17.08.2026•8 Min. Lesezeit

Warum KI-Bilder nach KI aussehen: sechs Muster und was dagegen hilft

Ein Karussell auf LinkedIn, drei Illustrationen, sauber gesetzt. Nach zwanzig Minuten steht der erste Kommentar darunter: „Die Bilder sind KI, oder?” Niemand hat sechs Finger gezählt. Aufgefallen war der Gesamteindruck. Das Peinliche daran ist nicht der Kommentar, sondern dass er zutrifft.

In einem Workshop-Survey mit neun Antworten stand genau diese Sorge an dritter Stelle der genannten Hürden, hinter Bildrechten und Qualitätskontrolle: zu offensichtliche KI-Nutzung in der Außenwahrnehmung. Sechs von neun nannten gleichzeitig visuelle Assets ohne Agentur- oder Stock-Abhängigkeit als ihr größtes Potenzial. Dieselben neun Leute schätzten ihre Sicherheit beim Prompten im Schnitt auf rund 3,8 von 5. Bei der Bildgenerierung auf rund 2,4. Neun Antworten sind keine Studie, aber die Lücke ist deutlich.

Menschen erkennen generierte Bilder schlechter, als sie glauben

Sophie Nightingale und Hany Farid haben 2022 in den Proceedings of the National Academy of Sciences 757 Teilnehmende in drei Experimenten auf je 128 Gesichter angesetzt, teils echt, teils mit StyleGAN2 erzeugt. Im ersten Experiment lag die durchschnittliche Trefferquote bei 48,2 Prozent. Also unter dem Zufall.

Ein Team um Thomas Roca hat 2025 rund 287.000 Bildbewertungen von über 12.500 Teilnehmenden aus einem Online-Quiz ausgewertet. Gesamttrefferquote: 62 Prozent. Interessant ist die Aufschlüsselung, weil sie der Alltagsintuition widerspricht: Bei Porträts lagen die Leute am häufigsten richtig, bei Natur- und Stadtlandschaften am häufigsten falsch.

Dazu kommt ein unangenehmer Befund aus Psychological Science. Elizabeth Miller und Kolleginnen zeigten 2023, dass weiße KI-Gesichter häufiger für menschlich gehalten wurden als echte menschliche Gesichter. Wer dabei am meisten danebenlag, war sich am sichersten.

Bevor du weiterliest, eine Frage an dich selbst: Wie viele der letzten zehn Bilder in deinem Feed waren generiert? Falls dir eine Zahl einfällt, ist sie zu niedrig. Die Bilder, die du erkannt hast, waren genau die schlechten.

Für die Praxis ist vor allem die Aufschlüsselung bei Roca brauchbar. Ein Hintergrundmotiv, eine Straßenszene, ein Naturausschnitt rutscht durch. Ein frontales Porträt nicht.

Was im Kommentar unter dem Post als Erkennen auftritt, ist deshalb selten ein Nachweis. Es ist Wiedererkennung. Die Leute haben in zwei Jahren ein paar tausend Bilder aus denselben Modellen mit denselben Voreinstellungen gesehen und kennen den Look. Dagegen hilft weniger „besser generieren” als „anders aussehen”.

Muster 1: Die Stockfoto-Ästhetik ist eingebaut

Ursache. Der gefällige Look ist ein Trainingsergebnis, kein Zufall. Stable Diffusion v1.4 etwa wurde auf einem Ausschnitt von LAION trainiert, der vorher durch einen Ästhetik-Bewerter gefiltert wurde: nur Bilder mit geschätztem Score über 5,0, zusätzlich gefiltert nach Wasserzeichen-Wahrscheinlichkeit. Neuere Modelle werden zusätzlich auf menschliche Präferenzurteile hin nachtrainiert. Ein Modell, das darauf optimiert ist, im Schnitt zu gefallen, liefert im Zweifel das gefällige Mittel.

Was hilft. Beschreib eine Situation statt einer Stimmung. „Werkstattregal, halb geöffnete Kartons, Kaffeetasse auf dem Prospektstapel” trägt weiter als „professionelle Arbeitsatmosphäre”. Wie so ein Prompt aufgebaut ist, steht in Motiv, Licht, Stil: der Aufbau eines Bildprompts.

Muster 2: Zu perfekte Komposition

Ursache. Modelle mitteln über sehr viele Beispiele. Was dabei herauskommt, liegt näher an der Mitte der Verteilung als jedes einzelne Trainingsbild: mittige Motive, ausbalancierte Bildhälften, saubere Horizonte, ein Hauptobjekt im goldenen Schnitt. Miller und Kolleginnen fanden bei Gesichtern exakt diesen Effekt und identifizierten Proportionalität und Vertrautheit als die Merkmale, die Teilnehmende in die Irre führten.

