Du besitzt bereits ein Bild.

Vielleicht ein Foto eines Hauses.

Eine Produktaufnahme.

Eine Skizze.

Eine Illustration.

Nun möchtest du nicht komplett bei null beginnen.

Stattdessen soll die KI dieses vorhandene Bild als Grundlage verwenden.

Zum Beispiel:

Verwandle dieses sommerliche Hausfoto in eine winterliche Szene.

Oder:

Erzeuge aus dieser Bleistiftskizze eine realistische Innenraumvisualisierung.

Oder:

Behalte die Komposition bei, aber gestalte das Bild als reduzierte redaktionelle Illustration.

Genau dafür gibt es Image-to-Image.

Das Grundprinzip lautet:

Ausgangsbild
+
Anweisung
↓
Bildmodell
↓
verändertes Bild

Im Unterschied zu Text-to-Image beginnt die KI also nicht ausschließlich mit einer sprachlichen Beschreibung.

Sie bekommt bereits visuelle Informationen.

Das Ausgangsbild liefert Struktur

Nehmen wir ein Foto:

Haus
↓
Garten
↓
Baum links
↓
Tür mittig
↓
Fenster rechts

Bei reinem Text-to-Image müssten wir all diese Elemente erst beschreiben.

Und selbst dann würde die KI wahrscheinlich eine andere Komposition erzeugen.

Bei Image-to-Image bekommt das Modell das bestehende Bild direkt.

Damit besitzt es Informationen über:

Komposition,

Perspektive,

Formen,

Farben,

Licht,

Positionen,

Proportionen.

Der Prompt beschreibt die gewünschte Veränderung

Ausgangsbild:

Ein weißes Einfamilienhaus an einem sonnigen Sommertag.

Prompt:

Winterliche Atmosphäre, Schnee auf Dach und Garten, bewölkter Himmel, warmes Licht aus den Fenstern.

Nun besitzt das Modell zwei Informationsquellen:

Ausgangsbild
→ Was ist vorhanden?

und:

Prompt
→ Was soll daraus werden?

Das Ergebnis entsteht aus dem Zusammenspiel beider.

Image-to-Image ist keine klassische Bildfilterfunktion

Ein normaler Filter könnte beispielsweise:

Farbsättigung reduzieren

oder:

Kontrast erhöhen

Die Bildstruktur bleibt dabei mathematisch weitgehend dieselbe.

Image-to-Image kann dagegen neue Bildinformation erzeugen.

Zum Beispiel:

Sommergarten
↓
Schnee erzeugen

Holztisch
↓
Steintisch erzeugen

Foto
↓
Illustration erzeugen

Das System interpretiert das Bild generativ neu.

Deshalb kann Image-to-Image viel stärker verändern als klassische Bearbeitung

Ein Filter sagt:

Verändere vorhandene Pixel.

Image-to-Image kann sagen:

Erzeuge die Szene neu, aber orientiere dich am vorhandenen Bild.

Das ist ein grundlegender Unterschied.

Das Original bleibt nicht automatisch exakt erhalten

Das ist einer der wichtigsten Punkte.

Viele Nutzer erwarten:

Wenn ich ein Ausgangsbild verwende, bleibt alles außer meiner gewünschten Änderung identisch.

Das muss nicht so sein.

Image-to-Image kann beispielsweise verändern:

Fensterformen,

Gesichter,

Kleidung,

Materialien,

kleine Gegenstände,

Proportionen.

Selbst wenn diese Änderungen gar nicht ausdrücklich verlangt wurden.

Warum verändert die KI auch unerwünschte Details?

Weil das Ausgangsbild nicht zwangsläufig einfach Pixel für Pixel übernommen wird.

Das Modell verarbeitet es als Ausgangszustand beziehungsweise Bedingung und generiert daraus eine neue Variante.

Vereinfacht:

Original
↓
teilweise in generativen Zustand überführen
↓
Prompt einbeziehen
↓
neu erzeugen

Je stärker dieser generative Eingriff ist, desto mehr Freiheit besitzt das Modell.

Die zentrale Einstellung ist die Änderungsstärke

In verschiedenen Systemen kann sie unterschiedliche Namen besitzen.

Zum Beispiel:

Denoising Strength,

Strength,

Image Influence,

Transformation Strength.

Das Grundprinzip ist ähnlich.

niedrige Stärke
→ Original stärker erhalten

hohe Stärke
→ KI darf stärker neu gestalten

Was bedeutet niedrige Änderungsstärke?

Angenommen, das Original zeigt:

rotes Haus
+
grüner Garten
+
blauer Himmel

Prompt:

Herbstliche Stimmung.

Bei niedriger Stärke könnte entstehen:

gleiches Haus
+
ähnlicher Garten
+
herbstlichere Farben

Die grundlegende Geometrie bleibt eher erhalten.

Was bedeutet hohe Änderungsstärke?

Mit derselben Ausgangsaufnahme und deutlich höherer Stärke könnte die KI:

Hausform verändern,

Fenster neu gestalten,

Pflanzen ersetzen,

Perspektive leicht verändern,

Licht vollkommen neu interpretieren.

Das Bild wird zunehmend zu einer Neugenerierung.

Man kann sich einen Regler vorstellen

Originaltreue                     Neugenerierung

|---------------------------------------|
0                                       1

Links:

möglichst ähnlich

Rechts:

nur noch grobe Orientierung

Die konkrete Skala unterscheidet sich je nach Werkzeug.

Der optimale Wert hängt von der Aufgabe ab

Kleine Materialänderung:

niedrigere Stärke

Foto in Illustration umwandeln:

mittlere bis höhere Stärke

Skizze in fotorealistisches Bild:

höhere Stärke

Es gibt keinen universell richtigen Wert.

Eine zu niedrige Stärke kann Veränderungen verhindern

Prompt:

Verwandle dieses Wohnzimmer vollständig in ein futuristisches Labor.

Bei sehr geringer Änderungsstärke versucht das Modell möglicherweise gleichzeitig:

das Wohnzimmer fast vollständig zu erhalten

und:

ein futuristisches Labor zu erzeugen.

Diese Anforderungen widersprechen sich.

Dann bleibt das Ergebnis eventuell zu nah am Original.

Eine zu hohe Stärke kann dagegen wichtige Bildmerkmale zerstören

Du möchtest:

Ändere nur die Wandfarbe von Weiß zu Grün.

Hohe Stärke kann zusätzlich:

Möbel verändern,

Fenster verschieben,

Dekoration austauschen.

Dann wäre Inpainting wahrscheinlich die bessere Methode.

