Workflow-Optimierung
Wie man genau das Bild bekommt, das man im Kopf hat — statt etwas Hübsches, aber Anderes.
In den vorherigen Artikeln hast du gelernt, Bilder zu generieren, Stable Diffusion zu nutzen und mit LoRA feinzutunen. Aber du hast wahrscheinlich gemerkt: Manchmal stimmt die Pose nicht, die Auflösung ist zu niedrig, oder du bekommst die gewünschte Komposition einfach nicht hin.
Dieser Artikel gibt dir das professionelle Werkzeugset: ControlNet für präzise räumliche Kontrolle, KI-Upscaling für druckfertige Auflösung und den 7-Schritte-Workflow, der zufällige Ergebnisse in gezielte Kreationen verwandelt.
ControlNet — Komposition steuern
Definition
ControlNet
Analogie
Definition
Die Kernerkenntnis: Der Text-Prompt kontrolliert, WAS auf dem Bild zu sehen ist. ControlNet kontrolliert, WO es sich befindet.
Beispiel: OpenPose-Workflow. (1) Fotografiere dich selbst mit verschränkten Armen. (2) Lass den OpenPose-Präprozessor ein Skelett extrahieren.
(3) Kombiniere das Skelett mit dem Prompt "ein mittelalterlicher Ritter in voller Rüstung, Burghintergrund." (4) Ergebnis: Ein Ritter in DEINER exakten Pose. Die Pose bleibt erhalten, alles andere ist neu.
Präprozessoren extrahieren Kontrollbilder automatisch aus Fotos. Du brauchst kein technisches Wissen — lade ein Referenzfoto hoch, wähle den Modus, und das Ergebnis erscheint sofort. Neuere Modelle wie FLUX.2 nehmen zusätzlich mehrere Referenzbilder entgegen und übernehmen daraus Figuren oder Stil. Sollen Pose oder Kanten verlässlich und mit einstellbarer Stärke eingehalten werden, bleibt ControlNet die bessere Wahl; es gibt es inzwischen auch für FLUX.2.
Achtung
Irrtum: ControlNet ist zu kompliziert für Anfänger
Die Grundmodi (OpenPose, Canny) erfordern kein technisches Wissen. Du lädst ein Referenzfoto hoch, der Präprozessor macht die Extraktion automatisch, und das Ergebnis ist sofort sichtbar. Fortgeschrittene Konfiguration ist optional.
ControlNet friert das Bildmodell ein und legt eine trainierbare Kopie seines Encoder-Teils an. Den Prompt liest wie gewohnt der Text-Encoder des Bildmodells. Ein kleines Netz aus vier Faltungsschichten bereitet das Kontrollbild auf, die Kopie verarbeitet es und speist ihre Signale über „Zero Convolutions“ (mit null initialisierte Faltungsschichten) in das eingefrorene Modell ein. Die Stärke des Kontrollsignals lässt sich über ein Gewicht regeln — bei niedrigem Gewicht interpretiert die KI die Struktur freier, bei hohem Gewicht folgt sie präziser.
Upscaling — Von klein zu druckfertig
Warum nicht einfach direkt in hoher Auflösung generieren? Weil Modelle wie SD 1.5 oberhalb ihrer Trainingsauflösung zu schweren Artefakten neigen: doppelte Köpfe, verschmolzene Gliedmaßen, verzerrte Körper. Die Lösung: Klein generieren, groß skalieren.
Pixel werden gestreckt, unscharfes Ergebnis, keine neuen Details, sofort fertig
Neue Details werden erzeugt, scharfes Ergebnis, plausible Texturen, dauert Sekunden
Einfaches Resize ist wie das Heranzoomen an ein Zeitungsfoto — du siehst größere Punkte, aber keine neuen Informationen. KI-Upscaling ist wie ein forensischer Zeichner, der ein unscharfes Überwachungsbild nimmt und realistische Hauttextur, Stoffmuster und Haarsträhnen einzeichnet.
ESRGAN
Schnell und deterministisch. Ideal für Fotos und Anime. Ergänzt gelernte Texturen, aber keine neuen Bildinhalte, und verarbeitet das Bild in Sekunden. 4x-Vergrößerung in ~2 Sekunden.
