KI-Parameter-Leitfaden: Seitenverhältnis, Seed, CFG, Stylize und Steps

Fast jeder, der anfängt, Bilder mit KI zu erzeugen, verbringt Monate damit, die Ergebnisse allein über den Prompt zu verbessern: „schön" wird zu „atemberaubend", dazu „8K", „ultradetailliert", „Meisterwerk". Und das Ergebnis bleibt fast gleich. Der Grund ist einfach: Ein großer Teil dessen, was das fertige Bild bestimmt, steckt nicht im Text — sondern in den Parametern.

Parameter sind die numerischen Regler, die dem Modell sagen, wie es zeichnen soll, nicht was. Seitenverhältnis, wie streng es deinem Text folgt, wie viele Verfeinerungsschritte es durchläuft, welchen Zufallsstartwert es nutzt, wie viel ästhetische Freiheit es bekommt. Sie trennen jemanden, der zehn zufällige Varianten erzeugt, von jemandem, der ein Bild gezielt wiederholen, anpassen und weiterentwickeln kann.

Dieser Leitfaden ist eine technische Referenz für die fünf Parameter, die in praktisch jedem Werkzeug auftauchen — Seitenverhältnis, Seed, CFG, Stylize und Steps — plus einige verwandte Regler, die sich zu kennen lohnen. Die Idee: Du kommst hierher zurück, wann immer du nachschlagen willst, was ein Wert bewirkt, in welchem Bereich du drehen solltest und was kaputtgeht, wenn du übertreibst.

Warum Parameter mehr zählen als Adjektive

Ein Diffusionsmodell startet mit reinem Rauschen und „säubert" dieses Rauschen Schritt für Schritt, bis ein Bild entsteht. Der Prompt wirkt wie eine Karte zum Ziel; die Parameter bestimmen die Straße, das Tempo und wie viel der Fahrer unterwegs improvisieren darf.

Das erklärt, warum zwei identische Prompts völlig verschiedene Bilder liefern und warum mehr Adjektive oft gar nichts ändern. Wenn das Modell dem Text ohnehin kaum folgt (niedriger CFG), bringen zusätzliche Wörter nichts — es achtet schlicht nicht besonders darauf. Sind die Steps zu niedrig, rettet kein Adjektiv die Textur des Bildes, weil das Modell nicht genug Iterationen hatte, um die Details aufzulösen.

Die Gewohnheit, die Anfänger von Erfahrenen trennt, lautet: Ändere immer nur einen Parameter. Wenn du Prompt, Seed und CFG im selben Versuch änderst, weißt du nicht, was die Verbesserung ausgelöst hat. Fixierst du den Seed und drehst nur am CFG, isolierst du die Variable und lernst wirklich, wie sich dieses Modell verhält.

Seitenverhältnis: die Proportion, die den Bildausschnitt bestimmt

Das Seitenverhältnis ist das Verhältnis von Breite zu Höhe. In Midjourney schreibt man es als --ar 16:9; in Stable Diffusion und Ablegern legst du Breite und Höhe in Pixeln fest; in ChatGPT und Gemini genügt meist die natürliche Sprache („Hochformat 9:16").

Es wirkt wie der banalste Parameter der Liste, hat aber den größten Einfluss auf die Bildkomposition. Das Modell schneidet nicht dieselbe Szene in verschiedene Formate — es komponiert neu. Ein in 16:9 angefordertes Porträt wird eher zur Halbtotalen mit breitem Hintergrund; derselbe Prompt in 2:3 wird zur klassischen vertikalen Nahaufnahme. Die Proportion verändert, was die KI als „natürlichen Bildausschnitt" für diese Szene versteht.

Die gängigsten Werte und wofür sie taugen

Eine häufige Falle: Sehr extreme Verhältnisse (etwa 3:1 oder 1:3) verwirren Modelle, die überwiegend auf quadratnahen Bildern trainiert wurden. Verdopplungen sind typisch — zwei Gesichter, zwei Köpfe, an den Rändern wiederholte Elemente —, weil das Modell einen Raum „füllen" will, für den es keine starke Referenz hat. Sicherer ist es, in 16:9 zu erzeugen und danach mit Zuschneiden oder Outpainting auf das Zielformat zu gehen.

Noch ein praktischer Punkt: Gleich im richtigen Verhältnis zu erzeugen schlägt immer das nachträgliche Zuschneiden. Zuschneiden verwirft Pixel und senkt die nutzbare Auflösung. Brauchst du dasselbe Bild in mehreren Formaten, erzeuge es im engsten (meist dem vertikalen) und passe die übrigen mit kontrolliertem Ändern der Bildgröße an.

