Fotorealistische KI-Bilder: Profi-Prompts und Workflows

Warum Fotorealismus ein Handwerksproblem ist, kein Glücksspiel

Wer schon einmal ein Dutzend Bilder generiert und festgestellt hat, dass alle irgendwie nach KI aussehen, kennt das eigentliche Problem: Der Unterschied zwischen einem beeindruckenden Render und einem Bild, das man für eine echte Aufnahme halten könnte, liegt selten am Modell. Er liegt an der Präzision der Beschreibung, an der inneren Logik des Lichts und an der Bereitschaft, ein Ergebnis iterativ zu schärfen, statt auf einen Glückstreffer zu warten.

Fotorealismus entsteht aus dem Zusammenspiel mehrerer Ebenen: einer klaren visuellen Absicht, fotografischem Vokabular, physikalisch plausiblen Materialien und einer Kamera-Ästhetik, die der Betrachter aus der realen Fotografie kennt. Fehlt eine dieser Ebenen, kippt das Bild sofort in die Uncanney-Valley-Zone: Haut wirkt wächsern, Metall zu sauber, Hintergründe zu leer. Wer alle Ebenen kontrolliert, produziert Ergebnisse, die sich in Werbung, Editorial, Storyboard oder Produktpräsentation tatsächlich einsetzen lassen.

Dieser Leitfaden zeigt, wie man Prompts systematisch aufbaut, wie man Licht und Optik als Steuerinstrumente nutzt und wie man über ganze Bildserien hinweg konsistente Figuren und Produkte erhält. Die Beispiele sind bewusst werkzeugunabhängig formuliert, damit sie sich auf verschiedene Bildmodelle und Workflows übertragen lassen.

Die Anatomie eines guten fotorealistischen Prompts

Ein Prompt ist kein Wunschzettel, sondern ein kurzes technisches Briefing. Je klarer die Einzelteile, desto weniger muss das Modell raten. Ein brauchbares Briefing besteht aus fünf Bausteinen: Subjekt, Setting, Aktion, Licht und Optik. Dazu kommen optionale Stilanker sowie Ausschlüsse.

Subjekt, Setting und Aktion sauber trennen

Beschreibe das Subjekt mit Merkmalen, die man fotografieren könnte, nicht mit Adjektiven, die eine Stimmung behaupten. Statt „eine schöne Frau“ besser: „Frau, Anfang dreißig, kurzes dunkles Haar, Sommersprossen, Leinenhemd in gedecktem Blau“. Das Setting liefert Ort, Tageszeit und Umgebung: „Dachterrasse in Lissabon, späte Nachmittagssonne, Wäscheleine im Hintergrund“. Die Aktion schließlich beschreibt eine konkrete Handlung in einem Moment: „sie dreht den Kopf leicht nach links, hält eine Tasse mit beiden Händen“.

Das Wichtigste ist die Momentaufnahme. „Sie lacht“ ist ein Zustand, „sie lacht gerade über etwas außerhalb des Bildes“ ist ein Moment. Fotografien fangen immer einen Bruchteil einer Sekunde ein, und Modelle reagieren stark auf diese zeitliche Verortung.

Licht als erste Entscheidung, nicht als Nachgedanke

Beleuchtung ist der größte Hebel für Realismus. Entscheide dich vor dem Schreiben für eine Lichtquelle und bleibe konsequent. Eine einzige, klar benannte Lichtsituation erzeugt glaubwürdige Schatten und Reflexe. Mehrere widersprüchliche Quellen führen zu flachen, „generischen“ Bildern.

Nützliche Lichtvokabeln: weiches Fensterlicht von links, goldene Stunde mit Gegenlicht, bewölkter Himmel als Diffusor, harte Mittagssonne mit kurzen Schatten, praktisches Licht aus einer Neonröhre, Kerzenlicht mit warmem Falloff, Blitz indirekt über die Decke. Ergänze immer die Richtung – von vorn, von der Seite, von hinten – und ob das Licht hart oder weich ist.

