Bilder bearbeiten mit KI – Transformieren, Editieren, Variieren, Kombinieren

Im 4K Framework hast du gelernt, Bilder von Grund auf zu beschreiben. Du hast ein Bild im Kopf und übersetzt es in einen Prompt. Das funktioniert für neue Bilder. Aber im Alltag startest du oft nicht bei null.

Ein Foto, das fast passt. Eine Skizze, die du in ein Rendering verwandeln willst. Ein Produktbild, das in zehn Varianten gebraucht wird. Hier hilft dir das 4K Framework allein nicht mehr. Du musst mit dem arbeiten, was schon da ist.

Vom Erstellen zum Verändern

Bild-KIs können nicht nur generieren. Sie können auch transformieren, editieren, variieren und kombinieren. Die meisten Tools bieten das längst an: Nano Banana (Gemini), Flux Kontext, Midjourney Edit, Adobe Firefly und viele mehr. Das Werkzeug ist nicht das Problem. Das Problem ist die Sprache: Wie sagst du der KI, was sie verändern soll, ohne dass sie alles andere mitverändert?

Die vier Cluster der Bildbearbeitung

Diese vier Cluster sind kein starres System. Sie sind ein Denkmodell. Wenn du weißt, in welchem Cluster du bist, weißt du auch, worauf du achten musst – und welche Stolperfallen warten.

Die drei Denkschritte

Bevor du den Prompt schreibst, beantworte dir drei Fragen. Egal welcher Cluster, egal welches Tool.

1. Was bleibt? Die Ankerpunkte. Was darf die KI auf keinen Fall verändern? Komposition? Gesicht? Farben?
2. Was ändert sich? Den Eingriff benennen. Ein Objekt? Der Stil? Die Umgebung? Die Stimmung?
3. Wie sieht es aus? Den Zielzustand beschreiben. Hier kommt das 4K-Vokabular zum Einsatz.

In dieser Lesson

Wir bleiben beim Maasai-Krieger aus der 4K-Lesson. Du wirst sehen, wie sich dasselbe Ausgangsbild durch die vier Cluster bewegt – und wie sich die Sprache pro Cluster verändert. Am Ende kannst du jedes vorhandene Bild gezielt weiterverarbeiten, statt zu hoffen.

Beim Transformieren bleibt das Motiv gleich – aber das Medium wechselt. Aus einem Foto wird eine Illustration. Aus einer Skizze ein Rendering. Aus einem Schwarzweiß-Foto ein Pop-Art-Plakat. Das ist die einfachste Form der Bildbearbeitung und gleichzeitig die mit der größten Wirkung.

Die drei Stellschrauben

Die häufigste Falle: Man sagt nur "mach das in Pop Art" – und wundert sich, dass plötzlich auch das Gesicht anders aussieht. Stilisierung verändert nicht nur den Look. Sie verändert oft auch Identität, Anatomie und Komposition. Das musst du explizit dagegen halten.

Vier Stile, ein Motiv

Ausgangsbild ist ein Maasai-Portrait. Vier verschiedene Transformationen, vier komplett unterschiedliche Looks – gleicher Mensch, gleiche Pose, gleiche Komposition.

Beim Editieren willst du etwas Bestimmtes verändern, während alles andere stabil bleibt. Ein Buch vom Tisch entfernen. Eine Jacke umfärben. Einen Schatten hinzufügen. Klingt einfach. Ist es nicht – weil KIs gern mehr verändern als du wolltest.

Die drei Stolperfallen

Beispiel: Ein Eingriff am Maasai-Portrait

Ausgangsbild ist der Maasai mit Speer. Ziel: Den Speer entfernen, ohne die Pose, das Gesicht oder den Hintergrund zu verändern.

Eine Serie von Eingriffen — iterativ arbeiten

Die Versuchung ist groß, alles in einem Prompt zu erledigen: "Entferne die Pflanze, ändere die Laptop-Farbe, füge eine Brille hinzu." Das geht selten gut. Drei Eingriffe = drei Stellen, an denen die KI etwas falsch interpretieren kann. Besser: Ein Eingriff pro Prompt, jeder neue Edit nutzt das vorherige Ergebnis als Source.