Seed: die Zahl, die Ergebnisse wiederholbar macht

Der Seed ist die ganze Zahl, die das Zufallsrauschen initialisiert, aus dem das Bild entsteht. Gleicher Prompt + gleicher Seed + gleiche Parameter + gleiches Modell = dasselbe Bild, Pixel für Pixel. Änderst du den Seed, ändert sich alles.

Das ist wahrscheinlich der am meisten unterschätzte Parameter unter Einsteigern — und der wichtigste für alle, die professionell mit KI arbeiten. Ohne Kontrolle über den Seed kannst du nicht iterieren, sondern nur neu würfeln.

Drei praktische Anwendungen:

• Ein fast gutes Ergebnis verfeinern. Die Komposition sitzt, aber die Farbe stimmt nicht. Fixiere den Seed, ändere nur das Farbwort im Prompt und erzeuge erneut. Die Struktur bleibt größtenteils erhalten, nur das geänderte Element verschiebt sich.
• Parameter ehrlich vergleichen. Du willst wissen, ob CFG 7 für deinen Prompt besser ist als CFG 11? Fixiere den Seed und erzeuge beide. Ohne festen Seed vergleichst du zwei verschiedene Bilder, nicht zwei CFG-Werte.
• Konsistenz innerhalb einer Serie. In einem Produktkatalog, einer Illustrationsreihe oder einem visuellen Auftritt hilft ein gleichbleibender Seed, die visuelle „Handschrift" des Sets zu wahren.

Eine wichtige Einschränkung: Der Seed gilt nur für ein bestimmtes Modell in einer bestimmten Version. Seed 42 in SDXL erzeugt nichts, was Seed 42 in Flux ähnelt. Wechselst du das Modell, werden deine alten Seeds zu bedeutungslosen Zahlen. Notiere deshalb immer Modell + Version + Seed zusammen, nie den Seed allein.

CFG-Skala: wie streng die KI deinem Prompt folgt

CFG steht für Classifier-Free Guidance. Die CFG-Skala steuert, wie viel Gewicht das Modell deinem Text gibt gegenüber dem, was es von sich aus zeichnen „möchte". Praktisch ist es ein Gehorsamsregler.

Niedrige Werte lassen das Modell kreativ und locker, aber es ignoriert zunehmend Teile des Prompts. Hohe Werte erzwingen wörtliche Treue, doch das Bild wird übersättigt, mit harten Konturen, übertriebenem Kontrast und künstlicher Anmutung — das berüchtigte „verbrannte" Ergebnis.

Ein Detail, das viele verwirrt: Neuere Modelle nutzen andere Bereiche. Flux etwa arbeitet mit einer eigenen Guidance-Skala, auf der Werte zwischen 2 und 4 normal sind — 7 ist dort bereits hoch. Turbo- und destillierte Modelle, gebaut für wenige Steps, wollen meist CFG zwischen 1 und 2. Es gibt also keine universelle Zahl, nur die richtige Zahl für dieses Modell. Prüfe immer die Empfehlung derjenigen, die den Checkpoint veröffentlicht haben, bevor du 7 als Standard annimmst.

Praktisches Symptom für zu hohen CFG: plastikartige Haut, Neonfarben, dunkler Saum um Konturen, aggressiv wiederholte Texte oder Muster. Symptom für zu niedrigen CFG: Das Bild ist schön, aber die Hälfte deiner Vorgaben fehlt.

Stylize: die eigene Ästhetik des Modells

Der Parameter --stylize (oder --s) ist typisch für Midjourney und steuert, wie stark das Modell seine eigene künstlerische Handschrift über deine Anfrage legt. Er ist fast das begriffliche Gegenteil des CFG: statt Texttreue misst er ästhetische Freiheit.

Die Skala reicht von 0 bis 1000, Standard ist 100. In der Praxis:

• 0–50: wörtlich. Das Modell zeichnet genau das Beschriebene, ohne etwas zu „verbessern". Nützlich für Diagramme, technische Referenzen, Layouts und alles, wo Treue wichtiger ist als Schönheit.
• 100–250: ausgewogen. Gute Komposition und Palette, ohne vom Briefing abzuweichen. Dieser Bereich deckt die meisten Fälle ab.
• 250–750: das Modell übernimmt. Dramatisches Licht, mutige Paletten, künstlerischere Kompositionen. Ideal für Poster, Concept Art und Cover.
• 750–1000: Stil über alles. Das Bild wird großartig und liegt häufig weit weg von deiner Vorgabe. Gut zum kreativen Erkunden, schlecht bei festem Briefing.