Image-to-Image verändert grundsätzlich das gesamte Bild

Das ist die wichtigste Abgrenzung zu Inpainting.

Image-to-Image:

gesamtes Bild
↓
generative Transformation

Inpainting:

nur markierter Bereich
↓
generative Transformation

Wenn wirklich nur ein Objekt geändert werden soll, ist Image-to-Image häufig zu grob.

Wann ist Image-to-Image besonders geeignet?

Typische Anwendungen sind:

Foto
→ Illustration

Skizze
→ ausgearbeitetes Bild

Tag
→ Nacht

Sommer
→ Winter

alter Innenraum
→ neue Gestaltungsidee

einfache 3D-Vorschau
→ atmosphärische Visualisierung

Gemeinsam ist diesen Aufgaben:

Das gesamte Bild darf sich verändern, aber seine Grundstruktur soll erkennbar bleiben.

Foto zu Illustration

Ausgang:

Fotografie

Prompt:

Reduzierte redaktionelle Illustration mit klaren geometrischen Formen, flächigen Farben und wenig Textur.

Ergebnis:

gleiche oder ähnliche Szene
↓
andere visuelle Sprache

Das eignet sich hervorragend für Websites, wenn reale Fotos in eine konsistente Illustrationswelt überführt werden sollen.

Illustration zu Fotografie

Auch die Gegenrichtung ist möglich.

Ausgang:

grobe Illustration eines Wohnzimmers

Prompt:

Realistische Innenraumfotografie, natürliche Materialien, weiches Tageslicht.

Das Modell interpretiert die gezeichneten Formen als räumliche Vorlage.

Skizze zu fertigem Bild

Eine der spannendsten Anwendungen.

Du zeichnest:

┌────────────┐
│      Tisch │
│ Sofa       │
│        Tür │
└────────────┘

Die Skizze ist sehr grob.

Sie bestimmt jedoch:

ungefähre Objektpositionen.

Prompt:

Modernes gemütliches Wohnzimmer mit heller Eiche, beige Stoffsofas und großen Fenstern.

Dann:

Skizze
+
Prompt
↓
Visualisierung

Dadurch kann ein Mensch die Komposition vorgeben

Das ist ein großer Unterschied zu Text-to-Image.

Statt zehnmal zu prompten:

Sofa links, Tisch rechts, Tür hinten …

kann eine einfache Skizze diese Struktur unmittelbar vermitteln.

Zeichnerisches Können ist dafür nicht zwingend erforderlich

Eine grobe Skizze kann reichen:

Rechtecke,

Linien,

Positionen.

Die KI übernimmt:

Material,

Licht,

Textur,

Details.

Das macht Image-to-Image zu einem interessanten Werkzeug für schnelle Visualisierung.

Architektur ist allerdings ein sensibler Anwendungsfall

Eine KI kann ein Gebäude überzeugend darstellen.

Sie garantiert aber nicht:

statische Korrektheit,

maßstäbliche Genauigkeit,

baurechtliche Umsetzbarkeit.

Deshalb sollte eine KI-Visualisierung nicht mit einem technischen Plan verwechselt werden.

Visualisierung und Planung sind unterschiedliche Aufgaben

Image-to-Image kann hervorragend beantworten:

Wie könnte diese Fassade ungefähr mit dunklem Holz aussehen?

Es sollte nicht allein beantworten:

Kann diese Wand statisch entfernt werden?

Für technische Entscheidungen braucht es entsprechende Fachplanung.

Innenraumgestaltung ist ein klassischer Image-to-Image-Fall

Foto:

bestehendes Wohnzimmer

Prompt:

Skandinavische Einrichtung, heller Holzboden, warme cremefarbene Stoffe, minimalistische Möbel.

Die KI erzeugt eine mögliche Variante.

Das eignet sich gut für:

Inspiration,

Moodboards,

Variantenvergleich.

Es ist aber keine Einkaufsliste

Ein generierter Tisch kann:

realistisch aussehen,

aber gar nicht existieren.

Ein Sofa kann:

Designmerkmale verschiedener realer Produkte vermischen.

Die Visualisierung zeigt eine Idee.

Nicht automatisch konkrete kaufbare Möbel.

Produktdesign funktioniert ähnlich

Skizze:

grobe Gehäuseform

Prompt:

Matte schwarze Oberfläche, Aluminiumrahmen, minimalistisches technisches Produktdesign.

Das Modell kann mehrere Varianten erzeugen.

Für frühe Konzeptphasen ist das sehr wertvoll.

Exakte Produktdarstellung ist anspruchsvoller

Sobald das Produkt bereits existiert und exakt dargestellt werden muss:

Logo,

Tasten,

Anschlüsse,

Proportionen

müssen stimmen.

Image-to-Image kann diese Details verändern.

Dann braucht man entweder:

stärkere strukturelle Kontrolle,

gezielte Bildbearbeitung,

klassisches Compositing

oder:

Inpainting für einzelne Bereiche.

Identität kann bei Personen driften

Ausgangsbild:

eine konkrete Person.

Prompt:

Verwandle die Szene in eine winterliche Landschaft.

Das Modell könnte trotzdem verändern:

Gesichtsform,

Augen,

Haare,

Alter,

Hautdetails.

Warum?

Weil die Person im generativen Prozess teilweise neu rekonstruiert wird.

Niedrige Änderungsstärke hilft, garantiert aber keine Identität

Je näher das Ergebnis am Original bleiben soll, desto weniger Freiheit darf das Modell erhalten.

Doch selbst kleine Abweichungen können bei Gesichtern auffallen.

Menschen sind ausgesprochen sensibel für Gesichtsänderungen.

Ein Gesicht ist kein gewöhnliches Detail

Ein leicht anderes Fenster:

kaum auffällig.

Ein leicht anderes Auge:

sofort auffällig.

Darum reichen Methoden, die für Landschaften hervorragend funktionieren, bei Identität möglicherweise nicht aus.

Wiederkehrende Personen brauchen zusätzliche Kontrolle

Wenn dieselbe fiktive Figur über viele Bilder hinweg konsistent bleiben soll, können zusätzlich helfen:

Referenzbilder,

Identitätskonditionierung,

LoRA,

spezialisierte Modellverfahren.

Ein einziges Image-to-Image-Bild garantiert keine Serienkonsistenz.

Dasselbe Problem gibt es bei Produkten

Das Produkt auf Bild 1 besitzt:

drei Knöpfe.

Auf Bild 2 plötzlich:

vier.

Bild 3:

anderes Logo.

