Blog

Benutzerhandbuch

FLUX 3 Image Klein – Prompt-Iteration in der Praxis: vom Produktaufbau bis zu mehreren Referenzbildern

Komposition, Rollen der Referenzbilder und Detailsteuerung mit der Methode fixierter Variablen schrittweise zur Konvergenz bringen

Nov 18, 2026
Geometrische Darstellung eines Mineralquerschnitts in flachen Facetten auf dunkelblaugrünem Grund, mit deutlich sichtbaren blaugrünen und dunkelgrünen Facettenflächen, als Titelbild für diesen Artikel.
Auf dieser Seite

Warum Produktvisuals einen phasenweisen Prompt-Aufbau brauchen

Der häufigste Fehler bei Prompts für Produktvisuals besteht darin, sie als einen in einem Zug geschriebenen Aufsatz zu behandeln: Motiv, Material, Licht, Hintergrund, Komposition, Kamera, Stil und Negativbeschreibung werden alle in einen Absatz gepackt, und dann geht es nach dem Muster Generieren, Ergebnis ansehen, unzufrieden sein, den ganzen Absatz erneut ändern. Das Problem dabei ist, dass sich in einer solchen Runde sieben oder acht Faktoren gleichzeitig ändern, sodass du nicht beurteilen kannst, welcher Satz tatsächlich gewirkt hat, und die nächste Runde oft nur auf andere Weise dasselbe Glück wiederholt.

Der Ansatz der phasenweisen Iteration besteht darin, den Vorgang in voneinander abhängige Schritte zu zerlegen: Zuerst werden Bildformat und Pixelstufe festgelegt, dann Position und Anteil des Produkts im Bild bestimmt, anschließend entschieden, welche Rolle die einzelnen Referenzbilder übernehmen, und erst zuletzt erfolgen Detail- und Lieferkorrekturen. In jeder Phase werden nur die Felder geändert, die zu dieser Phase gehören; alle übrigen Felder bleiben fixiert. Nur so lassen sich die Unterschiede zwischen den Ergebnissen aufeinanderfolgender Runden erklären.

Auf der Aufrufseite entspricht diese Methode einer klar definierten Gruppe von Feldern: prompt, image_urls, aspect_ratio, resolution, steps, seed, output_format, safety_tolerance. Die Aufteilung in Phasen bedeutet im Kern, festzulegen, welche Felder sich in dieser Runde ändern dürfen.

Die Methode der fixierten Variablen hat noch einen weiteren Wert: Sie macht den Prompt zu einem versionierbaren Asset. Jede Runde wird als „Prompt + Parametersatz + Ergebnis“ dokumentiert; wenn eine bestimmte Kompositionsversion übernommen wird, kannst du nachvollziehen, wie sie entstanden ist, und sie später beim Wechsel des Produktbilds wiederverwenden.

Typische Schwachstellen eines einmalig geschriebenen langen Prompts

  • Ohne feste Größe werden Adjektive angehäuft; nachdem die Komposition stabil ist, stellt sich heraus, dass das Bildformat für die Detailseite völlig ungeeignet ist;
  • Mehrere Referenzbilder werden auf einmal hineingegeben, ohne im Prompt ihre Rolle zu benennen, sodass das Modell selbst raten muss, welches Bild das Motiv ist;
  • Detailbegriffe (Textur, Glanzlicht, Material) und Kompositionsbegriffe werden in derselben Runde geändert, sodass die Helligkeit zwar stimmt, das Layout aber abweicht;
  • Lieferparameter wie output_format und safety_tolerance werden in der Erkundungsphase wiederholt angepasst und erzeugen irrelevanten Lärm.
Einmalig aufgetürmte Kristalle geraten leicht in Konflikt; erst wenn man die Variablen trennt und pro Runde nur eine Stelle ändert, werden die Schnittflächen nach und nach klar.

