Kreativ / Design / Design nach KI
Design nach KI
Hinweis zur Software-Auswahl:
Diese Dokumentation priorisiert Open-Source-Software, die lokal unter Ubuntu läuft und die volle Kontrolle über Bildrechte und Urheberrechte sichert.
Bei proprietären Cloud-Lösungen wird stets eine Open-Source-Alternative mit gleichem Funktionsumfang gegenübergestellt.
LLM-Modelle und APIs werden unabhängig vom Preis gelistet, da sie zur Ideenfindung (Ideation) eingesetzt werden.
Legende
| Symbol | Bedeutung |
|---|---|
| 🟩 | Open Source – kostenlos, self-hosted / Ubuntu-kompatibel |
| 💰 | Kostenpflichtig |
| 🤖 | LLM-Modell / API – bleibt immer gelistet |
| 🐧 | Linux / Ubuntu nativ |
| 🌐 | Nur Web-Browser |
Lernpfad-Übersicht
Inhaltsverzeichnis
- 🟢 Phase 1 – Grundlagen & Bild-KI-Konzepte
- 🟡 Phase 2 – Strukturierte Führung, Vektor & Typografie
- 🔴 Phase 3 – Branding, Workflows & Lokaler Stack
- 📋 Praxisprojekte
- 📦 Vollständige Softwareübersicht & Vergleich
🟢 Phase 1 – Grundlagen & Bild-KI-Konzepte
Was lerne ich hier?
Die Verschiebung von klassischem Handwerk hin zur Kuration, die mathematische Funktionsweise von Diffusionsmodellen und das präzise Formulieren visueller Prompts.
Voraussetzungen: Keine.
1.1 Konzept: Der Wandel des Designprozesses (Co-Creation)
Vom Umsetzer zum Kurator
Der Designer der Nach-KI-Ära verbringt weniger Zeit mit rein manuellen, repetitiven Pixelschubs-Arbeiten (wie Freistellen oder Texturen füllen). Stattdessen wandelt sich seine Rolle hin zum Art Director, der Konzepte vorgibt, Varianten der KI steuert, auswählt und veredelt.
Klassisch: Idee -> Layout zeichnen -> Vektorisieren -> Texturieren -> Export (100% Manuell) Mit KI: Idee -> Prompts & Skizzen -> KI generiert Varianten -> Auswahl & Veredelung
1.2 Konzept: Wie funktionieren Bild-KIs?
Diffusion-Modelle verständlich erklärt
Bild-KIs wie Stable Diffusion oder Flux generieren Bilder nicht durch das Zusammensetzen von Puzzleteilen. Sie starten mit einem vollständigen Bildrauschen (Noise) und entfernen dieses Rauschen schrittweise über mathematische Schritte (Denoising), gesteuert durch den Prompt.
1.3 Thema: Visual Prompting (Die Sprache der Bilder)
Konzept: Die Parameter eines Bild-Prompts
Ein guter Bild-Prompt nutzt fotografische und künstlerische Fachbegriffe, um das gewünschte Ergebnis präzise zu steuern:
| Kategorie | Bedeutung | Beispiel im Prompt |
|---|---|---|
| Subjekt | Hauptmotiv | „Ein alter, verwitterter Leuchtturm auf einer Klippe" |
| Licht | Beleuchtungsart | „Volumetrisches Gegenlicht, goldene Stunde, weiche Schatten" |
| Kamera | Brennweite & Winkel | „85mm Porträtlinse, Nahaufnahme, geringe Schärfentiefe" |
| Stil | Künstlerische Richtung | „Cineastischer Film-Look, körnige Analogfotografie" |
| Rendering | Render-Engine (falls 3D) | „Octane Render, 3D-Modellierung, hyperrealistisch" |
1.4 Thema: Rechtliche Aspekte & Bildrechte
Konzept: Urheberrecht an KI-Generaten in der EU
- Schöpfungshöhe: Ein reiner Text-to-Image Prompt hat in der Regel keine Schöpfungshöhe. Das Bild ist gemeinfrei (kann von jedem kopiert werden).
- Menschliche Bearbeitung: Erst wenn ein Designer das Bild in GIMP/Inkscape signifikant überarbeitet, Skizzen vorgibt oder Bildteile gezielt zusammensetzt, entsteht schützbares Urheberrecht.
- Markenrecht: Logos oder geschützte Charaktere dürfen von KIs nicht im kommerziellen Kontext nachgeahmt werden.
🟡 Phase 2 – Strukturierte Führung, Vektor & Typografie
Was lerne ich hier?
Wie du der KI präzise Strukturen vorgibst, Vektordateien bearbeitest und Layouts sowie Schriften kontrollierst.
Voraussetzungen: Phase 1 abgeschlossen.
2.1 Konzept: Kontrolle über die KI-Generierung behalten
Warum Text-to-Image für Layouts scheitert
Ein reiner Text-Prompt führt immer zu zufälligen Ergebnissen. Professionelle Designer führen die KI über visuelle Platzhalter (Scribbles, Farbflächen, Posen).
