Sobald ein KI-Custom-Model auf die Marke trainiert wurde, helfen Prompts Design-Teams dabei, zu steuern, wie das Modell Konzepte anwendet. Die folgenden Techniken helfen Teams, unerwünschte visuelle Elemente zu vermeiden, eine konsistente Ästhetik zu etablieren, Assets zu verfeinern und die Komposition gezielt zu gestalten.
Negative Prompting
Negative Prompting gibt dem Modell vor, welche Elemente in einem Bild nicht erscheinen sollen. In Custom-Model-Workflows bietet dies Kreativ-Teams eine zusätzliche Steuerungsebene, indem unerwünschte visuelle Elemente reduziert werden – selbst wenn das Modell auf freigegebenen Marken-Assets trainiert wurde. Ausschlüsse auf Prompt-Ebene helfen dabei, unerwünschte Elemente im generierten Bild zu minimieren.
Negative Prompting ist besonders nützlich für:
- Ausschluss markenfremder Stilvarianten. Ein Custom Model kann aus den Trainingsdaten mehr als ein visuelles Muster erlernen. Negative Prompts verhindern unerwünschte Stilabweichungen, wenn bestimmte Kompositionen, Szenen oder Motivbehandlungen den Output vom gewünschten Look entfernen.
- Ungewollte Kampagnenbezüge verhindern. Bei zeitlosem Content helfen Prompts wie „keine Feiertagsdekoration“, „keine saisonalen Elemente“ oder „keine wetterspezifischen Bilder“ dabei, unbeabsichtigte visuelle Assoziationen in Assets zu vermeiden, die ganzjährig eingesetzt werden sollen.
- Konsistente Charakter- und Szenendarstellung gewährleisten. Negative Prompts können Posen, Ausdrücke, Styling-Behandlungen, Szenenkonfigurationen oder visuelle Details ausschließen, die der kreativen Vision widersprechen.
Negative Prompts entfalten ihre volle Wirkung, wenn sie präzise formuliert sind. Lange Ausschlusslisten erschweren es dem Modell, dem Prompt zu folgen, und können den Einfluss der wichtigsten Einschränkungen abschwächen. Anstatt auf einen universellen negativen Prompt zu setzen, sollten Teams gezielte Ausschlusssets für bestimmte Kampagnentypen, Kanäle und Asset-Kategorien erstellen. Ein Social-Media-Asset erfordert beispielsweise andere Ausschlüsse als eine Out-of-Home-Platzierung, da jedes Format unterschiedliche visuelle und produktionsbezogene Anforderungen hat. Negative Prompts können die Kontrolle verbessern, doch sollten die Ergebnisse weiterhin auf Marken- und Kampagnenanforderungen geprüft werden.
Few-Shot-Prompting
Few-Shot-Prompting ist eine Technik, bei der ihr der KI einige Beispiele bereitstellt, um das Modell vor der eigentlichen Generierungsanfrage gezielt in eine bestimmte kreative Richtung zu lenken. In Custom-Model-Workflows helfen diese Beispiele dabei, die Ausgabe über die standardmäßigen visuellen Tendenzen des Modells hinaus in eine klar definierte Kampagnenrichtung zu steuern.
Diese Technik ist besonders hilfreich, wenn eine Kampagne über die übliche Ästhetik der Marke hinausgehen soll. Eine Marke kann ihr Custom Model beispielsweise auf sauber gestalteter Studiofotografie trainiert haben, für eine saisonale Kampagne aber kräftige Farben, redaktionelles Licht und dynamischere Kompositionen benötigen. Das Modell kennt zwar die visuelle Kernidentität der Marke, lässt sich jedoch durch Referenzbeispiele gezielt weiter beeinflussen.
Iteratives Refinement-Prompting
Iteratives Refinement-Prompting hilft Teams dabei, ein Ergebnis durch gezielte Korrekturen zu verbessern, anstatt jedes Mal mit einem neuen Prompt von vorne zu beginnen. Wenn ein Bild bereits annähernd der gewünschten Richtung entspricht, gibt der nächste Prompt gezielt vor, was geändert werden soll, während die bereits funktionierenden Elemente erhalten bleiben. Dieser Ansatz reduziert unnötige Generierungszyklen.