Zuerst Bildformat und Pixelstufe festlegen, dann den Bildinhalt

Kompositionsprobleme entstehen oft nicht durch einen schlecht geschriebenen Prompt, sondern dadurch, dass das Bildformat von Anfang an falsch ist. aspect_ratio bestimmt das Ausgabeformat; der Standardwert ist auto, wobei das Modell dann anhand von Prompt und Referenzbildern selbst über das Format entscheidet. Der Automatikmodus ist in der Erkundungsphase bequem, aber seine Entscheidung ist instabil: Bei demselben Prompt kann eine leichte Änderung der Wortreihenfolge einmal ein Hochformat und einmal ein Quadrat ergeben.

Sobald dein Zielprodukt feststeht (Startseiten-Banner, Querformat für die Detailseite, Hochformat für den mobilen Feed), solltest du aspect_ratio explizit festlegen und die Entscheidung nicht mehr dem Modell überlassen. Die verfügbaren Werte decken von 21:9, 16:9, 3:2, 1:1 bis 4:5, 9:16 die drei Klassen Querformat, Hochformat und Quadrat ab und reichen für die meisten Platzierungen im Regal aus.

resolution ist die Pixelstufe mit den Optionen 768, 1K, 1.5K, 2K, 4K; Standard ist 1K. Die konkreten Breiten und Höhen variieren mit dem Bildformat, daher bilden beide Felder ein Paar: Das Bildformat legt das Seitenverhältnis fest, die Stufe die Klarheit. In der Kompositionserkundung solltest du bei der Standardstufe bleiben, denn in dieser Phase beurteilst du Layout und Anteile, nicht die Schärfe der Kanten; eine vorzeitige Erhöhung der Auflösung verlängert nur die Wartezeit pro Runde und macht die Kompositionsbeurteilung nicht genauer.

Zuordnung von Bildformat und Einsatzort

  • Querformat (z. B. 16:9, 3:2): geeignet für Startseiten-Banner und querformatige Szenenbilder; der Freiraum links und rechts des Produkts kann Text aufnehmen;
  • Hochformat (z. B. 4:5, 9:16): geeignet für mobilen Feed und den ersten Bildschirm der Detailseite; das Produkt steht meist stabiler, wenn es mittig und etwas tiefer platziert ist;
  • Quadrat (1:1): geeignet für Regal-Vorschaubilder und Hauptbilder, die kanalübergreifend wiederverwendet werden.

Wenn diese beiden Punkte festgelegt sind und du erst dann prompt änderst, wirst du „falsches Bildformat gewählt“ nicht mehr fälschlich als „Prompt funktioniert nicht“ interpretieren. Wenn du die Felddefinitionen schnell überprüfen möchtest, sieh dir zuerst die Parameterbeschreibung auf der Modellseite an.

Unterschiedliche Seitenverhältnisse sind wie Schnittflächen desselben Kristalls: Erst wird das Raster gewählt, dann geht es darum, was hineinkommt.

Produktkomposition mit Tags und bbox beschreiben

Das Problem bei der Beschreibung von Komposition mit Adjektiven ist, dass sie nicht lokalisierbar ist. Sätze wie „Produkt mittig, oben Platz lassen, rechts unten ein weicher Schatten“ kann das Modell verstehen, aber die Granularität des Verständnisses ist jedes Mal anders. prompt unterstützt die Kombination mit <Tags> und bbox-JSON, um Layout und lokale Bearbeitungsbereiche festzulegen; das gibt dir eine Ausdrucksweise, die eher dem „Skizzieren“ ähnelt.

Die grundlegende Schreibweise besteht darin, die Schlüsselbereiche im Bild zu benennen und dann mit bbox die Position dieser Tags zu beschreiben. Die Tags tragen die Semantik (das ist das Produkt, das ist die Freifläche, das ist der Schattenbereich), die bbox trägt die Geometrie (wo sein Bereich liegt). So wird die Kompositionsbeschreibung von einer vagen Licht- und Schattenvorstellung zu einer Gruppe lesbarer, änderbarer und vergleichbarer Bereichsdefinitionen.

In der Praxis sollte die Anzahl der Tags zurückhaltend sein: Produktmotiv, Freifläche für späteren Text und Schatten-/Spiegelungsbereich – in der Regel reichen drei. Je mehr Tags, desto leichter verdrängen sie sich gegenseitig, und es ist oft direkter, stattdessen das Bildformat anzupassen.

