INHALT▾
Dienstagabend, kurz nach halb elf. Auf dem Schreibtisch ein Espresso, der längst kalt ist, im zweiten Fenster rendert ein Bild. Eine Illustration für einen Blog-Artikel über GA4-Tracking, schwarz mit goldenen Partikeln, unser Look. Das Bild kommt rein und es sieht großartig aus. Tiefe, Licht, Komposition, alles da.
Dann zoome ich rein.
In der unteren Bildhälfte, sauber eingearbeitet, als hätte es da immer hingehört: die Logos von zwei KI-Firmen, die mit dem Artikel nichts zu tun haben. Kein Fehler, keine Warnung, kein Hinweis. Die KI hatte sie aus meiner Stilreferenz übernommen, einem älteren Bild, das ich mitgegeben hatte, damit die Farbwelt konsistent bleibt.
Das Unangenehme daran: Es war das zweite Mal in drei Tagen. Sonntagabend davor, gleiche Situation, andere Illustration, dieselben eingeschleppten Logos. Beim ersten Mal hielt ich es für einen Ausrutscher. Beim zweiten Mal war klar: Das ist kein Ausrutscher, das ist ein Muster. Die Referenz steuert nicht nur den Stil. Sie schleppt Inhalte ein.
Ich habe Laura einen Screenshot geschickt. Ihre Antwort: „Das wäre fast live gegangen, oder?" Wäre es. Veröffentlicht, mit fremden Logos in einem Kontext, in dem sie faktisch falsch sind. In einer Werbeanzeige wäre daraus ein handfestes Markenrechtsproblem geworden.
KI-Bilder scheitern nicht laut. Sie scheitern leise, in Details, die du erst siehst, wenn du gezielt danach suchst. Und das Logo-Problem ist nur eine von drei Arten, auf die dir Bild-KIs gerade still ins Handwerk pfuschen. Die zweite: Du willst eine Kleinigkeit ändern und bekommst ein komplett anderes Bild. Die dritte: Alles sieht nach demselben überladenen KI-Poster aus.
Vom Text kennst du dieses Problem längst. Dein Content klingt nach ChatGPT, nicht nach dir. Bei Bildern heißt derselbe Effekt: Es sieht nach KI aus. In diesem Artikel geht es darum, warum das passiert und wie du es systematisch abstellst.
AUF EINEN BLICK: Multi-Turn-Drift heißt: Bild-KIs wie ChatGPT bearbeiten dein Bild nicht, sie erzeugen es bei jeder Änderungsanfrage komplett neu. Deshalb kippt das ganze Bild, wenn du nur ein Detail willst. Die Lösung ist ein System: feste Bild-Spec statt Dialog, gezielte Refinement-Prompts und eine stehende Negativ-Liste. Wie teuer der erkennbare KI-Look ist, zeigt eine Columbia-Studie mit Taboola-Daten: Als KI erkannte Anzeigen kamen auf 0,62 % CTR, unerkannte auf 0,79 % (MediaCat, 2026). Stand: August 2026.
Warum ändert die KI dein ganzes Bild, wenn du nur eine Kleinigkeit willst?
„Mach nur den Hintergrund etwas dunkler." Du kennst den Moment danach: Der Hintergrund wird dunkler, aber das Gesicht ist ein anderes, die Anordnung ist verrutscht, und das Glas Mineralwasser steht plötzlich auf der falschen Seite.
Das ist kein Bug. Das ist die Funktionsweise. ChatGPT, Gemini und Co. bearbeiten dein Bild nicht wie Photoshop, Ebene für Ebene, Pixel für Pixel. Sie erzeugen bei jeder Anfrage ein neues Bild, das dem alten ähnlich sehen soll. Dein bisheriges Bild ist dabei keine Datei, die angefasst wird. Es ist eine Vorlage, an der sich das Modell orientiert, während es alle Pixel neu berechnet. Das meiste bleibt ähnlich. Der Rest driftet.
Und dieser Drift addiert sich. Runde zwei driftet vom Ergebnis der Runde eins, Runde drei vom Ergebnis der Runde zwei. Genau das meint Multi-Turn-Drift: Nach fünf Änderungsrunden hast du ein Bild, das mit deinem Ausgangsbild nur noch die Grundidee teilt. Je länger du im Dialog „nachbesserst", desto weiter entfernst du dich von dem Bild, das du eigentlich behalten wolltest.