Kamerasprache gezielt einsetzen

Fotografisches Vokabular ist kein Dekor, sondern ein Steuerbefehl. Angaben zu Brennweite, Blende und Distanz verändern Perspektive, Hintergrundunschärfe und Proportionen messbar. Ein Porträt bei 85 mm und f/1.8 sieht grundlegend anders aus als dasselbe Motiv bei 24 mm und f/8.

Formulierungen wie „aufgenommen mit einer 50-mm-Festbrennweite, Blende f/2, Augenhöhe“ liefern dem Modell eine konsistente Geometrie. Vermeide Markenangaben, solange sie nicht nötig sind; technische Parameter wirken zuverlässiger als Kameranamen.

Stilanker, Referenzen und Ausschlüsse

Stilanker beschreiben die visuelle Sprache, nicht das Motiv: „redaktionelle Reportagefotografie“, „analoge Kleinbildaufnahme mit leichtem Korn“, „Produktfotografie im Studio mit Softbox“. Ein bis zwei Anker genügen; fünf konkurrierende Stilbegriffe heben sich gegenseitig auf.

Ausschlüsse sind ebenso wichtig. Sammle die typischen Fehler, die dein Modell regelmäßig produziert – übersättigte Farben, zu glatte Haut, symmetrische Gesichter, leere Hintergründe, Wasserzeichen, sichtbare Schrift. Diese Liste wächst mit jedem Projekt und gehört in eine wiederverwendbare Basisvorlage.

Brennweite, Blende, Verschlusszeit und ISO verstehen

Viele Prompts scheitern daran, dass sie fotografische Begriffe verwenden, ohne ihre Wirkung zu kennen. Wer die Parameter versteht, kann gezielt eingreifen.

Brennweite steuert Perspektive und Nähe

Weitwinkel zwischen 16 und 28 mm dehnt den Raum, betont Vordergrund und erzeugt eine dynamische, fast dokumentarische Wirkung. Normalbrennweiten um 35 bis 50 mm wirken neutral und eignen sich für Szenen, die der menschlichen Wahrnehmung nahekommen. Porträtbrennweiten zwischen 85 und 135 mm komprimieren den Raum, trennen das Motiv vom Hintergrund und gelten als schmeichelhaft.

Wenn du eine bestimmte Bildwirkung willst, beschreibe die Brennweite und die Distanz gemeinsam: „Nahaufnahme bei 100 mm aus zwei Metern Entfernung“. Das verhindert, dass das Modell ein Gesicht verzerrt darstellt.

Schärfentiefe als Blickführung

Die Blende bestimmt, wie viel Kontext scharf bleibt. f/1.4 bis f/2 isolieren das Motiv und erzeugen weiche Hintergründe – ideal für Porträts und Produkte. f/5.6 bis f/8 halten Vordergrund und Hintergrund lesbar, was für Umgebungsporträts und Architektur wichtig ist. f/11 und darüber eignen sich für Landschaften, bei denen Schärfe von vorn bis hinten gewünscht ist.

Beschreibe zusätzlich, was im Hintergrund liegt und wie stark es verschwimmt: „unscharfe Skyline im Hintergrund, erkennbar, aber weich“. So bleibt die Tiefenstaffelung glaubwürdig.

Bewegung, Verschlusszeit und Rauschen

Bewegung ist ein starkes Realismus-Signal. Eine Verschlusszeit von 1/1000 friert Wassertropfen und Haare ein, während 1/30 bei einer gehenden Person leichte Bewegungsunschärfe erzeugt. Beides wirkt fotografisch, solange die Bewegung konsistent beschrieben ist.

ISO-Angaben lohnen sich, wenn du eine bestimmte Textur willst: hohe ISO-Werte erzeugen feines Farbrauschen, das Bilder sofort authentischer wirken lässt. Ein „bei ISO 3200, leichtes Korn, Nachtaufnahme mit Laternenlicht“ beschreibt eine ganz andere Ästhetik als ein klinisch sauberes Studiolicht.

Material, Textur und Atmosphäre

Realismus lebt von Oberflächen. Wenn Haut, Stoff, Metall und Glas physikalisch plausibel beschrieben sind, wirkt das gesamte Bild glaubwürdiger – selbst wenn die Komposition einfach bleibt.

