KI · Prompt-Architektur
Prompts für SDXL
CLIP denkt in Listen — Reihenfolge, Gewichtung und der negative Prompt als aktives Steuerungsinstrument.
CLIP denkt in Listen
SDXL arbeitet ausschließlich mit CLIP-Encodern. Was das bedeutet, hast du im vorherigen Artikel gelesen — hier geht es um die praktischen Konsequenzen: Wie baust du einen SDXL-Prompt auf, der das Modell zuverlässig steuert?
Die Grundform ist eine kommaseparierte Liste von Konzepten. Keine vollständigen Sätze, keine Relativsätze, keine Präpositionalphrasen. CLIP liest keine Grammatik — es liest Konzepte.
woman in long coat, wet cobblestone street, night, streetlight glow, dramatic rim light, fog, glossy wet reflections, leather coat texture, moody atmosphere, photorealistic
Das ist kein schlechtes Deutsch. Das ist die richtige Sprache für diesen Encoder.
Reihenfolge ist Gewichtung
Bei CLIP zählt, was früh kommt. Frühere Tokens werden stärker gewichtet als spätere — nicht dramatisch, aber messbar. Das hat eine direkte Konsequenz für deinen Aufbau: Was du wirklich sehen willst, steht vorne.
Eine sinnvolle Reihenfolge orientiert sich an den 8 Kategorien aus dem Grundlagen-Artikel — aber nicht alle müssen immer vorkommen, und die Reihenfolge innerhalb deines Prompts sollte deine eigene Priorität widerspiegeln:
[Subjekt] → [Komposition/Shot] → [Umgebung] → [Licht] → [Material] → [Atmosphäre] → [Stil] → [Technik]
Praktisches Beispiel für eine Interieur-Aufnahme:
Scandinavian kitchen interior, ← Subjekt eye level shot, wide angle, ← Komposition floor-to-ceiling windows, open plan, ← Umgebung soft natural daylight, morning light from left, ← Licht matte white upper cabinets, light oak lower ← Material cabinets and island, gray stone countertops, bright and airy, warm, ← Atmosphäre editorial photography, Architectural Digest, ← Stil 35mm lens, shallow depth of field ← Technik
Gewichtungssyntax
CLIP versteht explizite Token-Gewichtung. Die Syntax in ComfyUI und den meisten SDXL-Interfaces:
Sinnvoller Bereich: 0.7 bis 1.4. Darüber wird das Ergebnis instabil — das Modell übergewichtet das Token auf Kosten aller anderen.
Gewichtung ist das wichtigste Steuerungsinstrument bei SDXL, weil es das einzige ist, das über Reihenfolge hinausgeht. Wenn ein Element im Ergebnis zu schwach auftaucht, obwohl es im Prompt steht: erst Reihenfolge prüfen, dann Gewichtung erhöhen.
Praktisches Beispiel: Das Element "floor-to-ceiling windows" wurde im ersten Kitchen-Test nicht umgesetzt. Mit Gewichtung:
(floor-to-ceiling windows:1.4), open plan kitchen, soft natural daylight flooding in
Das ist ein Test, den es lohnt durchzuführen — und dessen Ergebnis direkt zeigt, wie viel Einfluss explizite Gewichtung auf ein einzelnes Element hat.
Zwei Materialien brauchen eine Zuordnung
Eine häufige Fehlerquelle: Wenn zwei Materialien oder zwei Objekte derselben Kategorie im Prompt stehen, ohne dass ihre räumliche Beziehung beschrieben wird, entscheidet das Modell selbst, wie es sie im Bild verteilt.
matte white cabinetry, light oak wood fronts
Das Modell sieht: zwei Materialien, beide für Küchenschränke. Plausible Lösung: eine Seite weiß, eine Seite Eiche. Nicht falsch — aber vermutlich nicht das, was du wolltest.
Mit expliziter Zuordnung:
matte white upper cabinets, light oak wood lower cabinets and island
Jetzt hat jedes Material einen definierten Platz. Das Modell muss nicht interpretieren.
