Benutzerhandbuch
gpt-image-2.5-flare/image-to-image Prompt-Rezepte: direkt kopierbare Bearbeitungs-Prompts
Wie man Referenzbild-Bearbeitungen formuliert, das Subjekt bewahrt, Hintergründe ersetzt und Negativlisten schreibt
Auf dieser Seite
Was ein Image-to-Image-Prompt tatsächlich klären muss
Die meisten enttäuschenden Bearbeitungsergebnisse sind kein Problem des Modells, sondern eine unzureichend beschriebene Anfrage. Wenn du ein Referenzbild mit einer kurzen Anweisung wie „mach es schöner“ oder „änder den Hintergrund“ sendest, muss das Modell raten, was erhalten bleiben soll, was geändert werden darf und wie weit es abweichen darf – ohne Anhaltspunkte. Jede fehlgeschlagene Bearbeitung, die du je gesehen hast, beruht meist darauf, dass eine dieser drei Annahmen danebenging.
Ein Image-to-Image-Prompt erfüllt vier Aufgaben:
- Referenzrolle – sag dem Modell, wozu das Eingabebild dient. Ist es das Subjekt, das erhalten bleiben soll, eine Stilprobe, eine Kompositionsvorlage oder eine zu verfeinernde Skizze? Dasselbe Bild erzeugt je nach zugewiesener Rolle völlig unterschiedliche Ergebnisse.
- Zieländerung – benenne genau eine Hauptänderung. „Ersetze den Hintergrund durch eine Studio-Wand“ ist ein Ziel, „mach das Foto besser“ ist keins.
- Treue-Constraints – beschreibe, was gleich bleiben muss: Gesichtsform, Produktetiketten-Text, Pose, Jackenfarbe, exakter Kamerawinkel. Fehlt das, synthetisiert das Modell alles neu.
- Negativliste – eine kurze, konkrete Menge von „darf nicht vorkommen“. Das sind Leitplanken, keine Wunschliste.
Wenn eine Anfrage alle vier Ebenen enthält, wird die Ausgabe vorhersehbar genug zum Iterieren. Enthält sie nur eine Ebene – meist nur die Zieländerung –, füllt das Modell die fehlenden Ebenen mit eigenen Defaults, die selten deiner Absicht entsprechen. Bevor du irgendeinen Prompt schreibst, bestimme, welche Ebene beim letzten Versuch fehlte. Das ist die Variable, die du als Nächstes anpasst.

Das Prompt-Gerüst: eine wiederverwendbare Reihenfolge für Bearbeitungsanweisungen
Verwende für jede Bearbeitung dasselbe geordnete Gerüst, damit Prompts aus verschiedenen Runden vergleichbar bleiben. Ist die Reihenfolge fix, ist der einzige Unterschied zwischen zwei Versuchen der geänderte Satz – nur so lässt sich überhaupt debuggen.
[1] Referenzrolle: „Verwende das bereitgestellte Bild als {Subjekt-/Stil-/Layout-}Referenz,“
[2] Zieländerung: „Ändere {ein konkretes Element} zu {konkretes Ergebnis}.“
[3] Treue-Constraints: „Halte {Identität / Pose / Produkttext / Farben / Komposition} unverändert.“
[4] Stil und Rendering: „Halte {Beleuchtung, Objektiv, Farbton, Körnung} konsistent mit dem Referenzbild.“
[5] Negativliste: „Füge nicht {Artefakt 1}, {Artefakt 2}, {Artefakt 3} hinzu.“
Ein vollständig ausgefülltes Beispiel:
Verwende das bereitgestellte Bild als Subjektreferenz, ändere den Hintergrund zu einer einfarbigen warmgrauen Studio-Wand,
mit weichem streifendem Licht von links oben. Halte Gesicht, Haare, Ausdruck und Kleidung
der Person unverändert, inklusive der sichtbaren Nähte an der Jacke. Richte die Lichtrichtung auf dem Subjekt an der des Originalbilds aus,
damit der neue Hintergrund nicht wie aufgeklebt wirkt. Füge keine überzähligen Finger hinzu, ändere nicht
den gedruckten Logo-Text.
