KI Menschen Bilder erstellen: Ablauf und Grenzen
KI Menschen Bilder zeigen überzeugend echte Personen, die es nicht gibt. Nützlich als Illustration, riskant als angebliches Foto. Ablauf, Beispiel und Grenzen.
KI Menschen Bilder bezeichnet Bilder von Personen, die ein Modell komplett neu erzeugt — kein Foto, keine reale Person, sondern eine aus Millionen Trainingsbildern zusammengesetzte Kombination von Gesicht, Kleidung und Umgebung. Der ehrliche Punkt zuerst: Je überzeugender das Ergebnis aussieht, desto wichtiger wird die Frage, wo es landet. Als Illustration für einen internen Artikel ist es unproblematisch. Als angebliches Foto einer echten Person auf einer Kundenseite oder neben einem Testimonial ist es Irreführung.
Wofür sich das im Büroalltag eignet
- Ein Titelbild für einen internen Artikel oder eine Präsentation, das eine Situation zeigt statt einer bestimmten Person.
- Eine Platzhalter-Figur für ein Nutzer-Persona-Dokument in der Konzeptphase, bevor echte Interviews stattgefunden haben.
- Eine Illustration für ein Schulungsmaterial, die eine allgemeine Arbeitssituation zeigt statt eines echten Mitarbeiterfotos.
- Ein Icon- oder Illustrationsstil für ein fiktives Beispiel in einer internen Vorlage, etwa einem Musterformular.
Nicht geeignet ist es für alles, wo das Bild als echtes Foto einer echten Person gelten soll — ein Mitarbeiterfoto auf der Über-uns-Seite, ein angebliches Kundenfoto neben einem Testimonial, ein Bild, das in einer Stellenanzeige das bestehende Team zeigen soll. Und erzeuge nie ein Bild, das einer bestimmten, identifizierbaren echten Person ähnelt, ohne deren ausdrückliche Zustimmung — das gilt für eine Kollegin genauso wie für eine bekannte Persönlichkeit.
Ein Ablauf, der Bias und Verwechslung vorbeugt
- Beschreibe Situation, Umgebung und Bildausschnitt konkret, ohne eine bestimmte reale Person zu meinen — „eine Person am Schreibtisch mit zwei Bildschirmen, Bürobeleuchtung, mittleres Alter" statt eines Namens oder eines Fotos als Vorlage.
- Gib Alter, Hauttyp und Kleidung ausdrücklich vor und erzeuge mehrere Varianten, wenn die Bilder eine Gruppe oder ein breites Publikum darstellen sollen — ohne diese Vorgabe liefern viele Modelle eine auffällig einheitliche Auswahl.
- Vergrößere das Ergebnis gezielt an den Stellen, an denen diese Modelle am häufigsten danebenliegen: Hände mit zu vielen Fingern, Ohren, Zähne, der Übergang zwischen Haaren und Hintergrund.
- Kennzeichne das Bild ausdrücklich als KI-generierte Illustration, sobald es in einem Kontext landet, in dem jemand es für ein echtes Foto halten könnte.
Ein Punkt, der leicht übersehen wird: Zwei Bilder aus derselben Serie, mit demselben Grundprompt und nur leicht veränderter Situation, zeigen oft ein auffällig ähnliches Gesicht — als wäre dieselbe Person zweimal fotografiert worden. Für eine einzelne Illustration fällt das kaum auf. Sobald mehrere Bilder mit erfundenen Personen nebeneinander erscheinen, etwa in einer Fotostrecke oder auf mehreren Folien derselben Präsentation, wird die Wiederholung sichtbar und wirkt unbeabsichtigt künstlich. Ein bewusster Wechsel bei Alter, Frisur und Kleidung zwischen den Prompts beugt genau dem vor.
Ein Beispiel von Anfang bis Ende
Nimm ein Titelbild für einen internen Leitfaden zum Thema Kundengespräche. Prompt unvollständig: „Erstelle ein Bild von einer Person im Kundengespräch." Ergebnis: eine auffällig makellose, jung wirkende Person, deren rechte Hand beim genauen Hinsehen sechs Finger hat, und ein Namensschild im Hintergrund mit unlesbaren, verzerrten Buchstaben.
Prompt vollständig: „Zwei Personen an einem Besprechungstisch im Gespräch, unterschiedliches Alter, Bürokleidung, natürliches Licht durch ein Fenster, kein sichtbarer Text im Bild." Das Ergebnis lässt sich ohne Nacharbeit einsetzen, weil der Prompt Text von vornherein ausgeschlossen hat und die Vorgabe zum Alter die einheitliche Standardauswahl des Modells verhindert hat.