Was hilft. Kompositionsentscheidungen ausdrücklich vorgeben. Motiv nach links versetzt, Bildrand schneidet die Schulter an, Vordergrund unscharf, Blick aus Hüfthöhe. Ein Bild, in dem irgendetwas nicht ganz aufgeht, wirkt fotografiert statt arrangiert.

Muster 3: Haut ohne Poren, Farben ohne Dreck

Ursache. Zwei Dinge greifen ineinander. Der Ästhetik-Filter aus Muster 1 bevorzugt retuschiertes Material, und die Steuerung des Sampling-Vorgangs verstärkt das. Die Dokumentation der Bibliothek Diffusers formuliert den Zielkonflikt beim Parameter guidance_scale unmissverständlich: Ein höherer Wert bringt das Bild näher an den Prompt, „at the expense of lower image quality”. Gegen die dabei entstehende Überbelichtung existiert ein eigener Korrekturparameter, dessen Beschreibung ebenfalls verrät, wohin die Reise sonst geht: zu „plain looking images”.

Was hilft. Textur benennen, nicht nur Personen. Sichtbare Poren, feine Fältchen um die Augen, matte Haut, Staub auf der Oberfläche. In der Nachbearbeitung reichen oft schon leichtes Filmkorn und eine minimal zurückgenommene Sättigung, um den Plastikeindruck zu brechen. Mehr dazu in KI-Bilder nachbearbeiten statt neu generieren.

Muster 4: Licht, das aus keinem Raum kommt

Ursache. Wörter wie „professionell”, „hochwertig” oder „Business” zeigen in den Trainingsdaten auf Agenturmaterial, und das ist überwiegend im Studio entstanden. Weiche Rundum-Ausleuchtung, kein harter Schatten, kein Fenster, aus dem das Licht käme. Physikalisch ergibt das Licht in einem Büro keinen Sinn, und genau das registriert das Auge, ohne es benennen zu können.

Was hilft. Quelle, Richtung und Härte des Lichts festlegen. „Spätnachmittagssonne von schräg links durch eine Jalousie, harte Streifenschatten auf der Wand” erzeugt einen Raum. Wenn Schatten vorkommen, dann konsistent: eine Lichtquelle, eine Schattenrichtung.

Muster 5: Hände und Schrift im Bild

Ursache. Hände sind gelenkreich, verdecken sich selbst und kommen in Trainingsbildern selten groß und scharf vor. Schrift ist ein anderes Problem: Buchstaben sind Symbole mit exakter Form und Reihenfolge, während ein Bildmodell Flächen und Texturen erzeugt. Beides hat sich seit 2023 spürbar verbessert, zuverlässig ist keines von beidem (Stand Juli 2026).

Was hilft. Erstens: Kontrolle vor Korrektur. Für Hände funktionieren drei Ausweichbewegungen zuverlässiger als jeder Zusatz im Prompt. Die Hand hält etwas Bekanntes, also Werkzeug, Tasse, Papier. Oder sie ist teilweise verdeckt. Oder sie liegt außerhalb des Ausschnitts. Sobald eine Hand frei und groß in die Kamera zeigt, wird sie zum Prüfpunkt für jeden, der hinsieht.

Zweitens: Schrift gehört ins Layoutprogramm, nicht ins Modell. Generier das Bild ohne Text. Headline, Logo und Preisangabe setzt du anschließend in Canva, Figma oder InDesign, mit der richtigen Hausschrift, siehe Farben, Schrift und Bildsprache als feste Vorgabe. Die Textfläche planst du dabei schon beim Generieren ein: eine ruhige, gleichmäßig helle Zone, auf der später eine Zeile lesbar bleibt.

Muster 6: Immer dieselben Menschen

Ursache. Bildmodelle geben die Schieflagen ihrer Trainingsdaten verstärkt zurück. Federico Bianchi und Kolleginnen zeigten auf der FAccT 2023, dass Berufs- und Eigenschaftsprompts ohne jede demografische Angabe systematisch stereotype Ergebnisse produzieren. Für Marketing heißt das konkret: dieselben Altersgruppen, dieselben Körpertypen, dieselbe Kleidung, dieselben Zähne.

Hier bricht das Schema dieses Artikels. Eine Zeile „Was hilft” gibt es bei diesem Muster nicht.

