Mein Schreibtisch im Büro ist ein kreativer Saustall. Ich sage das ohne Scham und mit einer gewissen Überzeugung, weil ich trotzdem alles finde. Ein leeres Schreibtischmotiv mit meinem Setup wollte ich trotzdem, also habe ich das Naheliegende getan: Ich habe ein Foto gemacht. Nicht aufgeräumt. Nicht gestylt. Einfach so, wie er ist. Kabel, Router an der Wand, Jalousien halb offen, und dazwischen meine drei Monitore, meine Tastatur, meine Maus.
Das Foto habe ich dann zu Nano Banana Pro hochgeladen. Und dann habe ich etwas getan, das viele Leute noch immer nicht machen: Ich habe nicht einen langen, erschöpfenden Prompt geschrieben, in dem ich versuche, alles auf einmal zu lösen. Ich habe iteriert. Schritt für Schritt. Drei Runden. Und nach Runde drei hatte ich genau das, was ich wollte: ein cleanes, leeres Setup-Bild als Referenz für zukünftige Beiträge.
Das klingt wie eine kleine Geschichte. Ist es auch. Aber dahinter steckt eines der wichtigsten Prinzipien, das ich in zwei Jahren intensiver KI-Arbeit gelernt habe und das ich in meiner täglichen Beratungsarbeit mit EPU und KMU in Österreich immer wieder erklären muss.
Iteration ist nicht der Umweg. Iteration ist der Workflow.
Warum der „Mega-Prompt“ meist scheitert
Es gibt eine weit verbreitete Intuition, die ich vollständig verstehe: Je präziser und vollständiger mein Prompt, desto besser das Ergebnis. Wer das denkt, hat nicht ganz Unrecht. Kontext hilft. Präzision hilft. Aber es gibt eine Grenze, ab der mehr Anweisungen nicht mehr helfen, sondern schaden.
Bildgeneratoren, egal ob Midjourney, Imagen, Stable Diffusion oder der Google-Bildgenerator hinter Nano Banana Pro, verarbeiten Prompts nicht wie ein Briefing, das ein Mensch liest, versteht und dann umsetzen kann. Sie gewichten Elemente, sie balancieren Widersprüche, und sie haben schlicht und einfach eine begrenzte Aufmerksamkeit für sehr lange Anweisungen. Was passiert, wenn du zwölf verschiedene Anforderungen in einen einzigen Prompt packst?
Das Modell trifft Kompromisse, die du nicht kontrollierst.
Es priorisiert, was statistisch häufig vorkommt. Es ignoriert, was selten ist. Und du siehst am Ende ein Ergebnis, das in keine Richtung stimmt: Die Bildschirme sind nicht ganz leer, der Tisch ist halbwegs aufgeräumt, aber der Router hängt noch an der Wand.
Ich beobachte das seit Jahren in der täglichen Arbeit. Der häufigste Fehler bei der KI-Bildgenerierung ist nicht, dass der Prompt zu vage ist. Es ist, dass zu viele Probleme gleichzeitig gelöst werden sollen.
Was Iteration wirklich bedeutet
Zur Klarheit, weil die Begriffe oft durcheinandergeraten: Iteration beim Bildgenerator ist nicht dasselbe wie Upscaling, Inpainting oder Style Transfer. Es bedeutet: Du nimmst ein Ausgangsbild, gibst ein neues Ziel vor, und lässt das Modell dieses eine Ziel umsetzen. Dann wiederholst du das mit dem nächsten Ziel.
Das klingt langsam. Ist es aber nicht.
Drei gezielte Iterationen dauern oft weniger als fünf Minuten. Ein einziger Mega-Prompt, der nicht funktioniert und dann viermal neu formuliert wird, dauert länger und liefert trotzdem schlechtere Ergebnisse, weil du jedes Mal beim Ausgangsbild anfängst.
Bei meinem Setup-Bild hat es so ausgesehen:
Ausgangslage: Das iPhone-Foto mit dem Saustall.
