# Wiederkehrende Charaktere konsistent halten: vier Verfahren im Vergleich

> Textbaustein, Referenzbild, Seed und modellseitige Charakter-Funktionen: Was jedes Verfahren leistet, wo es bricht und wie stabil das Ergebnis wirklich ist. Plus die Frage, ob deine Marke überhaupt eine wiederkehrende Figur braucht.

- Autor: Benedikt Backhaus (https://benediktbackhaus.com/ueber-mich/)
- Veröffentlicht: 2026-08-18
- URL: https://benediktbackhaus.com/blog/wiederkehrende-charaktere-konsistent/
- Themen: Praxis, Kreativität, Tools

Die Figur auf dem ersten Bild trägt eine grüne Jacke und hat einen kleinen Leberfleck über der linken Augenbraue. Auf dem dritten Bild ist die Jacke oliv, der Leberfleck ist weg, das Kinn schmaler. Auf dem siebten sieht sie aus wie die jüngere Schwester der ersten.

Beim Durchklicken fällt das kaum auf. Nebeneinander auf einer Landingpage fällt es sofort auf, und zwar auch Leuten, die sich nie mit Gestaltung beschäftigt haben. Gesichter sind der Bereich, in dem menschliche Wahrnehmung am empfindlichsten ist, und genau dort arbeitet man mit Werkzeugen, die von Bild zu Bild neu würfeln.

## Die Frage vor der Technik

Bevor du dich in Verfahren stürzt: Braucht deine Marke wirklich eine wiederkehrende Figur?

Eine Figur ist ein Versprechen. Sie muss über Monate gleich aussehen, sie muss in Situationen funktionieren, an die heute niemand denkt, und irgendwann steht sie im Erklärvideo, auf der Messewand und im Newsletter-Header. Jedes dieser Formate bringt neue Anforderungen mit.

Für die meisten kleinen Marken reicht eine **konsistente Bildwelt**. Gleiches Licht, gleiche Perspektiven, gleiche Farbwelt, wechselnde Motive. Das ist ungleich billiger im Unterhalt und bricht nicht, wenn ein Modell abgelöst wird. Wie du diese Bildwelt festschreibst, steht in [CI-Vorgaben für KI-Bilder](/blog/ci-vorgaben-fuer-ki-bilder/).

Eine Figur lohnt sich, wenn sie eine Aufgabe hat: als Erklärer in einer Produkttour, als Absender wiederkehrender Formate, als Maskottchen mit Wiedererkennung. Wenn du diese Aufgabe nicht in einem Satz benennen kannst, spar dir den Aufwand.

Falls doch, hier sind die vier Verfahren, die Stand Juli 2026 real funktionieren.

## Verfahren 1: die feste Beschreibung als Textbaustein

Du schreibst die Figur einmal aus und kopierst diesen Absatz in jeden Prompt. Nicht „eine freundliche Frau um die 40", sondern konkret genug, dass zwei Personen unabhängig voneinander dasselbe zeichnen würden.

```
Frau, Ende 30, mittelbraune Haut, kurze schwarze Locken bis knapp
übers Ohr, kräftige gerade Augenbrauen, runde Wangenknochen,
kleine Lücke zwischen den Schneidezähnen. Trägt immer: dunkelgrüne
Arbeitsjacke aus Cord, weißes T-Shirt darunter, silberner
Ring am rechten Zeigefinger. Freundlich-konzentrierter Ausdruck,
lacht selten mit offenem Mund.
```

**Was es leistet:** Es kostet nichts, funktioniert in jedem Werkzeug und überlebt jeden Modellwechsel. Silhouette, Kleidung und grobe Typisierung bleiben verlässlich erhalten.

**Wo es bricht:** Beim Gesicht. Ein Textbaustein beschreibt eine Kategorie von Gesichtern, keine bestimmte Person. Je enger der Bildausschnitt, desto sichtbarer die Abweichung.

