Concept · 0.01

Fotografieren ohne Kamera

Vor dreißig Jahren habe ich analog fotografiert und abends meine Filme im Labor entwickelt. Dann kamen die ersten Digitalkameras, später die fotorealistischen Renderings, und vor mehr als fünfzehn Jahren habe ich mein Studio aufgegeben und nur noch am Rechner gearbeitet. Jedes dieser Werkzeuge hat mich meine Bilder besser umsetzen lassen. Die KI war das erste, bei dem es umgekehrt war.

Dass mir die Kamera dabei abhandengekommen ist, habe ich nie wirklich gemerkt. Es ging nie um sie. Es ging darum, ein Bild, das ich im Kopf hatte, so sichtbar zu machen, dass andere es sehen können.

Eine Linie, die lange vor der KI beginnt

So gelesen handelt die Geschichte der Bildproduktion weniger von besseren Apparaten als von wachsender Steuerbarkeit. Draußen wählt der Fotograf aus, was schon da ist: Standpunkt, Ausschnitt, Augenblick, und wenn es sein muss, wartet er auf die Sonne. Im Studio stellt er her, was vorher die Welt beisteuerte, das Licht, den Hintergrund, das Setting. Am Rechner ist schließlich nichts mehr vorgefunden. Kamera, Licht, Material und Raum sind Parameter, und jeder lässt sich bestimmen und wiederholen.

Fotografieren ohne Kamera war deshalb schon CGI. Wer in Blender eine Szene aufbaut, trifft dieselben Entscheidungen über Licht, Perspektive und Komposition, die ein Fotograf immer getroffen hat. Der Preis ist der Aufwand. Was im Studio von selbst kam, die Struktur eines Holzes, der Staub in einer Ecke, das weiche Licht eines bedeckten Himmels, muss am Rechner jemand bauen, Stück für Stück. Mit jedem Schritt wuchs die Kontrolle, und die Aufgabe blieb dieselbe.

Das erste Werkzeug, das mitentscheidet

Die KI setzt diese Linie fort und bricht an einer Stelle mit ihr. Ein Film hatte seine Farben und sein Korn, ein Objektiv seinen Charakter, ein Renderer seine Art, Licht zu rechnen. Keines davon hat entschieden, was im Bild steht. Ein Bildmodell tut genau das. Es nimmt die mühsame Arbeit an Oberfläche, Material und Licht ab und füllt dabei alles aus, was niemand festgelegt hat, nach seinen eigenen Wahrscheinlichkeiten. Derselbe Prompt mit denselben Einstellungen ergibt bei einem anderen Startwert ein anderes Bild, mit anderer Anordnung, anderem Blickwinkel, anderem Licht.

Das ist der Handel: weniger Aufwand gegen weniger Kontrolle. Für ein Moodboard reicht er oft. Für Bilder, bei denen das Produkt stimmen, die Serie zusammenhalten und die Korrektur des Kunden umsetzbar sein muss, reicht er nicht. Die übliche Antwort darauf sind immer längere Prompts, und damit wird von Fotografen verlangt, Autoren zu werden.

„Ich denke in Bildern. Wenn Worte meine Sprache wären, wäre ich Autor geworden und nicht Fotograf. Hier scheint mir die Ursache für die Abneigung gegen das Prompten zu liegen.“

Weiter hilft deshalb weder die Frage nach dem besten Modell noch die nach dem perfekten Prompt. Die Frage, um die es geht, hat ein Fotograf am Set immer schon gestellt:

Was entscheide ich selbst, und was überlasse ich der KI?

Ein Haus aus Fundament, Säulen und Dach

Meine Antwort darauf ist kein einzelnes Werkzeug, sondern ein Bau aus drei Teilen. Jeder ruht auf dem darunter.

Das Fundament: die Denkweise

Ganz unten liegt eine Entscheidung, die vor jedem Werkzeug fällt: was festgelegt wird und was frei bleibt. Sie fällt für jedes Objekt im Bild einzeln, in drei Stufen. Ein Objekt kann ganz festgelegt sein, mit Form, Oberfläche und Beschriftung, dann erzeugt das Modell es gar nicht. Es kann nur in seiner Form festgelegt sein: Umriss, Größe und Lage stehen fest, Material und Licht entscheidet das Modell. Oder es ist ganz freigegeben, und das Modell soll erfinden. In einer Küchenaufnahme kommen oft alle drei Stufen vor, die Fronten des Herstellers ganz festgelegt, der Raum in seiner Form, die Obstschale auf der Arbeitsplatte frei.

