Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).

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¶

Lernpfad-Übersicht¶

graph LR
    A["🟢 Phase 1\nGrundlagen & Prompts"] --> B["🟡 Phase 2\nStrukturierte Führung"]
    B --> C["🔴 Phase 3\nMarkenwelten & Stack"]
    A --> A1["Diffusionsmodelle\nBild-Prompting\nRechtliche Grundlagen"]
    B --> B1["ControlNet & Img2Img\nInpainting / Outpainting\nKI-Vektorgrafiken"]
    C --> C1["Konsistente Brand Assets\nLokaler ComfyUI-Stack\nEthik & Authentizität"]

Inhaltsverzeichnis¶

• 🟢 Phase 1 – Grundlagen & Bild-KI-Konzepte
  • 1.1 Konzept: Der Wandel des Designprozesses (Co-Creation)
  • 1.2 Konzept: Wie funktionieren Bild-KIs?
  • 1.3 Thema: Visual Prompting (Die Sprache der Bilder)
  • 1.4 Thema: Rechtliche Aspekte & Bildrechte
• 🟡 Phase 2 – Strukturierte Führung, Vektor & Typografie
  • 2.1 Konzept: Kontrolle über die KI-Generierung behalten
  • 2.2 Thema: Image-to-Image & ControlNet (Präzise Layouts)
  • 2.3 Thema: Inpainting, Outpainting & Retusche
  • 2.4 Thema: Vektorgrafiken & Icons mit KI-Hilfe
• 🔴 Phase 3 – Branding, Workflows & Lokaler Stack
  • 3.1 Konzept: Konsistente Markenwelten generieren
  • 3.2 Thema: Professioneller lokaler Bild-Stack (ComfyUI)
  • 3.3 Thema: Post-Processing, Skalierung & Veredelung
  • 3.4 Thema: Ethik, Authentizität & der menschliche Wert
• 📋 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.

graph LR
    A["🎲 Zufälliges Rauschen"] --> B["Step 1: Grobe Formen"]
    B --> C["Step 2: Details"]
    C --> D["🖼️ Finales, klares Bild"]

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:

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).

graph TD
    A["✍️ Handgezeichnete Skizze (Scribble)"] --> B["⚙️ ControlNet (Kantenanalyse)"]
    B --> C["🤖 Flux / Stable Diffusion Generierung"]
    C --> D["🖼️ Perfektes Bild, das exakt der Skizze folgt"]

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:

Software – alle Open Source:¶

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:¶

Vergleich: Open Source vs. Kommerziell¶

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:¶

🔴 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.

graph LR
    A["Load Checkpoint (Flux)"] --> B["KSampler (Denoising)"]
    C["Load ControlNet (Depth)"] --> B
    D["Positive Prompt"] --> B
    B --> E["VAE Decode"]
    E --> F["Save Image"]
    style B fill:#ff9800,color:#fff

Software – alle Open Source:¶

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:¶

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.

graph LR
    A["💡 Konzept: 'Minimalistisch, Öko, Kaffee'"] --> B["🤖 Ollama generiert 5 Prompts"]
    B --> C["🖼️ ComfyUI generiert Bilder"]
    C --> D["🎨 GIMP arrangiert das Board"]

Software (alle Open Source): Ollama · ComfyUI · GIMP

🟡 Fortgeschritten: Handskizze in ein Produktbild verwandeln¶

Wir wandeln ein gezeichnetes Produkt-Scribble in ein fotorealistisches Rendering um.

graph TD
    A["✍️ Scribble einscannen / zeichnen"] --> B["🔌 Krita laden"]
    B --> C["⚙️ Krita AI Plugin (ControlNet Scribble)"]
    C --> D["🤖 Generierung über Stable Diffusion"]
    D --> E["🖼️ Fotorealistisches Produktbild"]

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.

graph TD
    A["🎯 n8n Workflow Trigger"] --> B["🤖 ComfyUI API\nBild generieren"]
    B --> C["⚡ Real-ESRGAN CLI\n4K Upscale"]
    C --> D["🎨 GIMP / Inkscape CLI\nLogo-Watermark einbetten"]
    D --> E["📦 Nextcloud Storage"]

Software (alle Open Source): n8n · ComfyUI API · Real-ESRGAN CLI · Inkscape CLI · Nextcloud

📦 Vollständige Softwareübersicht & Vergleich¶

Generative Bild-Engines¶

Bildbearbeitung & Malprogramme¶

Upscaling & Veredelung¶

Metadaten & Kennzeichnung¶

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

Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).