Strukturierte Bildbriefings: wiederholbar statt jedes Mal neu

Zwölf Bilder für eine Kampagne, drei Kanäle, Abgabe am Freitag. Bild drei sitzt. Bei Bild neun hast du den Prompt aus Bild drei längst weitergeschrieben, an vier Stellen ergänzt, an zwei gekürzt. Was jetzt zurückkommt, sieht anders aus, und du kannst nicht mehr rekonstruieren, welche Änderung dafür verantwortlich war.

Das ist der Punkt, an dem aus Prompt-Schreiben Briefing-Bauen wird. Aus einer Session-Rückmeldung in einem meiner Workshops kenne ich die typische Ausbaustufe: seitenlange Prompts für wiederkehrende Marken-Charaktere, Hex-Farbpaletten, feste Schriftvorgaben, dazu Regeln wie „3D-Charaktere stehen immer vor echten Fotohintergründen”. Das ist Konsistenz-Engineering. Nur eben in einer Form, in der niemand mehr findet, welche Zeile gerade das Problem verursacht.

Zuerst die Frage, ob du das überhaupt brauchst

Wie oft kommt dasselbe Bildkonzept bei dir wirklich ein zweites Mal vor?

Für ein einzelnes Bild ist das Ganze überzogen. Ein Briefing aufzusetzen kostet dich beim ersten Mal eine gute halbe Stunde, ein brauchbarer Einzelprompt zwei Minuten. Brauchst du ein Bild für einen Beitrag, schreib den Prompt, generier drei Varianten, nimm die beste.

Die Schwelle liegt ungefähr dort, wo dasselbe Bildkonzept zum dritten Mal auftaucht, oder wo mehr als eine Person Bilder für dieselbe Marke erzeugt. Ab da bezahlst du die halbe Stunde einmal und sparst sie bei jedem weiteren Motiv.

Was ein Briefing anders macht als ein Prompt

Ein Prompt ist ein Text. Ein Briefing ist derselbe Text, aufgeteilt in benannte Felder, die du einzeln ändern kannst.

Der Gewinn liegt nicht beim Modell, sondern bei dir. Du kannst genau eine Variable verändern und den Effekt zuordnen. Du kannst ein Feld sperren, weil es zur Marke gehört, und ein anderes freigeben, weil es je Kanal wechselt. Und in drei Monaten verstehst du noch, was du damals gemeint hast.

Ein vollständiges Beispiel, hier als JSON, weil es sich damit gut versionieren lässt:

{
  "briefing_id": "case-study-serie-2026-08",
  "motiv": {
    "hauptmotiv": "zwei Personen um Mitte 40 an einem hellen Besprechungstisch, eine erklärt am aufgeklappten Laptop, die andere hört zu und macht Notizen",
    "handlung": "Erklären und Zuhören, kein Blick in die Kamera",
    "umgebung": "Büroraum mit Holztisch, große Fensterfront links, Pflanze unscharf im Hintergrund",
    "requisiten": ["Laptop", "Notizbuch", "zwei Kaffeetassen"]
  },
  "kamera": {
    "perspektive": "leicht erhöht, auf Augenhöhe der sitzenden Personen",
    "brennweite": "35 mm",
    "schaerfe": "Hintergrund weich, Personen scharf",
    "abstand": "halbnah, Tischkante im Vordergrund angeschnitten"
  },
  "licht": {
    "quelle": "Tageslicht von links durch die Fensterfront",
    "charakter": "weich, große Fläche, keine harten Schlagschatten",
    "kontrast": "mittel"
  },
  "farbwelt": {
    "grundton": "warmes Neutral, Holz und Papierweiß",
    "akzent": "ein einzelnes Objekt in Markenblau",
    "saettigung": "zurückgenommen"
  },
  "stil": {
    "anmutung": "dokumentarische Reportagefotografie, nicht gestellt",
    "referenz_typ": "stil",
    "referenz_datei": "eigene-fotos/2025-workshop-04.jpg",
    "referenz_staerke": 0.4
  },
  "ausschluesse": [
    "Stockfoto-Lächeln in die Kamera",
    "Schrift oder Logos im Bild",
    "Glasfassade, Konferenzraum-Optik",
    "sichtbare Markenzeichen fremder Hersteller"
  ],
  "format": {
    "seitenverhaeltnis": "3:2",
    "textfreiraum": "rechtes Drittel ruhig halten",
    "aufloesung": "2k"
  },
  "gesperrt": ["licht", "farbwelt", "stil"],
  "variabel": ["motiv.handlung", "format"],
  "seed": 4471
}

Das Feld gesperrt ist der eigentliche Trick. Es hält fest, was über die ganze Serie gleich bleiben muss, damit die Bilder zusammengehören. Alles andere darf sich bewegen.

