GPT Image 2 Prompt-Engineering: Ein komplettes Handbuch für Fortgeschrittene – von den Grundlagen bis zur stabilen Bildgenerierung

Gleiches Modell, gleiches Produkt, aber unterschiedliche Formulierungen im Prompt können die Erfolgsquote von 30 % auf 80 % steigern. Das ist keine Metaphysik, das ist Methodik.

Alle Produktbilder in diesem Artikel wurden mit GPT Image 2 generiert.

---

Warum wir gesondert über Prompts sprechen müssen

Das Leistungsspektrum von GPT Image 2 ist extrem hoch – es kann realistische Produktfotografie, feine Materialtexturen und akkurates Text-Rendering erzeugen. Doch zwischen dem, „was das Modell kann“, und dem, „was man das Modell stabil tun lassen kann“, liegt eine Kluft, die das Prompt-Engineering überbrücken muss.

Viele kennen das: Gelegentlich entsteht ein atemberaubendes Bild, aber in den meisten Fällen sind die Ergebnisse entweder „knapp daneben“ oder „völlig am Thema vorbei“. Das Problem liegt nicht am Modell, sondern an der „Art der Kommunikation“ zwischen Ihnen und dem Modell.

Dieser Artikel zielt darauf ab, genau dieses Problem zu lösen. Ich werde bei den grundlegendsten Prompt-Strukturen beginnen und nach und nach in Edit-Flows, Multi-Bild-Kompositionen, Fehlerdiagnosen und parametrisierte Vorlagensysteme eintauchen. Das ultimative Ziel ist es, Ihnen zu helfen, einen stabilen, wiederverwendbaren und stapelverarbeitungsfähigen Prompt-Workflow aufzubauen.

---

Stufe 1: Prompt-Struktur für die reine Textgenerierung

Dies ist die grundlegendste Anwendung – Sie haben keine echten Produktfotos und verlassen sich ausschließlich auf Textbeschreibungen, um die KI Bilder generieren zu lassen. Dies eignet sich für Konzeptkunst, Pre-Sale-Visuals oder die Phase, in der Sie die Geschichte verkaufen müssen, bevor das physische Produkt existiert.

Das Kern-Framework: Die vierteilige Struktur

Nach umfangreichen Tests habe ich festgestellt, dass die Organisation von Prompts in der folgenden Reihenfolge die stabilsten Ergebnisse liefert:

[Szene/Hintergrund] → [Produktsubjekt] → [Wichtige Details] → [Einschränkungen]

Warum funktioniert diese Reihenfolge? Weil GPT Image 2 dem Anfang des Prompts die höchste Gewichtung beimisst. Wenn Sie die „Szene“ an die erste Stelle setzen, etabliert das Modell zunächst den gesamten visuellen Kontext; wenn Sie das „Produktsubjekt“ an die zweite Stelle setzen, kann das Modell das Produkt im richtigen Kontext abbilden; „Details“ ergänzen die Präzision, und „Einschränkungen“ definieren die Grenzen.

Umgekehrt: Wenn Sie mit Details beginnen (z. B. „30 ml Milchglasflasche, silberner Tropfverschluss“), beginnt das Modell möglicherweise mit dem Rendern von Details, bevor es den richtigen visuellen Kontext etabliert hat, was zu einer Abweichung des gesamten Stils führt.

Praxisbeispiel: Beauty-Serum mit weißem Hintergrund als Hauptbild

Zweck:
Shopify PDP Hauptbild

Subjekt:
Eine 30 ml Serumflasche aus Glas mit Tropfenzähler, Gehäuse aus milchig-transparentem Glas, milchig-weiße Flüssigkeit, silberner Tropfverschluss aus Metall, minimalistischer High-End-Skincare-Marken-Ton.

Hintergrund:
Reinweißer, nahtloser Hintergrund.

Komposition:
Frontal, leicht um 10 Grad nach links gedreht, Subjekt zentriert, nimmt 90 % des Bildes ein, leichter natürlicher Kontaktschatten.

Beleuchtung:
Weiches, diffuses Studiolicht, kontrollierte Glanzlichter, klare Glaskanten, realistisch sichtbare Flüssigkeit.

