem Satz auf.

Bildausschnitt und Format. Halbtotale, Nahaufnahme, Detail. Dazu Seitenverhältnis, Kopffreiraum und die Frage, wo später Text sitzt. Wer innerhalb einer Seite von der Totale zum Makro springt, produziert ein Sammelsurium, selbst wenn Farbe und Licht stimmen.

Perspektive. Augenhöhe, leichte Aufsicht, Untersicht. Die meisten Marken haben hier eine Konstante, ohne sie je aufgeschrieben zu haben. Es lohnt sich, drei eigene Bilder nebeneinanderzulegen und nachzusehen, aus welcher Höhe sie fotografiert wurden.

Motivwelt. Was darf im Bild vorkommen und was nicht. Orte, Requisiten, Kleidung, Endgeräte, Pflanzen, Tassen, Kabel. Dieser Teil macht eine Marke am schnellsten wiedererkennbar und wird am seltensten notiert. Eine kurze Negativliste wirkt stärker als jede positive Beschreibung.

Figurenführung. Sobald wiederkehrende Personen im Spiel sind, brauchst du Festlegungen zu Alter, Statur, Haar, Hautton, Kleidung und Mimik-Bandbreite. Wie weit das geht, ist in einem Session-Feedback aus einem eigenen Projekt dokumentiert: seitenlange Prompts für wiederkehrende Marken-Charaktere, Hex-Paletten, feste Schriftvorgaben und Regeln wie „3D-Charaktere stehen immer vor echten Fotohintergründen”. Das ist Konsistenz-Engineering und hat mit Herumspielen nichts mehr zu tun.

Einen siebten Punkt spare ich dir: Schrift im Bild. Generierte Beschriftungen bleiben unzuverlässig, und wenn sie stimmen, stimmt selten die Hausschrift. Setz Text im Layout, nicht im Generator.

Wie du diese sechs Zeilen als verbindliche Vorgabe formulierst, inklusive Negativliste und Beispielformulierungen, steht in CI-Vorgaben für KI-Bilder. Die Figurenfrage behandle ich getrennt in wiederkehrende Charaktere konsistent halten.

Der Ablauf, der trägt

Fünf Stationen, immer in dieser Reihenfolge. Beim ersten Mal kosten sie eine halbe Stunde mehr als drauflos zu generieren. Ab dem zweiten Bild holst du das zurück.

Station 1: die Vorgaben festschreiben

Eine Seite. Sechs Zeilen aus dem Abschnitt oben, dazu eine Negativliste und zwei bis drei eigene Referenzbilder als Anhang. Kein Design-Manual, keine 40 Seiten Corporate Design.

Beispiel für eine Bildvorgabe

Farbe: warmes Off-White als Hintergrund, ein Akzentton aus der Palette pro Bild, keine gesättigten Komplementärfarben. Licht: weiches Seitenlicht von links, keine harten Schlagschatten, Farbtemperatur neutral bis leicht warm. Ausschnitt: Halbtotale bis Nahaufnahme, Personen nie unter der Hüfte angeschnitten, 3:2 quer. Perspektive: Augenhöhe, keine Aufsicht. Motivwelt: reale Arbeitsräume, sichtbares Papier, Holz und Textil erlaubt. Keine Serverräume, keine Roboterhände, keine blauen Datenströme, keine Glühbirnen. Figuren: eine wiederkehrende Person, Beschreibung im Anhang, immer dieselbe Kleidung pro Kampagne.

Der Nutzen dieser Seite zeigt sich erst beim zweiten Menschen, der Bilder erzeugt. Ohne sie hat jeder seinen eigenen stillen Geschmack, und den bekommt man nie mehr aus der Bildstrecke heraus.

Station 2: den Prompt bauen

Ein Bildprompt hat eine sinnvolle Reihenfolge, und die ist eine andere als beim Textprompt. Erst das Motiv mit einer Handlung, dann der Bildaufbau, dann Licht, dann Material und Stil, dann technische Angaben, zuletzt das, was nicht vorkommen soll.

