Wenn der positive Prompt beschreibt, was du sehen willst, beschreibt der negative Prompt, was die KI unbedingt vermeiden soll. Es ist eine der am meisten unterschätzten Techniken für alle, die mit der KI-Bildgenerierung anfangen, aber sie macht einen enormen Unterschied in der Trefferquote und der finalen Qualität des Ergebnisses — sie reduziert die Zahl verworfener Generierungen und die Zeit, die man damit verbringt, einen Prompt zu "treffen".
Was genau ein negativer Prompt ist
Bei Stable Diffusion ist das Feld für den negativen Prompt wörtlich zu nehmen: ein vom Hauptprompt getrennter Textbereich, in dem du Begriffe auflistest, die Fehler oder unerwünschte Elemente darstellen, wie blurry, extra fingers, watermark, low quality. Das Modell nutzt diese Liste, um die Generierung dieser Konzepte während des Diffusionsprozesses "fernzuhalten" und das Ergebnis von den beschriebenen Merkmalen wegzudrängen.
Bei Midjourney wird derselbe Effekt kompakter erreicht, mit dem Parameter --no am Ende des Prompts — zum Beispiel entfernt --no text, frame, blur Tendenzen zu Text, Rahmen und Unschärfe aus dem Ergebnis. Bei Modellen wie DALL-E 3 und Gemini Image gibt es dagegen kein dediziertes Feld für negative Prompts: Die Kontrolle muss durch präzisere Beschreibung dessen, was du willst, im positiven Prompt selbst erfolgen, da diese Systeme den Prompt intern umschreiben, bevor sie das Bild generieren.
Dieser technische Unterschied existiert, weil Modelle wie DALL-E 3 und Gemini Image den Prompt des Nutzers durch eine zwischengeschaltete Ebene automatischer Umschreibung führen, bevor sie ihn an das eigentliche Bildgenerierungsmodell senden. Diese Ebene versucht, die Absicht des Nutzers in eine detailliertere Beschreibung zu "übersetzen", was es schwierig macht, eine separate Ausschlussliste anzuwenden — deshalb bieten diese Systeme kein dediziertes Feld für negative Prompts wie Stable Diffusion und Midjourney.
Warum der negative Prompt das Ergebnis so stark verbessert
Ohne negativen Prompt hat das KI-Modell fast völlige Freiheit, mehrdeutige Details des Prompts zu füllen — und genau in diesen Lücken tauchen die klassischen Fehler auf: verformte Hände, unleserlicher Text, der echte Typografie vortäuscht, geisterhafte Wasserzeichen, die aus den Trainingsdaten geerbt wurden, oder unerwünschte visuelle Stile (wie ein "digitales Gemälde"-Effekt, wenn du ein realistisches Foto wolltest).
Indem du diese Elemente explizit im negativen Prompt einschränkst, reduzierst du die Rate verworfener Generierungen drastisch. Statt zehn Bilder zu generieren und das am wenigsten schlechte auszuwählen, generierst du vier oder fünf Bilder, die dem gewünschten Ergebnis bereits näher sind — was Zeit, Generierungs-Credits und bei nutzungsbasiert bezahlten Tools echtes Geld spart.
Ein weniger offensichtlicher Vorteil ist die Konsistenz zwischen Generierungen. Wenn du eine Serie von Bildern erstellst, die denselben Stil beibehalten müssen (zum Beispiel mehrere Produkte eines Katalogs oder Avatare derselben Marke), hilft ein gut definierter negativer Prompt, den "Korridor" der Ergebnisse zwischen einer Generierung und der nächsten enger und vorhersehbarer zu halten.
Dieser Gewinn an Vorhersehbarkeit wird noch wertvoller in Projekten mit engem Zeitplan, wo keine Zeit ist, Dutzende von Varianten zu generieren, bis ein brauchbares Bild gefunden wird — der negative Prompt funktioniert in diesem Szenario als Sicherheitsnetz, das die Varianz der Ergebnisse reduziert.
Wie man einen effektiven negativen Prompt Schritt für Schritt erstellt
1. Identifiziere den wahrscheinlichsten Fehler für deinen Bildtyp
Ein Personenporträt hat andere Risiken als ein Produktfoto oder eine Landschaft. Bevor du den negativen Prompt schreibst, überlege: Welche Art von Fehler macht dieser bestimmte Generator bei dieser Art von Szene üblicherweise? Porträts erfordern Aufmerksamkeit für Hände und Anatomie; Produkte erfordern Aufmerksamkeit für Text und Wasserzeichen; Landschaften erfordern Aufmerksamkeit für übersättigte Farben und Duplikation von Elementen.
