Generative KI: Steampunk für Dummies

Martin Wagner, Fotograf, Digital Artist und Bildbearbeiter mit einem Faible für Skurriles und einer selbst eingestandenen Neigung zum Chaos, berichtet von seinen Erlebnissen in der Welt von Midjourney. Von diesem KI-Ding namens Midjourney wurde ja schon viel erzählt – Wahrheiten und Halbwahrheiten, von der Übermacht der KI bis hin zu einer Anti-KI-Bewegung. Grund genug für mich, es einmal eingehend zu testen, um mir mein eigenes Urteil zu bilden. Aber wo fängt man überhaupt an? Im Vorfeld muss man erst einmal den Discord-Client herunterladen, installieren und sich anmelden. Discord ist ein Onlinedienst für Messaging, Chats und Telekonferenzen, der auch als Schnittstelle zur Midjourney-KI dient. Discord hatte ich schnell startklar gemacht, aber wie funktioniert das überhaupt? Also erst einmal stundenlang Tutorials zu Discord lesen, bis ich so weit war, Midjourney zu testen – mit meinem ersten Beta-Zugang für Midjourney Version 2. In der Beta-Phase kostete es nichts, und angeblich musste man nur eingeben, was man sehen wollte. Aber wo und wie gibt man da eigentlich etwas ein? Also erneut stundenlanges Suchen nach Tutorials dazu, wie die Eingabe funktioniert. Irgendwann bin ich dann darauf gestoßen, dass Midjourney ja im eigenen Kanal eine Anleitung bietet. Endlich hatte ich alle Infos, die es brauchte, um meinen ersten Prompt abzusetzen. Das war „a beautiful female steam-punk adventurer“, also das, was ich sehen wollte – dachte ich. Midjourney gab mir Bild 1 zurück. Prompt: a beautiful female steam-punk adventurer (Midjourney 2) Okay, das war noch nicht der Hit. Warum gehen die Leute bei so etwas nur so steil ab? Man konnte zwar eine Grundästhetik erkennen, aber für ein Wandbild war das noch nichts. Ich fühlte mich von der KI herausgefordert und versuchte, meine Beschreibung zu präzisieren – allerdings immer noch außer Acht lassend, dass eine KI nicht zwischen den Zeilen und schon gar nicht Gedanken lesen kann, um zu erahnen, wie das Bild in meinem Kopf aussieht. Ich wollte der Dame also ein „headpiece“ aufsetzen und teilte das der KI so mit. Das Ergebnis war aber genauso wenig prickelnd wie der erste Versuch. Irgendwann entdeckte ich, dass man sich aus dem Originalbild gleich mehrere Varianten berechnen lassen kann – und daraus dann wieder neue Varianten, weil die Ergebnisse immer noch nicht besser wurden. Aber nach kurzer Zeit ploppte ein Hinweis auf, dass man bezahlen müsse, um weiterzumachen. Für so etwas gebe ich nichts aus, dachte ich, und damit war mein Interesse am KI-Hype erst einmal gestillt. Einen Monat später traf eine E-Mail mit der Einladung zu einer weiteren Beta ein. Einem geschenkten Gaul schaut man nicht ins Maul, und so installierte ich Discord erneut, da ich es nach meinem ersten, unbefriedigenden Versuch wieder von meiner Festplatte verbannt hatte. Und ich stellte fest, dass es eine neue Version 3 von Midjourney gab. Da ich die Zeit des Betatests nicht wieder mit der Erzeugung von Varianten verplempern wollte, ging ich diesmal planvoller vor und schnappte mir Block und Stift, um erst einmal alles zu notieren, was auf das Bild sollte. Dem folgten erneut Stunden der Recherche, denn wie man eine Person als Ganzes auf das Bild bekommt, steht in keiner Anleitung. Ich bin dann bei Film-Einstellungen hängen geblieben und habe mir wichtige Begriffe wie „long shot“ und „full body view“ angeeignet. Und wenn man in der Beschreibung ausdrücklich Schuhe, Kopfbedeckung und Haare angibt, so fand ich heraus, steigen die Chancen, all das am Ende auch zu erhalten. Als Reaktion auf meinen nächsten Versuchs-Prompt lieferte Midjourney Bild 2. Prompt: a beautiful female steam-punk adventurer with detailed headpiece made of mechanical parts, fine steam-punk styled coat, steam-punk Goggles (Midjourney 3) Dieses Ergebnis fand ich schon ansprechender, und der Photoshopper in mir wurde wach. Die Macher von Midjourney steigern mit den winzigen Vorschaubildern die Spannung: Man kann sich aus den jeweils