Beispiel

Eine Handwerkerin Mitte vierzig prüft an einer Werkbank ein Bauteil, Blick auf das Teil, nicht in die Kamera. Halbtotale, leicht seitlich, Augenhöhe, sie steht im linken Drittel, rechts bleibt Platz für Text. Weiches Fensterlicht von links, keine harten Schatten. Warme Holzoberfläche, matte Metallteile, kein Glanz. Wirkung eines 50-mm-Objektivs, mittlere Schärfentiefe. Keine Beschriftungen, keine Logos, keine gestapelten Werkzeuge im Hintergrund.

Jede Angabe darin ist ein Feld, das das Modell nicht mehr selbst würfelt. Die Reihenfolge, die typischen Fehlerquellen und wie du Prompts kürzt, ohne Kontrolle zu verlieren, steht in Motiv, Bildaufbau, Licht: der Prompt fürs Bild.

Station 3: die Referenz einsetzen

Hier kommt Sprache an ihre Grenze. Einen Stil kannst du beschreiben, du triffst ihn damit aber nur ungefähr. Ein Referenzbild überträgt ihn direkt.

Technisch stehen dahinter zwei verschiedene Ideen. Adapter-Verfahren wie der IP-Adapter aus dem Tencent AI Lab reichen ein Bild als zusätzliche Eingabe neben dem Text ein; die Autoren beschreiben, dass ein Adapter mit 22 Millionen Parametern eine vergleichbare oder bessere Leistung erreicht als ein eigens feinjustiertes Bild-Prompt-Modell und sich mit Textprompts kombinieren lässt. Feinabstimmungs-Verfahren wie DreamBooth gehen den anderen Weg und lernen ein konkretes Motiv aus wenigen Fotos, damit es später in beliebigen Szenen wieder auftaucht.

Für dich zählt die Unterscheidung dahinter, und die gilt unabhängig vom Werkzeug:

• Stil-Referenz. Überträgt Look, Farbwelt, Licht und Materialanmutung. Das Motiv bleibt frei.
• Motiv-Referenz. Überträgt einen konkreten Gegenstand, ein Produkt, einen Raum.
• Charakter-Referenz. Überträgt eine Person über viele Bilder hinweg.

Kommerzielle Werkzeuge bilden das als Parameter ab. Midjourney etwa dokumentiert eine Stil-Referenz mit regelbarer Stärke, und für Figuren gibt es eine eigene Charakter-Referenz, deren Verfügbarkeit allerdings von der Modellversion abhängt (Stand Juli 2026). Genau deshalb lautet das Kriterium vor der Toolwahl: Kann das Werkzeug Stil und Motiv getrennt als Referenz annehmen, und lässt sich die Stärke regeln? Wenn ja, ist der Name des Werkzeugs zweitrangig.

Welche Referenzart wann die richtige ist und woran du merkst, dass die Referenz zu stark gewichtet wurde, steht in Referenzbilder richtig einsetzen.

Station 4: prüfen

Nicht „gefällt mir”, sondern Abgleich gegen die Vorgabenseite. Das ist ein anderer Vorgang und dauert zwei Minuten.

Leg das neue Bild neben zwei bestehende. Geh die sechs Zeilen durch und markiere die, die verfehlt wurden. Zieh eine Farbpipette auf drei Stellen und vergleiche mit deiner Palette. Sieh dir Hände, Kanten, Spiegelungen und Beschriftungen einzeln an, weil dort die Fehler sitzen, die dir sonst erst nach der Veröffentlichung jemand meldet.

Ein Handgriff, der nichts kostet: Sieh dir die Strecke am nächsten Tag noch einmal an, und zwar in der Größe, in der sie später erscheint. Auf dem Handy verschwinden feine Artefakte, dafür treten Farbunterschiede hervor. Am großen Bildschirm ist es umgekehrt.

Die vollständige Liste inklusive der Punkte, die nur bei Personen und nur bei Produkten gelten, steht in Die Prüfliste vor der Veröffentlichung.

Station 5: nachbearbeiten statt neu würfeln

Der Schritt, der am meisten Zeit spart und am häufigsten übersprungen wird. Wenn an einem Bild eine Kleinigkeit stört, ist der Reflex, noch einmal zu generieren. Damit würfelst du alles neu, auch die neunzig Prozent, die schon stimmten.