Für kreative Enterprise-Workflows sind zwei Verfeinerungsansätze besonders wertvoll:
- Elementspezifische Verfeinerung. Bei diesem Ansatz wird jeweils eine visuelle Variable angepasst – etwa Komposition, Beleuchtung, Motivplatzierung, Hintergrundgestaltung oder Styling. Wenn beispielsweise die Komposition stimmt, die Beleuchtung aber zu flach wirkt, sollte der Verfeinerungs-Prompt gezielt auf die Beleuchtung ausgerichtet sein und das Modell anweisen, Bildausschnitt, Produktplatzierung und Hintergrundstruktur beizubehalten. So wird verhindert, dass das Modell Bildteile überarbeitet, die bereits den Anforderungen entsprechen.
- Stimmungsverfeinerung. Bei diesem Ansatz wird der emotionale Ton oder die visuelle Energie eines Assets in kontrollierten Schritten angepasst. Statt zwischen Versionen umfangreiche Änderungen vorzunehmen, setzen Teams auf gezielte Formulierungen wie „etwas wärmer“, „dynamischer“, „weichere Atmosphäre“ oder „höherer Kontrast“. Diese kleineren Verfeinerungen helfen dabei, die Stimmung der Kampagne präzise einzustellen, ohne die übergeordnete kreative Ausrichtung zu beeinträchtigen.
Iterative Verfeinerung unterstützt einen strukturierteren Review-Prozess. Die erste Generierung legt den Ausgangspunkt fest, die kreative Überprüfung ermittelt, was angepasst werden muss, und der nächste Prompt schließt diese konkreten Lücken. Jede Runde wird zielgenauer – und gibt Designerinnen und Designern sowie Marketing-Teams klarere Orientierungspunkte zwischen KI-gestützter Generierung und der finalen Asset-Freigabe.
Dieser Workflow hilft Teams auch dabei zu erkennen, ob sich ein Problem durch verbessertes Prompting lösen lässt oder ob das Modell selbst aktualisiert werden muss. Wenn das Bild Anpassungen an Stimmung, Beleuchtung, Bildkomposition oder Kanal-Eignung benötigt, kann gezieltes Refinement-Prompting ausreichen. Wenn wiederholte Prompt-Verfeinerungen weiterhin nicht die gewünschten Ergebnisse liefern, sollte das Team den Trainingsdatensatz, die Beschriftungen, das Modell-Setup oder die Workflow-Annahmen überprüfen.
Prompts für Komposition und visuelle Ausrichtung
Custom Models werden darauf trainiert, einen konsistenten Charakter oder visuellen Stil zu erlernen. Zusätzlich kann das Prompting für Komposition und visuelle Ausrichtung gezielt steuern, wie ein Bild aufgebaut, gestaltet und von der Zielgruppe wahrgenommen wird. Sobald ein Custom Model auf das visuelle System der Marke trainiert wurde, kann der Prompt die kreativen Entscheidungen lenken, die dafür sorgen, dass ein Ergebnis bewusst inszeniert wirkt – und nicht nur markenkonform.
Wirkungsvolle Kompositions-Prompts umfassen häufig mehrere Arten visueller Ausrichtung:
- Kompositionsstruktur. Dazu gehören Bildausschnitt, Negativraum, Motiv-zu-Rahmen-Verhältnis, Schichtung und visuelle Hierarchie. Diese Details geben dem Modell eine klarere Orientierung darüber, wo wichtige Elemente im Bild erscheinen sollen, wie viel Raum sie umgibt und was Betrachtenden zuerst ins Auge fällt.
- Lichtgestaltung. Die Beleuchtungsführung definiert die Gesamtqualität und Konsistenz eines Asset-Sets. Prompts, die weiches, diffuses Licht, hartes Richtungslicht, Rim-Lighting, niedrigen Kontrast, hohen Kontrast oder eine warme Farbtemperatur festlegen, geben dem Modell klare technische Vorgaben.
- Perspektive und Kamerasprache. Die Kameraperspektive beeinflusst maßgeblich, wie Betrachtende ein Motiv erleben. Prompts können Augenhöhe, erhöhte Perspektive, engen Bildausschnitt, Weitwinkelcharakter, Telekompression, geringe Tiefenschärfe oder maximale Schärfentiefe vorgeben – um die räumlichen Beziehungen im Bild gezielt zu lenken.
- Atmosphäre und Stimmung. Die Stimmungsvorgabe verbindet die technischen Bildelemente mit dem emotionalen Ziel der Kampagne. Prompts beschreiben die gewünschte Energie, den Rhythmus, die Atmosphäre und den visuellen Ton, damit die Komposition die übergeordnete kreative Absicht gezielt unterstreicht.
Ein präziseres visuelles Vokabular gibt dem Modell von Anfang an eine klarere Richtung – und hilft Teams dabei, bereits früher im Prozess Assets zu erstellen, die näher am Kampagnen-Briefing liegen.