Meine Logo-Geschichte vom Anfang ist die zweite Seite derselben Medaille. Auch Referenzbilder wirken als Inhalts-Vorlage, nicht nur als Stil-Vorlage. Du gibst ein Bild mit, damit Licht und Farbwelt stimmen, und das Modell bedient sich ungefragt auch am Motiv. Es kann nicht wissen, welchen Teil der Referenz du meinst. Also nimmt es im Zweifel alles, was prägnant ist. Logos sind prägnant.
Was hilft gegen den Drift?
Wir generieren jede Woche Bilder für Blog, Ads und Produktseiten, und unser Standard dafür ist über Hunderte Durchläufe entstanden. Er besteht aus vier Regeln, die du direkt übernehmen kannst.
1. Nicht neu anfangen, gezielt schärfen
Wenn ein Bild fast gut ist, ist „mach es besser" der schlechteste Prompt, den du schicken kannst. Er gibt dem Modell die Lizenz, alles neu zu würfeln. Ein Refinement-Prompt benennt stattdessen drei Dinge: was exakt bleiben soll, was stärker werden soll, was raus soll. Zum Beispiel: „Keep composition, subject and color palette exactly as they are. Increase: cinematic depth, controlled lighting, premium reflections. Reduce: clutter, neon colors, random icons." Das Bleiben-Kommando ist der wichtigste Teil. Ohne ausdrückliche Erlaubnis, etwas zu ändern, bleibt mehr stehen.
2. Führe eine stehende Negativ-Liste
Es gibt Dinge, die du in keinem Bild willst: Neon-Effekte, Icon-Konfetti, zufällige Hologramme, den generischen Stock-Foto-Look. Schreib sie einmal auf und hänge die Liste an jeden Prompt an, statt sie jedes Mal neu zu erfinden. Seit dem Logo-Vorfall steht bei uns „no brand logos, no company logos" in jedem einzelnen Bild-Prompt. Genauso „absolutely no text", denn KI-Text im Bild ist fast immer Kauderwelsch, und was kein Kauderwelsch ist, kannst du besser außerhalb des Bildes setzen. Dazu gleich mehr.
3. Behandle Referenzbilder wie offene Farbeimer
Eine Stilreferenz ist das stärkste Werkzeug für Konsistenz und gleichzeitig das größte Einfallstor für Müll. Sie hält deinen Look stabil und schleppt dir im selben Durchlauf fremde Motive ins Bild. Unsere Prozessregel seit dem Vorfall: Jedes generierte Bild wird vor der Verwendung in voller Auflösung angesehen, mit Zoom, nicht mit Bauchgefühl. Dreißig Sekunden pro Bild. Das ist der komplette Aufwand, der zwischen mir und einem fremden Logo in einer Anzeige steht.
4. Die ersten fünfzig Wörter entscheiden
Bild-Modelle gewichten den Anfang deines Prompts stärker als das Ende. Das ist eine Faustregel aus der Praxis, kein belegter Benchmark, aber sie hat sich bei uns in jedem Modell bestätigt: Stil und Hauptmotiv gehören in die ersten ein, zwei Sätze, Nebendetails ans Ende. Es ist die Bild-Version von Answer-First-Copywriting: erst die Kernaussage, dann die Ausschmückung.
Was ist an JSON-Prompts wirklich dran?
Gerade bewirbt der halbe Markt JSON-Prompts als Geheimtrick, gerne mit Prozentzahlen, um wie viel „besser" deine Bilder damit werden. Diese Zahlen haben eine gemeinsame Eigenschaft: Kein Modellanbieter hat sie je veröffentlicht. Es sind Marketing-Behauptungen, keine Messungen.
Der wahre Kern ist trotzdem groß. Der eigentliche Shift heißt nämlich nicht JSON. Er heißt Spec statt Dialog. Statt dich in zehn Chat-Runden an ein Bild heranzutasten (und dabei bei jeder Runde Drift einzusammeln), definierst du einmal eine feste Spezifikation: Stil, Motiv, Umgebung, Licht, Negativ-Liste, Format. Immer dieselben Blöcke, immer in derselben Reihenfolge, nur die Werte ändern sich pro Bild. Ob du diese Spec als JSON mit geschweiften Klammern schreibst oder als strukturierte Prosa, ist zweitrangig. Die Disziplin macht den Unterschied, nicht die Klammern.