Oberflächen präzise benennen

Sammle ein kleines Vokabular für die Materialien, die in deinen Projekten häufig vorkommen. Für Haut: Poren sichtbar, natürlicher Glanz auf Stirn und Nasenspitze, feine Härchen am Rand des Gegenlichts. Für Stoff: Leinen mit Webstruktur, Baumwolle mit leichten Falten, Wolle mit Fasern im Streiflicht. Für Metall: gebürsteter Stahl mit streifigen Reflexen, poliertes Aluminium mit klar definierten Highlights, Messing mit warmer Patina.

Wichtig ist die Reflexionslogik. Eine glänzende Oberfläche braucht etwas, das sie spiegelt. Wenn du „glänzend“ schreibst, aber keine Umgebung beschreibst, produziert das Modell diffuse Glanzflecken ohne Ursache – ein typischer Realismus-Killer.

Volumetrisches Licht und Luftperspektive

Atmosphäre ist der Unterschied zwischen einem Objekt vor einem Hintergrund und einem Objekt in einem Raum. Staub im Gegenlicht, Dunst in der Ferne, Kondens an einem kalten Fenster, Rauch in einem Streiflicht – solche Elemente erzeugen Tiefe und machen das Bild fotografisch lesbar.

Nutze Luftperspektive bewusst: Je weiter etwas entfernt ist, desto geringer der Kontrast und desto kühler oder heller die Farben. Eine Formulierung wie „Hintergrund leicht entsättigt und dunstig, Vordergrund kontrastreich“ genügt oft, um einen flachen Look zu vermeiden.

Digitale Körnung und Bildartefakte

Perfekte Bilder wirken verdächtig. Ein leichtes Korn, minimale chromatische Aberration an harten Kanten, dezente Vignettierung und eine glaubwürdige Farbdynamik sind visuelle Hinweise darauf, dass eine Kamera im Spiel war. Übertreibe es nicht: Ein subtiler Hinweis reicht, drei gleichzeitig wirken wie ein Filter.

Wenn dein Modell sehr „saubere“ Ergebnisse liefert, hilft ein expliziter Hinweis wie „analoge Textur, feines Filmkorn, natürliche Farbabweichung“. Wenn es bereits körnig arbeitet, formuliere stattdessen „saubere digitale Aufnahme, minimale Körnung“.

Der Workflow: vom Moodboard zum finalen Bild

Fotorealistische Ergebnisse entstehen selten in einem Durchgang. Ein strukturierter Ablauf spart Zeit und macht Ergebnisse reproduzierbar.

1. Referenz sammeln. Lege drei bis fünf echte Fotografien an, die Licht, Brennweite und Farbstimmung definieren. Beschreibe sie in Worten, statt sie blind zu kopieren.
2. Basis-Prompt schreiben. Subjekt, Setting, Aktion, Licht, Optik – eine Zeile pro Baustein.
3. Basisvariante rendern. Vier bis sechs Bilder mit identischem Prompt, um die Varianz des Modells zu verstehen.
4. Fehler protokollieren. Notiere, was systematisch falsch ist: Hände, Hintergrund, Farbstich, Perspektive.
5. Einen Parameter pro Iteration ändern. Nie gleichzeitig Licht, Optik und Stil anpassen – sonst weißt du nicht, was gewirkt hat.
6. Finale Variante härten. Entferne überflüssige Stilbegriffe, ergänze Ausschlüsse, fixiere die Parameter.

Der wichtigste Schritt ist Nummer fünf. Die meisten Frustrationen entstehen durch unkontrollierte Änderungen, die das Bild zufällig verbessern oder verschlechtern.

Konsistenz über ganze Serien hinweg

Sobald ein Bild funktioniert, beginnt die eigentliche Arbeit: dieselbe Figur, dasselbe Produkt oder dieselbe Location in mehreren Motiven. Konsistenz entsteht aus drei Faktoren.

Erstens der Figurenbeschreibung. Halte eine feste Beschreibung mit exakter Wortwahl und ändere sie nie zwischen Bildern. Kleine Umformulierungen verändern Gesichter messbar. Zweitens der Lichtsetup. Wenn die erste Szene „weiches Fensterlicht von links“ nutzt, verwendet die zweite dasselbe Setup, auch wenn die Umgebung wechselt. Drittens der Bildcharakter: gleiche Brennweite, gleiche Blende, gleicher Farbcharakter.

