Negativ-Prompt-Generator

Was ein Negativ-Prompt tatsächlich macht

Ein Negativ-Prompt ist kein Filter, der über das fertige Bild gelegt wird. Er läuft bei jedem Entrauschungsschritt parallel zum positiven Prompt mit, und das Modell steuert im selben latenten Raum von ihm weg, in dem es auf dein Motiv zusteuert. Praktisch heißt das: Du gibst dem Sampler ein zweites Ziel und sagst ihm, er soll in die Gegenrichtung laufen.

Das hat eine Folge, die viele übersehen. Negative entfernen nicht nur — sie *verschieben* alles. Nimm blurry in den Negativ-Prompt auf und du verlierst nicht bloß Unschärfe; du drückst das ganze Bild in Richtung höherer Kontraste und härterer Kanten, auch dort, wo du es weich haben wolltest. Nimm cartoon auf und Hauttöne werden fotografischer, manchmal klinischer. Jeder negative Begriff zieht ein wenig an der gesamten Komposition.

Behandle Negative also als Korrekturen mit Nebenwirkungen, nicht als Löschtaste.

Warum das bei Stable Diffusion viel mehr zählt als bei DALL·E

Stable Diffusion legt die negative Konditionierung direkt offen. Es ist ein echter zweiter Durchlauf durch den Text-Encoder mit realem Gewicht, und bei hoher Classifier-Free Guidance ist dieses Gewicht beträchtlich. Die meisten SD-Workflows sind ohne unbrauchbar — du bekommst standardmäßig zusätzliche Finger, Wasserzeichen-Geister und JPEG-Matsch.

DALL·E 3 hat überhaupt kein Negativfeld. Es schreibt deinen Prompt zunächst durch ein Sprachmodell um, weshalb ein "no text" im Prompt Text geradezu *herbeirufen* kann: Der Rewriter behält das Token, und das Bildmodell kennt kein Konzept von Verneinung. Wenn in DALL·E etwas fehlen soll, beschreibe stattdessen die positive Alternative — nicht "no people", sondern "an empty street at 4am". Der DALL·E-Generator ist um diese Einschränkung herum gebaut; der für Stable Diffusion geht davon aus, dass du beide Felder nutzt.

Midjourney liegt dazwischen, mit dem Parameter --no. Der wirkt, ist aber grob — ein Ausschluss mit fester Stärke, kommagetrennt, ohne Gewichtung.

Beachte: --no chair entfernt manchmal auch stuhlnahe Objekte. Es stupst eine Region im Konzeptraum an, nicht ein einzelnes Substantiv. Wer dort mehr Kontrolle will, schaut sich den Midjourney-Generator an.

Die vier Fehlerkategorien und ein brauchbarer Standard

Fast jeder nützliche Negativbegriff fällt in einen von vier Töpfen. Bau deine Basisliste aus je zwei, drei Begriffen pro Topf, statt eine Hundert-Wörter-Wand einzufügen.

• Qualität — low quality, worst quality, blurry, jpeg artifacts, pixelated, low resolution
• Anatomie — extra fingers, deformed hands, fused limbs, bad proportions, mutated, extra limbs
• Artefakte — watermark, signature, text, logo, border, cropped, frame
• Stil-Leckage — cartoon, anime, 3d render, illustration, painting, cgi (nur die verwenden, die deinem Zielstil widersprechen)

Ein vernünftiger fotorealistischer Standard sieht so aus:

Elf Begriffe. Damit ist die überwiegende Mehrheit echter Probleme abgedeckt.

Zwei Regeln. Nimm den Anatomie-Block nur auf, wenn ein Mensch oder Tier im Bild ist — sonst verschenkst du Guidance an nichts. Und setz nie ein Stil-Negativ ein, das deinem positiven Prompt widerspricht: illustration im Negativ, während du eine Kinderbuchillustration bestellst, liefert etwas Verwirrtes und Ausgewaschenes.

Wenn dein Negativ-Prompt gegen dich arbeitet

Es gibt eine echte Kostenkurve. Irgendwo jenseits von 25 bis 30 Begriffen fangen Negative an, das Bild zu verschlechtern statt zu säubern. Die Symptome sind gut erkennbar:

• Farben werden entsättigt und leicht grau
• Alles bekommt dasselbe plastikartige, überschärfte Finish
• Hintergründe vereinfachen sich zu flachen Verläufen
• Das Motiv driftet zu einer generischen "Stockfoto"-Version seiner selbst

Das passiert, weil du den Sampler so hart von so vielen Regionen weggedrückt hast, dass er sich in die farbloseste sichere Mitte der Verteilung zurückzieht. Eine hohe Guidance Scale verschärft das — CFG verstärkt beide Richtungen.

Aus Foren kopierte Mega-Negative sind der übliche Auslöser. Sie sind die am häufigsten wiederholte schlechte Angewohnheit in der Bildarbeit, und eine längere Liste solcher Fälle steht in häufige Fehler beim Prompting. Wenn deine Bilder steril aussehen und du nicht weißt, warum, lösch den Negativ-Prompt komplett und generiere einmal. Das ist diagnostisch.

Eine misslungene Generierung debuggen, ein Negativ nach dem anderen

Sechs Begriffe auf einmal hinzuzufügen lehrt dich nichts darüber, welcher geholfen hat. Mach es lieber sauber.

1. Seed fixieren. Ohne festen Seed vergleichst du zwei zufällige Bilder, nicht zwei Prompts. Alles Weitere hängt daran.
2. Den tatsächlichen Fehler benennen. Nicht "sieht schlecht aus", sondern "ihre linke Hand hat sechs Finger" oder "unten rechts ist ein schwaches Wasserzeichen". Vage Probleme führen zu vagen Negativen.
3. Einen Begriff ergänzen. Auf demselben Seed neu generieren. Hat sich der konkrete Fehler verändert? Falls nicht, raus damit — dann war es nicht dieser Begriff, und er kostet dich weiter Guidance.
4. Auf Kollateralschäden prüfen. Sieh dir die Teile an, die dir schon gefallen haben. Ist das Licht flacher geworden, ist dieses Negativ zu stark oder zu breit. Probier ein schwächeres Synonym.
5. Aufhören, wenn der Fehler weg ist. Nicht, wenn die Liste beeindruckend aussieht.

In der Hälfte der Fälle gehört die Lösung ohnehin in den positiven Prompt. "Hands in pockets" löst Fingerprobleme zuverlässiger als jedes Anatomie-Negativ, und "clean plain background" schlägt einen Stapel Ausschlüsse gegen Unordnung. Diese Seite baust du im Bild-Prompt-Builder, die Formulierung straffst du mit dem Optimizer, und der Guide zu Bild-Prompts erklärt, wie die beiden Hälften zusammenspielen.