**Stabilität:** Gut auf Halbtotale und weiter, unbrauchbar auf Portraitdistanz.

Ein Trick, der viel bringt: Verlagere die Wiedererkennung weg vom Gesicht. Eine sehr spezifische Jacke, eine Haarfarbe, die sonst niemand hat, eine Kopfbedeckung. Comicfiguren funktionieren aus demselben Grund besser als fotorealistische Menschen, weil ihre Merkmale gröber und damit reproduzierbarer sind.

## Verfahren 2: das Referenzbild

Du gibst dem Modell ein oder mehrere Bilder der Figur mit und beschreibst nur noch die neue Situation. Das ist Stand heute der Hebel mit dem besten Verhältnis von Aufwand zu Ergebnis.

Technisch steckt dahinter das, was in der Forschung als Image Prompting begann. Der IP-Adapter von Tencent AI Lab zeigte, dass ein Zusatzmodul mit 22 Millionen Parametern eine vergleichbare oder bessere Leistung erreicht als ein eigens feinjustiertes Modell. In heutigen Produkten musst du davon nichts wissen: Du lädst Bilder hoch. Die OpenAI-Bild-Endpunkte nehmen bei den GPT-Image-Modellen bis zu 16 Referenzbilder entgegen und kennen ein Feld `input_fidelity` mit den Werten `high` und `low`, das steuert, wie streng sich das Ergebnis an die Vorlagen hält. Die Gemini-Bildmodelle mischen je nach Variante 3, 6 oder 14 Eingabebilder.

**Was es leistet:** Deutlich bessere Gesichtstreue als jede Textbeschreibung, ohne Training, in Sekunden.

**Wo es bricht:** An Perspektive und Ausschnitt. Der IP-Adapter dokumentiert offen, dass er mit quadratischen Bildern am besten arbeitet und bei anderen Seitenverhältnissen Information außerhalb der Bildmitte verliert. Dasselbe Muster siehst du in Produkten: Frontalporträt als Referenz plus gewünschte Halbprofil-Ansicht ergibt oft ein Gesicht, das im Zwischenbereich hängen bleibt. Dazu kommt ein Effekt, den man erst nach zwanzig Bildern merkt: Wenn du das Ergebnis wieder als Referenz nimmst, driftet die Figur mit jeder Runde ein Stück weiter.

**Stabilität:** Hoch, solange du immer gegen dasselbe Ursprungsbild referenzierst und nicht gegen die letzte Generation. Leg dir einen kleinen Satz kanonischer Referenzen an: frontal, Halbprofil, Ganzkörper, Detail. Welche Referenz wofür taugt, steht in [Referenzbilder richtig einsetzen](/blog/referenzbilder-richtig-einsetzen/).

## Verfahren 3: den Seed wiederverwenden

Der Seed ist die Startzahl des Zufallsgenerators. Gleicher Seed, gleicher Prompt, gleiche Einstellungen: gleiches Bild. Das klingt nach der sauberen Lösung und ist in der Praxis die schwächste der vier.

Erstens ist die Garantie schwächer, als sie aussieht. Die Diffusers-Dokumentation von Hugging Face formuliert es unmissverständlich: Man kann Zufälligkeit begrenzen, garantiert ist sie selbst mit identischem Seed nicht. Andere Hardware, andere Bibliotheksversion, anderes Ergebnis.

Zweitens ist der Seed an den Prompt gekoppelt. Änderst du die Szene, ändert sich das Bild, und das Gesicht wandert mit. Der Seed hält den Zufall fest, nicht die Person.

Drittens gibt es ihn nicht überall. In der OpenAPI-Spezifikation von OpenAI hat der Bild-Endpunkt Stand Juli 2026 keinen Seed-Parameter, während Chat-Anfragen einen haben.

Bleibt ein enger Nutzen: Ein festgehaltener Seed erzeugt dieselbe Variante später noch einmal und reduziert die Zahl der Variablen, wenn du systematisch testest. Eine Figur über zwanzig Szenen hinweg trägt er nicht.

## Verfahren 4: modellseitige Charakter-Funktionen

Die vierte Gruppe umfasst alles, was das Modell selbst mitbringt oder was man ihm beibringt. Sie ist die stärkste und gleichzeitig die, die am schnellsten veraltet.