Für kreative Illustration vielleicht irrelevant.

Für Produktkommunikation problematisch.

Image-to-Image ist deshalb keine exakte Kopiermaschine

Es erzeugt:

visuell verwandte Variante

nicht zwingend:

pixelidentische Vorlage
+
genau eine Änderung

Für letzteres brauchen wir präzisere Werkzeuge.

Was ist Denoising?

Viele diffusionsbasierte Image-to-Image-Systeme arbeiten vereinfacht so:

Originalbild
↓
in internen Bildraum codieren
↓
Rauschen hinzufügen
↓
Entrauschungsprozess unter Promptsteuerung
↓
neues Bild

Die Menge des hinzugefügten Rauschens bestimmt grob, wie stark das Ausgangsbild aufgelöst wird.

Wenig Rauschen

Original
↓
leichtes Rauschen
↓
KI rekonstruiert

Das Modell kann sich stark an der ursprünglichen Struktur orientieren.

Viel Rauschen

Original
↓
starkes Rauschen
↓
viele Details verloren
↓
KI rekonstruiert freier

Das erklärt intuitiv, warum hohe Denoising Strength mehr Veränderungen erzeugt.

Bei maximaler Stärke nähert man sich Text-to-Image

Wenn vom Original nur noch sehr wenig Struktur übrig bleibt:

Ausgangsbild
↓
fast vollständig aufgelöst
↓
Prompt dominiert

Dann wird das Ausgangsbild zunehmend unwichtig.

Das Ergebnis kann fast wie eine freie Generierung wirken.

Image-to-Image ist daher ein Kontinuum

Nicht:

Original
oder
neues Bild

sondern:

Originaltreue
↔
Transformation

Diese Abstufung ist die zentrale Stärke des Verfahrens.

Der Prompt muss zum Ausgangsbild passen

Ausgang:

kleine Küche.

Prompt:

riesiger Flughafenhangar mit zehn Flugzeugen.

Das Modell kann versuchen, beides zusammenzubringen.

Aber die Struktur des Ausgangsbilds passt kaum zur gewünschten Szene.

Dann ist vielleicht Text-to-Image sinnvoller.

Gute Image-to-Image-Prompts beschreiben die gewünschte Zielversion

Beispiel Ausgang:

Foto einer alten Küche.

Nicht nur:

moderner.

Besser:

Moderne minimalistische Küche mit hellen Eichenfronten, matten weißen Oberflächen, schwarzer Armatur und weichem Tageslicht.

Damit bekommt das Modell konkrete visuelle Ziele.

Nicht jeden erhaltenen Bestandteil erneut beschreiben

Wenn das Ausgangsbild bereits:

ein großes Fenster links

zeigt und dieses erhalten bleiben soll, kann es manchmal ausreichen, die gewünschte Veränderung zu beschreiben.

Bei wichtigen Strukturelementen kann eine zusätzliche Erwähnung dennoch helfen.

Zum Beispiel:

Behalte Grundriss und Fensterpositionen bei.

Sprachliche Erhaltungsanweisungen haben Grenzen

Verändere absolut nichts außer der Wandfarbe.

klingt eindeutig.

Ein generatives Modell kann trotzdem andere Details verändern.

Promptregeln sind keine harte Pixelmaske.

Für exakte lokale Änderungen ist Inpainting geeigneter.

Stiltransfer ist ein idealer Image-to-Image-Fall

Original:

Foto

Ziel:

Aquarell

Hier darf:

Textur,

Farbgebung,

Detailgrad

deutlich verändert werden.

Die Grundkomposition soll aber erhalten bleiben.

Das passt perfekt zum Prinzip von Image-to-Image.

Stil sollte als Eigenschaften beschrieben werden

Zum Beispiel:

Grobe Aquarellflächen auf hellem Papier, sichtbare Pigmentverläufe, weiche Konturen, reduzierte Details.

Das ist präziser als:

künstlerisch.

Ein eigener Website-Stil kann auf reale Fotos angewendet werden

Angenommen, eine Wissensseite erhält Bilder aus unterschiedlichen Quellen.

Foto A:

Sommer.

Foto B:

Studio.

Foto C:

Handyaufnahme.

Image-to-Image könnte daraus eine einheitlichere Illustrationswelt erzeugen.

verschiedene Fotos
↓
gleiches Style-Preset
↓
verwandte Illustrationen

Das kann visuelle Konsistenz verbessern.

Ausgangsbilder bleiben trotzdem unterschiedlich

Wenn Foto A frontal aufgenommen wurde und Foto B aus extremer Vogelperspektive, wird der gemeinsame Stil nicht automatisch identische Komposition schaffen.

Style Consistency und Composition Consistency sind unterschiedliche Dinge.

Ein Style-Preset sollte deshalb mehrere Ebenen definieren

Zum Beispiel:

Linien
Farben
Detailgrad
Licht
Hintergrund
Kontrast

Dazu eventuell:

bevorzugte Komposition

Damit kann Image-to-Image systematischer eingesetzt werden.

Das Ausgangsbild kann auch selbst KI-generiert sein

Ein praktischer Workflow:

Text-to-Image
↓
gute Komposition
↓
Image-to-Image
↓
Stil oder Details verändern

Man muss nicht bei jedem Versuch komplett neu beginnen.

Damit lassen sich Bildvarianten kontrolliert weiterentwickeln

Version 1:

gute Szene.

Aber:

zu fotorealistisch.

Dann:

Version 1
↓
Image-to-Image
↓
redaktionelle Illustration

Version 2:

Stil gut.

Aber:

zu dunkel.

Dann erneut:

Version 2
↓
Image-to-Image
↓
helleres Tageslicht

So entsteht ein iterativer kreativer Prozess.

Jede Generation entfernt sich aber potenziell vom Ausgangspunkt

Wenn man immer wieder:

Bild 1
↓
Bild 2
↓
Bild 3
↓
Bild 4

als jeweilige neue Grundlage verwendet, können sich Veränderungen aufsummieren.

Das ist ähnlich wie mehrfaches Kopieren einer Kopie.

Nicht technisch identisch, aber als mentale Vorstellung hilfreich.

Daher Original behalten

Ein guter Workflow speichert:

original

und erzeugt daraus:

variant-a
variant-b
variant-c

Statt nur:

original
→ verändert
→ überschrieben

So kann jederzeit zurückgekehrt werden.

Versionierung ist bei generativer Bildbearbeitung besonders wertvoll

Zum Beispiel:

asset-4711
├── original
├── v1-winter
├── v2-winter-light
└── v3-approved

Damit ist nachvollziehbar:

Welche Version wurde veröffentlicht?