Details:
Realistische Glasdicke, flaches Etikett, natürliche Viskosität der Flüssigkeit, saubere Metallreflexionen.

Einschränkungen:
Keine Blütenblätter, keine Blätter, keine zusätzlichen Requisiten, keine fiktiven Logos, kein zusätzlicher Text, keine Wasserzeichen.

Ausgabe:
1024x1024, quality=medium

Einige wichtige Punkte in diesem Beispiel sind bemerkenswert:

„Leicht um 10 Grad nach links gedreht“ ist besser als „Frontal“. Ein komplett frontaler Winkel wirkt leicht starr, während eine leichte Drehung ein dreidimensionales Gefühl verleiht.

Der Begriff „kontrollierte Glanzlichter“ ist entscheidend. Wenn Sie ihn weglassen, fügt die KI der Glasflasche möglicherweise übertriebene Reflexionen hinzu, sodass sie eher wie ein Werbeplakat als ein Produktbild aussieht.

Die Einschränkungsklausel listet sechs „Keine“ auf. Diese sind kein Unsinn – jedes einzelne wurde hinzugefügt, nachdem ich aus Fehlern gelernt habe. „Keine Blütenblätter“ steht dort, weil die KI besonders gerne Blütenblätter neben Hautpflegeprodukten platziert; „keine fiktiven Logos“, weil sie sich die Freiheit nimmt, eine Markenkennzeichnung für Sie zu erfinden.

---

Stufe 2: Der Edit-Flow – Modifikationen auf Basis echter Fotos

Wenn Sie echte Produktfotos haben, ist der Edit-Flow (Bearbeitungsablauf) viel stabiler als die reine Generierung. Dies ist die am meisten empfohlene Anwendung in E-Commerce-Szenarien.

Die Kernlogik des Edit-Flows

Der Edit-Flow bedeutet nicht, „die KI zu bitten, ein neues Bild zu zeichnen“, sondern „die KI aufzufordern, spezifische Änderungen an einem bereits vorhandenen Bild vorzunehmen“. Das klingt einfach, aber viele Menschen schreiben Bearbeitungs-Prompts auf die falsche Weise.

Falsches Beispiel:

Mach dieses Produktbild etwas hochwertiger, ändere den Hintergrund in eine Badezimmer-Szene.

Das Problem bei diesem Prompt ist, dass „etwas hochwertiger“ zu vage ist und die KI nicht genau weiß, was Sie ändern möchten. Sie könnte Dinge ändern, die Sie nicht geändert haben möchten (wie die Flaschenform), während sie Dinge, die Sie geändert haben möchten (wie die Beleuchtung), unverändert lässt.

Richtiges Beispiel:

Ändere nur den Hintergrund und die Umgebungsbeleuchtung. Ersetze den Hintergrund durch eine Badezimmertheke aus weißem Marmor, wobei natürliches Fensterlicht von links einfällt. Behalte die Geometrie, Farbe, das Layout des Etiketts, die Proportionen, das Material und die Markendetails des Produkts vollständig unverändert bei.

Der entscheidende Unterschied ist: Ganz explizit auflisten, „was geändert werden soll“ und „was nicht geändert werden darf“.

Prompt-Vorlage für den Edit-Flow

Eingabe:
Image 1 = [Frontalfoto des echten Produkts]

Aufgabe:
Platziere das Produkt aus Image 1 in [Spezifische Szenenbeschreibung].
Ändere nur den Hintergrund, die Umgebungsbeleuchtung, die Requisiten und den Objektivkontext.
Behalte die Geometrie, Farbe, das Etikettenlayout, die Proportionen, das Material und die Details der Markenidentität des Produkts unverändert bei.

Komposition:
[Halbkörper-Nahaufnahme / Desktop-Nahaufnahme / Vertikale Komposition / Horizontale Komposition]
Das Subjekt bleibt das visuelle Zentrum des Bildes und lässt [links/rechts] negativen Raum.

Beleuchtung:
Passe das natürliche Licht der Szene an und stelle sicher, dass Kontaktschatten, Reflexionen und Größenverhältnisse realistisch sind.

