Bildprompts mit JSON?

Bildprompts erfordern Präzision. Um genau das gewünschte Ergebnis zu erhalten, benötigt man entweder eine äusserst detaillierte Beschreibung oder einen iterativen Ansatz, bei dem man sich schrittweise dem gewünschten Resultat nähert. Obwohl KIs stetig besser werden und dadurch zufriedenstellendere Ergebnisse liefern, bleibt die Herausforderung bestehen, das perfekte Bild zu generieren.

Ein Beispiel

Ich möchte ein Bild basierend auf diesem Foto meiner Katze generieren lassen. Genauer: Ich möchte ein Bild in dem Stil:

Nun kann ich das Bild natürlich bei der KI hochladen und verlangen, dass sie mir ein Bild in diesem Stil erstellt. Was aber, wenn ich Details abändern will? ChatGPT bietet meines Wissens eine Option an, bei der man Details markieren und entsprechend verändern kann. Alternativ kann ich mit einem einfachen Prompt starten und mich Schritt für Schritt an mein Ergebnis herantasten. Dazu gebe ich einen sehr einfachen Prompt ein:

Erstelle eine junge Katze auf einem Sofa mit Kissen.

Das Resultat ist hübsch, aber entspricht natürlich weiterhin nicht ganz meinen Vorstellungen.

Als nächsten Schritt kann ich den Prompt erweitern:

Erstelle eine junge rot-weisse Katze auf einem dunklen Stoffsofa mit Kissen.

Jetzt habe ich schon ein relativ gutes Ergebnis. So kann ich mich herantasten:

Erstelle eine junge rot-weisse Katze, liegend mit dem Kopf auf der rechten Seite, auf einem dunklen Stoffsofa mit Kissen.

Dieser Prozess ist zeit- und ressourcenraubend. Mir hat sich also folgende Frage gestellt: Wie kann ich einer KI präzise erklären, was ich mir vorstelle, ohne ausschweifende Beschreibungen verfassen zu müssen? Wie kann ich Informationen detailliert übergeben, um ein Bild erstellen zu lassen, ohne ein Referenzbild hochzuladen?

Eine geeignete Beschreibungssprache wäre hilfreich – etwas, das sowohl für Maschinen als auch für Menschen lesbar ist. XML könnte eine Möglichkeit sein, ist jedoch zu umfangreich. Besser wäre eine einfachere Sprache, die keine komplexen Strukturen abbilden muss.

Einfacher und nicht zu komplexe Datenverarbeitung klingt nach JSON. Zusätzlich ist es auch noch:

• Lesbar für Menschen: JSON ist einfach zu lesen und zu schreiben.
• Maschinenlesbar: Computer können JSON leicht parsen und generieren.
• Sprache unabhängig: Obwohl es aus JavaScript stammt, kann JSON in fast jeder Programmiersprache verwendet werden.

Wie erstelle ich das am einfachsten? Genau: Ich frage die KI.

Das Advanced JSON Context Profile

Ich habe das Foto meiner Katze bei ChatGPT hochgeladen und Folgendes angefragt:

Gib mir das Advanced JSON Context Profile.

Die KI hat mir danach diesen Code ausgegeben:

{
  "image_metadata": {
    "filename": "cat_on_couch.jpg",
    "resolution": {
      "width": 1024,
      "height": 1365
    },
    "file_format": "jpg",
    "color_profile": "sRGB",
    "dominant_colors": [
      "#f5f5f5",  // off-white (pillows, background)
      "#f4a460",  // orange (cat fur)
      "#ffffff",  // white (cat fur, pillows)
      "#222222"   // dark gray/black (couch, pillow)
    ]
  },
  "content_tags": [
    "cat",
    "kitten",
    "pet",
    "couch",
    "pillows",
    "indoor",
    "relaxed",
    "cute"
  ],
  "subject": {
    "type": "animal",
    "species": "cat",
    "age_estimate": "kitten",
    "fur_color": ["orange", "white"],
    "eye_color": "greenish-yellow",
    "pose": "lying curled up",
    "expression": "alert, curious",
    "position_on_image": "centered, slightly right"
  },
  "environment": {
    "setting": "indoor",
    "location": "living room",
    "furniture": ["couch", "pillows"],
    "lighting": "natural daylight, soft shadows"
  },
  "composition": {
    "focus": "cat",
    "depth_of_field": "moderate (sharp focus on cat, slightly blurred background)",
    "angle": "eye-level",
    "framing": "medium shot, cat fills most of the frame"
  },
  "camera_context": {
    "estimated_device": "smartphone",
    "orientation": "portrait",
    "brightness": "well-lit",
    "contrast": "natural"
  },
  "symbolic_interpretation": [
    "comfort",
    "domestic life",
    "innocence",
    "curiosity"
  ],
  "motifs": [
    "polka dot pattern (pillow)",
    "line art animal drawings (pillow)"
  ],
  "cultural_context": [
    "pet ownership",
    "home decor"
  ]
}

Gebe ich jetzt diesen Code bei der Bild-KI ein, übergebe ich ihr auch sehr viele Details. Diese führen beim ersten Mal zu einem guten Resultat:

Nun habe ich auch eine Maske, die ich mit weiteren Details anreichern oder über die ich Details anpassen kann:

{
  "image_metadata": {
    "filename": "cat_on_couch.jpg",
    "resolution": {
      "width": 1024,
      "height": 1365
    },
    "file_format": "jpg",
    "color_profile": "sRGB",
    "dominant_colors": [
      "#f5f5f5",  // off-white (pillows, background)
      "#f4a460",  // orange (cat fur)
      "#ffffff",  // white (cat fur, pillows)
      "#222222"   // dark gray/black (couch, pillow)
    ]
  },
  "content_tags": [
    "cat",
    "kitten",
    "pet",
    "couch",
    "pillows",
    "indoor",
    "relaxed",
    "cute"
  ],
  "subject": {
    "type": "animal",
    "species": "cat",
    "age_estimate": "adult cat",
    "fur_color": ["black", "white"],
    "eye_color": "blue-gey",
    "pose": "lying curled up",
    "expression": "relaxed, half sleeping",
    "position_on_image": "centered, slightly right"
  },
  "environment": {
    "setting": "indoor",
    "location": "living room",
    "furniture": ["couch", "pillows"],
    "lighting": "natural daylight, soft shadows"
  },
  "composition": {
    "focus": "cat",
    "depth_of_field": "moderate (sharp focus on cat, slightly blurred background)",
    "angle": "eye-level",
    "framing": "medium shot, cat fills most of the frame"
  },
  "camera_context": {
    "estimated_device": "digital camera",
    "orientation": "panorama",
    "brightness": "well-lit",
    "contrast": "natural"
  },
  "symbolic_interpretation": [
    "comfort",
    "domestic life",
    "innocence",
    "curiosity"
  ],
  "motifs": [
    "polka dot pattern, black pillow, white dots (pillow)",
    "line art animal drawings many small birds comic style (pillow)"
  ],
  "cultural_context": [
    "pet ownership",
    "home decor"
  ]
}

Diese Methode ermöglicht es, detaillierte Angaben zu machen und bereits beim ersten Prompt seinem gewünschten Ergebnis relativ nahe zu kommen – und das, ohne ein Beispielbild hochzuladen. Dieses Vorgehen setzt jedoch eine gute Vorbereitung voraus und erfordert, dass man sich vorab Gedanken zum Bildmotiv macht. Was ist mein Hauptsujet, wie soll das Setting sein (Licht, Kamera, Kontrast usw.), wofür benötige ich das Bild (Pixelseitenverhältnisse) usw.

Meiner Meinung nach ist dies derzeit eine der effizientesten Methoden. Wie ihr allerdings wisst, verändern sich die Best Practices im KI-Bereich regelmässig.

Dieser Text wurde am 21.7.2025 aktualisiert, um mehr Kontext zu geben. Danke, Roman, für den Hinweis. 😉

Was denkst du dazu?

yeah!

5

wooow

0

what?

0

meh.

0

hahaha

0