Die Reihenfolge ist wichtig, weil frühere Slots spätere einschränken. Die Referenzrolle legt die Baseline fest, die Zieländerung bearbeitet darauf, die Treue-Constraints begrenzen, wie weit diese Bearbeitung reichen darf, und die Negativliste räumt nur den Rest auf. Wenn du merkst, dass du mehrere unzusammenhängende Änderungen in Slot 2 stopfst, teile sie in mehrere Anfragen auf – eine Änderung pro Runde, damit sich ein schlechtes Ergebnis einem konkreten Satz zuordnen lässt.

Das Subjekt-Treue-Rezept: das Originalbild intakt halten
Subjekt-Drift – subtil andere Gesichter, verzerrte Logos, verschobene Posen – entsteht fast immer aus vagen Treueformulierungen. „Halte es unverändert“ gibt dem Modell keinen Ankerpunkt. Konkrete, benannte Attribute schon.
Identitätserhalt (Personen):
Erhalte vollständig die Gesichtsstruktur, den Hautton, die Frisur und den Ausdruck der Person im Referenzbild.
Ändere nur den Hintergrund.
Benenne die Attribute, die dir wichtig sind. Wenn ein Kunde ein bestimmtes Merkmal wichtig findet, liste es auf: „Halte die Augenbrauenform und die kleine Narbe über der linken Augenbraue.“ Je konkreter der Anker, desto fester die Sperre.
Produkttreue:
Halte Form, Material, Etikettenlayout und jeden gedruckten Text des Produkts unverändert.
Die Oberfläche, auf der es liegt, und die Beleuchtung der Umgebung dürfen sich ändern, aber das Etikett
muss vollständig scharf lesbar bleiben.
Text ist das fragilste Attribut bei jeder Bearbeitung. Wenn Lesbarkeit wichtig ist, sag es explizit und füge einen passenden Negativpunkt hinzu („Zeichne den Etikettentext nicht neu und stilisiere ihn nicht“).
Pose und Komposition:
Halte die exakte Körperhaltung, Handposition und den Kamerawinkel des Referenzbilds.
Reframe, beschneide oder drehe das Subjekt nicht.
Stiltransfer ohne Identitätsverlust: Wenn das Referenzbild gleichzeitig Subjekt- und Stilquelle ist, trenne beides im Prompt:
Verwende das bereitgestellte Bild sowohl als Subjekt- als auch als Stilreferenz, passe den Rendering-Stil
an eine weiche malerische Textur an, während die erkennbaren Merkmale, die Pose und die Kleidung
des Subjekts unverändert bleiben.
Ein praktischer Test: Verdecke den geänderten Bereich in der Ausgabe und vergleiche den Rest mit dem Referenzbild. Wenn der „unveränderte“ Bereich gedriftet ist, war dein Treue-Slot zu vage – nicht das Modell schuld.

Rezepte für Hintergrundaustausch und Szenenwechsel
Ein Hintergrund-Prompt wie „setz es an den Strand“ lässt das Modell Inhalte, Beleuchtung und Integration selbst erfinden. Beschreibe stattdessen drei Dinge: Inhalt, Lichtrichtung und Kantenbehandlung.
Studio-Austausch:
Ersetze den Hintergrund durch einen nahtlosen warmgrauen Studio-Hintergrund. Setze weiches Licht aus Richtung links oben
auf den Hintergrund, mit sanftem Abfall, konsistent mit der vorhandenen Beleuchtung auf dem Subjekt.
Lass die Subjektkanten natürlich in den Hintergrund übergehen; bewahre feine Haarsträhnen und vermeide
harte Freistellungs-Halos.
Umgebungsszene:
Ersetze den Hintergrund durch eine abendliche Straßenszene. Erzeuge warmes, tief stehendes Sonnenlicht von rechts,
das zur vorhandenen Schattenrichtung des Subjekts passt, weich unscharfer Mittelgrund, klare Trennung des Vordergrunds.
Halte die Schärfentiefe im Verhältnis zur Subjektgröße des Referenzbilds glaubwürdig.