Ein anderes Motiv – ein Schreibtisch im Home-Office. Drei Eingriffe nacheinander: Pflanze entfernen, Laptop umfärben, Brille hinzufügen. Bei jedem Schritt wird das vorherige Bild zur neuen Quelle. So bleibt alles, was du nicht angefasst hast, stabil über die ganze Serie.

Wenn du doch mal zwei Dinge gleichzeitig änderst

Iterativ ist die Regel. Aber es gibt eine Ausnahme: verwandte Eingriffe gleichen Typs. Wenn du zwei oder drei Dinge im selben Stil oder mit derselben Logik änderst, klappt ein einzelner Multi-Prompt oft. Was schiefgeht: unterschiedliche Eingriffstypen in einem Prompt mischen – Entfernen, Umfärben und Hinzufügen gleichzeitig.

Variieren liegt zwischen Transformieren und Editieren. Du behältst das Motiv. Du behältst die Komposition. Aber du tauschst die Bedingungen: Tageszeit, Wetter, Jahreszeit, Stimmung, Licht. Aus einem Sommerbild wird ein Winterbild. Aus Mittag wird Sonnenuntergang.

Die drei Stellschrauben

Die häufigste Falle ist die halbe Variation: Du sagst "Sonnenuntergang" – und bekommst orangefarbenes Licht, aber weiterhin Mittagsschatten. Oder "Winter" – und bekommst Schnee am Boden, aber grüne Bäume. Konsistenz ist dein Job, nicht der der KI.

Drei Bedingungen, ein Motiv

Ausgangsszene: Maasai-Krieger steht in der Savanne. Drei Variationen der Lichtsituation – gleiche Pose, gleiche Komposition, andere Stimmung.

Variieren funktioniert auch bei Objekten

Variation ist nicht nur für Menschen. Bei Objekten und Szenen funktioniert das gleiche Prinzip – nur dass du dort weniger über Identität nachdenken musst und mehr über Licht und Atmosphäre. Der Schreibtisch aus dem Editieren-Cluster ist ein guter Testfall: gleiche Komposition, andere Tageszeit.

Kombinieren ist die Königsdisziplin. Du gibst der KI mehrere Quellen – eine Person, ein Hintergrund, vielleicht ein Objekt – und sie soll daraus ein neues, glaubwürdiges Bild machen. Das ist mächtig. Und es ist die Bearbeitungsform mit dem höchsten Risiko, dass etwas nicht stimmt.

Die vier Konsistenz-Checks

Bevor du den Prompt schreibst, prüfe deine Quellbilder auf vier Dimensionen. Wenn eine davon nicht passt, wird das Ergebnis seltsam aussehen – und du wirst nicht sofort wissen warum.

Beispiel: Zwei Maasai auf einer Bühne

Wir nehmen zwei separate Maasai-Portraits und kombinieren sie zu einer gemeinsamen Szene auf einem modernen Marktplatz. Wichtig: Die Bildqualität beider Portraits muss vergleichbar sein, sonst wirkt das Ergebnis collagiert.

Klassischer Use Case: Person mit Objekt

Eine der häufigsten Kombinationen im Alltag: Eine Person präsentiert ein Objekt in die Kamera. Autoren mit ihrem Buch, Speaker mit ihrem neuen Produkt, Coaches mit ihrem Workbook. Statt eines Foto-Shootings reicht ein Edit mit zwei Sources – wenn die Perspektiven zusammenpassen.

Hier funktioniert es, weil beide Sources kamerazugewandt sind: Der Mann schaut frontal in die Kamera, das Buch liegt aufgeschlagen für die Aufsicht. Beide "sprechen" mit der Kamera. Die KI kann das Buch plausibel in seine Hände setzen, ohne dass die Logik bricht.

Das 4K Framework und das Editing-Modell sind keine Konkurrenten. Sie sind zwei Werkzeuge für zwei verschiedene Aufgaben. Wer beide kennt, weiß sofort, welches er greifen muss.

4K und Editing – wann was?