Es gibt einen Geschwisterparameter, der oft verwechselt wird: --chaos (oder --c, 0 bis 100). Er steuert die Vielfalt zwischen den vier Bildern eines Durchlaufs, nicht den Stil des einzelnen Bildes. Hoher Chaos liefert vier radikal unterschiedliche Deutungen desselben Prompts — hervorragend fürs erste Brainstorming, schlecht, wenn du schon weißt, was du willst. Dazu kommt --weird, das bewusst Seltsamkeit einstreut und eher zum Experimentieren als zur Kundenarbeit taugt.

Außerhalb von Midjourney gibt es kein direktes Gegenstück zu Stylize. Ähnliches erreichst du anders: Stil-LoRAs, ästhetische Schlüsselwörter im Prompt oder Feinjustierung des CFG. Das Konzept lohnt sich trotzdem, denn die Logik „wie viel Eigencharakter darf das Modell beisteuern" taucht in fast jedem Werkzeug in anderer Form auf.

Steps: wie viele Iterationen das Modell durchläuft

Steps (Sampling-Schritte) ist die Anzahl der Entrauschungsstufen. Jeder Step bringt das Bild dem Endergebnis näher. Mehr Steps bedeuten mehr Rechenzeit und — bis zu einem gewissen Punkt — mehr Detail.

Entscheidend ist dieses bis zu einem gewissen Punkt. Der Parameter zeigt sehr deutlich abnehmenden Ertrag: Zwischen 10 und 25 Steps ist der Unterschied gewaltig; zwischen 30 und 60 subtil; oberhalb von 80 praktisch nicht wahrnehmbar — du verbrennst nur Zeit und Energie.

Steps und Sampler hängen direkt zusammen. Sampler vom Typ DPM++ 2M Karras konvergieren schnell und liefern rund um 25 Steps gute Ergebnisse. Sampler wie Euler a (ancestral) konvergieren nie vollständig — das Bild verändert sich weiter, je höher du die Steps drehst. Das kann gut sein (mehr Variation zum Erkunden) oder schlecht (schadet der Reproduzierbarkeit). Geht es dir um Konsistenz, bevorzuge nicht-ancestrale Sampler.

Eine praktische Entscheidung im Arbeitsablauf: Erkunde anfangs mit wenigen Steps (15–20), um zügig Dutzende Prompts zu testen, und erzeuge nur die finale Fassung mit dem Gewinner-Seed bei 30–40 Steps neu. Das spart viel Zeit gegenüber „alles von Anfang an in Maximalqualität".

Die verwandten Parameter, die du auch kennen solltest

Neben den fünf Hauptreglern tauchen einige weitere häufig auf und lösen konkrete Probleme:

• Negativer Prompt: die Liste dessen, was du nicht im Bild willst (verformte Hände, Wasserzeichen, Text, geringe Qualität). Vorhanden in Stable Diffusion und Ablegern; in Midjourney als --no. Einer der wirksamsten Eingriffe bei geringstem Aufwand — der eigene Leitfaden zu negativen Prompts lohnt sich.
• Denoising Strength: bestimmt bei Image-to-Image, wie stark das Ausgangsbild verändert wird. Werte um 0,2 machen feine Retuschen; oberhalb von 0,7 bleibt vom Original nur eine vage Kompositionsidee.
• Gewicht des Referenzbildes (--iw in Midjourney): wie stark das hochgeladene Bild gegenüber dem Text zählt. Unverzichtbar für Charakter-Konsistenz.
• Sampler / Scheduler: der Algorithmus, der die Entrauschung ausführt. Er verändert Konvergenzgeschwindigkeit und Endtextur; DPM++ 2M Karras und DDIM sind sichere Wahlen.
• Tile / Seamless: erzeugt nahtlos kachelbare Texturen für Muster und Hintergründe.
• Modellversion (--v in Midjourney): Verschiedene Versionen haben andere Ästhetik und andere Parameterbereiche. Ein Versionswechsel entwertet deine bisherigen Seeds.

Welche Parameter es in welchem Werkzeug gibt

Die Benennung schwankt stark zwischen Plattformen, was einen Großteil der Verwirrung erklärt. Diese Tabelle ordnet die Entsprechungen zu:

Beachte das Muster: Je stärker ein Werkzeug auf Endnutzer zielt (ChatGPT, Gemini), desto weniger Parameter legt es offen — die Plattform entscheidet für dich. Je näher am rohen Modell (ComfyUI, Automatic1111), desto mehr Kontrolle. Keiner der beiden Ansätze ist überlegen; sie dienen verschiedenen Zielen. Hängt deine Arbeit davon ab, Ergebnisse zu wiederholen, brauchst du am Ende ein Werkzeug, das Seed und CFG offenlegt.

