Arbeiten mit Bildern

Vorschau der Lektion

Moderne KI funktioniert bei Bildern in zwei Richtungen: Sie kann lesen, was du ihr zeigst (Fotos, Screenshots, Whiteboards), und sie kann neue Bilder aus einer Beschreibung generieren. Beides geschieht im Dialog – du lädst etwas hoch oder beschreibst es und verfeinerst das Ergebnis dann einfach in normaler Sprache, statt von vorn anzufangen. Der Trick besteht darin, zu wissen, wo die jeweilige Richtung zuverlässig funktioniert und wo sie an ihre Grenzen stößt. Es hilft, diese beiden Dinge als völlig unterschiedliche Fähigkeiten zu begreifen, die sich zufällig denselben Chat teilen. Die erste ist Vision – du zeigst der KI etwas (ein Foto, einen Screenshot, ein gescanntes Dokument), und sie liest und analysiert es. Die zweite ist Bildgenerierung – du beschreibst etwas, das noch nicht existiert, und die KI erstellt ein Bild davon. Die meisten entdecken nur eine dieser Funktionen und denken, das sei schon „die Bildfunktion“. Dabei lösen sie völlig unterschiedliche Probleme: Vision verwandelt alles Visuelle in deinem Leben in eine Frage, die du stellen kannst, während Bildgenerierung eine Vorstellung in deinem Kopf in etwas verwandelt, das du dir tatsächlich ansehen, teilen oder ausdrucken kannst. Es ist wichtig zu wissen, in welchem Modus du dich befindest, da sich die typischen Fehlerquellen unterscheiden. Vision scheitert, wenn das Foto unscharf, unpassend zugeschnitten oder uneindeutig ist. Die Bildgenerierung scheitert auf ganz spezifische, vorhersehbare Weise – bei Text, Händen oder exakten Markendetails. Es lohnt sich, diese Schwachstellen von vornherein zu kennen, damit du nicht überrascht wirst.

Wichtige Begriffe in diesem Modul

KI-Bildgenerierung

KI-Bildgenerierung ist der Einsatz eines KI-Modells, um aus einer schriftlichen Beschreibung ein neues Bild zu erzeugen oder ein vorhandenes Bild per Beschreibung zu ändern. Du nennst Motiv, Stil und Format in normalen Worten und verfeinerst das Ergebnis in weiteren Nachrichten.

KI-Vision (Bildverständnis)

KI-Vision ist die Fähigkeit eines KI-Modells, ein Bild anzusehen, das du ihm gibst, etwa ein Foto, einen Screenshot, ein Diagramm oder ein gescanntes Dokument, und es zu beschreiben, den Text darin zu lesen oder Fragen dazu zu beantworten.

Multimodale KI

Multimodale KI ist KI, die im selben Gespräch mit mehr als einer Art von Eingabe oder Ausgabe arbeiten kann, etwa Text, Bildern, Audio und Video. Du kannst ihr ein Foto oder einen Screenshot zeigen und Fragen dazu stellen oder ein Bild beschreiben und es erstellen lassen.

Häufig gestellte Fragen

Für wen ist „Arbeiten mit Bildern“?

Dieses Einsteiger-Modul aus AI Grundlagen ist für alle, die neu bei KI-Tools sind und ohne Fachchinesisch praktische Ergebnisse für den Alltag wollen. Es dauert etwa 10 Minuten und endet mit einem Quiz aus 4 Fragen.

Muss ich programmieren können?

Nein. Alles in diesem Modul funktioniert in Tools wie ChatGPT, Claude oder Gemini über ein ganz normales Chatfenster.

Was kommt vor und nach diesem Modul?

Vor „Arbeiten mit Bildern“ solltest du „Abschlussprojekt: Baue und dokumentiere dein KI-Betriebssystem“ machen (Modul 14 von AI Grundlagen). Danach geht es weiter mit „Stimme & Audio“.

Ähnliche Module

• Previous
  Abschlussprojekt: Baue und dokumentiere dein KI-Betriebssystem

  Dieses Modul ist kein Stoff zum reinen Konsumieren. Es ist ein Projekt zum Umsetzen.

• Next
  Stimme & Audio

  Sprich mit KI – und lass KI für dich zuhören.

• Gleiches Thema
  Prompt-Bibliotheken & Versionierung

  Deine Prompts sind Assets. Speichere, benenne und entwickle sie auch so.

• Gleiches Thema
  Prompt Engineering in Produktionsqualität

  Prompts als versionierte, schemavalidierte Software – nicht nach Bauchgefühl.