Farbstich korrigieren, Ausschnitt beschneiden, ein Kabel wegstempeln, den Hintergrund abdunkeln, Text im Layout setzen: All das dauert Minuten und trifft exakt. Es gilt auch für den häufigsten Ärgerfall, das leicht danebenliegende Produkt. Wie weit du mit Nachbearbeitung kommst und wo neu generieren wirklich schneller ist, steht in KI-Bilder nachbearbeiten.

Welches Werkzeug für welchen Fall

Die zweite Hälfte des wörtlich formulierten Bedarfs aus dem Survey lautete: genau wissen, welche AI für welchen Use Case. Eine Liste mit Produktnamen wäre in sechs Monaten falsch, die Kriterien halten länger.

Die wichtigste Frage lautet: Lassen sich Referenzbilder getrennt nach Stil und Motiv einspeisen, mit regelbarer Stärke? Ohne diese Trennung bleibt Markenkonsistenz Handarbeit. Fast ebenso wichtig ist, ob sich ein einzelner Bildbereich ändern lässt, ohne den Rest neu zu würfeln. Wer nur Text zu Bild kann, zwingt dich bei jeder Kleinigkeit in einen kompletten Neustart.

Zwei leisere Kriterien werden regelmäßig übersehen, und zwar so lange, bis es weh tut. Ob dir Prompt, Seed, Modellversion und Parameter zurückgeliefert werden, merkst du erst, wenn du ein Bild vom Frühjahr wiederholen willst und die Angaben fehlen. Und die Rechtelage im Tarif prüfen die meisten erst, nachdem die ersten eigenen Fotos als Referenz hochgeladen sind. Ob Eingaben zur Modellverbesserung genutzt werden und ob kommerzielle Nutzung eingeschlossen ist, steht im Tarif und nicht in der Werbung.

Bei Illustration und Bildwelten trägt die Stil-Referenz am meisten, bei Produkt- und Szenenbildern die gezielte Bearbeitung, bei wiederkehrenden Figuren die Charakter-Referenz. Läuft etwas in Serie, sagt die Parameterrückgabe mehr über die Eignung aus als jeder Bildqualitäts-Vergleich.

Warum man es sieht, und was davon steuerbar ist

Die Hürde „zu offensichtliche KI-Nutzung in der Außenwahrnehmung” stand nicht zufällig auf der Liste aus dem Workshop. Sie ist inzwischen gut untersucht.

Ein Forschungsteam um Negar Kamali und Matthew Groh von der Northwestern University hat für die CHI 2025 ein großes Experiment ausgewertet: 450 generierte und 149 echte Bilder, 749.828 Beurteilungen von 50.444 Teilnehmenden. Die Trefferquote lag bei rund 76 Prozent für generierte und rund 74 Prozent für echte Fotos. Menschen erkennen also mehr als sie raten, und trotzdem rutscht ungefähr jedes vierte Bild durch. Wichtiger als die Quote ist ein anderer Befund derselben Arbeit: Die Erkennbarkeit hängt an Szenenkomplexität, Betrachtungsdauer, Artefakttyp und daran, ob ein Mensch das Bild vorher ausgewählt hat.

Diese Quote ist allerdings kein fester Wert. Andere Erhebungen fallen deutlich schlechter aus, und eine Wahrnehmungsstudie mit 1.276 Teilnehmenden in den Communications of the ACM trägt nicht ohne Grund den Titel „As Good as a Coin Toss”. Über Bild, Video, Audio und Kombinationen hinweg lag die mittlere Trefferquote dort nahe an der Ratequote von 50 Prozent. Für dich ist die Spannweite wichtiger als jeder Einzelwert, weil sie sagt, woran es liegt: am Bild, nicht am Publikum.

