Promptologie

Boris Eldagsen gilt als einer der Vorreiter beim Thema generative Bild-KI in Deutschland. Christoph Künne hat mit ihm über strategische Ansätze gesprochen – wie man die „Prompts“ genannten Texteingaben so formuliert, dass eine KI sie versteht. DOCMA: Gibt es eine einheitliche Sprache, die alle KIs für generative Bilder verstehen? Boris Eldagsen: Grundsätzlich verstehen die kommerziellen und die Open Source-KIs Texteingaben in englischer Sprache. Dennoch erzeugen sie nie dieselben Bilder bei identischen Texten. Das hat zum einen damit zu tun, dass sie mit – zumindest teilweise – unterschiedlichen Bildern trainiert wurden. Zum anderen, weil auch beim Einsatz der gleichen KI eine gewisse Variationsbreite der Ergebnisse mit zum System gehört. Da aber bisher alle Bild-KIs auf dem Prinzip der Diffusion aufbauen, kann man die Struktur der Prompts relativ universell anwenden. DOCMA: Du nennst diese Art, an das Thema heranzugehen, „Promptologie“. Boris Eldagsen: Das klingt komplex und das soll es auch, denn die Formulierung von Prompts hat viel mit Strukturen zu tun. DOCMA: Bei Midjourney Version 4 konnte ich mit ganz wenigen Worten bereits eindrucksvolle Bilder erzeugen. Und je mehr ich danach eingebe, um die Bilder meinen Vorstellungen anzupassen, desto „verschlimmbesserter“ werden die Ergebnisse oftmals. Spricht das nicht gegen Deine Idee von der Struktur? Boris Eldagsen: Midjourney ist ein kommerzielles Produkt, das –im Gegensatz zu Stable Diffusion – für einen eher niederschwelligen Gebrauch ausgelegt ist. Von daher gehört es zur Produktphilosophie, dem Anwender auch bei wenig Input ein ansehnliches Ergebnis zu liefern. Wer aber seine Ideen schon im Vorfeld klar formulieren kann, wer mit langen und komplexen Prompts arbeitet und diese dann später nur noch variiert, bekommt erheblich mehr Kontrolle über die Resultate. DOCMA: Gibt es dafür eine Anleitung? Boris Eldagsen: Ich habe eine Art Formel entwickelt, die auf zehn elementaren inhaltlichen Bausteinen basiert, um komplexe Prompts zu formulieren. DOCMA: Kannst Du uns das erklären? Boris Eldagsen: Das sollte man am besten anhand von Bildern tun. Ich zeige das mal an einem Kurztutorial: 01 Format Bezeichnet die mediale Form des gewünschten Bildergebnisses. Also das, was man später herausbekommen möchte: Eine Daguerreotypie, ein Polaroid, eine Stereoskopie, ein Schwarzweißfoto oder, wenn es grafischer sein soll, eine Kreidezeichnung, ein Ölgemälde oder eine Papiercollage. Prompt: »Wet plate photo« 02 Thema und Vertiefung Hier geht es um den Inhalt. Nehmen wir zum Beispiel einfach einen Hund, dann ist das etwas unspezifisch. Zur Vertiefung – im Englischen nennt man das „Solidifier“ – wäre die Hunderasse dienlich. Also etwa ein deutscher Schäferhund. Prompt: »Wet plate photo, German shepherd« 03 Stimmung Mit der Stimmung (englisch: vibe) gibt man dem Motiv eine Richtung. Beispiele sind realistisch, glamourös, lustig, verrückt, seltsam, beeindruckend, experimentell oder futuristisch. Unser Hund auf der Nassplatten-Fotografie soll futuristisch dargestellt werden. Prompt: »Wet plate photo, German shepherd, futuristic« 04 Perspektive Beim Blickwinkel sind die Möglichkeiten nicht ganz so umfangreich wie bei der Stimmung, aber dennoch ist die Kontrolle dieses Parameters für die Bildwirkung von großer Bedeutung. Ein paar Beispiele: Linearperspektive, Luftperspektive, Verkleinerungsperspektive, Vogelperspektive, Froschperspektive oder Weitwinkelperspektive. Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective« 05 Verstärker Um die Vorstellung, die wir von unserem Bild haben, noch mit einem weiteren Merkmal formal zu verstärken, setzt man gerne sogenannte „Booster“ ein, die die Qualität betonen sollen. Typische Booster sind 4k, 8k, ultra-realistic oder photorealistic. Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic« 06 Referenz Jetzt kommen wir zu dem Punkt, wo es an die Übernahme von Stilen bekannter Künstler oder Kunstrichtungen geht. Das Wort „by“ leitet diesen Wunsch nach einem bestimmten Stil ein, etwa by Lee Miller, by Ansel Adams oder by David LaChapelle Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic, by David LaChapelle« 07 Genre Mit der Adaption eines Fotogenres lässt sich das Motiv weiter hinsichtlich des Stils beeinflussen. Genres in diesem Sinne können sein: Amateurfoto, Fineart-Foto, Tatortfoto, Modefoto, Landschaftsfoto, Werbefoto oder Stilleben. Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic, by David LaChapelle, advertising photo« 08 Technik Neben der Wahl des Formats unter 01, das aufgrund der vielen weiteren Parameter bereits merklich in den Hintergrund gerückt ist, kann man nun zur erneuten Verstärkung der Technik-Aspekte aufnahmetypische Parameter eingeben Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic, by David LaChapelle, advertising photo, 4“x5“ view camera f/64« 09 Farben Auch wenn das jetzt der Wetplate-Vorgabe am Anfang widerspricht, lassen sich die Farben, die spätestens mit dem LaChapelle-Stil eingezogen sind, definieren beziehungsweise reduzieren. Beispiele wären: Neonfarben, Vintagefarben, Retrofarben, Sommerfarben, Pastellfarben oder einfarbig. Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic, by David LaChapelle, advertising photo, 4“x5“ view camera f/64, pastel colors« 10 Licht Für eine bestimmte Lichtstimmung stehen die üblichen Belichtungsszenarien aus der Studiofotografie zur Verfügung. Zum Beispiel Schmetterlingsbeleuchtung, Rembrandt-Licht, Kantenlicht, Hintergrundbeleuchtung, hartes Licht, weiches Licht oder Blitzlicht. Prompt: »Wet plate photo, German shepherd, futuristic, wide angle perspective, photorealistic, by David LaChapelle, advertising photo, 4“x5“ view camera f/64, pastel colors, Rembrandt lighting« DOCMA: Das war jetzt ziemlich eindrucksvoll. Danke für diese Vorführung. Aber müssen es immer alle zehn Parameter in allen Prompts sein? Boris Eldagsen: Natürlich nicht. Wir sehen ja an den Beispielen, wie sich der Einfluss der einzelnen Argumente auf das Bild mit jedem neu hinzugekommenen verringert. Dagegen anarbeiten kann man durch Gewichtung einzelner Aspekte. Das funktioniert in fast allen Systemen, aber auf unterschiedliche Weise. Entweder in Form von Befehlen hinter den Argumenten. Bei Midjourney geht das mit zwei Doppelpunkten und einem Wert über eins zur Verstärkung (2) und unter eins zur Abschwächung (0.5). Alternativ lässt sich auch ein Aspekt mit anderen Worten im Prompt wiederholen. Oft bringt es aber mehr, sich im Lauf der Arbeit auf die Faktoren zu beschränken, die einem für die Bildidee wirklich wichtig sind. Bis man da den eigenen Weg gefunden hat, ist aktuell noch eine Menge an Übung nötig. DOCMA: Muss man mit den Systemen Englisch sprechen? Boris Eldagsen: Im Prinzip funktionieren auch andere Sprachen, denn die Trainingssets sind im Original mehrsprachig und werden dann vor der Bearbeitung ins Englische übersetzt. Aktuell kommt man daher mit englischen Prompts am besten zum Ziel. DOCMA: Was mache ich, wenn mein Englisch nicht gut genug für so präzise Beschreibungen ist, wie sie mir nach Deiner ausführlichen Darstellung der zehn Bausteine vorschweben? Boris Eldagsen: Der einfachste Weg ist, die Prompts erst einmal auf Deutsch zu verfassen und sie dann von einem Service wie DeepL.com ins Englische übersetzen zu lassen. ChatGPT besitzt den Vorzug, dass man Stichwortreihen, wie wir sie hier genutzt haben, von der KI in normalsprachliche ganze Sätze verlängern lassen kann. Gerade in der neuen Midjourney Version 5 erhält man mit Prompts, die mit normalsprachlichen Sätzen arbeiten, bisher noch die besseren Ergebnisse. DOCMA: Angesichts all der neuen Möglichkeiten – wie schätzt Du die Zukunft der Fotografen ein? Boris Eldagsen: Einfach aufs Knöpfchen drücken, das geht auch in der Fotografie. Die Basis guter Fotografie ist neben der erarbeiteten Bildkompetenz vor allem die Erfahrung und das Wissen um die Zusammenhänge. Wenn wir das auf unsere zehn Schritte übertragen, kann der Amateur im Regelfall nur sagen, was das Bild zeigen soll, eine Stimmung vorgeben und festlegen, wie bunt es sein darf. Format, Perspektive, Technik, Referenz, Genre und die eher technischen Booster-Termini sind eher etwas für Profis. Also für diejenigen, die sich mit den Möglichkeiten der Bildmedien, ihrer Geschichte und den Stilen der Künstler auskennen. Anders ausgedrückt: Das eigene Wissen wird in Zukunft zum Treibstoff für die Bilder der KI. Der Besitz von Fototechnik verliert an Bedeutung. Boris Eldagsen … hat in den 90ern freie Kunst und Philosophie studiert und arbeitet seither als Photomedia-Künstler, Strategieberater und Creative Consultant. Er ist zudem schon zehn Jahre lang in der Deutschen Fotografischen Akademie (DFA) aktiv. 2023 war er als einer der ersten deutschen Künstler mit einer Ausstellung von KI-Bildern beim European Month of Photography in Berlin vertreten. Sein Wissen vermittelt er in Vorträgen und (Online-)Seminaren. Mehr Infos: www.promptwhispering.ai

Als Abonnent einloggen

DOCMA 2GO abonnieren

Schreibe einen Kommentar Antwort abbrechen