Schönes Licht verrät die KI: Wie echte Bilder entstehen

KI-Bilder erkennt man selten an falschen Händen. Man erkennt sie am Licht. Jedes Diffusionsmodell lernt aus Millionen Bildern, die von Fotografen ausgewählt und bearbeitet wurden. Das Ergebnis: Modelle beleuchten Szenen, wie es ein Studio machen würde. Und genau das verrät sie. Dieser Beitrag fasst zusammen, was wir in einem lokalen Produktionsprojekt über glaubwürdige KI-Bilder gelernt haben.

Warum verrät schönes Licht die KI?

Der Befund aus unserem Projekt klingt erst einmal paradox: Profi-Foto-Vokabular im Prompt erzeugt Retusche-Ästhetik. Wer Ausstattung und Filmmaterial beschreibt, die Profis benutzen, erhält glatte Studioergebnisse. Das Modell hat gelernt, dass solche Beschreibungen zu ausgewählten, bearbeiteten Bildern gehören.

Zweiter Verräter: die frontale Blickachse. Ein Modell, das direkt in die Kamera lächelt, erzeugt eine Maske. Ein Dreiviertel-Profil mit feiner Gesichtsasymmetrie wirkt sofort menschlicher.

Der Grund liegt im Training: Diffusionsmodelle lernen aus den besten Aufnahmen, die im Netz vorhanden sind. Ein Amateurfoto mit schiefem Horizont und Blitz-Falloff ist in den Trainingsdaten deutlich seltener vertreten als ein professionell ausgeleuchtetes Motiv.

Welche Aufnahmebedingungen erzeugen Echtheit?

Die Wende im Projekt: den Prompt von Bildattributen auf Aufnahmebedingungen umstellen. Der Unterschied zwischen beiden Ansätzen war der größte Sprung der ganzen Reihe.

Attribute

natural skin texture, perfect body, studio quality

Aufnahmebedingungen

fensterlicht, Consumer-Kamera, Snapshot, nicht inszeniert

Wirkung

Attribute erzeugen Retusche, Bedingungen erzeugen Echtheit

Ein typischer Prompt für glaubwürdige Ergebnisse beschreibt die Situation der Aufnahme: flaches diffuses Fensterlicht, eine gewöhnliche Digitalkamera, ein dokumentarischer Schnappschuss, nicht inszeniert. Dazu kommt das Licht-Rezept: eine einzige schwache Lichtquelle, harte Schatten, ein leicht falscher Weißabgleich mit Gelbstich.

Und alle schönen Lichtarten wandern ins Negativ: softbox, studio lighting, rim light, cinematic lighting, HDR, balanced exposure. Wer Schönheit will, beschreibt sie. Wer Echtheit will, verbietet sie.

Wie viel Prompt braucht ein Merkmal?

Die zweite Lehre betrifft die Prompt-Disziplin. Diffusionsmodelle skalieren Adjektive, sie gewichten sie nicht. Wer eine Eigenschaft mehrfach und stark beschreibt, erhält keine verstärkte Echtheit, sondern eine Übertreibung.

Wir haben das an der Anatomie gelernt. Der Versuch, Hauttextur durch gestapelte Attribute zu erzeugen, führte zu Flecken, die wie Hautkrankheit aussahen. Die Korrektur war eine einzelne milde Formulierung. Die Regel, die daraus entstand: eine Eigenschaft, eine milde Formulierung. Überbeschreibung erzeugt Übertreibung.

Eine Eigenschaft, eine milde Formulierung. Diffusionsmodelle skalieren Adjektive, sie gewichten sie nicht.

Das gilt für alle Fotorealismus-Arbeiten: Wer natürlich wirkende Körper, Gesichter oder Produkte will, beschreibt jedes Merkmal genau einmal und zurückhaltend. Der Rest entsteht durch die Aufnahmebedingungen.

Warum liefert ein Modell allein nicht genug?

Für das Projekt war die Anforderung fotorealistischer Erotik-Content, lokal produziert, ohne Cloud. Bei der Suche nach der richtigen Pipeline hat sich gezeigt: Ein Modell, das hardcorefähig, fotorealistisch und anatomisch sauber gleichzeitig ist, existiert lokal nicht. Nicht weil wir es nicht gefunden hätten. Nach systematischer Suche ist es nicht vorhanden.