SD Upscale
Verrauscht das Bild leicht und entrauscht es erneut. Fügt echte neue Details hinzu (Hauttextur, Stoffmuster). Langsamer, aber kreativer. Ideal für Druckprodukte.
Tiled Upscaling
Verarbeitet das Bild in Kacheln. Funktioniert auch mit nur 4 GB VRAM. Ideal für große Bilder auf schwacher Hardware.
Das Grundprinzip: Generiere in der nativen Basisauflösung deines Modells (bei SD 1.5 sind das 512×512, bei SDXL 1024×1024), dann skaliere hoch. Nie umgekehrt. Neuere Modelle verschieben die Grenze: FLUX.2 erzeugt Bilder direkt mit bis zu 4 Megapixeln, das offene Modell FLUX 3 Image Klein (seit Oktober 2026) sogar nativ in 4K, und auch die Bildmodelle von Google (Nano Banana) und OpenAI (GPT Image) liefern auf Wunsch bis zu 4K. Die Regel gilt dann ab ihrer jeweiligen Höchstauflösung.
Konkretes Beispiel: (1) Portrait bei 512×512 generieren. (2) ESRGAN 4× anwenden → 2048×2048 in rund 2 Sekunden, schnell und scharf, aber ohne echte neue Details. Alternative: (1) Generiere bei 512×512. (2) SD Upscale 2× mit Denoising 0,3 → 1024×1024 mit neuen Details. (3) ESRGAN 2× → 2048×2048 final.
Achtung
Irrtum: Upscaling ist genauso gut wie direkte Hochauflösung
Direkt erzeugte Hochauflösung hätte mehr echte Details. Aber oberhalb der nativen Auflösung des Modells verursacht direkte Generierung schwere Kompositionsartefakte. Upscaling ist der praktische Kompromiss: gute Komposition bei niedriger Auflösung, dann gute Details durch Skalierung.
ESRGAN ist deterministisch: Gleiches Eingabebild ergibt immer gleiches Ergebnis. Es ergänzt gelernte, plausible Texturen, erfindet aber keine neuen Bildinhalte. Ideal für schnelle Ergebnisse und konsistente Qualität. SD Upscale verrauscht das Bild leicht und lässt es dann von der KI erneut entrauschen — dabei entstehen echte neue Details wie Hauttextur oder Stofffalten. Ideal für Druckprodukte, wo maximale Detailschärfe zählt. Nachteil: langsamer und kann das Bild leicht verändern.
Der professionelle Workflow — Alles zusammen
Professionelle Bildgenerierung folgt einer 7-Schritte-Pipeline. Es geht nicht um einen perfekten Prompt, sondern um iterative Verfeinerung:
- 1. Prompt formulieren
- 2. Batch generieren4–8 Varianten in Basisauflösung, z. B. 512×512
- 3. Beste Komposition auswählen
- 4. ControlNet für strukturelle Verfeinerung
- 5. Inpainting für Detailkorrekturenwie im vorherigen Artikel gelernt
- 6. Upscaling auf Zielauflösung
- 7. NachbearbeitungPhotoshop/GIMP
Warum Batch-Generierung? Weil du in 30 Sekunden 8 Varianten bei 512×512 erzeugst. Die Chance, eine gute Komposition zu finden, steigt dramatisch. Dann verfeinerst du nur die beste Variante weiter.
Tools wie ComfyUI ermöglichen diesen Workflow als visuelle, knotenbasierte Pipeline — jeder Schritt ist ein Baustein, den du verbinden, speichern und wiederverwenden kannst.
Beispiel: Buchcover-Workflow. (1) Prompt: "Fantasy-Landschaft, antiker Turm, dramatischer Himmel." (2) 8 Varianten bei 512×512 in 30 Sekunden generieren. (3) Beste Komposition auswählen, Seed merken.
(4) ControlNet Depth anwenden für räumliche Anordnung. (5) Titelbereich per Inpainting freihalten. (6) SD Upscale 2× + ESRGAN 2× auf 2048×2048. (7) Export als 300 DPI CMYK für den Druck. Bei 300 DPI reichen 2048 Pixel für gut 17 cm Kantenlänge; für ein Taschenbuchcover im Hochformat generierst du gleich im passenden Seitenverhältnis und skalierst entsprechend weiter.