Ein Bild von einer Person, die überzeugend echt aussieht, zeigt trotzdem niemanden, den es gibt. Der Unterschied wird erst dann harmlos, wenn niemand, der das Bild sieht, etwas anderes annehmen kann.
Warum genau diese Fehler passieren
Ein Bildmodell lernt aus Millionen Fotos, wie ein Gesicht, eine Hand oder eine Bürosituation typischerweise aussieht — nicht, wie eine bestimmte Person aussieht. Ohne ausdrückliche Vorgabe zu Alter, Herkunft oder Kleidung greift das Modell auf die im Training am häufigsten vorkommende Kombination zurück, was über mehrere Bilder hinweg zu auffällig ähnlich wirkenden Gesichtern führt. Wie schnell sich generative Bildmodelle in diesem Punkt insgesamt verbessern, verfolgt der Stanford AI Index über mehrere Jahre — die Fähigkeiten wachsen sichtbar, ohne dass die Standardauswahl deshalb schon vielfältiger würde.
Bis sich das ändert, gilt derselbe Grundsatz wie bei jedem anderen KI-generierten Bild: Ein Mensch prüft das Ergebnis, bevor es veröffentlicht wird — und entscheidet ausdrücklich, ob der Kontext eine Kennzeichnung als KI-Bild braucht. Die OECD-Leitlinien zu KI benennen diese Prüfverantwortung ausdrücklich, unabhängig vom eingesetzten Werkzeug.
Dieselbe Ursache liegt auch dem sechsfingrigen Ergebnis aus dem ersten Beispiel zugrunde: Eine Hand hat für ein Bildmodell viele bewegliche, sich überlappende Teile, für die es kaum zwei Trainingsfotos mit identischer Haltung gibt. Bei einem stilisierten Icon fällt eine Hand mit zu vielen Fingern selten auf, bei einer möglichst realistisch wirkenden Person im Fotostil sofort — ein weiterer Grund, Stil und Detailgrad bewusst zum Verwendungszweck zu wählen, statt automatisch die realistischste verfügbare Option zu nehmen.
Wie verbreitet solche Werkzeuge im Job bereits sind
Der Bitkom erhebt regelmäßig, wie viele deutsche Unternehmen generative KI-Werkzeuge inzwischen einsetzen — Bildwerkzeuge für Präsentationen und Marketing eingeschlossen. Welche Aufgaben sich davon technisch überhaupt automatisieren lassen, untersucht laufend das IAB. Das Statistische Bundesamt erhebt zusätzlich, wie viele Unternehmen in Deutschland KI-Anwendungen insgesamt einsetzen — eine Zahl, die von Jahr zu Jahr spürbar steigt.
Genau der Prüfschritt — ein Ergebnis gegen den eigenen Anspruch abgleichen, statt es wegen des ersten Eindrucks zu übernehmen — ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt, unabhängig davon, ob die Aufgabe ein Bild, ein Text oder eine Tabelle ist.
Was du am Montag ausprobierst
- Wähl ein konkretes Bild, das du wirklich brauchst — kein generisches Testbild.
- Beschreibe Situation, Alter und Kleidung ausdrücklich, statt es dem Modell zu überlassen.
- Erzeuge mehrere Varianten und vergleiche sie auf Einheitlichkeit.
- Vergrößere Hände, Ohren und jeden Textabschnitt im Bild, bevor du es einsetzt.
- Kennzeichne das Bild als KI-generiert, sobald der Kontext es nahelegt.
Dieselbe Prüf-Regel gilt für ein Foto, das zu einem KI Avatar wird — dort geht es um dein eigenes Gesicht, hier um eine komplett erfundene Person. Für ein komplett neu erzeugtes Bild ganz allgemein, unabhängig vom Motiv, zeigt Flux KI denselben Prompt-und-Prüf-Ablauf. Soll stattdessen ein bestehendes Foto nur nachgeschärft werden, gilt dieselbe Prüf-Regel in Bilder verbessern mit KI, und für eine verspielte Sammelfigur aus einem echten Foto zeigt ChatGPT Figur erstellen dieselbe Vorgabe-Regel an einem dritten Bildstil. Soll aus dem fertigen Bild noch Bewegung entstehen, geht Bild zu Video mit KI diesen nächsten Schritt durch.
Der Prüfschritt selbst ist derselbe wie bei jeder anderen KI-Aufgabe im Büro, ausführlicher beschrieben in KI im Büro.
Genau diese Fähigkeit — konkret statt vage vorgeben und das Ergebnis prüfen, bevor es verwendet wird — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen, die zu einer echten Aufgabe passen, nicht zu einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.