vier Vorschlägen ein Bild aussuchen, das man vergrößern möchte (Upscale), oder alternativ eines davon als Basis für weitere vier Variationen wählen. Damit wurde mein Interesse nach noch mehr Möglichkeiten geweckt – es könnte ja etwas noch Cooleres dabei herauskommen. Aber für den so angefixten Anwender ist das der Zeitfresser schlechthin. Inzwischen war mein Kopf voll von kreativen Ideen, die ich unbedingt visualisieren wollte. Midjourney machte sich zwar seine eigenen Vorstellungen davon, was ich anstrebte, aber mit weiterer Feinarbeit an den Prompts fiel das Ergebnis immer mehr so aus, wie ich mir das gedacht hatte. Oder suggerierte mir Midjourney bloß, mir würden die Ergebnisse besser gefallen? Egal! Für meine Zwecke fand ich sie erst einmal ansprechend genug. Ich bekam auch nie den Eindruck, dass ich nur Eingaben machen würde und der Computer spuckte etwas aus. Aufgrund meiner Recherchen und dem schrittweisen Verbessern meiner Prompts hatte ich durchaus das Gefühl, dass die Ergebnisse meinem Geist entsprungen waren, Midjourney also nur ein Werkzeug zur Visualisierung meiner Ideen war. Irgendwann stieß ich dann auf eine Website, die mir das Land der ungeahnten Möglichkeiten eröffnete: den Midjourney Prompt Builder. Ich habe ihn am Ende nicht benutzt, um Prompts zusammenstellen zu lassen, sondern um zu erforschen, welche Befehle hinter den einzelnen Auswahlmöglichkeiten stehen. Seitdem kenne ich nicht nur eine Menge Schlüsselwörter, sondern kann sie auch im Prompt schnell ändern oder hinzufügen, je nachdem, was gerade für ein Bild in meinem Kopf ist. Zusätzlich entdeckte ich die Option der Bildformate (mit dem Parameter »ar« kann man das Seitenverhältnis vorgeben), eine mögliche Steigerung der Upscale-Qualitätsstufe über den Parameter »q«, die allerdings mehr Rechenzeit kostet, und einem komischen Parameter, den ich anfangs nie berücksichtigt hatte: »stylize«. Mit höheren Werten dieses Parameters kann man der KI die Zügel schießen lassen und mit niedrigen zur strikteren Beachtung des Prompt anhalten. Also schnell noch vor Ablauf der zweiten Betaphase ein Bild gemacht (Bild 3). Prompt: a beautiful female steam-punk adventurer with detailed headpiece made of mechanical parts, fine steam-punk styled coat, steam-punk goggles, cinematic victorian styled steam-punk city background, long shot, --ar 2:3 --q2 (Midjourney 3) Langsam schrieb ich schon halbe Romane – ob die KI das wirklich alles verstand? Nach Ablauf der zweiten Betatestzeit entschloss ich mich, tiefer in das Thema KI einzusteigen. Wie kommuniziert man am besten mit einer KI? Mit welchen Bildern wurde sie trainiert? Und wie funktioniert sie überhaupt? Im Zuge der Beschäftigung mit diesen Themen wurde ich auch meine lauernden Zweifel los. Ich hatte nämlich Bedenken in Bezug auf das Urheberrecht, ob also eine KI vielleicht Schnipsel aus Bildern anderer Künstler klaut. Aber ich verstand nun, dass sie die Bilder des Trainingsmaterials vielmehr zerstört bis zum Bildrauschen und sich gewissermaßen das Bildrauschen merkt. Nichts anderes als das, was ich täglich mache: Ich lasse mich inspirieren von allem Möglichen und baue so meine Bilder zusammen, oder ich habe Fotostrecken im Kopf, die aus diversen Inspirationen zusammengewürfelt sind. Damit war ich erst einmal beruhigt, was die rechtlichen Fragen betraf. Nun juckte es mich, endlich mein Steampunk-Mädel ordentlich hinzubekommen. Ich hatte erfahren, dass es neben dem schnellen Fast-Modus (in dem man für Rechenzeit auf dem KI-Server zahlt) den Relax-Modus gibt, in dem sich die eigenen Aufträge an die KI hinten in der Warteschlange anstellen, wofür aber keine Rechenzeit berechnet wird. Um diesen Modus wählen zu können, muss man zwar pauschal 30 Dollar pro Monat im Standard-Plan bezahlen; für mich stellte sich das aber als Vorteil gegenüber dem vermeintlich günstigeren Basic-Plan für 10 Dollar pro Monat heraus, bei dem zusätzliche Rechenzeit extra abgerechnet wird. Ich sprudelte vor Ideen … Was passiert, wenn man einen Steampunk-Charakter