Bei jedem Hintergrundaustausch lohnt sich ein eigener Satz zur Kantenbehandlung. Die zwei häufigsten Fehler sind Aufkleber-Effekt (Licht passt nicht) und Halo (Kanten zu stark getrennt). Behandle beides:
- „Richte die Lichtrichtung des Hintergrunds an den vorhandenen Glanzlichtern des Subjekts aus.“
- „Bewahre feine Kantendetails wie Haarsträhnen und Stoffkanten; lass keine sichtbaren Konturen entstehen.“
- „Setze einen subtilen Kontaktschatten unter das Subjekt, passend zur neuen Oberfläche.“
Zuletzt sag im Negativ-Slot, was der Hintergrund nicht enthalten darf – Unordnung, konkurrierende Subjekte, Text. Der Szenenname legt nur die Kategorie fest; Inhalt, Licht und Kanten entscheiden über das Ergebnis.
Negativlisten schreiben, die die Ausgabe wirklich verändern
Negativlisten verlieren ihre Wirkung, sobald sie vage werden. „Schlechte Qualität, niedrige Auflösung, hässlich“ sagt dem Modell fast nichts, was es unterdrücken soll, und erzeugt nur Prompt-Rauschen. Wirksame Negativpunkte sind konkret, beobachtungsbasiert und kurz – meist drei bis sechs Einträge, von denen jeder einem tatsächlich in früheren Ausgaben gesehenen Artefakt entspricht.
Formuliere passend zur Artefaktkategorie:
- Anatomische Drift: „Füge keine überzähligen Finger hinzu und führe sie nicht zusammen; halte die Hände exakt wie im Referenzbild.“
- Textschäden: „Gestalte, verwische oder zeichne keinen gedruckten Text und kein Logo neu.“
- Freistellungs-Halos: „Um die Subjektkanten darf keine sichtbare Kontur und kein Leuchten entstehen.“
- Lichtinkonsistenz: „Führe keine zweite Lichtquelle ein; übernimm die Lichtrichtung des Referenzbilds.“
- Kompositions-Ausbreitung: „Füge der Szene keine neuen Objekte, Personen oder Text hinzu.“
- Stil-Durchsickerung: „Verwandle das Foto nicht in eine Illustration oder einen Cartoon.“
Drei Gewohnheiten halten die Negativliste wirksam:
- Jeder Negativpunkt entspricht einer Beobachtung. Wenn du das Artefakt nicht gesehen hast, liste es nicht. Auf Verdacht hinzugefügte Negativpunkte lenken das Modell nur ab.
- Begrenze die Länge. Überschreitet sie etwa sechs Punkte, widerspricht sich der Prompt; behebe die Ursache stattdessen im Treue- oder Ziel-Slot.
- Teste das Entfernen erneut. Entferne einen Negativpunkt nach dem anderen und prüfe, ob er noch wichtig ist. Manche Artefakte verschwinden, sobald deine Treueformulierung besser ist.
Die Negativliste ist ein Aufräumwerkzeug, kein Korrekturmittel. Wenn ein Negativpunkt ständig die Hauptarbeit leistet, ist deine Hauptanweisung nicht ausreichend beschrieben.
Vorher-Nachher-Ausgaben interpretieren und iterieren
Behandle jede Bearbeitung als Experiment, bei dem nur eine Variable geändert wird. Vergleiche die Ausgabe mit dem Referenzbild, klassifiziere die Abweichung und ändere dann genau eine Sache.
Eine einfache Drei-Kanal-Diagnose:
- Formulierungsabweichung – Die Änderung ist passiert, aber nicht wie angefragt (falsche Lichtrichtung, falscher Hintergrundinhalt). Lösung: den Satz zur Zieländerung präzisieren.
- Treueabweichung – Die Änderung ist wirksam, aber das Subjekt ist gedriftet (Gesicht, Pose, Etikett, Farbe). Lösung: benannte Attribute im Treue-Slot ergänzen und einen passenden Negativpunkt hinzufügen.