Einschränkungen:
Verändere das Produkt selbst nicht, füge keinen neuen Text, keine Logos oder Wasserzeichen hinzu, ändere den Inhalt der Verpackung nicht.

Das Prinzip der „Ein-Variablen-Iteration“ im Edit-Flow

Eine von OpenAI ausdrücklich empfohlene Tuning-Methode ist: Ändern Sie immer nur eine Variable; schreiben Sie nicht den gesamten Absatz neu.

Wenn Sie beispielsweise mit dem generierten Szenenbild unzufrieden sind, verwerfen Sie nicht den gesamten Prompt, um von vorn zu beginnen. Ändern Sie stattdessen nur eine Dimension:

• „Mach das Licht weicher, aber ändere weder Komposition noch Szene.“
• „Wechsle den Hintergrund von Badezimmer zu Schlafzimmer, halte alles andere unverändert.“
• „Ändere die horizontale Komposition in eine vertikale, behalte Produktposition und Beleuchtung bei.“

Der Vorteil dieser Ein-Variablen-Iteration ist, dass Sie genau wissen, welche Änderung den Unterschied bewirkt hat, anstatt jedes Mal ein Experiment mit „Kontrollvariablen“ durchzuführen.

---

Stufe 3: Multi-Bild-Komposition – Für Fortgeschrittene

GPT Image 2 unterstützt die gleichzeitige Eingabe mehrerer Referenzbilder und gibt ein kombiniertes Ergebnis gemäß den von Ihnen festgelegten Beziehungen aus. Dies ist die leistungsstärkste, aber auch die fehleranfälligste Anwendung im E-Commerce.

Typische Szenarien für Multi-Bild-Kompositionen

Szenario 1: Echtes Produkt + Handmodell-Haltung

Eingabe:
Image 1 = Echtes Produktbild
Image 2 = Referenzbild für die Haltung des Handmodells

Aufgabe:
Zeige das Produkt aus Image 1 in der Hand gemäß der Haltungsmethode in Image 2.
Das Produkt selbst muss seine realistische Farbe, Geometrie und Etikettenposition beibehalten.
Passe Perspektive, Maßstab, Schatten und Farbtemperatur an, damit das Ergebnis wie ein einziges echtes Fotoshooting aussieht.

Einschränkungen:
Führe nur notwendige Requisiten ein; füge keine irreführenden Accessoires hinzu; füge keinen neuen Text, keine Logos oder Wasserzeichen hinzu.

Szenario 2: Echtes Produkt + Szenenreferenz + Stilreferenz

Eingabe:
Image 1 = Echtes Produktbild
Image 2 = Referenzbild für die Zielszene
Image 3 = Referenzbild für Beleuchtung/Atmosphäre

Aufgabe:
Platziere das Produkt aus Image 1 in der Szene aus Image 2 und rendere es entsprechend dem Beleuchtungsstil von Image 3.
Behalte alle Details des Produkts selbst unverändert bei.
Passe die Perspektiven, Maßstäbe und tonalen Beziehungen zwischen den drei Bildern an.

Die häufigsten Fehler bei Multi-Bild-Kompositionen

Unklare Referenzbeziehungen. Wenn Sie nicht ausdrücklich sagen: „Image 1 ist das Produkt, Image 2 ist die Szene“, wird das Modell selbst raten. Die Wahrscheinlichkeit, dass es richtig rät, ist nicht hoch.

Zu große stilistische Unterschiede zwischen den Eingabebildern. Wenn Ihr Produktbild eine Studioaufnahme auf weißem Hintergrund ist und das Szenen-Referenzbild ein beiläufiges Lifestyle-Foto, das mit dem Handy aufgenommen wurde, passen Beleuchtung und Farbtemperatur überhaupt nicht zusammen. Das Ergebnis wird sehr unstimmig wirken. Versuchen Sie, die Lichtverhältnisse der Eingabebilder ähnlich zu halten.