**Eingebaute Konsistenz.** Aktuelle Bildmodelle bewerben das Halten einer Figur über mehrere Bilder inzwischen als Kernfähigkeit; im Gemini-Cookbook steht das Erhalten des Erscheinungsbilds einer Person über mehrere Bilder und Szenen hinweg ganz oben in der Fähigkeitsliste. Am besten funktioniert das im Chatverlauf, wo das Modell die Vorgeschichte kennt, und deutlich schlechter über getrennte Sitzungen hinweg.

**Feinjustierung auf eine Person.** DreamBooth aus der Google-Forschung war eines der ersten breit genutzten Verfahren dieser Art; der zugehörige Datensatz arbeitet mit vier bis sechs Bildern pro Motiv. Später kamen leichtere Varianten dazu, die ohne eigenes Training auskommen: PhotoMaker aus dem Tencent ARC Lab erzeugt personalisierte Bilder „within seconds, with no additional LoRA training", InstantID kommt mit einem einzigen Referenzbild aus.

**Wo es bricht:** An drei Stellen, die du vor dem Einstieg kennen solltest.

Erstens an der Lizenz. InstantID weist ausdrücklich darauf hin, dass die verwendeten InsightFace-Gesichtsmodelle nur für nicht-kommerzielle Forschung freigegeben sind und die veröffentlichten Checkpoints ebenfalls. Ein Verfahren, das technisch überzeugt, ist damit für dein Marketing nicht automatisch benutzbar.

Zweitens an der Haltbarkeit. Ein feinjustiertes Modell hängt an einem Basismodell. Wird das abgekündigt, ist deine Figur weg, sofern du keine Referenzbilder aufgehoben hast.

Drittens an der Grundlage. Alle Identitätsverfahren brauchen Ausgangsbilder eines Gesichts, und sobald das ein echter Mensch ist, gehören Einwilligung und Nutzungsrechte geklärt, bevor das erste Bild entsteht. Was dir an einem generierten Bild überhaupt gehört, steht in [Bildrechte bei KI-Bildern](/blog/bildrechte-ki-bilder/).

**Stabilität:** Am höchsten von allen vier, mit der kürzesten Halbwertszeit.

## Wie es in der Praxis zusammengeht

Kein Verfahren allein trägt. Was trägt, ist die Kombination, und die sieht bei kleinen Teams meistens so aus.

Der Textbaustein bleibt immer im Prompt, weil er Kleidung, Haltung und Ausdruck festhält. Dazu kommen zwei bis drei kanonische Referenzbilder, gegen die konsequent referenziert wird, nie gegen das jeweils letzte Ergebnis. Der Seed wird nur festgehalten, wenn eine Serie entsteht. Modellseitige Funktionen nimmst du mit, solange sie da sind, ohne den Ablauf darauf zu bauen.

Der Preis dieser Kombination steht selten dabei: Die Figur hängt an ihren kanonischen Referenzen fest. Soll sie nach einem Jahr anders aussehen, andere Kleidung, anderes Alter, fängst du mit dem Referenzsatz von vorn an.

Und ein Bild, das trotzdem nicht passt, wird nachbearbeitet statt neu generiert. Ein falscher Kragen ist in zwei Minuten retuschiert, ein zwanzigster Generierungsversuch dauert länger.

## Der nächste Schritt

Generier deine Figur zehnmal in zehn verschiedenen Situationen, mit demselben Textbaustein und derselben Referenz. Dann leg die zehn Ergebnisse nebeneinander auf einen Bildschirm und schau sie dir eine Minute lang an, ohne einzelne zu öffnen.

Wenn dir dabei eines als „das ist jemand anderes" ins Auge springt, hast du deine Antwort: Die Figur ist noch nicht produktionsreif, und du weißt an diesem einen Bild auch, welches Merkmal nicht hält. Meistens ist es die Gesichtsform, manchmal nur die Frisur. Wie du diese Prüfung zur Routine machst, steht in der [Qualitätskontrolle vor der Veröffentlichung](/blog/qualitaetskontrolle-ki-bilder/), und der Gesamtzusammenhang im [Leitfaden zur brand-konsistenten KI-Bildgenerierung](/blog/ki-bildgenerierung-marke-guide/).