Für Produktserien ergänzt man eine Referenzaufnahme des Objekts und beschreibt Material, Logo-Platzierung und Proportionen identisch. Für Charaktere helfen kleine, unveränderliche Details – eine bestimmte Narbe, eine Brille, ein Muttermal. Solche Anker geben dem Modell stabile Wiedererkennungspunkte.

Ein weiterer Hebel ist das Keyframing: Zuerst eine neutrale, gut ausgeleuchtete Referenzansicht erzeugen, danach alle weiteren Szenen davon ableiten. So bleibt der Charakter über Nahaufnahme, Halbtotale und Ganzkörper erhalten.

Modellwahl und Parameter: Entscheidungskriterien

Nicht jedes Modell eignet sich für jedes Motiv. Statt ein einziges Werkzeug zu erzwingen, lohnt sich eine kleine Entscheidungsmatrix.

• Menschen und Porträts: Modelle mit starker Gesichtsrekonstruktion und gutem Haut-Rendering.
• Produkte und Stillleben: Modelle, die harte Kanten, Text und Materialreflexe sauber halten.
• Landschaften und Räume: Modelle mit guter Tiefenstaffelung und weiten Perspektiven.
• Typografie und Layout: Modelle mit zuverlässiger Textdarstellung – oder besser: Text nachträglich in einem Grafikprogramm setzen.

Prüfe außerdem, wie das Modell auf Negativangaben reagiert, wie stabil es bei Wiederholungen bleibt und ob es Referenzbilder verarbeiten kann. Ein Modell mit hervorragender Bildqualität, aber schlechter Wiederholbarkeit, ist für Serien unbrauchbar.

Bei den Parametern gilt: Auflösung und Seitenverhältnis zuerst festlegen, dann die Stärke der Prompt-Bindung, dann die Varianz. Hohe Varianz ist zum Erkunden nützlich, niedrige Varianz zum Finalisieren.

Typische Fehler und wie man sie behebt

Die meisten Probleme wiederholen sich und haben bekannte Gegenmittel.

• Wächserne Haut: zu viele Schönheitsadjektive. Ersetze „perfekte Haut“ durch konkrete Merkmale wie Poren, Sommersprossen, feine Linien.
• Flaches Licht: mehrere Lichtquellen ohne Hierarchie. Reduziere auf eine Hauptquelle plus eventuell eine schwache Aufhellung.
• Leerer Hintergrund: fehlende Kontextbeschreibung. Ergänze Requisiten, Oberflächen und was sich außerhalb des Fokus befindet.
• Übersättigte Farben: Stilbegriffe wie „lebendig“ oder „HD“ streichen, stattdessen eine Farbstimmung beschreiben.
• Widersprüchliche Optik: Weitwinkel und starke Hintergrundunschärfe gleichzeitig verlangen funktioniert nicht. Parameter müssen physikalisch zusammenpassen.
• Unruhige Hände und Details: Bildausschnitt verkleinern, Hände aus dem Fokus nehmen oder das Motiv neu rahmen.
• Zu saubere Materialien: Reflexionslogik und Umgebung ergänzen, damit Glanz und Spiegelungen eine Ursache haben.

Ein bewährter Trick: Beschreibe das Bild so, als würdest du einer Person am Telefon erklären, was auf dem Foto zu sehen ist. Alles, was du dabei nicht erwähnst, überlässt du dem Modell – und damit dem Zufall.