Zu viel auf einmal verlangen. Drei Eingabebilder sind bereits ziemlich viel. Je mehr Eingaben, desto mehr Informationen muss das Modell ausbalancieren, und desto höher ist die Wahrscheinlichkeit von Fehlern. Wenn Sie es mit zwei Bildern lösen können, verwenden Sie keine drei.

---

Stufe 4: Fehlerdiagnose – Wie man Probleme behebt, wenn sie auftreten

Der wertvollste Teil des Prompt-Engineerings ist nicht „wie man einen guten Prompt schreibt“, sondern „wie man Probleme schnell lokalisiert und behebt, wenn sie auftreten“.

Hier sind häufige Fehlermuster, die ich in der Praxis gesammelt habe, und ihre entsprechenden Lösungen.

Fehlermuster 1: Verzerrung der Produktform

Symptom: Die Flaschenform ändert sich, der Schuhleisten ist schief, oder das Kopfhörergehäuse ist verformt.

Ursache: Bei der reinen Textgenerierung hat das Modell Abweichungen im Verständnis geometrischer Details.

Lösung: Wechseln Sie zum Edit-Flow und verwenden Sie ein echtes Produktfoto als Anker. Fügen Sie dem Prompt "preserve exact geometry" oder „Behalte die Geometrie des Produkts vollständig unverändert bei“ hinzu.

Fehlermuster 2: Farbabweichungen

Symptom: Eine silberne Kappe wird goldfarben, oder milchig-weiße Flüssigkeit wird hellblau.

Ursache: Die Textbeschreibung der Farbe ist nicht präzise genug, oder das Modell missversteht die Farbwörter.

Lösung: Stellen Sie ein Referenzbild des echten Produkts bereit. Wenn Sie Textbeschreibungen verwenden müssen, nutzen Sie spezifische Farbreferenzen anstelle von vagen Adjektiven – „silbernes Metall“ ist besser als „metallische Farbe“, und „Pantone 7541 C Hellgrau“ ist besser als „Hellgrau“.

Fehlermuster 3: Eindringen redundanter Elemente

Symptom: Unerklärlicherweise tauchen Blütenblätter, Blätter, Wassertropfen, Markenlogos oder zusätzlicher Text auf.

Ursache: Das Modell „assoziiert“ basierend auf der Kategorie häufige Elemente. Blütenblätter neben Hautpflegeprodukten oder Wassertropfen neben Getränken – das ist „gesunder Menschenverstand“, den das Modell aus seinen Trainingsdaten gelernt hat.

Lösung: Schließen Sie diese in der Einschränkungsklausel explizit aus. „Keine Blütenblätter, keine Blätter, keine Wassertropfen, keine fiktiven Logos, kein zusätzlicher Text.“ Je spezifischer diese Einschränkungen sind, desto besser.

Fehlermuster 4: Unpassende Beleuchtung

Symptom: Die Lichtrichtung auf dem Produkt stimmt nicht mit der Lichtrichtung des Hintergrunds überein, sodass es wie mit Photoshop eingefügt aussieht.

Ursache: Im Edit-Flow wurde keine Anforderung zur Anpassung der Beleuchtung explizit angegeben.

Lösung: Fügen Sie dem Prompt "match the lighting direction and color temperature of the scene" oder „Passe die Lichtrichtung und Farbtemperatur der Szene an“ hinzu.

Fehlermuster 5: Handmodell-Deformation

Symptom: Die Anzahl der Finger ist falsch, das Handgelenk ist verdreht, oder die Haltung ist unnatürlich.

Ursache: Die KI-Generierung menschlicher Hände ist nach wie vor eine anerkannte Schwierigkeit.

Lösung: Schreiben Sie die Anzahl, Position und Haltung der Hände explizit auf. „Eine erwachsene Hand, natürlicher Griff, kurze, saubere Nägel, keine Ringe, am Handgelenk abgeschnitten.“ Überlassen Sie dem Modell nicht die Entscheidung über die Handdetails.

---

Stufe 5: Kategorieunterschiede – Fokus der Prompts für verschiedene Produkte

Obwohl beides „Produktbilder“ sind, unterscheidet sich die Art und Weise, wie Prompts für verschiedene Kategorien geschrieben werden, erheblich. Hier ist eine Aufschlüsselung der wichtigsten Prompt-Unterschiede nach Kategorie.