Was du nicht wegprompten kannst

Bianchi und Kolleginnen prüften auch, ob sich der Effekt durch ausdrücklich gegensteuernde Prompts beheben lässt, und fanden nur begrenzte Wirkung. Du kannst also Alter, Herkunft und Statur in den Prompt schreiben und bekommst trotzdem ein Ergebnis, das näher am Durchschnitt der Trainingsdaten liegt als an deiner Beschreibung.

Praktisch bedeutet das drei Einschränkungen:

Menschen im Bild bleiben das schwierigste Motiv. Je größer das Gesicht im Ausschnitt, desto mehr Prüfpunkte hat der Betrachter. Wenn dein Unternehmen echte Menschen zeigt, ist die ehrlichste Lösung meistens ein echtes Foto, nicht der bessere Prompt.

Manche Ausgabe ist nur über die Motivwahl zu vermeiden. Eine Gruppe lachender Kollegen am Konferenztisch wird nach Stockfoto aussehen, weil dieses Motiv in den Trainingsdaten fast ausschließlich als Stockfoto vorkommt. Ein Ausschnitt von Händen an einer Maschine, ein Detail deines Materials, ein leerer Raum vor Arbeitsbeginn: dieselbe Aussage, ein Motiv ohne Erwartungsdruck.

Die Fehlersuche skaliert schlecht. Zwanzig Versuche an einem schwierigen Motiv kosten mehr als eine Stunde Fotografieren mit dem Handy. Sieht eine Bildidee nach drei Versuchen immer noch nach Katalog aus, dreht es der vierte Versuch selten. Woran du das früh erkennst, steht in der Prüfliste vor der Veröffentlichung.

Die Außenwahrnehmung ist ein eigenes Thema

Ein Bild kann handwerklich einwandfrei sein und trotzdem Ärger machen, sobald die Herkunft bekannt wird. Oliver Schilke und Martin Reimann haben in 13 präregistrierten Experimenten mit über 5.000 Teilnehmenden untersucht, wie Offenlegung von KI-Nutzung wirkt, und durchgängig gefunden: Wer sie offenlegt, wird weniger vertraut als wer schweigt. Die Autoren nennen es das Transparenz-Dilemma.

Daraus folgt ausdrücklich nicht, dass Verschweigen die Lösung wäre. Rechtliche Kennzeichnungspflichten und Plattformregeln gelten unabhängig davon, und die gehören in einen eigenen Artikel: Kennzeichnung von KI-Bildern. Der Vertrauensabschlag ist real, also lohnt es sich, ihn dort auszugeben, wo das Bild wirklich Arbeit spart, und nicht beim Kundenporträt auf der Über-mich-Seite.

Halt dabei zwei Fragen auseinander, die im Gespräch gern zusammenrutschen. Ob ein Bild nach Voreinstellung aussieht, entscheidest du im Prompt und in der Nachbearbeitung. Ob jemand von der KI-Nutzung erfährt, entscheiden Kennzeichnung, eingebettete Herkunftsdaten und die Plattform. Ein Bild kann unauffällig wirken und trotzdem sauber als generiert ausgewiesen sein.

Ob die Formulierung des Prompts auf die Erkennbarkeit durchschlägt, haben Philipp Moeßner und Heike Adel an einem eigens gebauten Datensatz aus echten und generierten Aufnahmen geprüft, mit einem Detektor und mit 200 Testpersonen. Der Befund läuft der Intuition zuwider: Bilder aus den langen, detaillierten Prompts wurden häufiger als generiert erkannt als die aus kurzen. Mehr Detail bringt Kontrolle über das Motiv, nicht Unauffälligkeit.

Der Test für heute

Nimm ein Motiv, das du ohnehin brauchst, und generier es zweimal. Einmal mit deinem üblichen Prompt inklusive „professionell, hochwertig, modern”. Einmal mit einer konkreten Bildbeschreibung: Ort, Tageszeit, Lichtrichtung, Kameraposition, ein Detail, das nicht perfekt ist. Wann sich dieser Aufwand über eine ganze Bildstrecke rechnet, steht im Leitfaden zur brand-konsistenten KI-Bildgenerierung.

Leg beide nebeneinander und zeig sie jemandem, der nicht weiß, worum es geht. Frag dabei nicht „ist das KI”. Frag „wo wurde das aufgenommen”. Kommt eine Antwort, hast du ein Bild. Kommt ein Schulterzucken, hast du ein Muster.

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 →