Die kreative Arbeitsteilung

In einem RAY-L-Workflow gibt es drei Instanzen die Entscheidungen treffen. Jede hat ihre eigene Stärke — und ihre eigene Grenze.

Der Gestalter trifft die konzeptionellen Entscheidungen: Was soll das Bild zeigen? Welche Stimmung soll es haben? Welche Geschichte erzählt es? Das ist die Ebene die kein Werkzeug übernehmen kann und soll.

Blender setzt die räumlichen Entscheidungen um: Wo steht die Kamera? Welche Brennweite? Wie groß ist das Produkt im Verhältnis zur Umgebung? Wo genau stehen die Möbel im Raum? Diese Entscheidungen sind deterministisch — sie sind exakt, reproduzierbar und unabhängig davon welches KI-Modell später zum Einsatz kommt.

Die KI übernimmt die visuelle Ausarbeitung: Wie wirkt das Licht? Welche Atmosphäre hat der Raum? Wie lebt die Szene? Diese Entscheidungen profitieren von Interpretation — von der visuellen Intelligenz eines Modells das aus Millionen von Bildern gelernt hat wie Licht, Oberflächen und Atmosphäre zusammenwirken.

Aber diese drei Instanzen sind nicht die ganze Geschichte. Es gibt eine vierte Ebene — und sie ist entscheidend für professionelle Ergebnisse.

Manche Bildelemente dürfen sich nicht verändern. Nicht zwischen zwei Renders desselben Projekts. Nicht zwischen Varianten für denselben Kunden. Nicht wenn das Modell wechselt.

Das sind immer Elemente die außerhalb der kreativen Interpretation liegen:

Komposition und Perspektive — die Kameraposition, die Brennweite, der Bildausschnitt. Ein Sofa das links im Raum platziert wurde bleibt links. Eine Perspektive von leicht oben bleibt von leicht oben. Das sind Entscheidungen die der Gestalter trifft — und Blender hält sie fest.

Raumproportionen und Möbelplatzierung — wo genau stehen die Elemente, wie groß sind sie im Verhältnis zueinander, welche räumlichen Beziehungen gibt es. Diese Informationen stecken in der Geometrie — ControlNet Canny extrahiert sie als Kantenstruktur und übergibt sie der KI als verbindliche Referenz.

Corporate-Design-relevante Elemente — Logos, Typografie, Farben die einer Marke gehören. Diese darf die KI nicht interpretieren. Nicht weil sie es nicht könnte — sondern weil das Ergebnis falsch wäre.

Zwischen "vollständig deterministisch" und "vollständig der KI überlassen" gibt es eine dritte Kategorie — und sie ist in der professionellen Bildproduktion unverzichtbar.

Manche Bildelemente sind nicht aus der Geometrie ableitbar, dürfen aber trotzdem nicht dem Zufall überlassen werden. Ein Fischgrätparkett mit einem bestimmten Holzton und Verlegemuster. Ein Lederstoff in einer definierten Farbe und Körnung. Ein Betonfinish das der Architekt vorgegeben hat. Ein Stoff dessen Textur zur Produktlinie gehört.

Diese Elemente können nicht über Blender-Geometrie übertragen werden — Blender weiß nur wo der Boden ist, nicht wie er aussieht. Und sie dem Prompt zu überlassen würde bedeuten: "Fischgrätparkett hell, warmer Holzton" — und zu hoffen dass die KI dieselbe Vorstellung hat wie der Gestalter.

Die Lösung ist das Referenzbild. Via IP-Adapter oder Reference Image Node in ComfyUI wird ein konkretes Bild des gewünschten Materials als zusätzlicher Input übergeben. Die KI übernimmt nicht die Komposition aus diesem Bild — sondern die visuelle Qualität der Oberfläche. Das Muster, den Ton, die Körnung.

Das Ergebnis: der Raum hat die Geometrie aus Blender, das Parkett hat den Look aus dem Referenzbild, und die Lichtstimmung interpretiert die KI frei.

Auf der anderen Seite stehen Bildelemente die von Interpretation profitieren — bei denen das stochastische Verhalten der KI kein Problem ist sondern ein Gewinn.

Lichtstimmung und Atmosphäre — die Gesamtwirkung des Lichts, nicht seine physikalische Berechnung. Warmes Abendlicht das durch ein Fenster fällt und lange Schatten wirft. Kühles nordisches Tageslicht das den Raum klar und ruhig erscheinen lässt. Beide Stimmungen entstehen aus demselben Blender-Grundgerüst — nur der Prompt und die KI-Interpretation ändern sich.

Umgebungsdetails und Lebendigkeit — alles was die Szene lebendig macht ohne im Vordergrund zu stehen. Wie das Licht auf der Wand streut. Welche Reflexionen auf dem Parkett entstehen. Ob Pflanzen im Hintergrund zu erahnen sind.

Visuelle Nuancen — die zufälligen Unvollkommenheiten die ein Bild überzeugend machen. Staub im Licht. Eine leichte Unschärfe im Hintergrund. Details die kein Textur-Set vollständig reproduzieren kann aber die KI aus ihrem Training mitbringt.

Das Entscheidende ist nicht die Liste was kontrolliert wird und was nicht. Das Entscheidende ist dass diese Grenze eine bewusste Entscheidung ist — keine Standardeinstellung.

ControlNet-Stärke ist dabei das wichtigste Werkzeug. Eine hohe Stärke bedeutet: die KI folgt der Geometrie sehr eng, wenig Spielraum für Interpretation. Eine niedrige Stärke bedeutet: die Geometrie ist nur eine grobe Orientierung, die KI interpretiert freier.

Dasselbe gilt für Referenzbilder: wie stark der IP-Adapter gewichtet wird bestimmt wie nah das Ergebnis am Referenzmaterial bleibt. Maximal gewichtet reproduziert die KI das Material fast exakt. Niedrig gewichtet nimmt sie es als Inspiration.

Beides zusammen ergibt ein präzises Steuerungssystem: Geometrie aus Blender, Materialidentität aus Referenzbildern, Atmosphäre und Lichtstimmung frei für die KI.