2. Priorisiere wenige relevante Begriffe
Sehr lange negative Prompts können das Modell "verwirren" und die Kraft jedes einzelnen Begriffs verdünnen. Priorisiere die 5 bis 8 relevantesten Begriffe für den Bildtyp, den du generierst, statt eine riesige generische Liste ohne Anpassung an deinen Fall aus dem Internet einzufügen.
3. Nutze technische, spezifische Begriffe, keine vagen Adjektive
Vermeide es, etwas mit Wörtern wie "schlecht" oder "hässlich" zu negieren — sie tragen keine technische Information, die das Modell sinnvoll interpretieren kann. Beschreibe immer lieber den konkreten Fehler: blurry (unscharf), oversaturated (übersättigt), extra limbs (zusätzliche Gliedmaßen), jpeg artifacts (Komprimierungsartefakte).
4. Teste und passe iterativ an
Generiere eine kleine Charge von Bildern, beobachte, welche Fehler am häufigsten auftreten, und füge diese spezifischen Begriffe im nächsten Durchgang zum negativen Prompt hinzu. Der negative Prompt ist ein Werkzeug, das sich mit Iteration verbessert — du wirst kaum beim ersten Versuch die perfekte Liste treffen.
💡 Tipp: Führe eine persönliche "Bank" negativer Prompts, organisiert nach Kategorie (Porträt, Produkt, Landschaft, Illustration). Das spart Zeit bei zukünftigen Projekten und vermeidet, die ganze Liste jedes Mal neu zu erfinden, wenn du den Bildtyp wechselst.
Fertige negative Prompts nach Kategorie
| Ziel | Vorgeschlagener negativer Prompt |
|---|---|
| Porträts und Personen | deformed hands, extra fingers, asymmetrical eyes, bad anatomy, mutated, disfigured face |
| Realistische Fotos | cartoon, illustration, 3d render, painting, blurry, low resolution, unrealistic skin |
| Produkte und Objekte | watermark, text, logo, cropped, out of frame, low quality, duplicate object |
| Landschaften | oversaturated, unrealistic colors, lens flare, duplicate, distorted horizon |
| Stilisierte Kunst / Illustration | photo, realistic, noise, jpeg artifacts, signature, watermark |
| Architekturfotografie | crooked lines, warped perspective, blurry windows, oversharpened |
Negativer Prompt in Midjourney vs. Stable Diffusion: praktische Unterschiede
Obwohl das Konzept dasselbe ist, ändert die technische Umsetzung, wie du schreiben musst. Bei Stable Diffusion hat der negative Prompt ein "Gewicht", das dem positiven Prompt im Diffusionsprozess entspricht — du kannst sogar die Intensität jedes Begriffs mit Klammern und numerischen Gewichten anpassen, wie (blurry:1.4), um die Ablehnung dieses bestimmten Begriffs zu verstärken.
Bei Midjourney funktioniert der Parameter --no direkter und weniger granular: Du listest die Konzepte kommagetrennt auf, ohne feine individuelle Gewichtungskontrolle pro Begriff (obwohl die Reihenfolge der Begriffe das Ergebnis leicht beeinflussen kann). Das macht Midjourney einfacher zu bedienen, aber mit weniger chirurgischer Kontrolle, als Stable Diffusion fortgeschrittenen Nutzern bietet.
Glossar: am häufigsten genutzte negative Begriffe und was jeder vermeidet
Für alle, die anfangen, kann die Liste technischer englischer Begriffe, die in negativen Prompts verwendet werden, wie ein eigener Dialekt wirken. Sieh unten die häufigsten Begriffe, was sie in der Praxis vermeiden und bei welchem Bildtyp sie den größten Unterschied machen.