Unser eigener Standard ist strukturierte englische Prosa in fester Block-Reihenfolge, geschrieben wie eine Regieanweisung. JSON nutzen wir dort, wo Maschinen mitlesen: in automatisierten Pipelines, in der Batch-Produktion und bei Charakter-Profilen, die über viele Bilder stabil bleiben müssen. Und eine ehrliche Warnung an alle, die jetzt JSON-Templates kopieren: Ein Freitext-Feld in einer JSON-Spec driftet genauso wie ein Freitext-Prompt. „appearance: sportlicher Typ, Mitte 30" hält kein Gesicht fest. Feste Schlüssel mit präzisen, kurzen Werten tun es.
Der eigentliche Gewinn der Spec ist strategisch: Sie ist deine Marken-DNA in Dateiform. Farben, Licht, Materialien, Verbote, einmal definiert und in jedem Bild identisch. 500 Wettbewerber prompten „professional, modern, clean" und bekommen dasselbe austauschbare Ergebnis. Deine Spec hat genau einer: du.
Warum sehen ChatGPT-Poster immer überladen aus?
Bitte ChatGPT um „ein Poster für mein Angebot" und du bekommst mit hoher Wahrscheinlichkeit: acht Botschaften gleichzeitig, drei Farbverläufe, Icon-Konfetti in jeder Ecke und Textblöcke, die aus zwei Metern wie Sprache aussehen und aus einem Meter wie Kauderwelsch. So sieht das aus:
Warum macht die KI das? Weil sie auf Gefallen trainiert ist und „mehr" im ersten Moment nach „mehr Wert" aussieht. Das Ergebnis ist der Durchschnitt aus Millionen Engagement-Grafiken, und der Durchschnitt hat einen Namen bekommen: Slop. Der Backlash ist messbar. LinkedIn hat am 30. Juli 2026 einen eigenen Melde-Button eingeführt, mit dem Nutzer Beiträge als „seems like AI slop" markieren, und drosselt die Reichweite entsprechender Inhalte (TechCrunch, 2026).
In der Werbung kostet der erkennbare KI-Look messbar Geld. Die Columbia-Studie auf Taboola-Daten (4.633 Anzeigen von 202 Marken) zeigt: KI-Anzeigen, die Menschen für menschgemacht hielten, erreichten 0,79 % CTR, menschliche Anzeigen 0,67 %, und als KI erkannte Anzeigen nur 0,62 % (MediaCat, 2026). Nur unerkannte KI performt. Eine Auswertung von über 50.000 Ad-Variationen auf Meta, Google und TikTok ergänzt das Bild: KI-Creatives gewinnen Klicks, verlieren aber Conversions, minus 8 Prozent bei Warenkörben über 100 Dollar, minus 14 Prozent über 500 Dollar (AdBeacon, 2026). Unsere eigene Erfahrung aus über 9,5 Millionen Euro verwaltetem Ad-Spend deckt sich damit: Ein Creative, das keine 20 Prozent Hook Rate erreicht, fliegt bei uns sofort raus, und der überladene KI-Einheitslook schafft diese Schwelle fast nie.
Die Gegenstrategie ist Design-Handwerk, das älter ist als jede KI: eine Botschaft pro Bild. Ein Motiv, ein Fokuspunkt, Raum zum Atmen. Und: kein Text im Bild. Text gehört um das Bild herum, in den Alt-Text, die Bildunterschrift und den Absatz davor. Dort können Menschen ihn lesen, Screenreader ihn vorlesen und Suchmaschinen ihn indexieren. In die Pixel gebrannt kann das alles keiner, und schön ist er da auch nicht.
Wenn du KI-Bilder in Anzeigen einsetzt, kommt seit diesem Sommer noch eine Ebene dazu: Meta labelt KI-Creatives zunehmend automatisch, und die neuen EU-Transparenzpflichten sind seit August scharf. Was das konkret für deine Kampagnen bedeutet, habe ich in einem eigenen Artikel aufgeschrieben: KI-Bilder in Meta Ads: Kennzeichnung und Performance.
Wie bleibt dieselbe Person dieselbe Person?
