Warum sieht mein KI-Avatar in jedem Bild anders aus?

Weil du dem Modell in jeder Szene eine leicht andere Mischung aus Aussehen, Pose, Umgebung und Schrift gibst. Jede Abweichung im Auftrag ist eine Einladung zum Abweichen im Bild. Bei Szene eins fällt das nicht auf, bei Szene drei summiert es sich. Der Fix sind drei feste Zeilen für Gesicht, Kleidung und Umgebung, die du wörtlich in jeden Auftrag kopierst, immer ganz nach oben vor die Szene.

Wie viele Posen brauche ich für konsistente Avatar-Bilder?

Drei, und keine vierte. Zum Beispiel frontal am Tisch, halb seitlich stehend, nah am Objektiv, jeweils mit festem Namen und fester Formulierung. Jede neue Pose ist ein neuer Winkel, in dem das Modell dein Gesicht neu raten muss. Drei Posen tragen eine ganze Woche Content. Abwechslung holst du über Ausschnitt und Schnitt, nicht über neue Körperhaltungen.

Soll ich Text direkt mit der KI ins Bild generieren lassen?

Nicht im selben Durchgang wie das Gesicht. Bau erst die Szene fertig, ohne ein einziges Wort im Bild, und speicher sie roh ab. Die Schrift kommt danach als eigener Arbeitsschritt darauf, egal ob mit Bildprogramm, Vorlage oder Editor. Entscheidend ist, dass das Gesicht dabei nicht neu erzeugt, sondern nur überdeckt wird. Nebeneffekt: Du kannst die Headline zehnmal ändern, ohne das Bild anzufassen.

Mein Avatar bricht ständig. Soll ich das Tool wechseln?

Meistens nicht. Der Werkzeugwechsel kostet neues Konto, neue Testphase und neue Einarbeitung, und nach zwei Wochen bricht das Gesicht an derselben Stelle wieder. Leg stattdessen die kaputte Szene neben die letzte gute und such die eine Eigenschaft, die abweicht. Meist fehlt sie in deinen drei Zeilen: Haarlänge, Bartstufe, Lichtrichtung. Ergänze sie dort, statt den Text neu zu schreiben.

Wie prüfe ich vor dem Posten, ob es noch dieselbe Person ist?

Nicht alle Szenen vergleichen, nur zwei: die erste und die letzte, nebeneinander. Drei Blicke reichen. Gesicht auf Kinnlinie, Nasenbreite und Augenabstand. Hände auf Fingerzahl, Armdicke, Ring und Uhr. Schrift auf gleiche Schriftart, Größe und Position. Die Frage, die entscheidet: Würde ein Fremder behaupten, das ist dieselbe Person? Wenn du zögerst, ist die Antwort nein.

Zweischritt: Avatar-Szenen, die gleich bleiben

Szene und Schrift in zwei Durchgängen, drei feste Zeilen und dieselbe Referenz in jeder Szene: so bleibt dein Avatar über die Serie dieselbe Person.

Avatar-Szenen bleiben gleich, wenn du Aussehen und Schrift in zwei getrennten Durchgängen erzeugst: erst die Szene ohne ein einziges Wort im Bild, dann die Schrift als eigener Arbeitsschritt darüber. Dazu drei feste Zeilen für Gesicht, Kleidung und Umgebung, die in jedem Auftrag wörtlich gleich und ganz oben stehen, plus dieselbe Referenz (gespeichertes Bild oder trainierte Identität) in jeder Szene, denn Text allein hält kein Gesicht.

Diese Seite spielt die komplette Reihenfolge offen aus. Das gebrandete Blatt zum Ausdrucken, mit den Abhak-Spalten pro Szene und dem Protokoll für den Bruchfall, liegt als PDF hinter dem Formular.

Warum sieht mein KI-Avatar ab Szene drei anders aus?

Szene eins sitzt. Szene zwei sitzt. In Szene drei schaut dich ein anderer Mensch an: schmaleres Gesicht, anderes Kinn, ein Blick, den du nicht kennst. Du siehst es sofort. Du kannst nur nicht sagen, woran es liegt.