Bekleidung: Fokus auf den „Tragezustand“

Die größte Angst bei Bekleidung ist, dass die KI die Kleidung so generiert, als ob sie „auf einem Kleiderbügel hinge“, anstatt „von einer Person getragen“ zu werden. Prompts müssen explizit Folgendes angeben:

• Körpertyp und Haltung des Modells.
• Fall und Faltenrichtung der Kleidung.
• Die Textur des Stoffes (Weichheit von Baumwolle, Glanz von Seide, Steifheit von Denim).
• „Schnitt und Passform der Kleidung nicht verändern.“

Schuhe: Fokus auf „Strukturelle Genauigkeit“

Die Hauptschwierigkeit bei Schuhen liegt in der Form des Schuhleistens und dem Sohlenmuster. Prompts müssen explizit Folgendes angeben:

• Ausrichtung (Amazon verlangt die Ausrichtung nach links).
• Winkel (45 Grad ist Standard).
• Klarheit des Sohlenmusters.
• „Schuhform, Schuhleisten, Obermaterial und Farbblockverteilung unverändert beibehalten.“

Schmuck: Fokus auf „Lichtsteuerung“

Erfolg oder Misserfolg von Schmuckbildern liegen in der Beleuchtung. Prompts müssen explizit Folgendes angeben:

• „Kontrollierte Glanzlichter“ – um Überbelichtung zu vermeiden.
• „Realistisches Makro“ – um Facettendetails sicherzustellen.
• „Unverfälschtes Metall“ – um zu verhindern, dass Silber weiß oder Gold gelb wird.
• „Keine Schaufensterpuppen, keine Büsten“ – eine strenge Regel für die Schmuckkategorie von Amazon.

Elektronik: Fokus auf „Präzise Schnittstellen“

Elektronik hat die geringste Fehlertoleranz. Prompts müssen explizit Folgendes angeben:

• Schnittstellentypen und -positionen (USB-C, Lightning, 3,5 mm).
• Tastenlayout und Markierungen.
• Farben und Positionen der Anzeigeleuchten.
• „Das Hinzufügen von Komponenten, die nicht auf dem echten Produkt vorhanden sind, ist untersagt.“

Haushaltswaren: Fokus auf „Größenwahrnehmung“

Haushaltsprodukte müssen ihre Größe durch Szenen vermitteln. Prompts müssen explizit Folgendes angeben:

• Proportionale Beziehungen zu Referenzobjekten (ein Stift neben einer Tasse, ein Kissen auf einem Bett).
• Authentizität der Nutzungsszene (Küchentheke, Badezimmerregal, Couchtisch im Wohnzimmer).
• Taktile Beschreibung von Materialien (Rauheit der Holzmaserung, Glätte von Keramik, Weichheit von Stoff).

Beauty: Fokus auf „Realistische Materialien“

Beauty-Produkte haben die reichste Materialsprache. Prompts müssen explizit Folgendes angeben:

• Material des Flaschenkörpers (Milchglas, glänzender Kunststoff, Metall).
• Textur des Inhalts (Viskosität der Lotion, Transparenz des Serums, Dicke der Creme).
• Verpackungsdetails (Pumpenstruktur, Tropferform, Material des Verschlusses).
• „Keine zusätzlichen floralen Dekorationen“ – die KI fügt Hautpflegeprodukten besonders gerne Blumen hinzu.

---

Stufe 6: Aufbau Ihrer parametrisierten Vorlagenbibliothek

Das ultimative Ziel des Prompt-Engineerings ist nicht, „jedes Mal von Grund auf neu zu schreiben“, sondern eine parametrisierte Vorlagenbibliothek aufzubauen, damit jeder im Team schnell Bilder generieren kann.

