Concept
Deterministisch und stochastisch
Gleiches Modell, gleicher Prompt, sechs verschiedene Läufe ohne fixen Seed
Das Bild auf dieser Seite entstand mit einem einzigen Prompt. Nicht einmal — sechsmal, mit erselben Perspektive, denselben Einstellungen. Sechs verschiedene Küchen, sechs verschiedene Kompositionen, sechs verschiedene Interpretationen derselben Idee. Keine davon ist falsch. Aber keine ist reproduzierbar.
Wer aus der Fotografie oder CGI kommt kennt dieses Gefühl als das was es ist: Kontrollverlust.
Wer versteht warum das passiert — und warum es so passieren muss — hat die wichtigste Lektion in der Arbeit mit KI bereits gelernt.
Zwei grundlegend verschiedene Systeme
Ein 3D-Programm wie Blender ist ein deterministisches System.
Deterministisch bedeutet: gleiche Eingabe, gleiches Ergebnis. Immer. Ohne Ausnahme.
Wenn du in Blender eine Kamera an eine bestimmte Position setzt, eine Brennweite von 85mm wählst und ein Objekt exakt in der Bildmitte platzierst — dann ist dieses Bild definiert. Du kannst die Datei ein Jahr später öffnen, auf einem anderen Rechner, mit einer anderen Blender-Version — und du erhältst dieselbe Perspektive, dieselben Proportionen, dieselbe Komposition. Das ist keine Selbstverständlichkeit. Das ist das Ergebnis eines Systems das auf mathematischer Präzision aufgebaut ist.
Diese Eigenschaft ist der Grund warum CGI in der professionellen Bildproduktion so wertvoll ist. Ein Kunde kann ein Jahr nach der ersten Produktion anrufen und ein Rendering desselben Produkts in einer anderen Farbe bestellen. Dieselbe Perspektive, dieselbe Lichtsituation, derselbe Bildaufbau — nur die Oberfläche hat sich verändert. Das ist mit einer Kamera im Studio nur mit erheblichem Aufwand reproduzierbar. In Blender ist es eine Frage von Minuten.
Ein KI-Bildmodell ist ein stochastisches System.
Stochastisch bedeutet: gleiche Eingabe, ähnliches — aber nie identisches — Ergebnis. Das ist keine Fehlfunktion. Es ist Absicht. Das Bild ist das Ergebnis statistischer Wahrscheinlichkeiten.
KI-Bildmodelle basieren auf einem Prozess der buchstäblich mit Statistik und Zufall arbeitet. Das Modell beginnt mit einem Bild aus reinem Rauschen — zufällig verteilten Pixeln ohne jede Struktur — und entfernt dieses Rauschen schrittweise, geleitet durch den Prompt und die gelernten Muster aus Millionen von Trainingsbildern. Jeder dieser Schritte enthält eine stochastische Komponente. Das Ergebnis ist nie exakt vorhersagbar.
Das klingt nach einem Nachteil. Es ist keiner.
Genau diese Eigenschaft ist der Grund warum KI-Bilder so beeindruckend wirken. Materialien die nicht wie Texturen aus einer Bibliothek aussehen sondern wie echte Oberflächen. Lichtstimmungen die nicht berechnet sondern interpretiert wirken. Atmosphäre die ein CGI-Rendering selbst mit stundenlanger Arbeit kaum erreicht. Die stochastische Natur des Systems ist nicht das Problem — sie ist die Quelle seiner kreativen Stärke.
Das eigentliche Problem
Das Problem entsteht nicht durch die stochastische Natur der KI. Es entsteht wenn man versucht mit einem stochastischen System deterministische Aufgaben zu lösen — Aufgaben bei denen exakt reproduzierbare Ergebnisse gefordert werden.
Komposition ist eine deterministische Aufgabe. Perspektive ist eine deterministische Aufgabe. Produktplatzierung, Brennweite, Größenverhältnisse, Fluchtlinien — das sind Entscheidungen die exakt definiert und reproduzierbar sein müssen. Ein Prompt kann eine Komposition beschreiben. Er kann sie nicht garantieren.
Dasselbe gilt übrigens zwischen verschiedenen Modellen: derselbe Prompt, völlig unterschiedliche Interpretationen — je nachdem welches Modell ihn verarbeitet.
Verschiedene Modelle, gleicher Prompt — Flux.1, Flux.2, Cloud-Varianten im Vergleich
Lichtstimmung und Materialverhalten sind in einem klassischen 3D-Renderer keine stochastischen Aufgaben — sie sind hochpräzise deterministische Berechnungen. Ein Unbiased Renderer berechnet den Weg jedes Lichtstrahls physikalisch korrekt: Reflexionen, Brechungen, Streuung, die Wechselwirkung zwischen Licht und Oberfläche nach den Gesetzen der Physik. Das ist der PBR-Workflow — und genau deshalb erfordert er so viel Arbeit: weil jedes Material, jede Textur, jede Lichtquelle präzise definiert sein muss damit das Ergebnis nicht synthetisch wirkt. Eine überzeugende Oberfläche besteht nicht aus einer perfekt gekachelten Textur — sie besteht aus Variation: Schmutz der sich in Ritzen sammelt, abgenutzte Kanten, Farbunterschiede durch Alterung, zufällige Imperfektionen ohne Wiederholungsmuster. Genau dieser Teil kostet in CGI unverhältnismäßig viel Zeit.