Originale sollten niemals versehentlich überschrieben werden

Das gilt besonders bei:

Fotos,

Kundenmaterial,

Produktfotos,

historischen Aufnahmen.

Generative Bearbeitung sollte grundsätzlich auf Kopien arbeiten.

Image-to-Image kann auch für Restaurierung eingesetzt werden

Zum Beispiel:

altes beschädigtes Foto.

Prompt:

Reinige das Bild, reduziere Kratzer und rekonstruiere beschädigte Bereiche.

Das kann visuell beeindruckend funktionieren.

Aber:

Die KI kennt fehlende historische Bildinformation nicht.

Restaurierung kann erfinden

Ein beschädigtes Auge ist kaum sichtbar.

Die KI erzeugt eines.

Es wirkt plausibel.

Aber vielleicht sah das echte Auge anders aus.

Das ist keine Rekonstruktion im beweiskräftigen Sinn.

Es ist eine plausible generative Ergänzung.

Historische Dokumentation verlangt daher Vorsicht

Eine generativ restaurierte Fotografie sollte nicht ohne Weiteres behandelt werden wie:

das unveränderte Original.

Originaldatei und bearbeitete Version sollten getrennt bleiben.

Dasselbe gilt für forensische oder wissenschaftliche Bilder

Wenn Bildinhalte Beweiskraft besitzen, können generative Veränderungen problematisch sein.

Image-to-Image optimiert visuelle Plausibilität.

Nicht historische oder wissenschaftliche Wahrheit.

Für dekorative Familienfotos ist die Situation eine andere

Ein unscharfer Urlaubsfotohintergrund soll künstlerisch umgestaltet werden.

Dann ist die generative Freiheit vielleicht gerade erwünscht.

Der geeignete Einsatz hängt von der Funktion des Bildes ab.

Farbumgestaltung

Ausgang:

blaues Wohnzimmer.

Prompt:

warme erdige Farbpalette mit Terrakotta und Beige.

Image-to-Image kann die gesamte Farbwirkung verändern.

Dabei können jedoch auch Materialien und Details neu interpretiert werden.

Für reine Farbkorrektur ist klassische Software oft genauer

Wenn wirklich nur:

#0047AB
→
#C65D35

gewünscht ist, kann eine deterministische Bildbearbeitung zuverlässiger sein.

Image-to-Image lohnt sich eher, wenn die neue Farbwelt visuell interpretiert werden soll.

Wetterwechsel

Ausgang:

sonnige Straße.

Prompt:

Starker Herbstregen bei Abenddämmerung, nasser Asphalt, warme Reflexionen der Straßenbeleuchtung.

Das Modell kann:

Regen,

Licht,

Reflexionen,

Himmel

gemeinsam neu gestalten.

Das wäre mit klassischen Filtern wesentlich aufwendiger.

Tageszeit verändern

Tag
↓
Nacht

ist ebenfalls ein guter Fall.

Das Modell kann:

Himmel,

Fensterbeleuchtung,

Straßenlaternen,

Schatten

neu interpretieren.

Aber auch hier können unerwünschte Details driften.

Jahreszeit ändern

Sommer
↓
Winter

Die KI kann:

Schnee,

kahle Bäume,

Lichtstimmung

erzeugen.

Sie kann allerdings vielleicht einen Busch verschwinden lassen oder ein Fenster verändern.

Wenn jedes Architekturdetail erhalten bleiben muss, braucht man stärker kontrollierte Verfahren.

Warum reicht Image-to-Image manchmal nicht?

Nehmen wir ein Haus.

Du willst:

exakt dieselbe Geometrie.

Nur:

Fassade von Weiß zu Holz.

Ein generatives Image-to-Image-Modell könnte trotzdem Fenster oder Dach leicht verändern.

Die Lösung kann sein:

mehr strukturelle Kontrolle

oder:

Inpainting nur auf Fassade

Strukturkontrolle ist ein eigenes Thema innerhalb moderner Bild-KI

Neben Bild und Prompt können zusätzliche Informationen verwendet werden.

Zum Beispiel:

Kanten,

Tiefe,

Pose,

Segmentierung,

Skizzen.

Damit sagt man dem Modell nicht nur:

Orientiere dich ungefähr am Bild.

Sondern:

Diese Struktur soll besonders wichtig bleiben.

Kanten als Strukturvorgabe

Aus dem Bild werden Konturen extrahiert.

Original
↓
Kanten
↓
┌───┐
│   │
└───┘

Diese Kanten dienen als zusätzliche Bedingung für die Neugenerierung.

Das eignet sich beispielsweise für Architektur

Gebäudekanten:

bleiben ähnlicher.

Materialien:

können verändert werden.

Gebäudekontur
+
Prompt "rote Backsteinfassade"
↓
neues Bild

Die KI besitzt mehr kreative Freiheit bei der Oberfläche als bei der Grundgeometrie.

Tiefeninformationen können den Raum erhalten

Eine Depth Map beschreibt grob:

welche Bereiche nah

und:

welche weit entfernt

sind.

nah
→ hell
weit
→ dunkel

oder umgekehrt, abhängig vom Format.

Das Modell kann diese räumliche Struktur als zusätzliche Bedingung nutzen.

Damit lässt sich ein Raum stilistisch verändern

Raumfoto
↓
Depth Map
+
neuer Prompt
↓
neue Gestaltung

Die grundlegende Raumgeometrie kann stärker erhalten bleiben als bei freiem Image-to-Image.

Pose-Steuerung bei Menschen

Eine Person steht in einer bestimmten Haltung.

Aus dem Ausgangsbild kann ein vereinfachtes Skelettmodell abgeleitet werden.

Kopf
│
Schultern
├── Arm
└── Arm
│
Beine

Die KI erhält diese Pose als Strukturvorgabe.

Dadurch kann die Darstellung verändert werden, ohne die Haltung vollständig zu verlieren

Zum Beispiel:

Foto
↓
Pose
+
Prompt
↓
Illustration derselben Körperhaltung

Das ist nützlich für:

Figuren,

Modekonzepte,

Illustrationen.

Pose bedeutet nicht Identität

Das Skelett weiß:

wo Arm und Bein liegen.

Es weiß nicht automatisch:

welche konkrete Person dargestellt werden soll.

Pose und Identität sind unterschiedliche Bedingungen.

Segmentierung ist eine weitere Möglichkeit

Ein Bild kann in Bereiche eingeteilt werden:

Himmel

Gebäude

Straße

Person

Diese Struktur kann bei der Neugenerierung helfen.

