KI-Bild-Prompts schreiben: T2I-Struktur, visuelles Vokabular und Beispiele

Warum der Prompt in KI-Bildern alles entscheidet

Text-zu-Bild-Modelle (T2I) "verstehen" Ihre Idee nicht — sie ordnen Ihre Wörter Mustern in den Milliarden von Bildern zu, auf denen sie trainiert wurden. Der Prompt ist die einzige Anweisung, die sie erhalten, und kleine Formulierungsunterschiede ändern, was sie malen. "Ein Hund im Park" und "ein zerzauster Terrier im Sprung nach einem Tennisball, geflecktes Licht durch die Bäume, 85-mm-Objektiv, flaches Tiefenfeld" erzeugen aus demselben Modell zwei völlig verschiedene Bilder.

Dieser Leitfaden behandelt die Struktur, die funktioniert: die achtteteilige T2I-Prompt-Formel, das visuelle Vokabular, dem Bildmodelle folgen, wie man einen Prompt auf das benutzte Modell zuschneidet und die Fehler, die das Ergebnis abflachen.

Die achtteteilige T2I-Prompt-Formel

Jeder starke T2I-Prompt beantwortet diese Fragen, in etwa in dieser Reihenfolge:

1. Motiv — wer oder was ist im Bild, mit konkreten Details (nicht "eine Person", sondern "ein vom Wetter gezeichneter Fischer in einer Leinenjacke").
2. Details — Materialien und Texturen, die es konkret machen: Stoffwebart, Fell, Haut, Patina auf Metall.
3. Szene und Zeit — wo es ist und die Atmosphäre: ein Hinterhof, ein Studio, eine Küste. Tageszeit und Wetter bestimmen die Palette stärker als jedes Stilwort.
4. Komposition — wie das Bild aufgebaut ist: Drittelregel, zentriert, führende Linien, negativer Raum, Rahmen im Rahmen.
5. Licht — der Charakter des Lichts: Golden Hour, Konturenlicht, volumetrische Lichtstrahlen, Neon, Kerzenschein, weiches Studiolicht, Chiaroscuro.
6. Farbe — die Richtung der Palette: Teal & Orange, gedämpfte Erdtöne, Pastell, monochrom, Juwelentöne.
7. Stil, Medium und Stimmung — die visuelle Sprache (fotorealistisch, cinematisch, Anime, Ölgemälde, Pixel-Art) und der emotionale Ton (dramatisch, ruhig, melancholisch).
8. Kamera und Format — Schussgröße (Close-up, Ganzkörper, Ultra-Weitwinkel), Brennweite (35 mm, 85 mm), Winkel und das Seitenverhältnis, das Sie wirklich brauchen.

Arbeitsbeispiel

Aus den acht Teilen oben zusammengebaut, ein fotorealistisches Porträt:

"ein vom Wetter gezeichneter alter Fischer, salzbestäubte Leinenjacke, im Morgengrauen am Ende einer kleinen Mole stehend, Nebel über dem Wasser, zentrierte Komposition mit negativem Raum oben, weiches Golden-Hour-Licht von links, gedämpfte Erdtöne, fotorealistische Fotografie, melancholische Stimmung, 85-mm-Porträtobjektiv, Medium-Close-up, 4:5"

Zählen Sie: Motiv, Textur, Ort, Tageszeit, Nebel, Komposition, Licht, Farbe, Stil, Medium, Stimmung, Brennweite, Schussgröße, Format — vierzehn Elemente, jede Wendung erledigt eine Aufgabe, nichts davon ist Dekoration. Ein kurzer Qualitätssatz am Ende — "ultradetailliert, natürliches Licht" — liest das Modell als Qualitätsziel.

Visuelles Vokabular, das Bildmodelle verstehen

Bildmodelle werden auf Fotos und Kunstwerken trainiert, die mit Fachterminologie annotiert sind — deshalb funktionieren die Standardbegriffe. Die, die Sie am häufigsten verwenden:

• Schussgröße — extremes Close-up, Close-up, Medium Shot, Ganzkörperschuss, Langschuss, extrem weite Aufnahme, Vogelperspektive, Over-the-shoulder, Zweier-Schuss.
• Winkel — Augenhöhe, Froschperspektive, Adlerperspektive, Flugperspektive, Käferverspektive, Dutch Angle, POV.
• Brennweite und Schärfe — 24 mm Weitwinkel, 35 mm Straßenoptik, 50 mm, 85 mm Porträt, 135 mm Tele, Makro 1:1; flaches Tiefenfeld mit cremigem Bokeh bei f/1.4 oder f/16 für alles scharf.
• Licht — Golden Hour, Blue Hour, Gegenlicht, Konturenlicht, volumetrisches Licht, Lichtstrahlen (God Rays), Neon, Kerzenschein, Mondlicht, High-Key, Low-Key, Rembrandt-Licht, Chiaroscuro, dramatischer Schatten.
• Film und Textur — 35-mm-Filmfotografie, Kodak Portra 400, körnige Filmtönung, Lichtleck, direktes Blitzlicht einer Kompaktkamera, VHS-Bild.
• Kunstmedien — Ölmalerei impasto, Aquarell, Kohleskizze, Tintenlinien, Buntstift, Pixel-Art, Isometrie, zellenschattiertes Anime, Comic-Raster, Pop-Art, Ukiyo-e-Holzschnitt, Glitch-Art.

Sie müssen nicht alles benennen. Ein oder zwei technische Entscheidungen — "85-mm-Porträtobjektiv, flaches Tiefenfeld" oder "Ölgemälde im Impasto" — verschieben das Ergebnis oft mehr als drei Stiladjektive.

Den Prompt auf das Modell zuschneiden

Die wichtigsten Bildmodelle stammen aus verschiedenen Labs: Midjourney V7 (Midjourney), DALL·E 3 (OpenAI), Flux.1 (Black Forest Labs), Imagen 3 (Google) und Stable Diffusion 3.5 (Stability AI), dazu die chinesischen Modelle Seedream (ByteDance), Kolors (Kuaishou), Wan und Z-Image Turbo (Alibaba), MiniMax Image und ERNIE ViLG (Baidu). Ihre Prompt-Strategien unterscheiden sich praktisch in zwei Punkten:

• Sprache. Die chinesischen Modelle sind Chinesisch-Muttersprachler — chinesische Prompts lesen sich für sie am natürlichsten; der Rest wurde überwiegend auf Englisch trainiert. Schreiben Sie den Prompt in der Sprache, in der das Modell am stärksten ist.
• Qualitätssatz. Jedes Modell hat seinen bevorzugten Schlusssatz — Flux.1 mag "photorealistic, accurate detail", Midjourney V7 "cinematic, highly detailed, artistic composition". Mit dem richtigen Zusatz liest sich dieselbe Auswahl für jedes Modell wie ein nativer Prompt.

Der KI-Bild-Prompt-Generator übernimmt beides: Er stimmt die Ausgabesprache auf das Modell ab (Chinesisch für die chinesischen Modelle auf der chinesischen Seite, sonst überall Englisch) und hängt den Qualitätszusatz jedes Modells an.

Sieben Fehler, die KI-Bilder abflachen

• Unklares Motiv. "Irgendjemand irgendwo" lässt das Modell die Besetzung erfinden; seien Sie konkret darüber, wer oder was im Bild ist.
• Widersprüchliche Stile. "Fotorealistisches Ölgemälde" hebt sich selbst auf; wählen Sie eine visuelle Sprache und halten Sie sie ein.
• Keine Lichtabsicht. Ohne Lichtrichtung fällt das Modell auf flaches, neutrales Kataloglicht zurück; benennen Sie Ihr Licht.
• Adjektivsuppe. Zwanzig Stilwörter verwässern jede Anweisung; zehn konkrete Deskriptoren schlagen meist fünfzig Adjektive.
• Gemischte Sprachen. Halten Sie den Prompt in einer Sprache; halbe Übersetzungen verwirren das Modell.
• Seitenverhältnis ignoriert. Der quadratische Standard passt nicht zu Desktop-Hintergründen, Bannern oder Covers — deklariert von vornherein 16:9, 4:5 oder 3:2.
• Verneinung statt Bejahung. "Keine Unschärfe, keine überzähligen Finger" wirkt weniger verlässlich, als zu beschreiben, was Sie wollen: scharfe Fokussierung, saubere Hände, ein Motiv.

Prompts mit Struktur bauen

Statt Freitext können Sie Optionen in einem strukturierten Raster wählen. Der KI-Bild-Prompt-Generator deckt 10 Kategorien ab — Motivart, Szenerie, Komposition, Licht, Farbpalette, Kunststil, Medium, Stimmung, Kamera und Seitenverhältnis — mit einem Referenzbild für jede Option, und setzt Ihre Einzelwahl pro Kategorie in einen auf das Zielmodell abgestimmten Prompt zusammen. Er läuft vollständig im Browser: nichts von dem, was Sie schreiben, wird hochgeladen.