KI · Prompt-Architektur
Den Plan bauen
Ein Motiv, drei Durchgänge: wie ein JSON-Prompt Feld für Feld wächst.
Die Bildidee
Ein Porsche 911 aus den Siebzigern, geparkt vor einer der Gusseisenfassaden in SoHo. Früher Morgen, die Straße ist noch leer, der Himmel bedeckt, das Licht weich. Das Auto steht im Mittelpunkt, die Fassade gibt den Ort, das Kopfsteinpflaster den Boden.
So würde ich das Bild vor einem Shooting notieren: ein paar Sätze, ein Gefühl für Ort und Licht. Aus dieser Notiz wird jetzt das Formular.
Der erste Wurf
Der erste Prompt ist bewusst knapp. Sieben Felder, mehr braucht es für den Anfang nicht.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Vintage Porsche 911, warm light-grey metallic, black wheels with polished rims, blank license plate",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "White cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows; facade reflects as broad, calm highlights on the side panels",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"focus": "everything sharp, deep depth of field"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.2 Klein 9B · 1024 × 1024 · 4 Steps · Seed 68735976491074 · Prompt 1
Die Ordnung folgt nicht den acht Bereichen der vorigen Seite, sondern dem Schema, das Black Forest Labs für FLUX.2 dokumentiert: scene, subjects, background, lighting, style und camera, dazu ein Feld für das, was nicht ins Bild soll. Die acht Bereiche finden sich trotzdem darin wieder. Motiv und Material stehen beim Auto, die Umgebung im Hintergrund, Tageszeit und Stimmung in der Szene, Bildaufbau und Technik bei der Kamera. Licht und Stil haben eigene Felder.
Einen Rang als Zahl gibt es hier nicht. Er steckt in der Platzierung: Das Auto ist das einzige Subjekt, alles andere ist Hintergrund.
Feld für Feld prüfen
Das Ergebnis ist kein schlechtes Bild. Das Auto stimmt, die Fassade, das Pflaster, das weiche Licht. Was nicht ganz stimmt, ist die Perspektive. Die Kamera ist sauber ausgerichtet, die Filmebene liegt parallel zur Fassade, nichts stürzt. Aber das Auto selbst wirkt leicht verzerrt, die Front etwas überbetont, die Form gedrungener, als ein 911 ist. Es ist eine kleine Abweichung, und doch wirkt das Bild dadurch weniger fotografisch, als es sein könnte.
Legt man die acht Bereiche als Prüfliste über den Prompt, ist die Ursache schnell gefunden. Im Kamerafeld stehen nur „three-quarter view“ und die Schärfe. Standpunkt, Abstand und Brennweite stehen nirgends. Diese Entscheidungen hat das Modell selbst getroffen, und es hat das Wahrscheinlichste gewählt. Das ist genau der Fall aus „Das leere Feld“: Wo die KI zu frei interpretiert, ist meist das betreffende Feld zu dünn beschrieben.
Das Kamerafeld ausbauen
Im zweiten Durchgang bekommt die Kamera, was ein Fotograf ohnehin festlegen würde: Einstellungsgröße, Schärfepunkt, Brennweite und Blende. Nebenbei habe ich die Farbe aus der Beschreibung des Autos gelöst und in ein eigenes Feld gesetzt. Die geänderten Zeilen sind markiert.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Vintage Porsche 911, blank license plate",
"color": "warm light-grey metallic, black wheels with polished rims",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "White cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows; facade reflects as broad, calm highlights on the side panels",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"distance": "medium shot",
"focus": "Sharp focus on the front of the car",
"lens-mm": 85,
"f-number": "f/5.6"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.2 Klein 9B · 1024 × 1024 · 4 Steps · Seed 68735976491074 · links Prompt 1, rechts Prompt 2
Die Ausrichtung der Kamera bleibt gleich. Was sich ändert, ist die Perspektive des Autos: Sie ist ruhiger und verdichteter, die Proportionen wirken natürlich, so wie man es von einer längeren Brennweite aus etwas größerem Abstand kennt. Der Unterschied ist klein, am besten sieht man ihn mit dem Schieber. Aber er entscheidet darüber, ob das Bild nach Fotografie aussieht.