Ein Selbsttest an dieser Stelle, er kostet nichts: Nimm das letzte Bild, mit dem du wirklich zufrieden warst, und zerleg seinen Prompt rückwärts in diese sieben Felder. Zwei, drei davon bleiben leer. Was du dort nicht ausfüllen kannst, hast du dem Modell überlassen, und genau an diesen Stellen schwankt deine Bildsprache von Motiv zu Motiv.

Die Grenze, die du kennen musst

Ein Bildmodell liest dieses JSON nicht wie ein Programm. Es gibt keinen Parser, der farbwelt.akzent als Schlüssel erkennt und daraus eine Regel ableitet. Was ankommt, ist Text.

Was tatsächlich passiert, hängt an der Textkodierung. Stable Diffusion XL etwa kodiert den Prompt laut Stability AI über OpenCLIP-ViT/G und CLIP-ViT/L, und der Tokenizer von OpenAIs CLIP arbeitet mit einer Kontextlänge von 77 Tokens. Bei solchen Architekturen fällt hinter dieser Grenze etwas weg, und ein Briefing mit Anführungszeichen, Klammern und Feldnamen verbraucht davon einen erheblichen Teil für Zeichen, die keine Bildinformation tragen.

Neuere Modelle sind länger im Kontext und ausdrücklich auf ausführliche Beschreibungen trainiert. Google schreibt im eigenen Cookbook zu Imagen (Stand Juli 2026), das Modell sei „trained on long captions and will provide better results for longer and more descriptive prompts”. Beschreibende Sprache, nicht Datenstruktur.

Das Briefing ist also deine Ablage, der Prompt ist das Ergebnis daraus. Aus den Feldern oben wird ein zusammenhängender Absatz.

Dokumentarisch fotografierte Szene in einem hellen Büroraum: Zwei Personen um Mitte 40 sitzen an einem Holztisch, eine erklärt etwas am aufgeklappten Laptop, die andere hört zu und notiert. Niemand schaut in die Kamera. Weiches Tageslicht von links durch eine große Fensterfront, mittlerer Kontrast, keine harten Schatten. Warme neutrale Farbwelt aus Holz und Papierweiß, zurückgenommene Sättigung, ein einzelnes Objekt in kräftigem Blau als Akzent. 35-mm-Perspektive auf Augenhöhe, halbnah, Hintergrund weich. Rechtes Bilddrittel ruhig.

Manche Felder wandern gar nicht in den Text, sondern in die Einstellungen. Seitenverhältnis, Auflösung, Bildanzahl und Zufallsstartwert sind bei den meisten Systemen eigene Parameter; die Diffusers-Dokumentation führt negative_prompt, guidance_scale sowie height und width genauso als eigenständige Argumente. Was als Parameter existiert, gehört auch dorthin; im Fließtext erwähnt kostet es nur Kontext.

Das Feld ausschluesse ist dabei der Sonderfall. Manche Systeme haben dafür einen eigenen Eingang: Die Diffusers-Dokumentation beschreibt den Negative Prompt als Mittel, „to steer the model away from things you don’t want the model to generate”. Andere Oberflächen kennen so etwas nicht, und dann landen deine Ausschlüsse im normalen Prompt.

Schreibst du in einen gewöhnlichen Bildprompt „keine Glasfassade”, steht das Wort Glasfassade trotzdem in der Beschreibung. Verlässlicher ist die positive Formulierung dessen, was stattdessen zu sehen sein soll: Holz, Putzwand, Fensterfront mit Sprossen. Deine Ausschlussliste bleibt trotzdem sinnvoll, sie hält fest, was in der Abnahme nicht durchgeht, und wandert damit in die Prüfung statt in den Prompt.

Drei Kanäle aus einem Briefing

Sobald dasselbe Motiv an mehreren Stellen laufen soll, bleiben Licht, Farbwelt und Stil gesperrt. Verändert wird nur, was der Kanal erzwingt.

Website-Header. format.seitenverhaeltnis auf 16:9, format.textfreiraum auf „linke Hälfte ruhig halten”, kamera.abstand auf „weiter, ganzer Tisch im Bild”. Der Header trägt eine Überschrift, also braucht er Fläche und Weite.

LinkedIn-Beitrag. format.seitenverhaeltnis auf 4:5, kamera.abstand auf „nah, Ausschnitt auf Hände und Laptop”, motiv.handlung auf „Zeigen auf den Bildschirm”. Im Feed konkurriert das Bild mit Text, deshalb näher ran und ein klarer Fokus.