Diese Regel gilt über Interieur hinaus: für Lichtquellen ("warm key light from left, cool fill from right"), für Personen im Bild, für Objekte mit Lagebeziehungen. Immer wenn zwei Elemente derselben Kategorie vorkommen — Beziehung explizit machen.
Der negative Prompt
Bei SDXL ist der negative Prompt ein aktiv genutztes Steuerungsinstrument — anders als bei Flux, wo er kaum wirkt. Er beschreibt, was das Modell nicht generieren soll.
Aus SD1.5-Zeiten stammt die Gewohnheit, mit sehr langen negativen Prompts zu arbeiten — Listen mit 30 oder 40 Einträgen als universelle Vorlage. Das ist bei Juggernaut XL kontraproduktiv: Das Modell ist bereits stark auf Qualität trainiert, ein überladener negativer Prompt frisst Token-Budget und schränkt das Modell mehr ein als es hilft.
Ein kompakter, funktionierender Ausgangspunkt für fotorealistische Aufnahmen:
blurry, low quality, deformed, bad anatomy, watermark, text, oversaturated, cartoon
Von hier aus nur ergänzen, wenn ein spezifisches Problem im Ergebnis auftaucht — nicht prophylaktisch.
Was bei SDXL nicht funktioniert
Ausformulierte Sätze
"A woman walks across a wet cobblestone street at night" — CLIP liest daraus "woman", "walks", "wet", "cobblestone", "street", "night" als einzelne Tokens. Die syntaktische Beziehung geht verloren. Das Ergebnis ist oft trotzdem verwendbar, aber du verschenkst Präzision. Besser: Stichwortliste.
Zu lange negative Prompts
Mehr als 10–12 Einträge im negativen Prompt beginnen, das Ergebnis einzuschränken statt zu verbessern. CLIP-Token-Budget ist begrenzt; ein zu langer negativer Prompt "verdrängt" positive Inhalte.
Der vollständige SDXL-Workflow auf einen Blick
Positiver Prompt: [Subjekt, Komposition, Umgebung, Licht, Material, Atmosphäre, Stil, Technik] — kommasepariert, Priorität bestimmt Reihenfolge, Gewichtung wo nötig Negativer Prompt: Kompakt, 6–10 Einträge, nur echte Probleme ausschließen KSampler-Werte für Juggernaut XL: cfg: 4–5 · steps: 30 · sampler: dpmpp_2m · scheduler: karras
Wie lang darf ein Prompt sein?
Das Token-Limit liegt nicht am Modell, sondern am Encoder. CLIP hat ein hartes Limit von 77 Tokens pro Prompt — was darüber hinausgeht, wird nicht schlechter verarbeitet, sondern schlicht ignoriert.
Tokens sind nicht dasselbe wie Wörter. Faustregel: 1 Wort ≈ 1–2 Tokens. Kurze, häufige Wörter ("fog", "night", "soft") kosten 1 Token. Längere oder zusammengesetzte Begriffe ("cobblestone", "photorealistic") kosten 2–3. Zahlen und Sonderzeichen kosten ebenfalls mehr.
Positiver und negativer Prompt haben je ein eigenes 77-Token-Budget — sie teilen sich das Limit nicht.
ComfyUI zeigt dir die aktuelle Token-Anzahl live im Textfeld des CLIPTextEncode-Nodes an. Damit siehst du sofort, ob du im Budget bist.
Für längere Prompts gibt es eine Erweiterungsmöglichkeit: Der Node CLIPSetLastLayer oder die Token-Merging-Einstellung in ComfyUI erlaubt es, das Limit auf 154 oder 231 Tokens zu erhöhen, indem mehrere CLIP-Durchläufe kombiniert werden. Juggernaut XL unterstützt das. Für die meisten Aufgaben ist das nicht nötig — aber gut zu wissen, wenn ein Prompt systematisch am Ende abgeschnitten wird.
Bei Flux gilt: Das clip_l-Feld hat dasselbe 77-Token-Limit. Das t5xxl-Feld dagegen verarbeitet bis zu ~512 Tokens — ausformulierte Sätze sind dort kein Problem.