Welcher einzelne Wert das bewirkt hat, lässt sich aus diesem Paar nicht ablesen, denn es hat sich mehr als einer geändert. Es war der ausgebaute Kamerablock als Ganzes.
Zwei Felder ändern, der Rest hält
Im dritten Durchgang ändere ich zwei Dinge: Der Lack wird mattgrau, die Fassade schwarz und abgenutzt. Alles andere bleibt, auch der Seed.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Vintage Porsche 911, blank license plate",
"color": "matte grey, black wheels with polished rims",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "worn black cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows; facade reflects as broad, calm highlights on the side panels",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"distance": "medium shot",
"focus": "Sharp focus on the front of the car",
"lens-mm": 85,
"f-number": "f/5.6"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.2 Klein 9B · 1024 × 1024 · 4 Steps · Seed 68735976491074 · links Prompt 2, rechts Prompt 3
Das Auto steht fast deckungsgleich. Standpunkt, Winkel und Proportionen, die Lage der Feuertreppe, das Pflaster: Alles bleibt, nur Lack und Fassade sind neu. Das deckt sich mit meiner Erfahrung, dass sich die Teile eines JSON-Prompts wenig gegenseitig beeinflussen. Ein Beweis ist dieses eine Paar nicht. Aber es zeigt, wie sich das in der Arbeit anfühlt: Man ändert ein Feld, ohne das ganze Bild neu zu würfeln.
Das gilt nur, solange Modell, Auflösung, Steps und Seed gleich bleiben. Ändert sich eines davon, ist auch die Komposition eine andere.
Wo der Plan reißt
Zwei Stellen halten trotzdem nicht. Die erste steht im Lichtfeld. Dort heißt es seit dem ersten Durchgang, die Fassade spiegle sich als breite, ruhige Lichter in den Seitenteilen. Beim metallischen Lack war das richtig. Matter Lack spiegelt aber kaum, und eine schwarze Fassade wirft kein helles Licht zurück. Im dritten Bild ist die Spiegelung verschwunden. Das Modell hat den Widerspruch zugunsten des Materials aufgelöst.
Die Spiegelung ist eine Wechselwirkung. Sie entsteht erst zwischen Fassade, Licht und Lack. Steht sie nur im Lichtfeld, bleibt sie dort stehen, wenn sich das Material ändert, und widerspricht ihm. Wer ein Feld ändert, muss deshalb prüfen, welche Wechselwirkungen daran hängen.
Die zweite Stelle ist das Feld constraints. Es verbietet Schrift, Logos und Schilder, und trotzdem sitzt in allen drei Bildern das Wappen auf der Haube. Im ersten steht sogar ein kleines Schild im Fenster. Verbote allein wirken schwach. Besser funktioniert nach meiner Erfahrung, das Gewollte positiv zu beschreiben: „empty sidewalk“ statt „no pedestrians“, „plain, unbadged bodywork“ direkt beim Auto statt „no logos“. Das Verbot darf zusätzlich stehen bleiben. In der Szene ist das schon so angelegt: „empty, no people“ beschreibt zuerst, wie die Straße aussieht, und verbietet erst dann.
Derselbe Plan in Flux.3 Klein
Flux.3 Klein liest JSON ebenso direkt wie Flux.2 Klein. Der erste Versuch ist deshalb der unveränderte Prompt 2, ohne Prompt-Upsampler und in 1408 × 1408, der Auflösung, die Flux.3 Klein mindestens braucht.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Vintage Porsche 911, blank license plate",
"color": "warm light-grey metallic, black wheels with polished rims",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "White cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows; facade reflects as broad, calm highlights on the side panels",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"distance": "medium shot",
"focus": "Sharp focus on the front of the car",
"lens-mm": 85,
"f-number": "f/5.6"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.3 Klein · 1408 × 1408 · 12 Steps · Seed 192230550104121 · Versuch 1
Das Auto ist als 911 zu erkennen, aber die Proportionen stimmen nicht. Die Front ist zu lang und zu wulstig, Räder und Karosserie passen nicht zusammen. Auch mit anderen Seeds und in 1024 × 1024 wurde es nicht besser.