Zum Beispiel:

Himmel soll Himmel bleiben.

Gebäude Gebäude.

Aber:

Materialien und Stil ändern sich.

Mehr Bedingungen bedeuten mehr Kontrolle

Prompt
+
Ausgangsbild
+
Kanten
+
Depth
↓
Bild

Aber auch:

mehr Komplexität.

Nicht jede Bearbeitung braucht all diese Informationen.

Die einfachste Methode sollte zuerst getestet werden

Ein guter Ablauf lautet:

Image-to-Image
↓
reicht?
├── ja → fertig
└── nein → zusätzliche Strukturkontrolle

Nicht sofort ein riesiger Workflow mit zehn Steuerungsebenen bauen.

Referenzbild und Ausgangsbild sollten unterschieden werden

Bei klassischem Image-to-Image:

dieses Bild
↓
soll transformiert werden

Bei einer Referenz:

dieses Bild
↓
liefert nur bestimmte Merkmale

Zum Beispiel:

Farbwelt,

Stil,

Person,

Produktform.

Ein Stilreferenzbild

Du besitzt eine Illustration, deren Gestaltung dir gefällt.

Du möchtest aber eine völlig andere Szene.

Stilreferenz
+
Prompt "Person am Computer"
↓
neues Motiv
+
ähnliche Bildsprache

Das ist etwas anderes als:

vorhandene Illustration
↓
selbe Szene verändern

Referenzsteuerung kann selektiver sein

Vielleicht soll nur:

Stil

übernommen werden.

Nicht:

Komposition.

Oder nur:

Gesicht.

Nicht:

Hintergrund.

Moderne Bildsysteme können diese Rollen zunehmend getrennt behandeln.

Das ist für Bildserien besonders wertvoll

Eine Website besitzt ein starkes erstes Bild.

Es soll als visuelle Referenz für weitere Illustrationen dienen.

Referenzbild
↓
Artikel 2
Artikel 3
Artikel 4

Damit lässt sich die Konsistenz besser steuern als ausschließlich über wiederholte Stilwörter.

Referenzstärke bleibt ein Balanceakt

Zu wenig:

Stil kaum erkennbar.

Zu viel:

neue Bilder ähneln der Referenz möglicherweise zu stark.

Die optimale Gewichtung hängt von Modell und Zweck ab.

Image-to-Image kann auch mehrere Referenzen verwenden

Konzeptionell:

Bild A
→ Komposition

Bild B
→ Stil

Bild C
→ Produkt

plus:

Prompt

Je nach System können mehrere Bedingungen kombiniert werden.

Das eröffnet enorme kreative Möglichkeiten.

Gleichzeitig steigt die Wahrscheinlichkeit von Konflikten

Bild A:

helle minimalistische Szene.

Bild B:

dunkler dramatischer Stil.

Prompt:

sonniger Sommertag.

Das Modell muss widersprüchliche Signale gewichten.

Mehr Referenzen bedeuten daher nicht automatisch mehr Kontrolle.

Ein klarer Zweck pro Referenz hilft

Referenz A
→ nur Farbwelt

Referenz B
→ nur Motiv

Solche Rollen sollten im Workflow möglichst eindeutig sein.

Image-to-Image kann hervorragend in automatische Contentproduktion eingebunden werden

Beispiel:

Ein Artikel besitzt ein reales Ausgangsbild.

Die Website verwendet aber grundsätzlich Illustrationen.

Workflow:

Ausgangsfoto
↓
n8n
↓
Image-to-Image
↓
redaktioneller Stil
↓
Review
↓
Weboptimierung
↓
WordPress

So entsteht eine konsistente Bildsprache.

Dabei sollte das Original erhalten bleiben

Assetverwaltung:

source_asset
↓
generated_variant
↓
approved_variant
↓
web_asset

Jede Stufe bekommt eine eigene Datei.

Ein strukturiertes Transformationsbriefing

Zum Beispiel:

{
  "source_asset_id": 4711,
  "transformation": "editorial_illustration",
  "preserve": [
    "composition",
    "main_subject"
  ],
  "change": [
    "style",
    "color_palette"
  ],
  "aspect_ratio": "16:9"
}

Das ist wesentlich besser automatisierbar als:

Mach das Bild schöner.

Preserve und Change sind zwei besonders nützliche Felder

PRESERVE
→ Was muss erhalten bleiben?

CHANGE
→ Was darf beziehungsweise soll verändert werden?

Diese Trennung verbessert bereits das redaktionelle Denken, selbst wenn das jeweilige Bildmodell keine technisch harten Preserve-Regeln besitzt.

Beispiel Produktbild

{
  "preserve": [
    "product_shape",
    "product_color"
  ],
  "change": [
    "background",
    "lighting"
  ]
}

Nun weiß der Workflow:

Wenn das Produkt selbst sichtbar verändert wurde, sollte das Ergebnis verworfen werden.

Automatische Bildprüfung kann hier sehr nützlich sein

Nach der Generierung:

Original
+
Variante
↓
Vision-Modell
↓
Vergleich

Fragen:

Ist das Hauptprodukt noch dasselbe?

Ist die Person noch vorhanden?

Ist die gewünschte Hintergrundänderung erfolgt?

Das ist trotzdem keine mathematische Garantie

Ein Vision-Modell kann irren.

Für wichtige Produkt- oder Personenbilder bleibt eine menschliche Prüfung sinnvoll.

Technische Bildprüfung ist einfacher

Software kann deterministisch prüfen:

Breite

Höhe

Dateiformat

Dateigröße

Nicht:

Ist die Person wirklich noch exakt dieselbe?

Dafür braucht man andere Verfahren beziehungsweise menschliche Kontrolle.

Ein Image-to-Image-Workflow sollte eine maximale Zahl Versuche besitzen

Versuch 1
↓
Produkt driftet
↓
Versuch 2
↓
Produkt driftet
↓
Versuch 3

Danach:

manuelle Bearbeitung

Nicht:

Versuch 843

Generative Automatisierung braucht Abbruchbedingungen.

Kandidaten können wiederum parallel erzeugt werden

Ausgangsbild
+
Transformation
↓
├── Variante A
├── Variante B
├── Variante C
└── Variante D

Dann wird die beste ausgewählt.

Bei Image-to-Image sollte nicht nur der Seed variieren

Man kann zusätzlich systematisch testen:

Strength 0.25

Strength 0.40

Strength 0.55

Damit lässt sich herausfinden:

Wie viel Veränderung braucht die Aufgabe?