Dieselbe Gruppe hat die typischen Verräter in fünf Kategorien sortiert. Die Einteilung ist nützlich, weil sie trennt, was du beeinflussen kannst und was nicht:

1. Anatomische Unstimmigkeiten. Hände, Zähne, Ohren, Gliedmaßen, Proportionen. Teilweise steuerbar, vor allem über den Bildausschnitt: Wenn Hände nicht formatfüllend im Vordergrund liegen, entsteht das Problem seltener.
2. Stilistische Artefakte. Glänzende, wächserne Oberflächen, zu gleichmäßige Haut, überzeichnete Farben. Fast vollständig steuerbar, über Vorgaben zu Licht, Material und Objektivwirkung sowie über Nachbearbeitung. Der Punkt mit dem größten Hebel.
3. Funktionale Unstimmigkeiten. Dinge, die so nicht funktionieren würden: Griffe ohne Achse, Kabel ohne Anschluss, Verschlüsse, die ins Leere gehen. Begrenzt steuerbar, gut prüfbar.
4. Physikverstöße. Schatten in zwei Richtungen, Spiegelungen ohne Ursprung, Fluchtlinien, die sich nicht treffen. Kaum promptbar, dafür beim Prüfen zuverlässig auffindbar.
5. Soziokulturelle Unstimmigkeiten. Kleidung, Schilder, Steckdosen, Verkehrszeichen und Bürositten, die nicht zum behaupteten Ort passen. Gut steuerbar, wenn du den Ort im Prompt festlegst statt ihn offenzulassen.

Aus dem Kurationsbefund folgt die unbequemste Regel dieses Guides: Wähle aus zwölf Ergebnissen zwei aus, statt aus zweien eines zu nehmen. Menschlich kuratierte Bilder sind schwerer als generiert zu erkennen, und Kuratieren ist die Arbeit, die niemand delegieren kann.

Die vollständige Sammlung typischer Verräter samt Gegenmitteln steht in warum KI-Bilder nach KI aussehen.

Recht und Kennzeichnung, kurz gefasst

Das hier ist Orientierung, keine Rechtsberatung. Zwei Punkte betreffen fast jeden, der generierte Bilder geschäftlich nutzt.

Was dir am Bild gehört. Urheberrechtsschutz setzt in Deutschland nach § 2 Absatz 2 UrhG eine persönliche geistige Schöpfung voraus, also einen menschlichen Gestaltungsakt. Bei einem Bild, das im Wesentlichen aus einem Prompt entstanden ist, fehlt der. Die Wissenschaftlichen Dienste des Bundestages formulieren die Linie so, dass ein KI-Erzeugnis nur dann schutzfähig ist, wenn die Maschine bloßes Hilfsmittel bleibt und die Gestaltung auf einen menschlichen Schöpfungsakt zurückgeht. Das US Copyright Office kam Ende Januar 2025 in Teil 2 seines KI-Berichts zum gleichen Ergebnis und stellte ausdrücklich fest, dass Prompts allein nicht genug menschliche Kontrolle vermitteln. Für dich heißt das nüchtern: Du darfst das Bild nutzen, du kannst aber niemandem verbieten, es ebenfalls zu nutzen. Bei einem Logo, einem Key Visual oder einem Buchcover ist das eine Entscheidung, keine Fußnote.

Davon unberührt bleibt alles, was du ins Bild hineingibst oder was darin auftaucht: fremde Fotos als Referenz, Markenzeichen, geschützte Produktformen, erkennbare Personen. Die dazugehörigen Rechte gelten weiter, unabhängig davon, ob am Ende ein Generator beteiligt war. Ausführlich steht das in Bildrechte bei KI-Bildern.

Kennzeichnung. Artikel 50 der KI-Verordnung (EU) 2024/1689 greift zum 2. August 2026 und hat zwei Ebenen. Anbieter generativer Systeme müssen ihre Ausgaben maschinenlesbar markieren, damit sie sich als künstlich erzeugt erkennen lassen. Betreiber, also auch dein Betrieb, müssen offenlegen, wenn sie sogenannte Deepfakes veröffentlichen. Der Begriff ist in Artikel 3 Nummer 60 definiert und meint Bild-, Ton- oder Videoinhalte, die existierenden Personen, Gegenständen, Orten oder Ereignissen ähneln und fälschlich echt wirken würden. Eine abstrakte Illustration fällt eher nicht darunter, ein generiertes „Foto” deines Teams oder deiner Werkstatt sehr wohl.