Story-Format. format.seitenverhaeltnis auf 9:16, format.textfreiraum auf „oberes und unteres Fünftel frei”, der Rest unverändert. Hier fressen Bedienelemente die Ränder.

Drei Bilder, ein visueller Zusammenhang, drei Prompts, die du nicht neu erfinden musstest. Und wenn dir das Licht in allen dreien nicht gefällt, änderst du ein Feld statt drei Texte. Die Vorgaben, die dabei dauerhaft gesperrt bleiben, kommen aus deinen CI-Vorgaben für KI-Bilder; die Wahl und Gewichtung der Referenzdatei behandelt Referenzbilder richtig einsetzen.

Was Freitext besser kann

Felder zerlegen eine Szene in Bestandteile. Beziehungen zwischen diesen Bestandteilen gehen dabei verloren, und Beziehungen sind oft genau das, was ein Bild erzählt: wer wen ansieht, was verdeckt was, wohin die Bewegung geht, welcher Gegenstand als Erstes auffällt.

Schreibst du personen: 2, laptop: ja, blick: seitlich, ist formal alles gesagt. Nur ist völlig offen, ob die zweite Person zuschaut oder wegsieht, ob der Laptop zu ihr gehört oder zur ersten, und ob die beiden überhaupt miteinander zu tun haben. Der Satz „eine erklärt am Laptop, die andere hört zu und notiert” legt all das in einem Zug fest.

Deshalb hat mein Beispiel oben in motiv.hauptmotiv einen ganzen Satz stehen und keine Stichwortliste. Ein Feld darf Fließtext enthalten. Die Struktur ordnet, sie diktiert nicht die Ausdrucksweise. Wer jedes Feld auf drei Schlagwörter eindampft, bekommt Bilder, die aussehen wie eine Aufzählung: alles drin, nichts miteinander verbunden. Das Handwerk am einzelnen Bildprompt steht in Bildprompt aufbauen.

Wo das Briefing liegt und wer es ändern darf

Ein Briefing, das in einem Chatverlauf steht, ist keins. Es muss an einer Stelle liegen, die du in vier Wochen wiederfindest, und es braucht eine Fassung, auf die sich alle beziehen.

Für die meisten kleinen Teams reicht eine Datei pro Serie in dem Ablagesystem, das ohnehin benutzt wird, plus eine Namenskonvention mit Datum. Wer mit Git arbeitet, bekommt die Versionshistorie geschenkt und kann sehen, welche Feldänderung zu welchem Bild geführt hat. Wichtiger als das Werkzeug ist die Regel dahinter: Gesperrte Felder ändert nicht, wer gerade ein Bild braucht, sondern nur, wer für die Bildsprache zuständig ist.

Was beim nächsten Motiv wieder gebraucht wird, kommt in ein Feld. Alles, was nur für dieses eine Bild gilt, bleibt Notiz. Wie das Ganze in eine markenkonsistente Bildproduktion passt, steht im Leitfaden zur KI-Bildgenerierung für die eigene Marke.

Wiederholbarkeit hat eine Obergrenze

Der Zufallsstartwert im Briefing hilft, gleiche Ergebnisse zu reproduzieren; verlassen kann man sich darauf nur bedingt. Die Diffusers-Dokumentation formuliert es unmissverständlich: „You can try to limit randomness, but it is not guaranteed even with an identical seed.” Sie empfiehlt aus demselben Grund, den Zufallsgenerator auf der CPU laufen zu lassen, weil GPU und CPU unterschiedliche Generatoren verwenden.

Bei gehosteten Modellen kommt dazu, dass sich das Modell selbst unter dir ändern kann, ohne dass du davon erfährst. Ein Briefing schützt also nicht vor Abweichung. Es sorgt dafür, dass du Abweichung bemerkst und benennen kannst, weil deine Eingabe konstant war. Genau darum geht es auch bei der Qualitätskontrolle vor der Veröffentlichung.

Quellen

• Get started with Imagen, Hinweise zu Prompt-Länge und Bildparametern – Google Gemini Cookbook
• CLIP, Tokenizer mit context_length=77 – OpenAI
• Reproducible pipelines: Generator, Seed und Grenzen der Determinismus-Garantie – Hugging Face Diffusers
• Text-to-image: prompt, negative_prompt, guidance_scale, height und width als eigene Parameter – Hugging Face Diffusers
• Stable Diffusion XL, Textkodierung über OpenCLIP-ViT/G und CLIP-ViT/L – Stability AI