Der härteste Fall von Drift ist das Gesicht. Ein Hintergrund, der um zehn Prozent driftet, fällt niemandem auf. Ein Gesicht, das um zehn Prozent driftet, ist eine andere Person. Wer einen KI-Avatar für Content oder Ads aufbaut, braucht deshalb das, was wir das Identity-Lock-Prinzip nennen. Es besteht aus drei Teilen. Erstens: ein festes Referenz-Set, also 10-15 Fotos derselben Person aus verschiedenen Winkeln oder ein einziges kanonisches Ausgangsbild, das nie gewechselt wird. Zweitens: eine feste Spec mit festen Schlüsseln für Haare, Augen, Hautstruktur und markante Merkmale, inklusive erlaubter und verbotener Kleidung. Drittens: ein stehender Negativ-Satz wie „do not change this person into a different person". Wie du dir so einen Avatar von null aufbaust, habe ich hier Schritt für Schritt beschrieben: KI-Klon erstellen.
Und jetzt der Absatz, den fast alle Avatar-Tutorials weglassen. Ein fotorealistischer Menschen-Avatar fällt rechtlich in die Deepfake-Kategorie: KI-Inhalte, die echten Personen ähneln und fälschlich echt wirken. Artikel 50 der EU-KI-Verordnung gilt seit dem 2. August 2026 und verlangt von dir als Betreiber, dass du solche Inhalte sichtbar kennzeichnest (EU-Kommission, FAQ zu Art. 50, 2026). Betreiber bist du dabei schon als Solo-Selbstständiger, der KI beruflich einsetzt, so ordnet es auch der Leitfaden der Wettbewerbszentrale (2026) ein. Die gute Nachricht: Deine abstrakte Blog-Illustration ist kein Deepfake und braucht kein sichtbares Label. Dein fotorealistischer Avatar schon. Das ist praxisnahe Orientierung, keine Rechtsberatung, aber die Richtung ist eindeutig: Plane die Kennzeichnung von Anfang an ein, statt sie zu fürchten. Ein sauber gekennzeichneter Avatar verkauft trotzdem. Unser eigener Launch rund um genau dieses Thema hat 250.000 € Umsatz in 3 Tagen gemacht. Wenn du dir an einem Wochenende einen eigenen Avatar aufbauen willst, inklusive der Kennzeichnungs-Frage für den DACH-Raum, ist das KI-Influencer-Wochenende dafür gebaut.
Welches Tool nimmst du wofür?
Ein großer Teil der Frustration entsteht, weil ein einziges Modell für alles herhalten soll. Die Modelle haben aber unterschiedliche Stärken. Das ist unsere Praxis-Zuordnung, Stand August 2026:
| Aufgabe | Was wir nehmen | Warum |
|---|---|---|
| Text im Bild (Poster, Mockups) | GPT Image in ChatGPT | in unseren Tests die zuverlässigste Typografie, wenn Text wirklich ins Bild muss |
| Fotorealismus (Szenen, Produkte) | Foto-Modelle der Imagen-Klasse | glaubwürdige Materialien, Licht und Hauttexturen |
| Charakter-Konsistenz | Referenz-Modelle wie Nano Banana (Gemini) | halten Gesichter über mitgegebene Referenzbilder stabil |
| Ein Element ändern | Edit- bzw. Inpainting-Funktion statt neuem Chat-Prompt | nur der markierte Bereich wird neu berechnet, der Rest bleibt stehen |
| Serien und Varianten | API plus feste Spec statt Chat-Fenster | gleiche Spec rein, planbare Bilder raus |
Die letzte Zeile ist die wichtigste, sobald du regelmäßig Bild-Serien brauchst. Das Chat-Fenster ist Handbetrieb: jedes Bild ein Einzelgespräch, jedes Einzelgespräch neuer Drift. Eine eigene kleine Pipeline, in die oben deine Spec reingeht und unten geprüfte Bilder rauskommen, kannst du dir heute ohne Programmier-Vorwissen mit Claude bauen. Genau dieses Pipeline-Denken, vom Chat-Nutzer zum Betreiber eigener Werkzeuge, bringen wir dir in der NoCode-Mastery bei.