Iteration 1: „Mach die Bildschirme schwarz. Keine geöffneten Fenster, kein Interface, alles dunkel.“ Ergebnis: drei schwarze Monitore, der Rest des Schreibtischs unverändert. Genau das, was ich wollte. Ein sauberer erster Schritt.
Iteration 2: „Räum den Tisch auf. Alles, was nicht Tastatur, Maus oder Monitore ist, soll verschwinden.“ Ergebnis: kein Saustall mehr. Der Tisch ist leer bis auf die drei Geräte. Der Router an der Wand ist noch da. Die Jalousien auch. Aber der Schreibtisch selbst ist clean.
Iteration 3: „Jalousien schließen. Den WLAN-Router samt Kabeln an der Wand entfernen.“ Ergebnis: ein ruhiges, fokussiertes Setup-Bild ohne Ablenkung. Genau das, was ich brauche.
Drei Schritte. Jeder Schritt ein einziges, klares Ziel. Kein Raten, kein Kompromiss.
Das kleine Iteration-Tutorial
Wenn du mit einem echten Foto arbeitest, also mit einem Image-to-Image-Workflow über Nano Banana Pro oder einen vergleichbaren Generator, dann gilt folgendes Prinzip:
1. Trenne Aufgaben nach Komplexitätsebenen.
Beginne mit dem, was die stärkste visuelle Veränderung bewirkt. In meinem Fall: die Bildschirme leer machen. Das ist der dominante Eingriff ins Bild. Wenn du das zuerst machst, hat das Modell einen stabilen Ausgangspunkt für alle weiteren Schritte.
2. Ein Ziel pro Schritt, nicht eines pro Objekt.
„Räum den Tisch auf“ ist ein Ziel. „Entferne Kaffeetasse, Notizblock, USB-Hub, Headset, Zettel und Ladekabel“ ist eine Liste von Objekten, die du als Ziel formulierst. Das klingt nach demselben, ist es aber nicht. Das Ziel gibt dem Modell Handlungsspielraum, die Liste erzeugt Detailarbeit, die oft scheitert. Ich verwende fast immer die Zielformulierung, nicht die Objektliste.
3. Bild zu Bild, nicht Text zu Bild.
Wenn du ein Referenzbild hast, also ein echtes Foto oder ein vorheriges KI-Bild, dann lade es hoch und arbeite darauf auf. Starte nicht jeden Schritt neu. Das Output-Bild von Iteration 1 ist das Input-Bild von Iteration 2. So baut jeder Schritt auf dem vorherigen auf, und das Ergebnis bleibt kohärent.
4. Lass Kleinigkeiten für den letzten Schritt.
Der Router an der Wand, die Kabel, die halb geöffneten Jalousien: das sind Details. Sie stören das Bild, aber sie dominieren es nicht. Wenn du sie in Schritt 1 angehen willst, kämpfst du gegen ein Modell, das gerade noch damit beschäftigt ist, den Gesamteindruck des Bildes zu verstehen. Im letzten Schritt, wenn das Bild schon clean ist, reagieren Modelle auf solche Detailanweisungen deutlich präziser.
5. Stoppe, wenn es gut genug ist.
Das ist die unterschätzteste Regel. Perfektionismus im Prompting ist teuer, zeitraubend und führt meist dazu, dass ein Bild, das bei Schritt 3 gut war, bei Schritt 7 irgendwie seltsam aussieht. Ich habe gelernt zu fragen: Ist das gut genug für den Zweck? Wenn ja: fertig.
Warum das bei KI-Texten genauso gilt
Ich beschränke dieses Prinzip nicht auf Bildgeneratoren. Dasselbe gilt für lange Texte, für komplexe Automatisierungen, für Code-Generierung. Ein Prompt, der ein vollständiges Blogartikel-Briefing, Stilregeln, SEO-Anforderungen, Bildprompt und Social-Media-Posts auf einmal anfordert, liefert in der Regel ein Ergebnis, das in jeder einzelnen Kategorie mittelmäßig ist.