Selbstprüfungsfragen in der Kompositionsphase

  • Entspricht der Anteil des Produkts im Bild den Anforderungen der Platzierung? Hauptbilder müssen meist größer sein, Banner brauchen mehr Freiraum;
  • Kann in der Freifläche tatsächlich Text platziert werden, oder wird sie vom Produktrand halb abgeschnitten?
  • Stimmen Schattenrichtung und Lichtquellenbeschreibung überein, sodass keine doppelten Schatten entstehen?
  • Stört die Tiefenwirkung des Hintergrunds das Motiv? Wenn ein reiner Hintergrund gewünscht ist, sollte das bereits in dieser Phase klar formuliert werden.

Solange die Komposition nicht stabil ist, solltest du keine Materialdetailbegriffe hinzufügen. Detailbegriffe lenken die Aufmerksamkeit des Modells auf die Oberfläche und zerstreuen leicht die gerade eingestellten Bereichsbeziehungen.

Die Leinwand ist in lokalisierbare Bereiche unterteilt: Produktbereich, Schattenbereich und Textbereich – wie die Flächen eines Mineralschnitts.

Rollenverteilung bei mehreren Referenzbildern: Motiv, Stil und Komposition

image_urls ist ein Array von Referenzbildern, dessen Elemente Bildadressen sind; wird es weggelassen, handelt es sich um reine Text-zu-Bild-Generierung. Bei der Unterstützung mehrerer Bilder besteht der häufigste Missbrauch darin, „mehr Bilder sind immer richtig“: Produktfoto, Stilbild eines Wettbewerbers und Layoutreferenz werden zusammen hineingegeben, während im Prompt nur „generiere ein Produktbild unter Bezug auf diese Bilder“ steht. Das Modell kann die Zuständigkeiten dann nur selbst verteilen, und häufig verunreinigt das Stilbild die Produktform oder das Layoutbild überlagert die Motivproportionen.

Die richtige Vorgehensweise besteht darin, im prompt für jedes Bild die Rolle ausdrücklich zu benennen. Die Rollen lassen sich meist in drei Kategorien einteilen: Motiv (Form, Struktur und Farbgebung des Produkts richten sich nach welchem Bild), Stil (Licht, Textur und Atmosphäre orientieren sich an welchem Bild) und Komposition (Bildaufbau und Freiraum richten sich nach welchem Bild). Ein Bild kann mehrere Rollen übernehmen, aber das muss im Text klar gesagt werden; man darf nicht davon ausgehen, dass das Modell es von selbst versteht.

Darüber hinaus übernimmt prompt auch die Aufgabe, „die im Referenzbild zu ändernden und beizubehaltenden Inhalte“ zu erklären. Das heißt: Neben der Angabe, wer wer ist, muss auch angegeben werden, was übernommen und was geändert werden soll. Anweisungen wie Produktform beibehalten, Hintergrund ersetzen oder Licht anpassen sollten jeweils den konkreten Referenzbildrollen zugeordnet werden.

Schreibreihenfolge der Rollenzuweisung

  1. Zuerst in einem Satz beschreiben, was das endgültige Bild zeigen soll (z. B. das Hauptbild eines bestimmten Produkts);
  2. Dann für jedes Referenzbild die Rolle erklären und sie mit Tags verknüpfen;
  3. Angeben, welche Elemente beibehalten und welche geändert werden;
  4. Zuletzt Hintergrund, Licht und weitere Angaben zur Gesamtatmosphäre ergänzen.

Die Anzahl der Referenzbilder ist begrenzt, aber entscheidend ist nicht die Anzahl, sondern ob jedes Bild eine klare Aufgabe hat. Du kannst zuerst mit einem Motivbild die Komposition zum Laufen bringen, dann ein Stilbild hinzufügen und zuletzt ein Layoutbild; füge jedes Mal nur ein Bild hinzu und beobachte, wie sich das Ergebnis verändert.