Eine Parameter-Matrix ist hilfreich

Zum Beispiel:

              Seed A    Seed B

Strength 0.3    A1        B1

Strength 0.5    A2        B2

Strength 0.7    A3        B3

Nun kann man sehr schnell beurteilen:

Welche Stärke liefert den besten Kompromiss?

Parameter nicht endlos ausprobieren

Bei einer automatisierten Plattform sollte aus erfolgreichen Tests ein Preset entstehen.

Zum Beispiel:

photo-to-editorial-v2

mit:

Strength
Modell
Prompttemplate
Format

Dann muss nicht jedes Bild neu erforscht werden.

Unterschiedliche Transformationen brauchen unterschiedliche Presets

photo-to-illustration

braucht vielleicht andere Einstellungen als:

summer-to-winter

oder:

sketch-to-photo

Der eine Universalwert ist selten optimal.

Skizze zu Bild braucht meist mehr Freiheit

Eine Skizze enthält:

Komposition

aber:

kaum Materialdetails.

Die KI muss viel ergänzen.

Skizze
→ höhere Generationsfreiheit

Foto zu leichtem Stilwechsel braucht weniger Freiheit

Das Original besitzt bereits:

viele Details.

Foto
→ geringere Generationsfreiheit

wenn die Szene erkennbar bleiben soll.

Dieser Zusammenhang kann automatisiert werden

transformation_type
↓
Preset
↓
Strength

Zum Beispiel:

sketch_to_render
→ preset A

photo_color_mood
→ preset B

Image-to-Image kann lokal betrieben werden

Die Architektur entspricht grundsätzlich anderen lokalen Bilddiensten.

n8n
↓
Image API
↓
Image-to-Image Worker
↓
GPU

Der Auftrag enthält zusätzlich:

Ausgangsbild

statt nur Text.

Dateien müssen zum Bildserver gelangen

Eine API-Anfrage kann beispielsweise konzeptionell enthalten:

Bilddatei
+
Prompt
+
Parameter

Bei größeren Bildern sollte man nicht unnötig:

riesige Dateien

mehrfach zwischen Diensten kopieren.

Ein gemeinsamer Asset-Speicher ist praktisch

n8n
↓
asset_id = 4711

Bildservice:

asset_id
↓
Dateispeicher
↓
Bild laden

Damit muss die Bilddatei nicht bei jedem Workflow-Schritt vollständig weitergereicht werden.

Das verbessert auch Versionierung

asset_4711_original

asset_4711_variant_1

asset_4711_variant_2

Alle besitzen eindeutige IDs.

Das Asset-System kann Metadaten speichern

{
  "asset_id": 8172,
  "parent_asset_id": 4711,
  "operation": "image_to_image",
  "preset": "photo-to-editorial-v2",
  "status": "review"
}

So entsteht eine echte Bildpipeline.

Ausgangsbilder können sensible Daten enthalten

Ein Foto kann zeigen:

Menschen,

Dokumente,

Wohnräume,

Autokennzeichen,

Bildschirmdaten.

Bei einer Cloud-Bild-KI verlässt das Bild gegebenenfalls die eigene Infrastruktur.

Bei lokaler Verarbeitung kann das reduziert werden.

Die Datenschutzfrage hängt daher nicht nur vom Textprompt ab.

Lokal bedeutet trotzdem nicht automatisch sicher

Ein schlecht abgesicherter Bildserver kann:

Bilder offen speichern,

Uploads öffentlich machen,

Zugriffe schlecht protokollieren.

Die Prinzipien aus lokaler KI und lokaler KI-Server gelten auch hier.

Uploads sind grundsätzlich untrusted input

Eine Bild-API nimmt Dateien entgegen.

Dann sollte normale Serversicherheit gelten.

Zum Beispiel:

Dateigröße begrenzen

erlaubte Formate prüfen

Dateinamen nicht blind übernehmen

Metadaten bewusst behandeln

Bild-KI ist weiterhin Softwarebetrieb.

Metadaten in Fotos können Informationen enthalten

Beispielsweise:

Aufnahmedatum,

Kameramodell,

gegebenenfalls Standortinformationen.

Wenn Ausgangsbilder verarbeitet oder veröffentlicht werden, sollte bewusst entschieden werden, welche Metadaten erhalten bleiben.

Veröffentlichungsversionen können bereinigt werden

Intern:

Original vollständig aufbewahren.

Öffentliche Webversion:

nur notwendige Metadaten.

Das kann Teil der normalen Bildoptimierung für Websites sein.

Image-to-Image und Urheberrecht sind getrennte Fragen

Technisch kann ein Bild als Ausgangspunkt verwendet werden.

Das bedeutet nicht automatisch:

Man besitzt alle erforderlichen Rechte für jede Bearbeitung und Veröffentlichung.

Entscheidend sind unter anderem:

Herkunft des Ausgangsbildes,

Lizenz,

Bearbeitungsrechte,

Nutzungszweck.

Die technische Methode ersetzt keine Rechteprüfung.

Besonders bei fremden Bildern ist die Ausgangsquelle entscheidend

Eigenes Foto:

andere Situation.

Lizenzierte Stockaufnahme:

Lizenzbedingungen prüfen.

Fremdes Bild aus einer Webseite:

wieder andere Situation.

Image-to-Image verändert ein Bild, beseitigt aber nicht automatisch bestehende Rechte am Ausgangsmaterial.

Auch starke Veränderung ist kein automatischer Freifahrtschein

Die Frage:

Das Ergebnis sieht jetzt ganz anders aus – darf ich es verwenden?

lässt sich nicht allein technisch beantworten.

Für rechtlich relevante Entscheidungen müssen die konkreten Rechte und der Nutzungskontext betrachtet werden.

Reale Personen verlangen zusätzliche Sorgfalt

Ein Foto einer Person wird verändert.

Vielleicht:

anderer Hintergrund.

Andere Kleidung.

Andere Situation.

Das kann die Aussage des Bildes verändern.

Je realistischer das Ergebnis wirkt, desto wichtiger wird die Frage:

Was könnte ein Betrachter daraus über die reale Person schließen?

Image-to-Image kann Ereignisse suggerieren, die nie stattgefunden haben

Original:

Person im Büro.

Transformation:

Person auf einer Demonstration.

Das Bild kann fotorealistisch sein.

Der dargestellte Sachverhalt ist trotzdem erfunden.

Das ist kommunikativ eine völlig andere Kategorie als:

Verwandle das Portrait in eine eindeutig illustrative Zeichnung.