Die Prüfung führt diesmal zum Feld des Autos. „Vintage Porsche 911“ genügt Flux.2 Klein, Flux.3 Klein genügt es nicht. Welches Feld zu dünn ist, hängt also auch davon ab, welches Modell liest.
Dass Flux.3 Klein generell genauere Beschreibungen braucht, ist mein Eindruck aus einigen Motiven, keine Angabe von Black Forest Labs. Dafür spricht der Standard-Workflow: Dort ist ein Prompt-Upsampler eingebaut, ein eigenes Sprachmodell von mehreren Gigabyte, das aus einem knappen Prompt einen langen, detaillierten Text macht. So etwas baut niemand ohne Grund ein. Der Upsampler trifft dabei Entscheidungen, aber nur dort, wo der Prompt nichts festlegt, und er schreibt sie aus, bevor das Bild entsteht. Das bestätigt, worum es auf diesen Seiten geht: Das Modell arbeitet am besten, wenn jede Entscheidung beschrieben ist. Ich lasse ihn trotzdem aus, weil er JSON-Prompts in Prosa auflöst und dabei auch ungenauer macht, was schon festgelegt war. Die fehlenden Beschreibungen schreibe ich stattdessen selbst in den Plan. Im zweiten Versuch nennt der Prompt deshalb Typ und Baujahr.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Porsche 911 Carrera, 1973, blank license plate",
"color": "warm light-grey metallic, black wheels with polished rims",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "White cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows; facade reflects as broad, calm highlights on the side panels",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"distance": "medium shot",
"focus": "Sharp focus on the front of the car",
"lens-mm": 85,
"f-number": "f/5.6"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.3 Klein · 1408 × 1408 · 12 Steps · Seed 192230550104121 · Versuch 2
Jetzt sitzt das Auto. Dass es von der anderen Seite zu sehen ist, ist kein Fehler. „three-quarter view“ legt nicht fest, von welcher Seite. Flux.2 Klein hat sich für die eine entschieden, Flux.3 Klein für die andere. Auch das ist ein leeres Feld, an einem Wert, den man für festgelegt hielt.
Im dritten Versuch folgen dieselben Änderungen wie bei Flux.2 Klein: matter Lack, schwarze Fassade. Diesmal ist auch die Spiegelung aus dem Lichtfeld gestrichen, denn bei mattem Lack und dunkler Fassade gibt es sie nicht.
{
"scene": "Quiet SoHo street, New York, early morning, empty, no people",
"subjects": [
{
"description": "Porsche 911 Carrera, 1973, blank license plate",
"color": "matte-grey, black wheels with polished rims",
"position": "lower half of frame, parked at the curb parallel to the building",
"action": "parked"
}
],
"background": "worn black cast-iron storefront, columns framing tall shop windows that faintly mirror the street, lowest flight of a fire escape at the top edge, worn grey cobblestones",
"lighting": "Soft, even overcast daylight, no hard shadows",
"style": "Photorealistic, natural muted colors",
"camera": {
"angle": "three-quarter view",
"distance": "medium shot",
"focus": "Sharp focus on the front of the car",
"lens-mm": 85,
"f-number": "f/5.6"
},
"constraints": "No text, lettering, logos or signs anywhere"
}
Flux.3 Klein · 1408 × 1408 · 12 Steps · Seed 192230550104121 · Versuch 3
Die Komposition hält auch hier. Lack und Fassade sind neu, Standpunkt, Winkel und Auto bleiben. Flux.3 Klein verhält sich bei geänderten Feldern also so wie Flux.2 Klein.
Der Plan steht
Drei Durchgänge, und jeder hat an einer bestimmten Stelle angesetzt, statt den ganzen Prompt neu zu schreiben. Flux.2 Klein und Flux.3 Klein lesen den Plan so, wie er ist, auch wenn jedes an einer anderen Stelle mehr Beschreibung braucht. Andere Modelle brauchen eine Übersetzung in Prosa oder Stichworte. Wie das geht, zeigt die nächste Seite.