- Fähigkeitsgrenze – Die Bearbeitung schlägt unabhängig von der Formulierung weiter fehl (z. B. winziger Text, extreme Perspektive). Lösung: das Referenzbild ersetzen – saubererer Zuschnitt, höhere Auflösung oder besser beleuchtete Quelle – statt den Prompt weiter umzuschreiben.
Führe für jedes Material ein kurzes Iterationslog: Prompt-Version, was du geändert hast und das Ergebnis. Zwei Regeln sparen Zeit:
- Ändere pro Runde nur eine Sache. Hintergrund-Prompt und Treueformulierung gleichzeitig zu ändern macht das Ergebnis uninterpretierbar.
- Halte das Referenzbild fest. Tausche das Referenzbild nur im Kanal der Fähigkeitsgrenze aus; in allen anderen Fällen setzt ein neues Referenzbild die Vergleichsbasis zurück.
Falls es einen Anfrageparameter gibt (z. B. Stärke oder Seitenverhältnis-Behandlung), behandle ihn als vierten Kanal: ändere ihn erst, wenn Formulierung und Referenzbild ausgeschöpft sind, und protokolliere es im Log. Nach einigen Runden hast du eine kleine Sammlung von Rezepten, die Ergebnisse stabil reproduzieren.
Prompt-Versionierung und Prompts im Code für den Produktivbetrieb
Im Produktivbetrieb sind Prompts Assets, keine schnell in die Konsole getippten Strings. Behandle sie wie Code: versioniert, parametrisiert und bis zu ihren Ausgaben rückverfolgbar.
Vorlagendatei mit benannten Variablen:
# templates/bg_swap_v3.txt
Verwende das bereitgestellte Bild als Subjektreferenz und ändere den Hintergrund zu {background_content}.
Verwende Licht aus Richtung {light_direction}, konsistent mit den Glanzlichtern des Subjekts.
Behalte {fidelity_attributes}. Füge nicht {negatives} hinzu.
Verbindung zwischen Version und Ausgabe protokollieren. Jeder Ausgabedatensatz sollte Vorlagenname, Version, injizierte Variablenwerte und Modellkennung tragen. Wenn sich das Verhalten des Endpunkts ändert, kannst du Ausgaben über Versionen hinweg vergleichen und zur vorherigen Vorlage zurückrollen, statt zu raten.
Praktische Produktivgewohnheiten:
- Semantische Versionierung. Erhöhe die Minor-Version bei Formulierungsänderungen, die Major-Version bei Rollen- oder Strukturänderungen.
- Festes Variablenvokabular. Verwende einheitlich Schlüssel wie
background_content,light_direction,fidelity_attributesundnegatives, damit Vorlagen vergleichbar bleiben. - Vor der Beförderung prüfen. Eine Formulierungsfeinheit, die einen Fall repariert, kann einen anderen verschlechtern; halte eine kleine Sammlung von Vorher-Nachher-Vergleichen als Regressionsprüfung bereit.
- Einheitlicher Einstiegspunkt. Lass alle Image-to-Image-Anfragen über denselben Endpunkt laufen, damit Vorlagenversion und Modellkennung in derselben Prüfspur bleiben.
Wenn Prompts versioniert und Ausgaben mit ihnen verknüpft protokolliert sind, ist Bearbeitung kein Einmalexperiment mehr, sondern ein reproduzierbarer Teil der Pipeline.
Ähnliche Artikel
Alle Artikel ansehen →-
Benutzerhandbuch
Leitfaden für den Einstieg in gpt-6.2-sol: Grenzen der Fähigkeiten, API-Anbindung und Hinweise zur Token-Abrechnung
Entscheidungshilfen und praktische Hinweise zur Anbindung für Engineering-Teams
-
Benutzerhandbuch
gpt-6.2-astra Einstiegsleitfaden: Grenzen der Textmodell-Fähigkeiten, Integrationspunkte und Kostenkontrolle
-
Benutzerhandbuch
Tripo H3.1 Einstiegsleitfaden: Drei Eingabewege, Parameter und Preiswahl
Praktische Entscheidungsfindung und Kostenkontrolle bei der 3D-Generierungsintegration für Entwickler