Iterationsmethode mit fixierten Variablen: eine Änderung pro Runde

Um die Iteration zu einem Prozess zu machen, gibt es nur eine Kernregel: eine Änderung pro Runde. Konkret wird zuerst eine Gruppe von Basisfparametern fixiert; in jeder Runde wird dann nur ein Feld ersetzt – entweder ein Satz im prompt geändert oder ein Referenzbild hinzugefügt bzw. entfernt.

Für die Basisfparameter sollten seed, steps und Bildformat/Pixelstufe fixiert werden: seed erhält eine feste ganze Zahl, steps wird nahe am Standardobergrenzwert fixiert, um Detailspielraum zu bewahren, und aspect_ratio sowie resolution erhalten die im vorherigen Schritt bestimmten Werte. Danach wird diese Parametergruppe in jeder Generierungsrunde wiederverwendet, und die Ergebnisse werden als „Runde, was geändert wurde, wie das Ergebnis war“ dokumentiert.

Bezüglich seed solltest du eine realistische Erwartung haben: Seine Aufgabe ist es, „bei gleichen Parametern möglichst dasselbe Ergebnis zu reproduzieren“, nicht Gleichheit zu garantieren. Selbst wenn die Parameter völlig unverändert bleiben, darfst du nicht annehmen, dass zwei Ausgaben pixelgleich sind; betrachte es als Werkzeug zur Verringerung zufälliger Schwankungen, nicht als Reproduzierbarkeitsversprechen. Deshalb müssen Prompt-Version und Parametergruppe gemeinsam dokumentiert werden, sonst lässt sich im Nachhinein nicht beurteilen, ob Unterschiede vom Prompt oder von der Zufälligkeit stammen.

Dokumentationsvorlage für eine einzelne Iterationsrunde

  • Rundennummer und Ziel (was in dieser Runde überprüft werden soll);
  • Snapshot der fixierten Parameter: seed, steps, aspect_ratio, resolution;
  • Die einzige Variable dieser Runde: welcher Satz im Prompt oder welches Referenzbild;
  • Ergebnisbeurteilung: Ziel erreicht / wirkungslos / neues Problem eingeführt;
  • Nächster Schritt: beibehalten, zurückgehen oder einen neuen Zweig beginnen.

Wenn eine Runde ein neues Problem einführt, besteht die richtige Aktion darin, zur vorherigen Parametergruppe zurückzukehren und dort eine andere Stelle zu ändern, anstatt auf der problematischen Version weiter zu reparieren. Bei mehreren parallelen Zweigen sollten diese nummeriert werden, um Verwechslungen der Prompt-Versionen zu vermeiden.

Detailkorrekturen: steps, Auflösung und lokale Bearbeitung

Erst nachdem Komposition und Rollen der Referenzbilder stabil sind, beginnt die Detailphase. Die Felder, die jetzt geändert werden können, sind steps, resolution sowie die lokalen Bearbeitungsbereiche im prompt.

steps ist die Anzahl der Diffusionsschritte; Standard ist 16, der Wertebereich liegt bei 1–16. Je niedriger der Wert, desto schneller die Generierung, wobei Details abnehmen können. Es ist ein Regler für Geschwindigkeit und Detail, nicht für Qualitätsnoten: Solange die Komposition nicht feststeht, ist eine Änderung sinnlos; nachdem die Komposition feststeht, kannst du damit innerhalb einer akzeptablen Wartezeit vollständigere Texturen und Kanten erzielen. Beachte, dass es die Abrechnung nicht beeinflusst; die Abwägung sollte daher an deinen Warte kosten ausgerichtet sein, nicht am Budget.

resolution lohnt sich erst in dieser Phase zum Erhöhen. Die Standardstufe 1K reicht aus, um Komposition und Rollenverteilung zu beurteilen; erst wenn das Layout endgültig ist und höher aufgelöste Endprodukte geliefert werden sollen, wird sie schrittweise erhöht, wobei zu prüfen ist, ob bei hoher Pixelzahl übermäßige Materialschärfung oder Hintergrundrauschen auftreten. Erhöhe jeweils nur um eine Stufe, um den Vergleich zu erleichtern.