2.2 Thema: Image-to-Image & ControlNet (Präzise Layouts)
Konzept: ControlNet-Modelle
ControlNet ist ein neuronales Netzwerk, das zusätzliche Bedingungen an eine Bild-KI knüpft:
| ControlNet-Typ | Was es analysiert | Anwendung |
|---|---|---|
| Canny / Lineart | Konturen und Strichzeichnungen | Skizzen in fotorealistische Designs umwandeln |
| Depth | Tiefenkarte des Bildes (3D-Abstände) | Räumliche Tiefe und Objektplatzierung fixieren |
| OpenPose | Skelett-Posen von Personen | Exakte Körperhaltungen für Models vorgeben |
Software – alle Open Source:
| Software | Typ | Funktion | Ubuntu | Link |
|---|---|---|---|---|
| 🟩 AUTOMATIC1111 + ControlNet | Bild-KI | Weit verbreitetes Interface mit ControlNet-Unterstützung | 🐧 Ja | github.com/Mikubill |
| 🟩 ComfyUI + ControlNet Nodes | Bild-KI | Knotenbasiertes Interface für maximale ControlNet-Kontrolle | 🐧 Ja | github.com/comfyanonymous |
2.3 Thema: Inpainting, Outpainting & Retusche
Konzept: Lokales Generieren (Maskierung)
- Inpainting: Du maskierst (übermalst) einen Bereich im Bild (z. B. ein störendes Straßenschild) und die KI füllt diesen Bereich passend zum Hintergrund neu aus.
- Outpainting: Die KI erweitert die Bildränder über das ursprüngliche Format hinaus (z. B. ein quadratisches Bild in 16:9 Querformat wandeln).
Software – Open Source zuerst:
| Software | Typ | Funktion | Ubuntu | Link |
|---|---|---|---|---|
| 🟩 GIMP + Open-Source-KI-Plugins | Bildbearbeitung | Klassische Bildmanipulation mit Inpainting-Unterstützung | 🐧 Ja | gimp.org |
| 🟩 Krita + Generative AI Plugin | Painting | Professionelles Zeichenprogramm mit nativer SD-Integration | 🐧 Ja | krita.org |
Vergleich: Open Source vs. Kommerziell
| Funktion | Open Source 🟩 (Ubuntu) | Kommerziell 💰 |
|---|---|---|
| Retusche & Inpainting | Krita + AI-Plugin, GIMP | Adobe Photoshop (Generative Füllung) |
| Outpainting / Erweitern | ComfyUI Outpainting | Photoshop Generative Expand |
2.4 Thema: Vektorgrafiken & Icons mit KI-Hilfe
Konzept: Raster-zu-Vektor Konvertierung
Bild-KIs generieren Pixelbilder (PNG/JPG). Um sie für Logos, Interfaces oder Print zu nutzen, müssen sie in mathematische Pfade (SVG) konvertiert werden (Vektorisierung).
Software – Open Source zuerst:
| Software | Typ | Funktion | Ubuntu | Link |
|---|---|---|---|---|
| 🟩 Inkscape | Vektorbearbeitung | Import, manuelle Nachbearbeitung und SVG-Vektorisierung | 🐧 Ja | inkscape.org |
| 🟩 Potrace | CLI-Vektorisierung | Hochpräzises, schnelles Vektorisieren per Terminal | 🐧 Ja | potrace.sourceforge.net |
🔴 Phase 3 – Branding, Workflows & Lokaler Stack
Was lerne ich hier?
Wie du einen wiederholbaren, hochprofessionellen Design-Stack aufbaust, Markenwelten konsistent gestaltest und ethische Richtlinien einhältst.
Voraussetzungen: Phase 1 & 2 abgeschlossen. Gute GPU-Hardware empfohlen.
3.1 Konzept: Konsistente Markenwelten generieren
Konzept: LoRAs für Brand Styles
Um einen einheitlichen Corporate-Design-Stil zu erzwingen, trainieren Designer ein eigenes LoRA-Zusatzmodell auf 15-20 repräsentativen Markenbildern.
Marken-Fotos -> LoRA-Training -> Stable Diffusion -> Alle Ausgaben folgen dem exakten Brand-Stil
Konzept: Farbkontrolle via Custom LUTs
Statt der KI Farbnamen zu nennen, werden Rohbilder generiert und über farbmetrische Look-Up Tables (LUTs) exakt an die Corporate-Identity-Farben angepasst.
3.2 Thema: Professioneller lokaler Bild-Stack (ComfyUI)
Konzept: Knotenbasiertes Visual Scripting
ComfyUI arbeitet mit visuellen Knoten (Nodes). Du verbindest Bildquellen, Modelle, Sampler und Veredelungs-Filter manuell. Das ermöglicht die Automatisierung komplexer Design-Workflows als Skript.