Feldbasiertes Design von Vorlagen

Teilen Sie den Prompt in die folgenden Felder auf und füllen Sie jedes unabhängig aus:

category: [Kategorie]
shot_type: [Hauptbild mit weißem Hintergrund / Lifestyle-Bild / Detailaufnahme]
background: [Reinweiß / Spezifische Szenenbeschreibung]
angle: [Frontal / 45 Grad / Top-Down / Makro]
lighting: [Diffuses Studiolicht / Natürliches Fensterlicht / Gegenlicht / Kontrollierte Glanzlichter]
props: [Keine / Spezifische Beschreibung der Requisiten]
constraints: [Kein XX, Kein YY, ...]
output_spec: [Größe, Qualitätsstufe, Format]

Der richtige Weg zur Wiederverwendung von Vorlagen

Kopieren Sie nicht den gesamten Prompt-Absatz und fügen Sie ihn nicht ein. Fixieren Sie stattdessen das Gerüst der Vorlage (Szene, Komposition, Beleuchtung, Einschränkungen) und ersetzen Sie nur den Teil mit der Produktbeschreibung.

Beispiel: Wenn Sie eine ausgereifte Vorlage für ein „Hauptbild mit weißem Hintergrund“ haben:

[Produktbeschreibung], reinweißer, nahtloser Hintergrund, frontal, leicht um 10 Grad nach links gedreht, Subjekt zentriert und nimmt 90 % des Bildes ein,
weiches, diffuses Studiolicht, kontrollierte Glanzlichter, natürlicher Kontaktschatten,
keine zusätzlichen Requisiten, keine Wasserzeichen, keine fiktiven Logos, kein zusätzlicher Text,
1024x1024, quality=medium

Beim Wechsel der SKUs müssen Sie nur das Feld [Produktbeschreibung] ersetzen. Der Rest bleibt unverändert. Dies gewährleistet die visuelle Konsistenz der Marke und verbessert gleichzeitig die Produktionseffizienz.

Versionsverwaltung und Rückverfolgbarkeit

Weisen Sie jeder Prompt-Vorlage eine eindeutige ID zu und zeichnen Sie die folgenden Informationen auf:

• Vorlagen-ID und Versionsnummer.
• Verwendete Snapshot-Version des Modells.
• Generierungsparameter (Qualitätsstufe, Größe).
• IDs der Eingabe-Referenzbilder.
• Bewertung der Ausgabeergebnisse.

Auf diese Weise ist alles dokumentiert, wenn Sie den Stil eines bestimmten Bildes reproduzieren, herausfinden müssen, warum eine Version von einer Plattform abgelehnt wurde, oder nach einem Modell-Upgrade Regressionstests durchführen möchten.

---

Eine Checkliste für „Effektive“ vs. „Ineffektive“ Wörter

Abschließend finden Sie hier eine Kurzanleitung, die Ihnen hilft, diese „scheinbar nützlichen, aber eigentlich nutzlosen“ Prompt-Wörter zu vermeiden.

Wörter, die wirklich funktionieren

Wörter, die nützlich erscheinen, aber schlecht abschneiden

---

Von „Bilder generieren“ zu „Stabil Bilder generieren“

Prompt-Engineering ist keine einmalige Aufgabe, sondern ein Prozess der kontinuierlichen Iteration.

Mein Rat lautet: Beginnen Sie damit, einen Stapel Bilder mit den einfachsten Prompts zu generieren, um herauszufinden, wie die „Standardleistung des Modells in dieser Kategorie“ aussieht. Fügen Sie dann nach und nach Einschränkungen und Details hinzu und beobachten Sie die durch jede Änderung bewirkten Veränderungen. Schreiben Sie nicht gleich zu Beginn einen langen, komplexen Prompt – das macht es Ihnen nur unmöglich festzustellen, welcher Teil funktioniert hat.

Bringen Sie es zuerst zum Laufen, dann optimieren Sie. Dies ist eine universelle Lösung für alle technischen Probleme, und Prompt-Engineering bildet da keine Ausnahme.

Möchten Sie die Unterschiede zwischen verschiedenen Prompts selbst ausprobieren? Gehen Sie zu gpt-image2ai.net und führen Sie ein paar Vergleichsreihen mit demselben Produkt und unterschiedlichen Prompts durch. Daraus lernen Sie mehr, als wenn Sie zehn Artikel lesen.

Try GPT Image 2 for Free Now →