Die Ursache liegt selten im Werkzeug. Sie liegt darin, dass du dem Modell in jeder Szene eine leicht andere Mischung aus Aussehen, Pose, Umgebung und Schrift gibst. Jede Abweichung, die du hineinschreibst, ist eine Einladung zum Abweichen. Bei Szene eins fällt das nicht auf. Bei Szene drei summiert es sich.

Dass eine Beschreibung in Worten allein eine bestimmte Person nicht festhält, ist der Ausgangspunkt der DreamBooth-Arbeit von Google Research: Text-zu-Bild-Modellen fehle die Fähigkeit, das Aussehen eines Subjekts aus einer Referenz nachzubilden und es in neuen Darstellungen wieder zu erzeugen (Ruiz et al., Google Research, arXiv-Preprint 2022). Du gewinnst hier also nichts durch mehr Prompt, sondern durch weniger Abweichung. Wie ein fester Identity-Lock im Detail aussieht, steht in KI-Klon: So bleibt dein Avatar immer dieselbe Person.

Was ist der Zweischritt bei Avatar-Szenen?

Zwei Dinge, die ab jetzt getrennt laufen.

Erster Durchgang: die Szene. Nur Mensch, Pose, Raum, Licht. Kein Wort im Bild.

Zweiter Durchgang: die Schrift. Headline, Kürzel, Logo, als eigener Arbeitsschritt auf das fertige Bild.

Schrift im Bild ist für Bildmodelle eine eigene Baustelle. Ein heise-Ratgeber führt das auf das Trainingsmaterial zurück: dort seien zwar Unmengen an Bildern enthalten, "aber nur auf wenigen Bildern ist ein Text zu erkennen" (heise online, Andreas Dumont, 2024). Neuere Modelle haben hier aufgeholt. Zu ChatGPT Images 2.0 hieß es im April 2026, Text in KI-Bildern solle damit erstmals verlässlich funktionieren (Meldung der OnlineMarketing.de-Redaktion auf t3n, 2026).

An der Gesichts-Konsistenz ändert das wenig. Der Grund für die Trennung ist ein anderer: Wer die Schrift getrennt auflegt, erzeugt das Gesicht bei jeder Textänderung nicht neu, sondern deckt es nur ab. Eine neue Headline kostet dann einen Handgriff statt eines neuen Durchgangs.

Welche sieben Schritte halten die Szenen gleich?

1.Drei Zeilen festschreiben. Eine Zeile Gesicht (Alter, Haare, Bart, Brille, Hautbild, Statur), eine Zeile Kleidung (ein Oberteil, eine Farbe, ein Schnitt), eine Zeile Umgebung (ein Raum, eine Lichtrichtung, eine Tageszeit). Was du nicht festschreibst, erfindet das Modell jedes Mal neu. Was zu ausführlich ist, liest es nur halb.
2.Wörtlich kopieren, immer zuerst. Nicht sinngemäß, sondern Zeichen für Zeichen aus derselben Notiz, und immer ganz nach oben vor die Szene. Wer mit dem Raum anfängt und das Gesicht hinten anhängt, bekommt einen guten Raum und ein beliebiges Gesicht.
3.Drei Posen, keine vierte. Zum Beispiel frontal am Tisch, halb seitlich stehend, nah am Objektiv. Jede neue Pose ist ein neuer Winkel, und in jedem neuen Winkel muss das Modell dein Gesicht neu raten.
4.Durchgang eins: nur die Szene. Komplett fertig bauen, kein Wort im Bild, dann prüfen: dieselbe Person wie in Szene eins? Wenn nein, hier abbrechen und wiederholen. Die brauchbaren Szenen roh speichern, das ist dein Vorrat für Schritt 5.
5.Durchgang zwei: Schrift getrennt drauflegen. Ob Bildprogramm, Vorlage oder Editor, ist zweitrangig. Wichtig ist nur, dass das Gesicht dabei nicht neu erzeugt, sondern überdeckt wird.
6.Vor dem Posten: zwei Szenen, drei Blicke. Die erste und die letzte nebeneinander. Gesicht (Kinnlinie, Nasenbreite, Augenabstand), Hände (Finger zählen, Armdicke, Ring und Uhr), Schrift (gleiche Art, Größe, Position). Würde ein Fremder behaupten, das ist dieselbe Person? Zögern heißt nein.
7.Beim Bruch die drei Zeilen ändern, nicht das Werkzeug. Kaputte Szene neben die letzte gute legen, die eine abweichende Eigenschaft suchen, meist Haarlänge, Bartstufe oder Lichtrichtung, und sie in die betreffende Zeile ergänzen. Eine Ergänzung, kein neuer Text.