Die Lösung war eine zweistufige Kette: Ein spezialisierter SDXL-Checkpoint rendert die Szene. Ein img2img-Pass mit Qwen-Image 2.1 trägt die Oberfläche neu. Der entscheidende Parameter ist die Denoise-Stärke. Bei 0.45 bleibt die Anatomie der Quelle erhalten, nur die Haut wird neu berechnet. Darüber erbt man die Verzerrungen der Quelle. Bei 1.0 wird der Körper neu erfunden, also kaputt.

Für die Softcore-Variante reichte FLUX.2 klein 4B allein: ein Schritt, etwa 15 Sekunden pro Bild, mit den Aufnahmebedingungen im Prompt. Beide Rezepte gelten für das Genre Erotik, die Prinzipien dahinter für jedes Motiv.

Ein Hinweis zur Pipeline-Planung: Bevor Sie erotische Inhalte mit KI produzieren, prüfen Sie die rechtlichen Grenzen. In Deutschland kommt §184 StGB dazu, bei Vertrieb über Kanäle zusätzlich eine FSK-Einstufung. Für die kommerzielle Nutzung gelten Lizenzbedingungen der Modelle. Wir haben vor jeder Serie die Lizenzbasis geklärt, vor der Generierung, nicht danach.

Warum lokal statt Cloud?

Adult-Content über Cloud-APIs zu erzeugen hat zwei Probleme. Erstes Problem: Die meisten Anbieter sperren das Genre. Zweites Problem: Sensible Inhalte verlassen die eigene Kontrolle. Beides sprach für lokale Produktion.

Der Aufwand ist überschaubar. ComfyUI auf einem leistungsstarken Rechner, alle Modelle von Hugging Face, keine API. Vor dem ersten Einsatz jedes Modells dreifach geprüft: Hash-Abgleich gegen die Hugging-Face-API, Payload-Scan auf Pickle-Marker, Prüfung eingebetteter URLs. Der Scan erzeugt False Positives, die man kennen muss. Gewichtsdaten matchen zufällig Base64-Muster, Tokenizer-Vokabulare enthalten Wörter wie subprocess als normale Tokens. Ein Scan ist nur etwas wert, wenn man die Ausnahmen erklären kann.

Für Unternehmen ist das die eigentliche Lehre: Sensible Bildinhalte lassen sich vollständig lokal erzeugen. Marke, Prototypen, unreleased Produkte. Nichts verlässt die Maschine.

Was ist mit Post-Processing?

Filmkorn und JPEG-Artefakte danach drüberzustreuen verändert die Oberfläche, nicht die Glaubwürdigkeit. Die Hauttextur muss im Render entstehen. Körnung danach kaschiert nur.

Welche Fragen bleiben offen?

Merken Betrachter den Unterschied wirklich?

Ja. In unseren Abnahme-Runden fielen zu perfekt ausgeleuchtete Bilder sofort auf. Nach dem Licht-Rezept bestanden die Kandidaten die Prüfung. Die Wirkung war der größte einzelne Sprung der Reihe.

Funktioniert das Licht-Rezept für jedes Motiv?

Die Prinzipien tragen über das Genre hinaus: eine Lichtquelle, harte Schatten, falscher Weißabgleich. Für Produkt- und Lifestyle-Motive reicht meist eine mildere Variante, ein billiger Handyblitz plus unordentlicher Hintergrund.

Reicht ein leistungsstarkes Modell allein?

Nein. Ein Modell für alle Anforderungen existiert lokal nicht. Die zweistufige Kette mit Handselektion ist der lokale Stand der Technik. Wer höhere Ansprüche hat, kombiniert Modelle.

Das Wichtigste in Zahlen

Softcore-Rezept

FLUX.2 klein 4B, 4 Steps, 15 Sekunden pro Bild

Hardcore-Kette

SDXL-Checkpoint plus Qwen-Image 2.1 img2img

Denoise-Formel

0.45 hält Anatomie, trägt nur Oberfläche neu

Produktion

lokal, ComfyUI, ohne Cloud

Kostenloses Erstgespräch

Sie wollen fotorealistische KI-Bilder für Ihre Marke, lokal produziert? Besprechen Sie Ihr Vorhaben mit uns. Wir zeigen, welche Pipeline Ihre Anforderungen braucht.

Jetzt kostenloses Erstgespräch vereinbaren