Vorlagen, Checkliste und ein Beispielprompt

Ein wiederverwendbares Grundgerüst spart viel Zeit:

[Subjekt mit 3–4 konkreten Merkmalen], [Aktion im Moment],
[Setting mit Ort und Tageszeit], [Lichtquelle plus Richtung plus Härtegrad],
[Objektiv: Brennweite, Blende, Distanz, Augenhöhe],
[Stilanker: 1–2 Begriffe], [Bildcharakter: Farbstimmung, Korn, Kontrast]

Ein ausgefülltes Beispiel:

Frau, Anfang dreißig, kurzes dunkles Haar, Sommersprossen, Leinenhemd in gedecktem Blau,
sie dreht den Kopf leicht nach links und hält eine Tasse mit beiden Händen,
Dachterrasse in Lissabon am späten Nachmittag, Wäscheleine im unscharfen Hintergrund,
weiches Gegenlicht von rechts, goldene Stunde, sanfte Schatten,
85 mm, f/2, aus zwei Metern auf Augenhöhe, redaktionelle Reportagefotografie,
natürliche Farben, feines Filmkorn, leichter Dunst in der Ferne

Checkliste vor jedem Rendern: Ist die Lichtsituation eindeutig? Passen Brennweite und Bildausschnitt zusammen? Gibt es ein Materia- und Umgebungsdetail, das Reflexe erklärt? Ist die Ausschlussliste aktiv? Wird genau ein Parameter pro Iteration verändert?

FAQ

Wie viele Wörter sollte ein fotorealistischer Prompt haben?
Es gibt keine optimale Länge, aber eine optimale Dichte. Sechzig bis neunzig Wörter mit klaren, sich ergänzenden Angaben wirken meist besser als dreihundert Wörter mit Wiederholungen. Jeder Satz sollte eine neue, überprüfbare Information liefern.

Warum sehen meine Bilder trotz guter Prompts künstlich aus?
Meist fehlt die physikalische Logik: Reflexionen ohne Umgebung, Schatten ohne Lichtrichtung, perfekte Oberflächen ohne Abnutzung. Ergänze ein bis zwei Unvollkommenheiten – Staub, Kratzer, Falten, Hautporen – und prüfe, ob alle Schatten zur beschriebenen Lichtquelle passen.

Brauche ich für jede Szene einen neuen Prompt?
Nein. Für Serien empfiehlt es sich, einen Basis-Prompt zu pflegen und nur Subjekt und Aktion auszutauschen. Licht, Optik und Stil bleiben konstant. Das ist der zuverlässigste Weg zu visueller Konsistenz.

Wie wichtig sind Negativangaben?
Sie sind ein Korrekturwerkzeug, kein Fundament. Ein präziser positiver Prompt löst die meisten Probleme. Negativangaben sind dann wertvoll, wenn ein Modell immer wieder dieselben Fehler produziert, etwa zusätzliche Finger, Wasserzeichen oder überstrahlte Highlights.

Kann ich Referenzbilder nutzen?
Ja, und für Konsistenz ist das oft der schnellste Weg. Achte darauf, dass die Referenz dieselbe Lichtsituation zeigt wie die Zielszene. Eine weich ausgeleuchtete Referenz in eine harte Mittagssonne zu übertragen, erzeugt regelmäßig Mischformen, die unnatürlich wirken.

Wie viele Iterationen sind normal?
Für ein finales Editorial-Bild sind fünf bis fünfzehn Durchläufe realistisch, bei Serien mit strenger Konsistenz mehr. Wer nach drei Versuchen aufgibt, verlässt sich auf Zufall statt auf Handwerk.

Eignen sich die Ergebnisse für kommerzielle Projekte?
Das hängt von den Lizenzbedingungen des jeweiligen Werkzeugs und vom Verwendungszweck ab. Prüfe vor der Veröffentlichung die Nutzungsrechte, besonders bei Personen, Marken und erkennbaren Orten. Fotorealistische Personen sollten nie als reale Individuen dargestellt werden.

Fazit

Fotorealistische KI-Bilder entstehen nicht durch ein besonders clevere Modell, sondern durch ein sauberes Briefing. Wer Subjekt, Licht, Optik und Material kontrolliert, erhält Ergebnisse, die sich in echte Produktionen einfügen. Der entscheidende Unterschied ist Disziplin: ein Parameter pro Iteration, eine klare Lichtlogik pro Bild und eine feste Basisvorlage für jede Serie. Wer diesen Rahmen einmal aufgebaut hat, produziert in wenigen Minuten Bilder, für die andere Stunden brauchen – nicht weil das Werkzeug magisch ist, sondern weil der Prompt es ist.