Schritt 7 ist der, den fast alle überspringen. Statt der drei Zeilen wird das Werkzeug gewechselt: neues Konto, neue Testphase, neue Einarbeitung. Nach zwei Wochen bricht das Gesicht an derselben Stelle wieder. Was beim Drift in KI-Bildern sonst noch hilft, steht in KI-Bilder verbessern.

Zwei Blätter arbeiten hier zu. Für Schritt 1 und 2 liefert das Anker-Blatt für konsistente Avatar-Szenen die Formulierungen, mit denen du deine drei Zeilen füllst. Für Schritt 6 geht der Avatar-Bruch-Check tiefer als die drei Blicke und prüft fünf Stellen in zehn Minuten. Dieses Blatt hier ist die Reihenfolge, die beides zusammenhält.

Was mache ich, wenn ich schon dreißig Szenen ohne System habe?

Nicht von vorn anfangen. Such die eine Szene, die am meisten nach dir aussieht, die ist ab jetzt dein Maßstab. Schreib die drei Zeilen aus genau dieser Szene ab: du erfindest sie nicht, du liest sie ab. Bau die nächste Szene nur mit diesen drei Zeilen und einer deiner drei Posen und leg sie neben den Maßstab. Alte Szenen lässt du liegen, nichts nachbauen. Der Bruch nach hinten ist Vergangenheit, der nach vorn ist teuer.

Steckst du mitten in einer laufenden Kampagne, gilt dieselbe Reihenfolge. Nur ziehst du Schritt 6 vor: erst prüfen, was schon läuft, dann neue Szenen bauen.

Lohnt sich das oder ist das nur Bürokratie?

Die Einrichtung machst du einmal: drei Zeilen schreiben, drei Posen festlegen, eine Notiz anlegen. Danach kommt je Szene nur der kurze Blick aus Schritt 6 dazu. Dagegen steht die alte Rechnung. Weggeworfene Szenen heißen Wartezeit umsonst, Rechenkosten umsonst, und die Szene, die du am Ende nimmst, ist die am wenigsten schlechte statt der besten.

Der Punkt, den man erst später sieht: Ohne feste Reihenfolge kommst du nie in die Breite. Wer bei jedem einzelnen Motiv um das Gesicht kämpft, baut drei Motive und nicht zwölf. Wie viel kreative Arbeit inzwischen an Maschinen hängt, zeigt ein Stimmungsbild des Digitalverbands Bitkom: 51 Prozent der befragten Unternehmen meinen, generative KI übernehme heute schon einen erheblichen Teil der kreativen Marketingarbeit (Bitkom, Presseinformation vom 12. Februar 2026). Die Erhebung lief von KW 44 bis KW 50 2025 unter 180 online befragten Unternehmen aus dem Bitkom-Netzwerk und ist laut Verband ausdrücklich nicht repräsentativ. Als Richtungsanzeige reicht sie: Wer in dieser Menge produziert, braucht eine Reihenfolge, die auch bei Motiv zwölf noch hält.

Der zweite Einwand, leiser: drei Posen seien langweilig. Dein Publikum sieht deine Szenen einzeln im Feed, nicht nebeneinander in einem Ordner. Wiedererkennung schlägt Abwechslung. Genau deshalb sind es drei und nicht zwölf.

Das Blatt macht die Szenen gleich. Einen Betrieb macht es daraus nicht. Wer die Motive einspricht, wo sie liegen und was in der Woche darauf daraus wird, ist die nächste Frage. Ein Einstieg dazu steht in KI-Avatar in 10 Minuten.

Im PDF liegt dasselbe als Blatt zum Ausdrucken: die Felder für deine drei festen Zeilen und deine drei Posen, eine Abhak-Spalte pro Szene über alle sieben Schritte, und das Bruch-Protokoll, in das du Datum, Szene, betroffenen Schritt und die abweichende Eigenschaft einträgst. Du bekommst es oben über das Formular.