| Begriff (Englisch) | Was er vermeidet | Am nützlichsten bei |
|---|---|---|
| blurry | Allgemeine Unschärfe im Bild | Jede Kategorie |
| low quality / low resolution | Körniges oder pixeliges Erscheinungsbild | Jede Kategorie |
| extra fingers / extra limbs | Zusätzliche Finger oder Gliedmaßen | Porträts und Personen |
| bad anatomy | Falsche Körperproportionen | Porträts und Charaktere |
| watermark / signature | Geisterhafte Wasserzeichen und Signaturen | Produkte und Kunst |
| text | Unleserlicher oder sinnloser Text in der Szene | Jede Kategorie mit Schildern oder Labels |
| oversaturated | Künstlich zu leuchtende Farben | Landschaften und Natur |
| jpeg artifacts | Sichtbare Komprimierungsblöcke | Realistische Fotos |
| duplicate | Sinnlos wiederholte Elemente in der Szene | Landschaften und Kompositionen mit mehreren Objekten |
| cropped / out of frame | Unerwünschte Abschneidungen an den Rändern | Produkte und Ganzkörperporträts |
| 3d render / cartoon | Dreidimensionaler Stil oder Zeichentrickstil | Realistische Fotos |
| lens flare | Übertriebene Objektivreflexionen | Landschaften und Außenfotos |
Praktisches Beispiel: derselbe Prompt, mit und ohne negativen Prompt
Um die reale Auswirkung dieser Technik zu verstehen, lohnt sich ein hypothetisches Beispiel, das bei der Porträtgenerierung häufig vorkommt. Ein positiver Prompt wie "editorial portrait of a woman, natural light, confident expression, medium format camera", ohne jeglichen negativen Prompt generiert, führt oft zu Bildern mit mindestens einem der folgenden Probleme: teilweise sichtbare Hände mit verformten Fingern, asymmetrische Ohrringe zwischen beiden Gesichtsseiten, oder eine künstlich glatte Hauttextur, die vom Rest der Komposition abweicht.
Wenn man den negativen Prompt "deformed hands, extra fingers, asymmetrical earrings, waxy skin, blurry" zum selben positiven Prompt hinzufügt, steigt die Quote brauchbarer Generierungen erheblich. Das bedeutet nicht, dass 100% der Generierungen perfekt werden — aber der Anteil beim ersten Mal nutzbarer Ergebnisse steigt spürbar, besonders bei Chargen von vier oder mehr gleichzeitigen Generierungen, was die Anzahl nötiger Versuche bis zu einem zufriedenstellenden Ergebnis reduziert.
Tools, die automatisch beim Erstellen des negativen Prompts helfen
Manche Plattformen bieten bereits einen vorkonfigurierten "Standard"-negativen-Prompt, der den Nutzer davon befreit, die Liste bei jeder Generierung von Grund auf zu schreiben. Leonardo AI zum Beispiel wendet automatisch eine Reihe negativer Begriffe für allgemeine Qualität an (Vermeidung niedriger Auflösung und häufiger Artefakte) bei allen Generierungen, sodass der Nutzer nur zusätzliche projektspezifische Begriffe darüber hinzufügen muss.
Automatic1111 und ComfyUI, beliebte Oberflächen zum lokalen Betrieb von Stable Diffusion, ermöglichen es dagegen, wiederverwendbare "Presets" für negative Prompts zu speichern — eine praktische Möglichkeit, die zuvor erwähnte persönliche Bank negativer Prompts zu führen, ohne die Liste bei jeder neuen Generierungssitzung manuell kopieren und einfügen zu müssen.
Häufige Fehler beim Erstellen des negativen Prompts
Ein häufiger Fehler ist, etwas zu negieren, das dem positiven Prompt selbst direkt widerspricht — "realistischer Hund, weiches Fell" zu verlangen und gleichzeitig "fur" (Fell) im negativen Prompt zu negieren, erzeugt seltsame und unvorhersehbare Ergebnisse, da die beiden Prompts innerhalb desselben Generierungsprozesses direkt in Konflikt geraten.
Diese Art von Konflikt ist häufiger, als es scheint, besonders wenn der negative Prompt ohne sorgfältige Überprüfung aus einem anderen Projekt wiederverwendet wird. Bevor du eine Liste negativer Begriffe finalisierst, lohnt es sich, den positiven Prompt daneben zu lesen und zu prüfen, ob ein negierter Begriff einem als gewünscht beschriebenen Merkmal direkt widerspricht.
Ein weiterer häufiger Fehler ist es, generische negative Prompt-Listen aus dem Internet zu kopieren, ohne sie an den Kontext anzupassen. Eine für fotorealistische Porträts gedachte Liste, ohne Anpassung auf eine stilisierte Illustrationsgenerierung angewendet, kann das Ergebnis vom gewünschten Stil wegdrängen — zum Beispiel "cartoon" zu negieren, wenn du eigentlich ein stilisiertes Ergebnis wolltest.
Die Anpassung an den spezifischen Projektkontext ist immer wichtiger als die Anzahl der verwendeten Begriffe.Schließlich ignorieren viele Anfänger den negativen Prompt komplett und versuchen, alle Fehler nur durch Anpassung des positiven Prompts zu lösen. Das funktioniert teilweise, erfordert aber viel längere und komplexere positive Prompts — der negative Prompt existiert genau, um diese Arbeit zu vereinfachen, indem er "was ich will" von "was ich nicht will" in zwei getrennten Kanälen trennt.