Stiltransformation ist häufig weniger missverständlich

Foto
↓
Aquarell

signalisiert bereits visuell:

Bearbeitung beziehungsweise Illustration.

Fotorealistische Szenenveränderungen können dagegen stärker wie Dokumentation wirken.

Image-to-Image eignet sich sehr gut für redaktionelle Illustration

Gerade weil vorhandene Motive übernommen, aber bewusst in eine illustrative Sprache übersetzt werden können.

Beispiel:

Eigenes Foto eines Routers.

Foto
↓
Image-to-Image
↓
vereinfachte technische Illustration

Nun kann das Bild stilistisch besser zur Wissensseite passen.

Produktdetails trotzdem kontrollieren

Wenn der Artikel konkret diesen Router erklärt, darf das Modell nicht:

Antennen hinzufügen,

Anschlüsse erfinden,

Logo verändern.

Dann kann eine klassische Freistellung plus generierter Hintergrund besser sein als vollständiges Image-to-Image.

Generierter Hintergrund ist oft sicherer

echtes Produkt
↓
freistellen
↓
KI-Hintergrund erzeugen
↓
klassisch zusammensetzen

Das Produkt selbst bleibt exakt.

Die KI gestaltet nur den kreativen Teil.

Dieses Prinzip ist ausgesprochen wichtig:

Generative KI dort einsetzen, wo Interpretation erwünscht ist – deterministische Werkzeuge dort, wo Exaktheit notwendig ist.

Inpainting folgt genau diesem Gedanken

Du besitzt ein gutes Bild.

Nur der Hintergrundbereich hinter dem Produkt soll geändert werden.

Statt das gesamte Bild durch Image-to-Image zu schicken:

Produkt
+
Hintergrund
↓
alles neu interpretieren

markierst du nur:

Hintergrund

und lässt ihn neu erzeugen.

Das reduziert unerwünschte Änderungen.

Wann sollte man Image-to-Image verwenden?

Wenn:

gesamtes Bild
darf sich verändern

aber:

Grundstruktur
soll erhalten bleiben

Zum Beispiel:

Foto zu Illustration.

Tag zu Nacht.

Skizze zu Render.

Farb- und Stimmungswechsel.

Wann eher Text-to-Image?

Wenn:

kein wichtiges Ausgangsbild existiert.

Oder:

die neue Szene kaum noch etwas mit dem Original zu tun haben soll.

Dann ist freie Text-to-Image-Generierung oft einfacher.

Wann eher Inpainting?

Wenn:

nur ein begrenzter Bereich verändert werden soll.

Zum Beispiel:

Tisch ersetzen

Person entfernen

Himmel ändern

Fleck reparieren

Dann ist Inpainting präziser.

Eine einfache Entscheidungshilfe

Kein Ausgangsbild?
↓
Text-to-Image

Ganzes Bild soll transformiert werden?
↓
Image-to-Image

Nur bestimmter Bereich soll geändert werden?
↓
Inpainting

Diese drei Mechanismen decken bereits einen großen Teil praktischer Bild-KI ab.

Image-to-Image und Outpainting können kombiniert werden

Du hast ein quadratisches Bild.

Zuerst:

Image-to-Image
↓
Stil verändern

danach:

Outpainting
↓
breites Headerformat

So kann ein Bild schrittweise an seinen Einsatz angepasst werden.

Inpainting kann danach Details korrigieren

Image-to-Image
↓
gute Gesamtversion
↓
Inpainting
↓
Fehler reparieren

Das ist häufig besser als zu erwarten, dass ein einziger Generationsschritt alles perfekt erledigt.

Ein vollständiger generativer Bearbeitungsworkflow

Ausgangsbild
↓
Image-to-Image
↓
Grundlook
↓
Inpainting
↓
Details
↓
Outpainting
↓
Format
↓
Upscaling
↓
Weboptimierung

Jeder Schritt löst eine andere Aufgabe.

Automatisierung kann genau diese Schritte orchestrieren

Zum Beispiel:

Foto-Upload
↓
n8n
↓
Transformation auswählen
↓
Image-to-Image
↓
technische Prüfung
↓
Vision-Review
↓
Inpainting falls nötig
↓
Freigabe
↓
Website

Damit wird generative Bildbearbeitung reproduzierbarer.

Automatische Weiterbearbeitung sollte trotzdem Grenzen besitzen

Vision-Modell sagt:

Bild fehlerhaft.

Dann:

erneut generieren.

Wenn nach drei Versuchen:

immer noch fehlerhaft,

nicht:

endlos weiter.

Sondern:

manual_review

Strukturierte Fehlerzustände helfen

Zum Beispiel:

{
  "status": "needs_review",
  "reason": "main_subject_changed"
}

Oder:

{
  "status": "retry",
  "reason": "background_not_transformed"
}

Damit kann n8n deterministisch entscheiden.

Ein KI-System kann die Änderungsstärke sogar nach Aufgabentyp auswählen

style_transfer
→ mittel

minor_mood_change
→ niedrig

sketch_to_render
→ hoch

Der exakte Wert muss vorher getestet werden.

Aber das Prinzip lässt sich automatisieren.

Presets sind dafür ideal

Preset:
photo-to-editorial

Preset:
day-to-night

Preset:
sketch-to-interior

Jedes Preset definiert:

Modell,

Promptbasis,

Änderungsstärke,

Format,

Prüfkriterien.

Dadurch wird Image-to-Image skalierbar

Statt:

jeder Nutzer dreht beliebig an Parametern.

entsteht:

definierter Anwendungsfall
↓
getestetes Preset
↓
vorhersehbarere Ergebnisse

Das ist besonders für größere Contentproduktionen wichtig.

Presets sollten regelmäßig evaluiert werden

Neue Modellversion.

Vielleicht liefert dieselbe Stärke nun:

viel stärkere Veränderungen.

Dann muss das Preset neu getestet werden.

Image-to-Image-Einstellungen sind nicht zwingend universell zwischen Modellen übertragbar.

Ein Modellupdate kann visuelle Drift erzeugen

100 Bilder wurden mit:

model-v1

erstellt.

Nun:

model-v2

Die gleiche Transformation wirkt plötzlich:

glatter,

realistischer,

farbintensiver.

Dann verliert die Bildserie Konsistenz.

Modellversion gehört daher in die Assetmetadaten

{
  "operation": "image_to_image",
  "model": "image-model-v2",
  "preset": "editorial-v3",
  "source_asset": 4711
}

Das erleichtert spätere Nachvollziehbarkeit.

Seeds können auch bei Image-to-Image Varianten erzeugen

Gleiches Ausgangsbild.