Neu ist diese Denkweise nicht. Am Set legt der Fotograf Standpunkt, Brennweite und Produkt fest und lässt dem Stylisten seinen Freiraum, weil das Bild dadurch besser wird. Sie trägt alles Weitere, weil sie an kein Modell und kein Programm gebunden ist. Technisch heißt das Begriffspaar dahinter deterministisch und stochastisch. Davon handelt der nächste Essay.

Zwei Models in einer Betonarchitektur, Schwarzweiß, hartes Sonnenlicht
Location, zwei Figuren, Outfits und ihre Positionen: In diesem Bild greifen alle vier Säulen ineinander. Was davon festgelegt ist und was frei, wurde für jedes Element einzeln entschieden.

Die vier Säulen: vier Fragen vom Set

Auf dem Fundament stehen vier Wege, Festgelegtes ins Bild zu bringen. Jeder beantwortet eine Frage, die ein Fotograf immer schon gestellt hat, und jeder bindet das Modell unterschiedlich stark.

Struktur: was im Bild ist. Ein Prompt, gebaut wie ein Formular statt wie ein Aufsatz, mit eigenen Feldern für Motiv, Material, Licht und Kamera. Ein Prompt beschreibt. Er gibt eine Richtung vor, wo das Bild ankommt, bestimmt er nicht.
→ Promptschule

Referenz: wie es aussieht. Ein Bild bringt, was kein Wort ausdrückt: ein Gesicht, einen Stoff, ein Produkt. Das Modell interpretiert die Referenz, es kopiert sie nicht. Eine Referenz gibt vor.
→ Referenzbilder

Ort: wo es steht. Eine Box mit Koordinaten setzt ein Element an eine Stelle im Bild, in ungefährer Größe und Form. Eine Box gibt ungefähr vor.
→ Flux.3 Klein und Bounding Boxes

Geometrie aus 3D: in welchem Raum. Eine Szene in Blender legt Kamera, Perspektive und Proportionen fest, und über ControlNet hält sich das Modell an ihre Kanten. Hier wird aus Vorgeben Festlegen.
→ RAY-L

Nicht jedes Bild braucht alle vier. Ein Stimmungsbild kommt mit dem Prompt aus, eine Produktserie in einem festen Raum braucht alle. Welche Säule ein Objekt braucht, entscheidet das Fundament.

Das Dach: der Workflow

Die meisten arbeiten heute mit Toolchains: Prompt rein, Bild raus, das Bild ins nächste Werkzeug, dort verändern. Jeder Schritt entscheidet neu, und vieles entscheidet der Zufall. Das sind Säulen ohne Dach.

Ein Workflow legt die Abfolge fest. In ComfyUI liegt er mit allen Einstellungen bei mir, mit Modellversion, Encoder, Seed und jedem einzelnen Schritt, nachvollziehbar wie ein Negativ. Ob die Generierung auf dem eigenen Rechner läuft oder per API in der Cloud, ist eine zweite Frage. Der Schnitt liegt nicht zwischen lokal und Cloud, sondern zwischen einem Workflow, der mir gehört, und einem Dienst, der im Hintergrund entscheidet. Vollständig reproduzierbar ist das Ergebnis erst, wenn auch das Modell bei mir liegt.

Für wen

Diese Methode ist für Menschen, die gewohnt sind, Bilder zu planen: Fotografen und Studios, Visualisierer, Designer und Art Directors, Agenturen und Inhouse-Teams, und für die Ausbildung, die auf diese Berufe vorbereitet. Für sie lautet die Frage nicht, welches Modell die beeindruckendsten Zufallstreffer liefert, sondern: Wie entsteht morgen dasselbe Bild mit einem anderen Material?

Was dich hier erwartet

Die drei folgenden Essays nehmen sich je ein Bauteil vor: das Fundament, die Säulen, das Dach. Die Säulen haben darüber hinaus eigene Kapitel mit Messreihen, Workflows und Prompts zum Nachbauen, im Bereich KI die Promptschule, die Referenzbilder und Flux.3 Klein, dazu RAY-L für die Geometrie aus Blender. Die Fallstudien zeigen, wie die Säulen an echten Motiven zusammenarbeiten. Alles ist frei zugänglich, die Werkzeuge ebenso.

Fotografieren ohne Kamera, das war schon CGI. Mit KI wird es rund.