Unterstützung für negative Prompts in den wichtigsten KI-Tools
| Tool | Unterstützung für negativen Prompt | Wie anwenden |
|---|---|---|
| Stable Diffusion (Automatic1111 / ComfyUI) | Nativ, mit Gewichtungskontrolle | Dediziertes Feld "Negative prompt" |
| Midjourney | Nativ, ohne individuelle Gewichtungskontrolle | Parameter --no am Ende des Prompts |
| Leonardo AI | Nativ, mit automatischem Preset | Dediziertes Feld + zusätzliche Nutzerbegriffe |
| DALL-E 3 | Nicht direkt unterstützt | Präzise im positiven Prompt beschreiben |
| Adobe Firefly | Teilweise Unterstützung über "Auszuschließende Effekte" | Panel für erweiterte Einstellungen |
| Gemini Image / Imagen | Nicht direkt unterstützt | Positiven Prompt in Chat-Iterationen verfeinern |
Wenn der negative Prompt nicht ausreicht: ergänzende Techniken
Der negative Prompt löst einen guten Teil der wiederkehrenden Fehler, ist aber keine universelle Lösung. Wenn ein bestimmter Fehler auch nach Anpassung des negativen Prompts bestehen bleibt, kommen andere Verfeinerungstechniken ins Spiel.
Inpainting
Tools wie Stable Diffusion und Adobe Firefly ermöglichen es, nur den problematischen Bereich des Bildes auszuwählen (eine verformte Hand zum Beispiel) und nur diesen Bereich neu zu generieren, während der Rest der Komposition intakt bleibt. Diese Technik ist besonders effektiv, um punktuelle Fehler zu korrigieren, ohne eine insgesamt bereits gute Generierung zu verwerfen.
ControlNet und strukturelle Führung
Im Stable-Diffusion-Ökosystem ermöglicht ControlNet, die Pose, Komposition oder Konturen des Bildes anhand einer externen Referenz zu führen (ein Pose-Skelett zum Beispiel). Das reduziert die Mehrdeutigkeit, die normalerweise zu anatomischen Fehlern führt, und ergänzt die Arbeit des negativen Prompts, statt sie zu ersetzen.
Upscaling und Schärfeverbesserung nach der Generierung
Nachdem eine zufriedenstellende Generierung in niedriger oder mittlerer Auflösung erzielt wurde, erhöhen Upscaling-Tools die finale Auflösung und können Komprimierungsartefakte reduzieren, die der negative Prompt bereits minimiert, aber nicht vollständig eliminiert hatte. Dieser Schritt ist oft der letzte Feinschliff, bevor das Bild in einem echten Projekt verwendet wird.
Negativer Prompt angewendet auf Marketing und soziale Medien
Marketing-Teams, die Bilder für Anzeigen, Posts und Banner generieren, stehen vor einer zusätzlichen Herausforderung: Das finale Bild muss nicht nur technisch korrekt sein, sondern auch zur visuellen Identität der Marke passen. In diesen Fällen umfasst der negative Prompt oft Begriffe, die Abweichungen von der Farbpalette oder dem Stil vermeiden — zum Beispiel "neon colors" oder "grunge texture" zu negieren, wenn die Marke mit einer minimalistischen, klaren Ästhetik arbeitet.
Eine weitere häufige Vorsichtsmaßnahme im Marketing ist es zu vermeiden, dass die KI versehentlich Elemente einfügt, die an konkurrierende Marken erinnern oder generische Logos, die zu echt aussehen — Begriffe wie "brand logo" und "corporate emblem" im negativen Prompt einzuschließen hilft, dieses Risiko bei Produkt- oder Firmenumgebungsbildern zu reduzieren.
Negativer Prompt in professionellen Arbeitsabläufen
Teams, die Bilder in großen Mengen generieren — für E-Commerce-Kataloge, Marketingkampagnen oder interne Bilddatenbanken — behalten oft einen "Marken-Standard"-negativen-Prompt bei, der auf alle Generierungen angewendet wird, unabhängig vom spezifischen positiven Prompt. Das garantiert minimale visuelle Konsistenz (zum Beispiel immer Text, Wasserzeichen und Markenzeichen vermeiden) in der gesamten Content-Produktion und reduziert den Bedarf an manueller Überprüfung Stück für Stück vor der finalen Freigabe.
Bild schon generiert? Jetzt ist Zeit zum Verfeinern
Nachdem du den negativen Prompt angewendet und das ideale Ergebnis generiert hast, nutze die KI-Tools von ImageTools für die letzten Anpassungen.
KI-Tools entdecken