KI-Retusche macht Bilder mit der Zeit falscher: drei gelöschte Grundlagen der Physik

Dieses "je öfter ich es benutze, desto falscher sieht es aus" beschreibt eigentlich nur eine Sache

Anfang Oktober hat ein Fotograf einen Text geschrieben: In seinen DMs stapelte sich dieselbe Frage. Er war auf die neuesten KI-Retusche-Tools umgestiegen, ein Klick für glatte Haut, ein Klick für neuen Hintergrund, ein Klick für mehr Licht. Warum sahen die Bilder danach trotzdem billiger aus, mehr nach Plastik?

Der Satz trifft, weil er nicht nach einem technischen Problem klingt, sondern nach einem Geschmacksproblem. Legt man die verpatzten Bilder aber nebeneinander, fallen die Fehler erstaunlich konzentriert aus, und sie liegen nicht in den Modellparametern. Gelöscht wurden drei Selbstverständlichkeiten: physikalische, optische, materielle. Je stärker das Tool, desto schneller geht das Löschen.

Vorneweg: Das heißt nicht "KI kann es nicht". Dieselben Tools liefern in anderen Händen gute Bilder, und der Unterschied ist meistens ein einziger Moment - an welcher Stelle du die Entscheidung abgegeben hast.

Erstens: Haut ist kein Blatt Papier, sie hat Frequenzbänder

Beim Porträt-Retuschieren ging es nie darum, "Fehler zu entfernen", sondern darum, "die Frequenzen zu halten, die bleiben müssen". Poren, feine Linien, Flaum, unebener Teint sind hochfrequente Informationen. Knochenbau, Hell-Dunkel-Übergänge, Volumen sind niederfrequent. Ein guter Retuscheur drückt die hohen Frequenzen und stabilisiert die niedrigen. Das Gesicht wirkt sauber, bleibt aber ein Gesicht.

Die Ein-Klick-Verschönerung macht das Gegenteil: Sie behandelt alle hohen Frequenzen als Rauschen und mittelt sie weg. Übrig bleibt ein Gesicht ohne Poren, ohne Flaum, ohne feine Schatten. Das Auge reagiert darauf extrem empfindlich - es sieht keinen Menschen, es sieht eine Wachsfigur oder eine Silikonpuppe. Der sogenannte Uncanny Valley ist in der Retusche meistens nichts Mystisches: Es ist Hochfrequenz auf null.

Schlimmer ist, dass der Algorithmus nicht weiß, was bleiben soll. Die leichte Rötung neben der Nase, das Blau unter den Augen, der zarte Schatten über dem Schlüsselbein - für ihn ist das dieselbe Kategorie wie eine Pickelstelle. Er hat kein Konzept von "das ist Struktur", nur von "weicht das vom Durchschnitt ab".

Zweitens: Hintergrund tauschen ist kein Tapetenwechsel, das Licht muss neu gerechnet werden

Das ist der Schritt, der am häufigsten schiefgeht und am seltensten auffällt.

Licht hat eine Richtung. Wer bei bedecktem Himmel steht, hat streuende Glanzlichter, weiche Kanten, eine kühle Farbtemperatur. Dieselbe Person im Abendlicht bekommt eine warme Kante am Umriss, einen langen Schatten zu Füßen, einen warmen Reflex unter dem Kinn. Das ist kein Filter, das ist Physik.

Wenn ein Tool jemanden aus einer bedeckten Szene ausschneidet und in einen Sonnenuntergang setzt, macht es meistens genau eine Sache: die Kante sauber ziehen. Es rechnet den warmen Reflex nicht neu, der jetzt auf der Person liegen müsste, und es setzt keinen Kontaktschatten auf den Boden. So entsteht ein Bruch, den man schwer benennen kann: Die Person ist scharf, der Hintergrund ist scharf, aber beide sind nicht im selben Raum.

Das Publikum urteilt genauer, als wir denken. Es sagt nicht "die Farbtemperatur passt nicht". Es sagt "das Bild sieht falsch aus".