Was liefert bessere Ergebnisse? Iteration. Zuerst die Kernstruktur, dann den Fließtext, dann die Optimierungsschicht.
Mein eigener Workflow für viele Aufgaben funktioniert genau so. Ich habe einen ausgearbeiteten Skill-Prompt, der Regeln und die Distribution-Logik kennt. Aber ich alles in Etappen zum Ziel. Das spart Zeit, weil jeder Schritt überprüfbar ist. Und es liefert bessere Ergebnisse, weil ich korrigieren kann, bevor ein Fehler sich durch das gesamte Dokument zieht.
Das ist kein Trick. Das ist einfach gutes Handwerk.
Was das Bild meines Schreibtischs mir noch gezeigt hat
Es gibt noch einen Aspekt, den ich nicht unerwähnt lassen will. Das Ausgangsfoto, der ehrliche Saustall, war ein besserer Prompt-Einstieg als jede stilisierte Produktfotografie, die ich hätte kaufen oder generieren können.
Bildgeneratoren arbeiten besser, wenn sie einen echten Kontext haben. Mein Schreibtisch hat spezifische Proportionen, eine spezifische Perspektive, ein spezifisches Licht. Wenn ich diesen Kontext als Ausgangspunkt nehme und gezielt transformiere, bleibt das Ergebnis konsistent. Das Monitor-Setup sieht aus wie meines. Die Tiefe des Bildes stimmt. Die Beleuchtung ist real.
Wenn ich dagegen von Null anfange, also einen Text-zu-Bild-Prompt schreibe („drei Monitore auf einem cleanen Schreibtisch, schwarzer Hintergrund, blau beleuchtete Tastatur“), bekomme ich ein generisches Bild, das nach KI-Stockfoto aussieht. Nützlich, aber nicht meins.
Für alle, die eigene Setup-Bilder, Office-Fotos oder Produktaufnahmen für ihre Website oder Social Media brauchen: ein Foto mit dem eigenen Smartphone ist der beste Ausgangspunkt. Nicht wegen der Qualität. Wegen des Kontexts.
Das Referenzbild und was jetzt damit passiert
Das Endbild aus meinen drei Iterationsrunden ist jetzt ein Referenz-Asset. Ich werde es als Basis für zukünftige Blogartikel-Titelbilder verwenden (so wie für diesen), als Hintergrund für Screenshots, als visuellen Anker für Beiträge rund um meinen Workflow.
Das ist ein weiterer Grund, warum Iteration nicht nur ein Qualitäts-Thema ist, sondern ein Effizienz-Thema. Einmal gut machen heißt: dieses Asset steht jetzt für viele weitere Schritte zur Verfügung. Der Aufwand war minimal. Der Nutzen ist langfristig.
Mit diesem Setup kann ich nun viel anstellen. Anderes Licht? Andere Fenster auf den Bildschirmen? Veränderte Kameraposition? Alles kein Problem:
Mein ehrliches Schlusswort
Ich arbeite seit 1989 in der Kommunikation. Und ich sage dir: der Wunsch nach dem perfekten Briefing, das alles auf einmal löst, ist so alt wie die Branche selbst. Er ist verständlich, weil er nach Effizienz klingt. In der Praxis ist er das Gegenteil.
KI hat diese Dynamik nicht erfunden, sie hat sie verstärkt. Weil ein KI-Tool sofort antwortet, glaubt man, man müsse sofort alles richtig machen. Aber das Modell braucht keine Perfektion im ersten Anlauf. Es braucht Klarheit im nächsten Schritt.
Iteration ist kein Zeichen, dass du den Prompt nicht beherrschst. Es ist das Zeichen, dass du verstanden hast, wie das Werkzeug funktioniert.
Mein Schreibtisch ist übrigens immer noch ein kreativer Saustall. Das Bild davon ist es nicht mehr.