Achtung
Irrtum: KI ersetzt Grafikdesigner
KI ist ein Werkzeug FÜR Designer. Die kreative Vision, Kompositionsentscheidungen, Verfeinerungswahl und der finale Feinschliff bleiben menschliche Aufgaben. Der 7-Schritte-Workflow zeigt: KI generiert Rohmaterial, der Mensch formt es zum fertigen Produkt.
Interaktiv: Die 7-Schritte-Pipeline als Knoten-Diagramm
In ComfyUI verbindest du jeden Verarbeitungsschritt als visuellen Knoten. Klicke auf „Abspielen“ und beobachte, wie die Pipeline Schritt für Schritt aktiviert wird — vom ersten Prompt bis zum druckfertigen Export.
Die 7-Schritte-Pipeline als knotenbasiertes Diagramm — wie in ComfyUI. Jeder Knoten repräsentiert einen Verarbeitungsschritt.
Klicke auf "Abspielen", um den Ablauf Schritt für Schritt zu sehen.
In ComfyUI ist jeder Schritt ein wiederverwendbarer Baustein. Du kannst Schritte umordnen, Parameter ändern und ganze Workflows speichern und teilen — ein entscheidender Vorteil gegenüber linearen Tools.
Merke
Kernaussagen
- ControlNet löst das "Was-kommt-wohin"-Problem: Text-Prompts kontrollieren den Inhalt, ControlNet kontrolliert die Komposition (Pose, Kanten, Tiefe, Skizze).
- Immer in der nativen Basisauflösung des Modells generieren (z. B. 512×512 bei SD 1.5, 1024×1024 bei SDXL) und danach hochskalieren — darüber hinaus verursacht direkte Generierung schwere Artefakte.
- Professionelle Bildgenerierung ist eine iterative 7-Schritte-Pipeline, kein einzelner Prompt. Viele generieren, das Beste auswählen, verfeinern, hochskalieren.
Mit diesem Workflow hast du das komplette Handwerkszeug für die generative Bildkunst. Du kennst jetzt den Weg vom ersten Prompt bis zum druckfertigen Ergebnis — die gleichen Prinzipien der iterativen Verfeinerung gelten auch für Videogenerierung und andere generative KI-Workflows.
Prüfen
Quiz: Workflow-Optimierung
Du möchtest ein Bild generieren, das die Raumaufteilung eines Architekturfotos beibehält, Fassaden und Details aber frei neu erfindet und den Stil in "futuristische Sci-Fi-Stadt" ändert. Welchen ControlNet-Modus verwendest du?
Wähle eine Antwort
1. Du möchtest ein Bild generieren, das die Raumaufteilung eines Architekturfotos beibehält, Fassaden und Details aber frei neu erfindet und den Stil in "futuristische Sci-Fi-Stadt" ändert. Welchen ControlNet-Modus verwendest du?
2. Warum generieren Profis mit SD 1.5 Bilder bei 512×512 und skalieren danach hoch, statt direkt bei 2048×2048 zu generieren?
3. Du hast ein Foto einer sitzenden Person mit überkreuzten Beinen und möchtest eine Fantasy-Figur in exakt derselben Körperhaltung generieren. Welchen ControlNet-Modus und Workflow verwendest du?
4. Du hast ein Portrait bei 512×512 generiert und willst es für ein fotorealistisches Buchcover bei 2048×2048 drucken. Du hast zwei Optionen: ESRGAN 4× (schnell, deterministisch) oder SD Upscale 2× + ESRGAN 2× (langsamer, fügt Details hinzu). Welche wählst du für das Buchcover?
5. Ein Freund sagt: "Ich tippe einen Prompt, nehme das erste Ergebnis und vergrößere es in Paint. Das ist mein Workflow." Bewerte diesen Ansatz gegen die 7-Schritte-Pipeline. Was sind die zwei größten Probleme?
Prüfen
Checkpoint
Kannst du das in eigenen Worten erklären? Hake ab, was sitzt.
0 von 3 sitzen