mit Biomechanoiden kreuzt, oder wenn man statt Steampunk Flowerpunk, Atompunk oder Necropunk eingibt? Ich habe da viel Zeit investiert, um all den Irrsinn in meinem Kopf in eine sichtbare Form zu bringen, was mir einen Riesenspaß gemacht hat. Im Relax-Modus war das auch recht angenehm, da man für höher aufgelöste Bilder bis zum Pre-Upscale (der an sich schon mal nicht schlecht war) gehen kann, ohne bezahlte Rechenzeit zu beanspruchen. Auch wenn der Relax-Modus seine Tücken hat und manchmal extrem langsam ist, kann ich unterm Strich sagen, dass sich das rentiert. Nach der Selektion der Pre-Upscales ließ ich meine Best-of-Werke im Fast-Modus auf die maximale Auflösung skalieren. So konnte ich Bilder in Massen produzieren und schon eine grobe Auswahl treffen, um nur die besten davon abzuspeichern und meinen Festplattenplatz zu schonen. Mit meinem Timing hatte ich Glück, weil gleich eine Woche nach meiner Entscheidung, 30 Dollar pro Monat zu investieren, eine neue Beta-Version herauskam. Ich fand den zuletzt verwendeten Prompt wieder und testete aus, was sie daraus machen würde (Bild 4). Prompt: siehe Bild 3 (Beta-Version zwischen Version 3 und 4) Nachdem ich innerhalb von lediglich zwei Monaten die großen Entwicklungssprünge der KI erlebt hatte, war ich von Midjourney überzeugt – noch nicht von der zu diesem Zeitpunkt realisierten Qualität, aber von der Aussicht auf zukünftige Weiterentwicklungen. Ich habe in der Beta-Phase Unmengen an Bildern produziert, verworfen, Prompts getestet und wurde kurz darauf mit einer neuen Version belohnt: Aus der Beta- wurde die Test- und Testp-Version – »p« für „photorealistischer“. Mittlerweile dachte ich wie Franz Beckenbauer, der immer sagte: „Schaun mer mal“ – und mehr zu schauen, was raus kommt, kann man ja nicht. Ich benutzte also wieder meinen Test-Prompt und war ebenso begeistert wie schon von den Versionen davor (Bild 5). Prompt: siehe Bild 3 (Test-Version zwischen Version 3 und 4) Es folgte Nachtschicht um Nachtschicht, bis mich die Erkenntnis wie ein Blitz traf: Alle schauten immer gleich zum Betrachter … da passierte nichts in den Bildern. Das gab den Anstoß, mich noch mehr mit der Prompt-Erstellung zu beschäftigen. Da gab es Wertungen, Anweisungen und Seed-Befehle, dazu die »Style«- und »Chaos«-Parameter der V3, aber was bewirken diese Parameter, wie setzt man sie ein, in welchem Verhältnis stehen sie zueinander – Fragen, die mein neugieriges Hirn unbedingt klären wollte. Nach langen Recherchen in Discord-Foren und im Web konnte ich das alles schließlich gezielt in meinen Prompts anwenden. Die Bilder wurden dabei schon besser, nur passierte immer noch nichts Spannendes. Und da traf mich der zweite Blitz, der meine Sicht von Midjourney als eine Art Bildbearbeitungs-Tool komplett zerstörte. Die KI ist vielmehr ein Visualisierungs-Tool für wortmächtige Autoren. Schriftsteller wären die idealen Prompt-Engineers, denn ein großer Wortschatz ist hier von Vorteil. Mein Tipp: Es gibt Thesaurus-Wörterbücher mit Synonymen, es gibt Schriftsteller-Websites, die sich mit Gestik, Mimik und deren Beschreibungen beschäftigen, es gibt wissenschaftliche Websites dazu, welche Mimiken es gibt und wie sie zusammengesetzt sind. Ich fing an, in Midjourney mögliche Mimiken, Körperbewegungen und Posen herauszufinden, und notierte mir die passenden Schlüsselwörter. Mein Notizbuch ist mittlerweile schon fast voll mit 200 Seiten zu Mimiken, Bewegungen, Körpersprache, verbotenen Wörtern, Künstlernamen, Lichtsetzung und Perspektiven. Und während ich hier so schreibe, erscheint schon der nächste Knaller: die Midjourney Version 4. Also einen Test-Prompt eingegeben, Kinn auf die Schreibtischplatte gefallen: Das wird ja immer cooler – siehe das Aufmacherbild auf Seite 12. Wer weiß, wie mein Steampunk-Mädel bei Version 10 aussieht – was ja nicht lange dauern sollte, bei diesem Tempo. Schaun mer mal … Linkliste unter: www.docma.info/22720

Als Abonnent einloggen

DOCMA 2GO abonnieren

Schreibe einen Kommentar Antwort abbrechen