Für offensichtlich künstlerische, kreative oder satirische Werke sieht Absatz 4 nur eine Erleichterung bei der Form der Offenlegung vor, keine Befreiung davon, und die Leitlinien der Europäischen Kommission legen sie eng aus: Rein kommerzielle oder informierende Inhalte profitieren nicht. Ein zweiter Hinweis zum Datum: Der Digital Omnibus, Verordnung (EU) 2026/1744, ist am 27. Juli 2026 in Kraft getreten und hat Teile der KI-Verordnung neu gefasst, darunter Fristen. Den 2. August 2026 für Artikel 50 hat er nicht angetastet.

Daneben gilt weiterhin das Wettbewerbsrecht, und das ganz ohne KI-Verordnung: Wer über wesentliche Merkmale eines Produkts täuscht, riskiert eine Abmahnung nach § 5 UWG. Die Wettbewerbszentrale hat dazu am 4. Februar 2026 einen Leitfaden veröffentlicht und empfiehlt darin, im Zweifel auch dann zu kennzeichnen, wenn generierte Personen niemandem konkret nachgebildet sind.

Auf der technischen Seite gibt es zwei Ansätze, die du kennen solltest, ohne dich auf sie zu verlassen. Content Credentials nach dem C2PA-Standard hängen Herkunftsangaben als signierte Metadaten an die Datei. Unsichtbare Wasserzeichen wie SynthID schreiben die Markierung in die Bildpunkte selbst. Metadaten überstehen einen Screenshot, ein Neu-Encodieren beim Plattform-Upload oder einen Formatwechsel meist nicht; ein Signal in den Bildpunkten hält mehr aus, wird aber nur sichtbar, wenn am anderen Ende jemand danach sucht. Beide hängen damit an derselben Bedingung, und eine Analyse der RAND Corporation vom Juni 2025 hält fest, dass Herkunftsnachweise auf die lückenlose Mitwirkung der gesamten Kette angewiesen sind, was in einem offenen Ökosystem unrealistisch bleibt. Verlass dich also auf die sichtbare Angabe, und behandle die technische als Zugabe.

Wie eine Kennzeichnung aussehen kann, ohne wie eine Warnung zu wirken, und was die Plattformen zusätzlich verlangen, steht in Kennzeichnung von KI-Bildern. Zusammen mit dem Bildrechte-Artikel sind das die beiden einzigen Stellen, an denen ich diese Fragen ausführlich behandle.

Vom Einzelbild zum System

Irgendwann fällt auf, dass du dieselben zwölf Zeilen zum siebten Mal tippst. Ab da lohnt es sich, aus dem Prompt ein Briefing zu machen.

Vier Bedingungen entscheiden, ob dieser Aufwand sich rechnet:

1. Menge. Mehr als eine Handvoll Bilder pro Monat im selben Look.
2. Mehr als eine Person. Sobald zwei Leute Bilder erzeugen, braucht es eine gemeinsame Grundlage, sonst driften die Bildwelten auseinander.
3. Wiederkehrende Elemente. Eine Figur, ein Produkt, eine Szenerie, die immer wieder auftaucht.
4. Sichtbare Nachbarschaft. Die Bilder erscheinen nebeneinander, auf einer Seite, in einem Karussell, in einem Foliensatz.

Treffen zwei davon zu, ist ein festes Briefing die günstigere Variante: der Prompt in benannten Feldern statt in Fließtext.

Ehrlich dazu gehört: Ein strukturiertes Briefing ist kein Qualitätsschalter. Die Belege dafür sind Praxisberichte und keine Messungen, und ein schlecht durchdachtes Feld wird durch geschweifte Klammern nicht besser. Der belegbare Nutzen liegt woanders. Ein Feld, das existiert, kann nicht vergessen werden, und eine Änderung bleibt lokal. Wie so ein Briefing aufgebaut ist und welche Felder sich bewährt haben, steht in strukturierte Bildbriefings.

Ein zweiter Teil des Systems wird fast immer vergessen und kostet später am meisten: das Archiv. Zu jedem veröffentlichten Bild gehören Prompt, Modell samt Version, Parameter, Seed und die verwendeten Referenzen. Ohne diese fünf Angaben kannst du ein gelungenes Bild in drei Monaten nicht wiederholen, und mit einem Modellwechsel ist es ganz verloren. Eine Textdatei neben dem Bild reicht dafür völlig.