Das 4K-Vokabular bleibt aber nützlich – nämlich bei Schritt 3 der Editing-Denkschritte: "Wie sieht es aus?" Hier beschreibst du den Zielzustand, und dafür greifst du auf Konzept, Kontext, Komposition und Kreativität zurück.

Anstatt – Probiere

Die häufigsten Editing-Prompts scheitern an Vagheit. Hier vier typische Formulierungen und wie du sie schärfst:

Drei Sprach-Bausteine, die immer helfen

1. "Keep ... identical": Was darf die KI auf keinen Fall verändern? Pose, Gesicht, Komposition, Licht – explizit nennen.
2. "Only change ...": Was genau ist der Eingriff? Ein Satz, ein Element, ein Aspekt.
3. "Match ... to ...": Womit muss sich das Neue verträglich machen? "Match the shadow direction", "Match the existing color palette".

Die vier Cluster auf einen Blick

Die drei Denkschritte

1. Was bleibt? Ankerpunkte definieren, bevor du den Prompt schreibst.
2. Was ändert sich? Den Eingriff in einem Satz benennen können.
3. Wie sieht es aus? Den Zielzustand mit 4K-Vokabular beschreiben.

Ein Bild, vier Cluster

Das gleiche Maasai-Motiv, durchgespielt durch alle vier Cluster. Erkennst du den jeweiligen Cluster am Ergebnis?

Der nächste Schritt

Die vier Cluster sind das Handwerk. Sie machen aus dir jemanden, der jedes vorhandene Bild gezielt weiterverarbeiten kann. Aber das ist nur die halbe Geschichte. Wer im Business wirklich profitiert, denkt einen Schritt weiter: Wie nutze ich diese Werkzeuge im Alltag? Wofür lohnt sich der Aufwand? Wie skaliere ich von einem Bild auf hundert?

Begriffe aus dieser Lesson

• Image-to-Image — Image-to-Image nimmt ein bestehendes Bild als Ausgangspunkt und transformiert es: Stil ändern, Elemente ergänzen, Details verfeinern. Der Unterschied zu Text-to-Image: Du startest nicht bei null, sondern bei einem vorhandenen Bild.
• Inpainting — Inpainting ersetzt oder ergänzt einen ausgewählten Bereich in einem Bild, während der Rest unverändert bleibt. Du markierst den Bereich, beschreibst was dort sein soll, und das Modell füllt nahtlos.
• Style Transfer — Style Transfer überträgt den visuellen Stil eines Referenzbildes auf ein neues Motiv. Du gibst ein Bild als Stil-Vorlage und beschreibst das gewünschte Motiv, das Ergebnis kombiniert beides.

Passende Fragen

• Ist Bild-Editing mit KI nur ein kürzerer Generierungs-Prompt?
  Nein. Editing hat eine eigene Struktur mit Ankerpunkten und expliziter Konsistenz-Forderung. Du sagst nicht nur, was sich ändern soll, sondern auch, was bleiben muss. Ohne diese Struktur ändert die KI mehr als gewollt.
• Sind mehrere Edits in einem Prompt effizienter als einzelne?
  Nein. Iteratives Arbeiten ist schneller, weil Multi-Edits oft mehrere Versuche brauchen. Ein Prompt mit drei Änderungen schlägt meist fehl und erfordert Neustart. Drei separate Prompts landen schneller am Ziel.
• Verändert Stiltransformation nur das Aussehen eines Bildes?
  Nein. Starke Stilisierung verändert oft auch Anatomie, Identität und Komposition. Aus einer realistischen Person kann ein Comic-Charakter werden, nicht nur im Stil, sondern auch im Gesicht. Das muss man einplanen.
• Was muss in einem Bild-Editing-Prompt stehen, das sauber funktioniert?
  Du musst explizit sagen, was bleiben soll, nicht nur, was sich ändern soll. Wenn du nur präzise die Änderung beschreibst, ändert die KI oft auch Dinge, die du behalten wolltest.
• Wovon hängt eine gelungene Bild-Kombination ab?
  Vom Ausgangsmaterial. Wenn Licht, Perspektive oder Stil der Quellbilder nicht zusammenpassen, hilft kein Prompt. Der Prompt entscheidet über Feinheiten, die Quellen entscheiden über Machbarkeit.