Deine Bild-Spec zum Ausfüllen: das Brand-DNA Worksheet
Die Story oben ist das Warum. Wenn du jetzt deine eigene Spec bauen willst, brauchst du das Wie, und zwar in einer Form, die du neben dem Prompt-Fenster offen haben kannst.
Dafür gibt es unser Brand-DNA Worksheet: 5 Phasen vom einzelnen Prompt zum Brand-System, von Marken-Kontext über visuelles System bis zu Variation-Templates für 5 Formate, plus ein komplett ausgefülltes Beispiel als Decoder. Es funktioniert für jede Marke, unabhängig vom Tool.
→ Brand-DNA Worksheet kostenlos herunterladen
Kostenlos, mit E-Mail. Kein Spam, kein Abo, nur das Worksheet plus gelegentliche Updates, wenn sich bei den Bild-Modellen wieder etwas Grundlegendes ändert.
FAQ
Warum ändert ChatGPT mein ganzes Bild, obwohl ich nur ein Detail ändern will?
Weil Bild-KIs dein Bild nicht bearbeiten, sondern bei jeder Anfrage komplett neu erzeugen. Dein bisheriges Bild dient nur als Vorlage, an der sich das Modell orientiert, während es alle Pixel neu berechnet. Kleine Abweichungen pro Runde addieren sich über mehrere Runden zum sogenannten Multi-Turn-Drift. Dagegen helfen Refinement-Prompts mit ausdrücklichem Bleiben-Kommando, eine feste Bild-Spec statt langer Dialoge und die Edit-Funktion für punktuelle Änderungen.
Muss ich jedes KI-Bild kennzeichnen?
Nein. Nach Artikel 50 der EU-KI-Verordnung müssen die Anbieter (OpenAI, Google und Co.) KI-Bilder maschinenlesbar markieren. Du als Nutzer musst nur Deepfakes sichtbar kennzeichnen, also fotorealistische Inhalte, die echten Personen, Orten oder Ereignissen ähneln und fälschlich echt wirken (EU-Kommission, 2026). Eine abstrakte Illustration braucht kein Label, ein fotorealistischer Avatar schon. Praxisnahe Orientierung, keine Rechtsberatung.
Kann jeder sehen, dass mein Bild KI-generiert ist?
Zunehmend ja. Google hat auf der I/O 2026 angekündigt, die Erkennung direkt in Chrome, die Suche und Circle to Search einzubauen: Rechtsklick auf ein Bild genügt. Über 100 Milliarden Bilder, Videos und Audiodateien tragen bereits ein SynthID-Wasserzeichen, das Zuschneiden, Farbkorrekturen und Kompression übersteht (Techlicious, 2026). Plane also damit, dass dein KI-Bild als KI-Bild erkennbar ist, statt auf Tarnung zu setzen.
Schaden KI-Bilder meinem SEO?
Nicht per se. Google bewertet Inhalte nach Nutzwert, nicht nach Produktionsmethode; abgestraft wird massenhaft erzeugter Content ohne Mehrwert (Google Search Central, 2026). Entscheidend ist, was um das Bild herum passiert: beschreibender Alt-Text, eine sichtbare Bildunterschrift und ein Absatz, der das Bild inhaltlich trägt. Ein generisches KI-Bild ohne Kontext bringt nichts, ein gutes Bild mit sauberem Drumherum sehr wohl.
Darf ich KI-Bilder kommerziell nutzen?
Die großen Anbieter räumen dir die kommerzielle Nutzung in ihren Bedingungen in der Regel ein, teils erst im Bezahl-Tarif. Der Haken ist nicht das Dürfen, sondern die Exklusivität: Rein KI-generierte Bilder gelten nach deutschem Urheberrecht in aller Regel als nicht schutzfähig, weil nur ein Mensch Urheber sein kann (Prigge Recht, 2026). Dein Wettbewerber darf also ein fast identisches Bild ebenfalls einsetzen. Wiedererkennbarkeit bekommst du nicht über Rechte am Einzelbild, sondern über ein konsistentes visuelles System. Auch hier gilt: praxisnahe Einordnung, keine Rechtsberatung.
Willst du wissen wie das in deinem Business aussieht?
15 Minuten. Kostenlos. Wir schauen uns dein Setup an und geben dir konkrete nächste Schritte.
JETZT TERMIN SICHERN →WEITERE ARTIKEL