Wie die Parameter zusammenwirken: Rezepte nach Ziel

Parameter wirken nicht isoliert. Diese Kombinationen sind erprobte Startpunkte — passe sie an dein Modell an:

Die Logik dahinter ist durchgehend dieselbe: Fotorealismus verlangt niedrigen CFG (das Modell weiß bereits, wie ein Foto aussieht; Zwang verdirbt es); Grafikdesign und Werbematerial verlangen hohen CFG (du willst genau diese Elemente in genau diesen Farben); und die Steps steigen nur, wenn viele feine Details um Platz in der Szene konkurrieren.

Häufige Fehler und wie du sie behebst

• Alles auf einmal ändern. Neuer Prompt, neuer Seed, neuer CFG. Das Ergebnis wurde besser, aber du weißt nicht warum — und wirst es nicht wiederholen können. Eine Variable pro Test.
• Steps erhöhen, um ein Problem zu lösen, das keins der Steps ist. Verformte Hände, falsche Anatomie oder ein fehlendes Objekt lösen sich nicht durch mehr Iterationen; das sind Prompt-, Modell- oder Extremformat-Probleme.
• CFG aus einem alten Tutorial übernehmen. Ein 2023 für SD 1.5 empfohlener Wert kann in Flux oder SDXL katastrophal sein. Jede Modellfamilie hat ihren Bereich.
• Den Seed ignorieren. Ohne ihn ist jeder Versuch ein neuer Würfelwurf, und du baust nie auf dem auf, was schon funktioniert hat.
• Gleich mit Extremformaten starten. Statt direkt 3:1 lieber 16:9 erzeugen und per Outpainting erweitern — weniger Verdopplungen und Artefakte.
• Auflösung mit Qualität verwechseln. Weit oberhalb der Trainingsauflösung zu erzeugen führt oft zu verdoppelten Motiven. Besser in nativer Auflösung erzeugen und danach hochskalieren.
• Nichts dokumentieren. Das perfekte Bild, das du nicht reproduzieren kannst, ist ein Zufall, kein Ergebnis.

Kurze Checkliste vor dem Erzeugen

1. Wähle das Seitenverhältnis nach dem endgültigen Einsatzort des Bildes, nicht nach der Voreinstellung des Werkzeugs.
2. Starte mit den Standardwerten des Modells — und prüfe, welche das sind, denn sie schwanken.
3. Mach einen günstigen Test: wenige Steps, vier Varianten, nur um die Richtung zu prüfen.
4. Wähle die beste Variante und notiere den Seed.
5. Passe mit fixiertem Seed einen Parameter nach dem anderen an, bis es sitzt.
6. Erzeuge die finale Fassung mit Produktions-Steps (30–40) neu.
7. Dokumentiere Prompt, Negativ, Seed, CFG, Steps, Sampler, Modell und Verhältnis.
8. Mach die Nachbearbeitung: Hochskalieren, Zuschneiden, Schärfen und Komprimieren fürs Web.

Nach dem Erzeugen: der Schritt, den fast alle überspringen

Ein KI-erzeugtes Bild ist selten fertig zum Veröffentlichen. Meist kommt es als schweres PNG, in der nativen Auflösung des Modells, ohne den exakten Zuschnitt, den dein Kanal verlangt. Diese abschließende Bearbeitung trennt ein Bild, das nach „KI" aussieht, von einem Bild, das auf deiner Website oder deinem Profil schlicht funktioniert.

Der Ablauf ist kurz: Passe den Ausschnitt per Zuschneiden an, wenn das Zielformat nicht exakt passt; bring es mit Ändern der Bildgröße auf die genauen Maße; hol Feindetails mit Schärfen zurück, falls du vergrößert hast; und wandle es zuletzt in WebP um und komprimiere es mit dem Komprimieren-Werkzeug, denn ein 4-MB-PNG oben auf der Seite drückt den PageSpeed, egal wie gut das Motiv ist.

Soll das Bild Teil eines visuellen Auftritts werden, geht es in weiteren Werkzeugen weiter: Zieh die Palette mit dem Farbpaletten-Generator, um alle Elemente stimmig zu halten, und nutze den KI-Logo-Generator, wenn es um die Marke geht.

Häufige Fragen