Drittens: Die guten Fotos, die das Modell gesehen hat, kommen meist aus kommerziellen Bildbanken

Die dritte Ebene steckt in den Trainingsdaten. Die ästhetische Grundlinie der meisten Bildmodelle kommt aus stark bearbeiteten kommerziellen Stockfotos: Sättigung hoch, Kontrast hoch, Schärfe hoch, Bildaufbau "sicher". Das Modell hat nicht gelernt, "wie die echte Welt aussieht", sondern "wie eine ausgewählte Welt aussieht".

Deshalb haben KI-Landschaften, Porträts und Produktbilder diese verblüffende Ähnlichkeit: derselbe Gegenlichtwinkel, dieselbe cremige Gradation, dieselbe verlässliche Drittelplatzierung des Motivs. Das ist kein Zufall. Das ist die Form eines Durchschnitts.

Manche Designer nennen es den "KI-Look". Mit Bildqualität hat das nichts zu tun, mit Auflösung auch nicht. Ein 4K-Bild, technisch perfekt, schön beleuchtet, ist trotzdem sofort als generiert zu erkennen, weil es zu sehr der Erwartung entspricht.

Und wie benutzt man das jetzt

Dreht man die drei Punkte um, bleiben drei Handgriffe.

Erstens: nur eine Stelle ändern, nicht das ganze Bild neu machen. Repariere, was nicht stimmt, und lass die anderen Pixel in Ruhe. Früher war das schwer, weil die meisten Tools nur "ein neues Bild malen" konnten. Eine Reihe offener Modelle, die im Oktober erschienen ist, hat das billig gemacht: Black Forest Labs hat am 15. Oktober die offenen Gewichte von FLUX 3 Image Klein veröffentlicht, 5.6B Parameter, mit Bounding-Box-Steuerung für "nur diesen Bereich ändern, außerhalb bleibt alles". Die INT8-quantisierte Version läuft auf einer Consumer-Karte mit 8GB VRAM, die destillierte Version schafft ein Megapixel-Bild in unter 9 Sekunden auf einer RTX 4070. Der eigentliche Wert liegt nicht in der Bildqualität, sondern darin, dass du weniger ändern darfst.

Zweitens: erst das Licht festlegen, dann die Szene tauschen. Wenn du den Hintergrund wechselst, leg zuerst Richtung, Farbtemperatur und Härte des Lichts auf dem Motiv fest und suche dann einen passenden Hintergrund - nicht umgekehrt. Und danach zwei Dinge nachtragen: den Reflex an der Motivkante und den Kontaktschatten am Boden. Diese zwei Striche nehmen den größten Teil des Bruchs raus.

Drittens: ein bisschen Unvollkommenheit stehen lassen. Schärfe nicht auf Anschlag, Sättigung nicht am Limit, nicht jeder Quadratzentimeter Haut glatt. Realismus kostet etwas, und der Preis sind die Details, die "unnötig" wirken. Lass bewusst etwas Rauschen, etwas unebenen Teint, etwas Lockere außerhalb der Schärfentiefe. Das hält das Bild.

Die Tools bewegen sich Richtung Zurückhaltung, und das ist gut

Zwei Jahre lang hieß die Wettbewerbskennzahl "kann es das überhaupt zeichnen". Dieses Jahr hat sie sich klar verschoben: Kann es nur hier ändern, dieselbe Person halten, ein Layout nach Koordinaten setzen. FLUX 3 schreibt Layout als Koordinatengitter, Qwen-Image 2.1 macht nativen Alphakanal, Kling und Seedance konkurrieren über Keyframes und Shot-Konsistenz. Die Richtung ist dieselbe: alles läuft auf "kontrollierbar" zu.

Aber kontrollierbar ist nicht dasselbe wie schön. Ein Tool kann dir helfen, nur eine Stelle zu ändern. Es kann nicht entscheiden, welche. Die Geschmackshürde hat die KI nicht für dich genommen. Sie hat nur die Latte etwas tiefer gelegt.

Wenn dir also das nächste Mal ein Bild "immer falscher" vorkommt, gib nicht sofort dem Modell die Schuld. Stell drei Fragen: Ist die Hochfrequenz noch da? Passt das Licht? Entspricht das Bild zu sehr der Erwartung? Wenn du alle drei beantworten kannst, ist es meistens noch zu retten.