Der Einwand, den ich ernst nehme

„Wenn ich am Ende doch nachbearbeiten muss, kann ich auch gleich fotografieren lassen.”

Für einen Teil der Bilder stimmt das. Ein Produktfoto, das exakt dein Produkt zeigen muss, ist beim Fotografen schneller und sicherer erledigt. Dasselbe gilt für Teamfotos, für Räume, die es wirklich gibt, und für alles, was jemand später nachprüfen könnte.

Der Vergleich kippt bei Menge und bei Motiven, die es nicht gibt. Zwölf Blogbilder im Monat, jedes mit einer eigenen Aussage, keins davon real existierend: Da kommt kein Shooting hinterher, und Stock liefert genau das Sammelsurium, das du vermeiden willst. Der Nutzen liegt hier nicht in der Einsparung pro Bild. Er liegt darin, dass Bilder überhaupt entstehen, die vorher aus Kostengründen weggelassen wurden.

Was der Einwand richtig trifft: Wer die Vorgaben überspringt und trotzdem Serien produziert, spart nichts. Er verschiebt die Arbeit nur ans Ende, wo sie teurer ist, weil dann bereits veröffentlicht wurde.

Die ehrlichen Grenzen

Sechs Dinge leistet diese Methode nicht. Drei davon sind technisch und werden mit der nächsten Modellgeneration kleiner. Drei nicht.

Technisch sind die ersten drei. Exakte Farbe bekommst du über den Prompt nicht, nur eine Farbfamilie; wer den Hausfarbton braucht, arbeitet mit Referenzflächen und korrigiert nach. Text im Bild, also Beschriftungen, Preise, Logos, Hausschrift, wird zuverlässig erst im Layout. Und exakte Wiederholung gibt es nicht, nur ausreichende Ähnlichkeit, weshalb zu jeder Figur eine Festlegung gehört, was „ausreichend” heißt: Gesichtsform und Haar müssen sitzen, der Faltenwurf im Hemd nicht.

Die anderen drei bleiben, auch wenn die Modelle besser werden. Ein generiertes Produktbild ist eine Darstellung und keine Abbildung deines Produkts; sobald es Kaufentscheidungen beeinflusst, ist das eine wettbewerbsrechtliche Frage und keine gestalterische. Wo die Grenze verläuft, steht in Produktbilder und Mockups mit KI. Modelle werden außerdem aktualisiert, und dein Look kann sich dabei über Nacht verschieben. Genau deshalb gehören die Vorgaben in Worte und Referenzbilder, nicht in die Einstellungen eines einzelnen Werkzeugs.

Die sechste ist die unangenehmste, weil sie mit Bildgenerierung nichts zu tun hat. Wenn niemand im Betrieb sagen kann, wie eure Bilder aussehen sollen, kann kein Modell es erraten. Dann fehlt keine Technik, sondern eine Entscheidung.

Welche Fehler daraus im Marketingalltag am häufigsten entstehen, von der Bildstrecke ohne Vorgabe bis zum ungeprüften Produktbild, habe ich in häufige Fehler bei KI-Bildern im Marketing gesammelt.

Was du diese Woche testen kannst

Such dir drei eigene Bilder, bei denen du ohne Zögern sagen würdest: Das sieht nach uns aus. Egal ob fotografiert, gekauft oder generiert.

Dann schreib in sechs Zeilen auf, was an diesen drei Bildern gleich ist. Farbe, Licht, Ausschnitt, Perspektive, Motivwelt, Figuren. Wenn dir bei einer Zeile nichts einfällt, ist das schon ein Ergebnis, weil genau dieses Feld bisher jedes Mal vom Modell entschieden wurde. Fällt dir zu keiner der sechs etwas ein, fehlt nicht der Prompt, sondern die Entscheidung darüber, und dann ist der KI-Readiness-Check der schnellere Weg als der nächste Generierungsversuch.

Jetzt generierst du ein viertes Motiv, das es noch nicht gibt, mit diesen sechs Zeilen als Vorgabe. Leg es neben die drei anderen und beantworte zwei Fragen. Welche der sechs Zeilen hat das Bild verfehlt? Und lag das daran, dass die Zeile ungenau war, oder daran, dass sie gefehlt hat?

