Wie geht Bilderstellung mit Künstlicher Intelligenz? Drei Levels, die weiterhelfen

Ein Foto schießen, eine Zeichnung anfertigen oder ein Bild nachbearbeiten lassen – das sind nur drei Funktionen von vielen, die mittlerweile mit künstlicher Intelligenz (KI) ausgeführt werden können.

In unserem zweiten Crashkurs am 17. Oktober stand die Bilderstellung im Fokus. Der Kurs orientierte sich dabei an 3 “Levels” der Bildgestaltung.

1. Level: Wie können Bilder mit KI generiert werden?

In den letzten Monaten gab es zahlreiche Neu- und Weiterentwicklungen im Bereich der KI-Bildgeneratoren. Firmen wie Adobe, Canva, OpenAI und Google haben regelmäßig neue Versionen ihrer Anwendungen vorgestellt. Aktuell kann man über die Suchmaschine Bing kostenlos auf das DALLE-3-Modell von OpenAI zugreifen, dem Unternehmen, das auch ChatGPT entwickelt hat (www.bing.com/create).

Damit können schnell und einfach Ergebnisse produziert werden, die zwar schon gut aussehen und etwas darstellen, aber noch nicht unbedingt das zeigen, was ich mir als Nutzer*in vorgestellt habe.

Hier der erste Versuch, ein Bild mit DALLE-3 zu produzieren. Ziel ist es, ein möglichst authentisches Bild von einem Workshop mit ca. 10 Personen zu erstellen, wovon hier noch keine Rede sein kann.

Um optimale Ergebnisse von KI-Bildgeneratoren zu erzielen, sind Anpassungen an den Prompts nötig. Wie bei der Texterstellung mit KI können auch hier zwei Grundsätze formuliert werden:

• Prompts (die Aufforderungen, mit denen ich die KI starte) sollten klar, präzise und kompakt sein.
• Detailreichtum verbessert das Resultat.

Aber was sind nun Details, die ich in einen Prompt einfließen lasse? Zu berücksichtigende Details lassen sich in vier Kategorien einteilen: 

• Medium

• • z.B. Foto, Gemälde, Zeichnung, Icon, etc.

• Stile und Effekte

• • z.B. animierter Stil, Stil einer bestimmten Künstlerin, etc.
  • z.B. Lichtquelle von oben, seitlich; Lichtstimmung nachmittags, herbstlich; Farbpalette aus Blautönen, warmen Farben
  • z.B. 3D-Effekt, schwarz-weiß Filter, Bokeh-Effekt, Tilt-Shift (“Miniatureffekt”)

• Inhalt:

• • z.B. Subjekte, Objekte, Hintergrund, Haarfarbe, Alter etc.
  • z.B. Aktionen von Personen und Interaktionen mit Objekten (“hält Vase in der Hand”)
  • z.B. gemütliche, ruhige Atmosphäre

• Technik:

• • z.B. Kamerawinkel (Weitwinkel, Vogelperspektive, Nahaufnahme),
  • z.B. Brennweite, Kameratyp (analoge Kamera oder Spiegelreflexkamera)

Nicht alle der genannten Details sind notwendig, um ein qualitatives Bild zu kreieren. Sie bieten jedoch eine Orientierung und zeigen die Vielfalt an Informationen, die berücksichtigt werden können, um das KI-Bild den eigenen Wünschen entsprechend anzupassen.

Besonders wichtig ist bei der KI-Bilderstellung auch, dass Iterationen zum Prozess dazugehören. Oft lässt das erste Ergebnis erkennen, was noch nicht wie gewünscht aussieht und dementsprechend im Prompt präzisiert werden könnte.

3. Level: Wie kann ich einen einheitlichen Stil über unterschiedliche graphische Elemente hinweg entwickeln?

Nach der detaillierten Anleitung zur Erstellung eines guten KI-Bildes konzentrierte sich das darauffolgende Kapitel des Crashkurses auf die konsistente Erstellung mehrerer Bilder, beispielsweise für ein Corporate Design.

Dafür haben wir einen spezifischen Workflow entwickelt, der von KI-generierten Visualisierungsvorschlägen für Icons, über Prompt-Ideen bis zur Feinabstimmung von Ergebnissen reicht.

Und obwohl die KI einen Großteil der Arbeit übernimmt, bleibt die Kreativität der Nutzenden bei der Auswahl und manuellen Anpassung von Vorschlägen essenziell.

Für die Anpassung kann dann wiederum die um KI-ergänzte Design-Software von Canva Magic Studio oder Adobe Firefly zur Anwendung kommen.

Mit DALLE-3 erstelltes Bild eines Workshops mit mehreren Details im Prompt und einigen Iterationen.

Zu gut, um wahr zu sein?

Vor allem die KI-gestützte Bilderstellung stellt uns als Gesellschaft vor eine Reihe komplexer, ungeklärter und wichtiger Fragen. Um nur einige zu nennen: 

• Welche Bilder dürfen zum Training der KI-Modelle verwendet werden?
• Wem gehören die Bilder, die mit KI generiert werden?
• Wie viele Ressourcen werden verbraucht (Wasser für die Kühlung & Strom für den Betrieb der Rechen- bzw. Serverzentren)
• Wie viele Ressourcen werden verbraucht, um das technische Gerät hinter KI-Anwendungen herzustellen (z.B. Chips) und wie sind die Arbeitsbedingungen entlang der Lieferkette?

Auf einer Website sammeln wir kontinuierlich Ressourcen, die sich mit kritischen Themen rund um KI auseinandersetzen: https://agency-in-ai.org/on-the-other-hand/

Unser Fazit

In den letzten Monaten gab es beeindruckende Entwicklungen im Bereich der visuellen KI-Anwendungen. Trotzdem entsprechen manche Anwendungen nicht der Qualität, die in Marketing-Kampagnen wünschenswert wäre. Dabei bleibt offen, ob diese Qualitätsunterschiede dauerhaft oder nur vorübergehend sind.

Kritische Themen wie Urheberrechtsfragen finden zwar erste Lösungsansätze, z.B. bei Adobe. Dennoch wirkt es so, als rückten Ressourcen- und Lieferkettenprobleme aufgrund der Begeisterung für neue Technologien in den Hintergrund und blieben damit unbeantwortet.

Wie geht es weiter?

Allen Teilnehmenden wurden am Ende die Folien des Crashkurses, die Aufzeichnung der Veranstaltung sowie eine kleine Ressourcensammlung mit weiterführenden Links und den vorgestellten Workflow als Grafik zur Verfügung gestellt.

Der nächste und vorerst letzte Termin in unserer Crashkurs-Reihe findet schon bald statt:

• 7.11. 16-18 Uhr Online: Website-Erstellung mit KI

Vielen Dank an alle Teilnehmenden und bis zum nächsten Mal!

Alle Bilder wurden mit DALLE-3 erstellt.

sinnvoll zusammen wirken