Die lokale Bearbeitung stützt sich auf Tags und bbox im prompt: Zuerst wird mit Tags der zu ändernde Bereich markiert, dann im Text erklärt, was innerhalb des Bereichs geändert und was außerhalb beibehalten werden soll. Ein häufiges Scheitern der lokalen Bearbeitung besteht darin, dass die Bereichsgrenze nicht mit der Produktkante übereinstimmt und ein Teil des Produkts abgeschnitten wird; deshalb kann die Auswahl etwas nach außen erweitert und dann mit Text die beizubehaltenden Elemente festgelegt werden.

Empfohlene Reihenfolge in der Detailphase

  1. Zuerst mit steps den Kompromiss zwischen Detail und Wartezeit finden;
  2. Dann mit lokaler Bearbeitung einzelne Mängel beheben, z. B. zu harte Schatten oder Farbstiche an Kanten;
  3. Zuletzt resolution erhöhen und das Endprodukt ausgeben;
  4. Jedes Mal nur eine Stufe erhöhen oder nur einen Bereich ändern und Punkt für Punkt bestätigen.

Lieferparameter und Fehlersuche bei häufigen Problemen

output_format und safety_tolerance gehören zu den Lieferparametern. output_format ist standardmäßig jpeg, optional png; wenn ein transparenter Hintergrund oder eine spätere Nachbearbeitung nötig ist, wähle png, für die direkte Präsentation im Regal ist jpeg leichter. safety_tolerance ist die Toleranz gegenüber Inhaltssicherheit, eine ganze Zahl, wobei 0 am strengsten ist; Standard ist 2. Beide sollten in der Kompositionserkundung nicht wiederholt angepasst werden: Änderungen daran führen früh nur bildfremde Variablen ein; erst wenn die Komposition stabil ist und die Massenproduktion beginnt, sollten sie einheitlich festgelegt werden.

Häufige Probleme und Ansatzpunkte zur Fehlersuche

  • Der Prompt wurde geändert, aber das Bild ändert sich nicht: Prüfe zuerst, ob in dieser Runde nur diese eine Stelle geändert wurde, und dann, ob die Änderung auf der Ebene liegt, auf die das Modell achtet (Kompositionsbegriffe, die in der Detailphase geändert werden, sind oft wirkungslos);
  • Referenzbilder werden ignoriert: Prüfe, ob im prompt für das jeweilige Bild eine klare Rolle erklärt wurde und ob beizubehaltende und zu ändernde Elemente angegeben sind;
  • Mehrere Bilder stören sich gegenseitig: Reduziere die Anzahl der Referenzbilder und füge sie in der Reihenfolge Motiv, Stil, Komposition einzeln hinzu, um festzustellen, welches Bild stört;
  • Reproduktion schlägt fehl: seed reproduziert nur möglichst; prüfe, ob Parametergruppe und Prompt-Version vollständig übereinstimmen, und akzeptiere, dass Schwankungen bleiben;
  • Bildformat entspricht nicht der Erwartung: Prüfe, ob aspect_ratio noch auto ist, und lege es explizit fest, bevor du die Komposition beurteilst;
  • Die Generierung wird langsamer: Prüfe, ob resolution oder steps zu früh erhöht wurden, und gehe zur Stufe der Erkundungsphase zurück, um dies zu verifizieren.

Wenn du die Definitionen der oben genannten Felder einmal zentral überprüfst und erst dann die nächste Runde startest, lassen sich meist viele wirkungslose Versuche einsparen. Details zu den Feldern findest du auf der Modellseite von flux-3-image-klein.

Phasenweise vorgehen, Variablen fixieren und jede Runde dokumentieren – der Wert dieses Ablaufs liegt nicht darin, das Modell klüger zu machen, sondern darin, dass jede deiner Änderungen erklärbar wird. Behandle Prompts und Parametergruppen wie Code, der versioniert werden muss; dann wird die Produktion von Produktvisuals von Glückssache zu reproduzierbarer Ingenieursarbeit.

Ähnliche Artikel

Alle Artikel ansehen →

Starte mit persistenten KI-Artefakten

Hol dir deinen API-Key und rufe Bild-, Video- und Audiomodelle über eine einzige task-basierte API auf.

API-Dokumentation lesen