Diese zwei Antworten sagen dir mehr über deine Bildsprache als zwanzig weitere Generierungen. Meistens fehlt eine einzige Angabe, und meistens ist es das Licht.

Quellen

• Characterizing Photorealism and Artifacts in Diffusion Model-Generated Images – Kamali, Nakamura, Kumar, Chatzimparmpas, Hullman, Groh, CHI 2025 (Preprint)
• Characterizing Photorealism and Artifacts in Diffusion Model-Generated Images – Proceedings of the 2025 CHI Conference, ACM Digital Library
• Replication code and data for the Characterizing Photorealism 2025 paper – Negar Kamali, GitHub
• Characterizing Photorealism and Artifacts in Diffusion Model-Generated Images – Kellogg School of Management, Northwestern University
• How to Distinguish AI-Generated Images from Authentic Photographs – Kamali et al., 2024
• 5 Telltale Signs That a Photo Is AI-generated – Kellogg Insight, Northwestern University
• As Good as a Coin Toss: Human Detection of AI-Generated Content – Communications of the ACM
• What you see is not what you get anymore: a mixed-methods approach on human perception of AI-generated images – Frontiers in Artificial Intelligence, 2025
• AI-generated faces influence gender stereotypes and racial homogenization – Scientific Reports, 2025
• GenColorBench: A Color Evaluation Benchmark for Text-to-Image Generation Models
• GenColorBench – LAMP, Computer Vision Center, Universitat Autònoma de Barcelona
• GenColorBench: A Color Evaluation Benchmark for Text-to-Image Generation Models – OpenReview
• Color Bind: Exploring Color Perception in Text-to-Image Models – Tel Aviv University (Preprint)
• Color Bind: Exploring Color Perception in Text-to-Image Models – Projektseite, TAU Vision and AI Lab
• Color Code Adherence in AI Image Generation: A Case Study with Gemini – Wafae Bakkali, Google Cloud Community
• Generate deterministic images (seed und addWatermark) – Generative AI on Vertex AI, Google Cloud Documentation
• IP-Adapter: Text Compatible Image Prompt Adapter for Text-to-Image Diffusion Models – Tencent AI Lab
• Style Reference – Midjourney Dokumentation
• DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation – Ruiz et al., Google Research
• Article 50: Transparency Obligations for Providers and Deployers of Certain AI Systems – Verordnung (EU) 2024/1689
• Guidelines on transparency obligations for providers and deployers of certain AI systems – Europäische Kommission
• Transparency obligations under Article 50 of the AI Act, FAQ – Europäische Kommission
• European Commission adopts final Guidelines on AI Act Article 50 transparency obligations – Bird & Bird, 2026
• Deepfakes, Chatbots, AI-Generated Text: European Commission Details Transparency Obligations Under the AI Act – Greenberg Traurig, Juni 2026
• Regulation (EU) 2026/1744 (Digital Omnibus on AI) – Official Journal, EUR-Lex, Juli 2026
• Wettbewerbszentrale veröffentlicht Leitfaden zur KI-Kennzeichnung, 4. Februar 2026
• Leitfaden Kennzeichnung KI-generierter Inhalte (PDF) – Wettbewerbszentrale, Februar 2026
• Kennzeichnungspflichten für KI-Inhalte nach aktueller und künftiger Rechtslage – IT-Recht Kanzlei
• Copyright and Artificial Intelligence, Part 2: Copyrightability – United States Copyright Office, 29. Januar 2025
• US Copyright Office Issues Report on Artificial Intelligence and Copyrightability – Sidley Austin, 2025
• Künstliche Intelligenz und Urheberrecht, FAQ – Bundesministerium der Justiz, März 2024
• Urheberrechtliche Fragen im Zusammenhang mit KI, WD 7 - 3000 - 061/24 – Wissenschaftliche Dienste des Deutschen Bundestages
• Overpromising on Digital Provenance and Security – RAND Corporation, Juni 2025
• C2PA and Content Credentials Explainer 2.2 – Coalition for Content Provenance and Authenticity, April 2025
• Strengthening Multimedia Integrity in the Generative AI Era – NSA Cybersecurity Information Sheet, Januar 2025
• SynthID – Google DeepMind