Was die KI stattdessen leistet ist etwas anderes: sie interpretiert nicht wie Licht physikalisch funktioniert — sie interpretiert wie ein Bild aussehen soll. Die Anmutung. Den Look. Die zufälligen Unvollkommenheiten einer Oberfläche die kein Textur-Set vollständig reproduzieren kann. Das Patina auf einem alten Pflasterstein. Die Art wie Feuchtigkeit auf Metall wirkt. Diese visuelle Intelligenz stammt nicht aus physikalischen Gesetzen sondern aus Millionen von Trainingsbildern — und genau das macht sie stochastisch und gleichzeitig überzeugend.
Die meisten KI-Workflows machen denselben Fehler: sie versuchen beide Kategorien mit demselben Werkzeug zu lösen — mit einem Prompt. Das funktioniert für gelegentliche, nicht reproduzierbare Bilder. Für professionelle Bildproduktion funktioniert es nicht.
Die Lösung: Jedem System seine Aufgabe
Der Ausweg ist kein besserer Prompt. Der Ausweg ist die bewusste Trennung beider Aufgaben — und die Zuweisung jeder Aufgabe an das System das dafür gebaut ist.
Was deterministisch festgelegt wird:
Perspektive und Kamerastandpunkt
Brennweite und Bildausschnitt
Komposition und Bildaufbau
Objektplatzierung und Größenverhältnisse
Räumliche Beziehungen zwischen Elementen
Corporate-Design-relevante Elemente — Logos, Typografie, Branding
Diese Entscheidungen trifft der Gestalter in Blender. Präzise, reproduzierbar, ohne Überraschungen.
Was der KI zur Interpretation überlassen wird:
Die visuelle Anmutung von Materialien und Oberflächen
Lichtstimmung und Atmosphäre
Umgebungsdetails
Oberflächenimperfektionen und visuelle Nuancen
Die Gesamtwirkung des Bildes
Diese Entscheidungen überlässt der Gestalter der KI — bewusst, mit definierten Grenzen, aber mit echter kreativer Freiheit innerhalb dieser Grenzen.
Das Ergebnis ist weder ein klassisches Rendering noch ein reines KI-Bild. Es ist ein Bild das die Stärken beider Systeme nutzt und die Schwächen beider vermeidet.
Der entscheidende Gedanke
Es geht nicht darum die KI zu kontrollieren.
Es geht darum zu entscheiden wie viel Kontrolle man abgibt — und an welcher Stelle.
Das ist eine gestalterische Haltung die jeder kennt der professionell mit Bildern arbeitet. Ein Fotograf der auf der Straße fotografiert entscheidet bewusst welche Variablen er dem Moment überlässt — eine vorbeigehende Person, ein Spiegelreflex im Schaufenster, das genaue Aussehen von Wolken. Er definiert den Rahmen: Standpunkt, Brennweite, Belichtung. Was innerhalb dieses Rahmens passiert — das lässt er offen. Nicht aus Kontrollverlust, sondern als gestalterische Entscheidung.
KI-Bildgenerierung funktioniert nach demselben Prinzip. Der Gestalter definiert den Rahmen. Die KI füllt ihn — mit der visuellen Intelligenz aus Millionen von Bildern, die kein Renderer berechnen und kein Textur-Set reproduzieren kann.
RAY-L ist das Werkzeug das diesen Rahmen zwischen Blender und KI zieht — und dem Gestalter die Kontrolle darüber gibt wo genau die Grenze verläuft.
In der Praxis
Ein konkretes Beispiel: Ein Produkt soll in einer stimmungsvollen urbanen Umgebung bei Nacht fotografiert werden. Nasses Kopfsteinpflaster, Straßenlaternen, Bokeh im Hintergrund.
Mit einer Kamera: Location Scouting, Produktionsteam, Wetterabhängigkeit, Genehmigungen, Stunden am Set.
Mit reiner KI: Der Prompt beschreibt die Szene — aber wo genau steht das Produkt im Bild? In welcher Größe? Mit welcher Perspektive? Das ist schwer zu garantieren und kaum reproduzierbar. Die sechs Bilder am Anfang dieses Artikels zeigen genau das.
Mit Blender und RAY-L: Die Komposition wird in Blender definiert — Kameraposition, Brennweite, exakte Produktplatzierung, Größenverhältnisse zur Umgebung. Diese Struktur wird als ControlNet-Input an die KI übergeben. Die KI interpretiert: das nasse Pflaster, die Lichtatmosphäre, die Tiefenschärfe, die Gesamtstimmung. Das Ergebnis hat die kompositorische Präzision eines CGI-Renderings und die visuelle Überzeugungskraft einer KI-Bildgenerierung.
Bild
before-after-night-scene.jpg
Before/After — Blender-Render (Canny-Struktur) → RAY-L Ergebnis · Nachtszene
Das deterministisch/stochastische Prinzip ist nicht abstrakt. Es ist eine Entscheidung die man bei jedem Bild neu trifft — und die den Unterschied zwischen einem Zufallsergebnis und einem professionellen Bild ausmacht.