Gleicher Prompt.

Gleiche Stärke.

Andere Seeds.

Original
↓
├── Variante A
├── Variante B
├── Variante C
└── Variante D

Die Unterschiede können kleiner sein als bei Text-to-Image, müssen es aber nicht.

Je höher die Änderungsstärke, desto stärker kann der Seed wirken

Bei sehr niedriger Stärke dominiert das Ausgangsbild.

Bei hoher Stärke besitzt die Generierung mehr Freiheit.

Damit kann auch der Zufallsanteil sichtbarer werden.

Bildserien brauchen deshalb kontrollierte Variation

Wenn zehn Bilder im selben Stil entstehen sollen:

gleiches Preset.

Nicht zwingend:

gleicher Seed.

So bleiben sie verwandt, aber nicht identisch aufgebaut.

Image-to-Image und KI-Hardware

Lokale Transformationen benötigen wie andere Bildmodelle GPU-Ressourcen.

Relevant sind unter anderem:

Bildmodell,

Auflösung,

Batchgröße,

zusätzliche Kontrollmodelle,

VRAM.

Wer gleichzeitig:

Sprachmodell,

Bildmodell,

Control-Komponenten

auf derselben GPU betreibt, kann schnell an Speichergrenzen stoßen.

Zusätzliche Kontrollmodelle kosten ebenfalls Speicher

Wenn neben dem eigentlichen Bildmodell noch:

Pose-Modell,

Depth-Modell,

Kantensteuerung

geladen werden, steigt der Ressourcenbedarf.

Deshalb sollte ein lokaler Workflow real gemessen werden.

Eine zweite GPU kann hier besonders praktisch sein

GPU 1
→ Sprachmodell / n8n-KI

GPU 2
→ Bildgenerierung / Image-to-Image

Dann konkurrieren die beiden Modellarten nicht permanent um denselben VRAM.

Oder Bildjobs werden zeitlich gebündelt

Bei nur einer GPU:

Tagsüber
→ Text-KI

nachts
→ Image-to-Image-Batch

Auch das kann eine gute Nutzung vorhandener Hardware sein.

Bilddateien können mehr Speicherbedarf erzeugen als erwartet

Ein Workflow verarbeitet:

Original.

Vier Kandidaten.

Hochskalierte Version.

Webversion.

Thumbnail.

Aus einer Ausgangsdatei werden plötzlich:

8 Dateien

Assetverwaltung gehört deshalb zur Infrastrukturplanung.

Nicht benötigte Kandidaten können nach Ablauf gelöscht werden

Zum Beispiel:

approved
→ dauerhaft

rejected
→ nach 30 Tagen löschen

abhängig von den eigenen Anforderungen.

Das Original sollte erhalten bleiben

Besonders wenn es:

ein echtes Foto,

eine Kundenaufnahme,

ein historisches Bild

ist.

Generierte Varianten können reproduzierbar sein.

Das Original möglicherweise nicht.

Was du dir über Image-to-Image merken solltest

Image-to-Image verwendet ein vorhandenes Bild als Ausgangspunkt für eine generative Bildbearbeitung.

Das Grundprinzip lautet:

Ausgangsbild
+
Prompt
↓
Bildmodell
↓
neue Bildvariante

Das Ausgangsbild liefert Informationen über:

Komposition

Formen

Perspektive

Farben

Objektpositionen

Licht

Der Prompt beschreibt:

wie sich diese Szene verändern soll

Der wichtigste Parameter ist häufig die Änderungsstärke beziehungsweise Denoising Strength.

niedrig
→ Original bleibt stärker erhalten

hoch
→ KI interpretiert freier

Bei sehr hohen Werten nähert sich die Generierung zunehmend freiem Text-to-Image an.

Das bedeutet gleichzeitig:

Image-to-Image
≠
pixelgenaue Bearbeitung

Auch nicht angeforderte Details können sich verändern.

Besonders empfindlich sind:

Gesichter

Produkte

Logos

kleine technische Details

Wenn exakt nur ein bestimmter Bildbereich verändert werden soll, ist daher Inpainting häufig die bessere Wahl.

Image-to-Image eignet sich besonders gut für:

Foto → Illustration

Skizze → Visualisierung

Tag → Nacht

Sommer → Winter

Stilwechsel

Farb- und Stimmungsänderung

Das gemeinsame Merkmal lautet:

Das ganze Bild darf neu interpretiert werden, seine grundlegende visuelle Struktur soll aber erhalten bleiben.

Wenn die Struktur stärker geschützt werden muss, können zusätzliche Bedingungen helfen.

Zum Beispiel:

Kanten

Depth Map

Pose

Segmentierung

Damit wird aus:

Orientiere dich am Original

eine stärkere Vorgabe wie:

Behalte diese räumliche beziehungsweise geometrische Struktur bei

Eine Referenz ist wiederum etwas anderes.

Image-to-Image
→ dieses konkrete Bild transformieren

Referenzbild
→ bestimmte Eigenschaften dieses Bildes übernehmen

Zum Beispiel nur:

Stil,

Farbwelt,

Identitätsmerkmale.

Diese Trennung wird für konsistente Bildserien zunehmend wichtig.

Für automatisierte Workflows ist eine strukturierte Beschreibung hilfreich.

Zum Beispiel:

{
  "source_asset": 4711,
  "operation": "photo_to_editorial",
  "preserve": [
    "composition",
    "main_subject"
  ],
  "change": [
    "style",
    "color_palette"
  ]
}

Danach kann:

Preset
↓
Image-to-Image
↓
Kandidaten
↓
Prüfung
↓
Freigabe

folgen.

Damit lässt sich Image-to-Image direkt mit strukturierten Ausgaben, Workflows und n8n verbinden.

Bei wichtigen Bildern sollte die KI aber nur dort kreativ sein, wo Kreativität erwünscht ist.

kreativer Hintergrund
→ KI

exaktes Produkt
→ Original erhalten

exaktes Logo
→ klassisches Asset

bestimmter Bildbereich
→ Inpainting

Genau diese Trennung macht generative Bildbearbeitung kontrollierbar.

Und damit kommen wir zum nächsten entscheidenden Werkzeug.

Denn häufig möchte man gar nicht das gesamte Bild neu interpretieren.

Man möchte nur:

den Tisch austauschen,

eine Person entfernen,

den Himmel verändern,

einen Fleck reparieren,

ein Objekt ergänzen.

Dann brauchen wir eine Methode, mit der wir der KI exakt sagen können:

Hier darfst du generieren – den Rest lässt du in Ruhe.