Software – alle Open Source:
| Software | Typ | Funktion | Ubuntu | Link |
|---|---|---|---|---|
| 🟩 ComfyUI | Bild-Engine | Das flexibelste, knotenbasierte Design-Interface | 🐧 Ja | github.com/comfyanonymous |
| 🟩 AUTOMATIC1111 WebUI | Bild-Engine | Benutzerfreundliche Stable-Diffusion-Oberfläche | 🐧 Ja | github.com/AUTOMATIC1111 |
3.3 Thema: Post-Processing, Skalierung & Veredelung
Konzept: Bild-Veredelung (High-Res Fix)
KI-Bilder neigen bei hohen Auflösungen zu Fehlern (z. B. doppelte Köpfe). Der professionelle Weg ist: Bild klein generieren, mit Real-ESRGAN hochskalieren und im zweiten Durchlauf leicht verfeinern (Tile Upscale).
Software – alle Open Source:
| Software | Typ | Funktion | Ubuntu | Link |
|---|---|---|---|---|
| 🟩 Upscayl | AI-Upscaler | Lokales 4K/8K Bild-Upscaling (Real-ESRGAN) | 🐧 Ja | github.com/upscayl |
| 🟩 Real-ESRGAN | CLI-Upscaler | Terminal-basiertes Upscaling für Pipelines | 🐧 Ja | github.com/xinntao |
3.4 Thema: Ethik, Authentizität & der menschliche Wert
Konzept: Deepfakes & Kennzeichnungspflicht
Laut EU AI Act müssen fotorealistische, KI-generierte Bilder digital als solche signiert werden (z. B. über den unsichtbaren C2PA-Metadatenstandard), um Manipulationen und Täuschungen zu verhindern.
Konzept: Das Handwerk als Alleinstellungsmerkmal
Da KI Bilder extrem schnell generieren kann, verschiebt sich der Wert:
- KI-generiert: Massenware, austauschbar.
- Menschliches Konzept & Veredelung: Premiumware, emotional aufladbar, einzigartig.
📋 Praxisprojekte
🟢 Einsteiger: Moodboard für ein Logo-Design
Wir generieren 5 visuell konsistente Moodboard-Kacheln für eine nachhaltige Kaffeemarke.
Software (alle Open Source): Ollama · ComfyUI · GIMP
🟡 Fortgeschritten: Handskizze in ein Produktbild verwandeln
Wir wandeln ein gezeichnetes Produkt-Scribble in ein fotorealistisches Rendering um.
Software (alle Open Source): Krita · Krita AI Plugin · Stable Diffusion
🔴 Experte: Automatisierte Content-Asset-Pipeline
Ein Skript liest Blogartikel-Keywords ein, generiert passende Beitragsbilder im Corporate-Stil, skaliert sie auf 4K hoch und speichert sie als WebP.
Software (alle Open Source): n8n · ComfyUI API · Real-ESRGAN CLI · Inkscape CLI · Nextcloud
📦 Vollständige Softwareübersicht & Vergleich
Generative Bild-Engines
| Funktion | Open Source 🟩 (Ubuntu / Self-hosted) | Kommerziell 💰 |
|---|---|---|
| Text-to-Image UI | ComfyUI 🐧, AUTOMATIC1111 🐧, InvokeAI 🐧 | Midjourney, DALL-E 3, Adobe Firefly |
| Bild-Modelle | Flux.1 🐧, Stable Diffusion XL 🐧 | Midjourney v6, Firefly Image 3 |
Bildbearbeitung & Malprogramme
| Funktion | Open Source 🟩 (Ubuntu) | Kommerziell 💰 |
|---|---|---|
| Klassische Bildbearbeitung | GIMP 🐧 | Adobe Photoshop |
| Digitales Malen mit KI | Krita 🐧 (+ AI Plugin) | Photoshop Generative Fill |
| Vektorgrafiken | Inkscape 🐧 | Adobe Illustrator |
| Bild-Vektorisierung | Potrace 🐧, Inkscape 🐧 | Vectorizer.ai |
Upscaling & Veredelung
| Funktion | Open Source 🟩 (Ubuntu) | Kommerziell 💰 |
|---|---|---|
| KI-Bildskalierung | Upscayl 🐧, Real-ESRGAN 🐧 | Topaz Gigapixel AI |
Metadaten & Kennzeichnung
| Funktion | Open Source 🟩 (Ubuntu) | Kommerziell 💰 |
|---|---|---|
| C2PA Signierung | C2PA Tool CLI 🐧 | Adobe Content Credentials |
Weiterführende Ressourcen
- Beste KI-Bildgenerierungs-Tools (Open Source, Top 20) – Vertiefender Werkzeug-/Modellvergleich 🟩
- C2PA Standard – Spezifikation zur Bild-Signierung
- ComfyUI Workflows – Praktische Ablaufbeispiele 🟩
- Krita AI Project – Installations-Anleitung 🟩
- Stable Diffusion WebUI Guide – Offizielle Doku 🟩
- EU AI Act Bildregulierung – Rechtslage
Letzte Aktualisierung: Juli 2026