Workshop: KI in der Berufsfotografie

Einen halben Tag lang haben wir uns im Rahmen der Akademie der Berufsfotograf:innen angeschaut, was künstliche Intelligenz heute in unserem Beruf kann. Ohne Foliensatz, dafür live und mit vielen Fragen aus der Runde. Das war Absicht: In diesem Feld verändert sich so viel so schnell, dass eine Präsentation vom Vormonat schon veraltet wäre.

Dieser Beitrag fasst die wichtigsten Inhalte zusammen und geht an einigen Stellen etwas tiefer, als es im Kurs möglich war.

Die Themen im Überblick:

- Wie man mit dem Tempo der KI-Entwicklung umgeht, ohne auszubrennen
- Welche Tools und Plattformen ich einsetze und warum auch die Wahl des Anbieters eine Rolle spielt
- Woher Bild-KIs ihr Wissen haben und was das Recht dazu sagt
- Warum KI-generierte Pixel keinen Urheberrechtsschutz haben und wie man ihn in Fusion-Workflows versehentlich verliert
- Die Kennzeichnungspflicht nach dem EU AI Act
- Das Recht am eigenen Bild und warum eine KI-Person trotzdem jemandem ähnlich sehen kann
- Was das alles für AGB, Model-Verträge und Kundengespräche bedeutet
- KI im Workflow: Culling, Entwicklung, Retusche mit Lightroom, Capture One und Evoto
- Prompting mit Filmmaterial, das Uncanny Valley und die Frage der Auflösung
- Content Credentials als Chance für echte Fotografie

Keine Panik: Mit dem KI-Tempo umgehen

Die Eingangsfrage per Mentimeter lautete: Woran denkt ihr bei KI? Die Antworten reichten von „Erleichterung im Alltag“ und „Schnelligkeit“ über „Innovation“ bis zu „manipulativ“, „täuschen“ und „Recht“. Genau das ist das Spannungsfeld. KI ist weder gut noch schlecht, sie ist ein Werkzeug mit enormen Möglichkeiten und echten Risiken.

Viele fühlen sich von der Geschwindigkeit überrollt. Man ist eine Woche nicht dabei und hat das Gefühl, die Welt sei vorbeigezogen. Das ist verständlich, aber der falsche Zugang. Niemand überblickt dieses Feld mehr vollständig. Wer sich uneingeschränkt als „KI-Experte“ bezeichnet, sollte eher misstrauisch machen. Sinnvoller ist es, Schritt für Schritt auszuprobieren, was im eigenen Alltag wirklich hilft, und sich nicht von jedem neuen Release stressen zu lassen.

Ich sehe drei Stufen der KI-Nutzung:

  1. Sprachmodelle (LLMs) wie ChatGPT, Claude, Gemini oder Mistral für Texte. Nicht als „Schreib mir einen LinkedIn-Post, Copy, Paste“, sondern als Co-Creation. Ich entwickle den Text gemeinsam mit der KI, bis er wirklich meiner ist.
  2. KI in der Bildbearbeitung, also in Lightroom, Photoshop, Capture One oder Evoto.
  3. Eigene Werkzeuge bauen. Mit KI als Programmierpartner schreibe ich inzwischen kleine Mac- und iOS-Apps für meine eigenen Probleme. Ein Beispiel: Fotos in der iCloud sind nicht automatisch zusätzlich gesichert, und es gab kein Tool, das meine komplette Fotomediathek zuverlässig lokal herunterlädt. Also habe ich es mit Claude selbst gebaut. Das hätte ich vor fünf Jahren nicht für möglich gehalten.

Die Tool-Landschaft: Plattformen statt Einzelabos

Für Bildgenerierung nutze ich keine einzelnen Dienste mehr, sondern eine Plattform, die viele Modelle bündelt. Ich arbeite mit Flora AI, ähnlich funktioniert zum Beispiel Higgsfield. Auf einer Canvas-Oberfläche kann ich denselben Prompt parallel an Googles Nano Banana, an OpenAIs Bildmodell oder an andere Modell schicken und die Ergebnisse vergleichen.

Der eigentliche Vorteil sind die verketteten Arbeitsschritte. Ich lege ein echtes Foto und ein generiertes Bild auf die Canvas und lasse ein Sprachmodell die Szene beschreiben. Dabei soll es den Hund aus Bild A durch den Hund aus Bild B ersetzen. Die Beschreibung geht dann direkt an ein Bildmodell weiter. Kein Hin- und Herkopieren, keine fünf Abos: Die Plattform rechnet über Schnittstellen mit den jeweiligen Anbietern ab.

Ein Wort zur Anbieterwahl. Fast alle großen Systeme sind US-amerikanisch. Eine ernstzunehmende europäische Alternative ist Mistral aus Frankreich. Das Assistenz-Tool heißt seit Mai 2026 Vibe(vorher „Le Chat“), die Pro-Version kostet rund 15 Euro im Monat, und die Daten werden standardmäßig in der EU gehostet. Qualitativ liegt es hinter den Spitzenmodellen. Für den Alltag reicht es aber gut, wir haben mit vergleichbarer Modellqualität ein ganzes Buch geschrieben.

Und ganz grundsätzlich: Wenn ein Produkt nichts kostet, ist man selbst das Produkt. Instagram verdient nicht an unseren Fotos, sondern an unserer Aufmerksamkeit und unseren Daten. Bei KI-Chats ist das noch heikler, denn dort schreiben wir Sorgen, Pläne und Firmeninterna hinein. Die großen KI-Firmen investieren derzeit weit mehr, als sie einnehmen. Das Geld muss irgendwo herkommen, und Werbung in Gratis-Versionen ist bereits Realität. Wer beruflich mit KI arbeitet, sollte zahlen und bewusst entscheiden, bei wem.

Dazu gehört für mich auch die Haltung der Anbieter. Dass OpenAI-Präsident Greg Brockman und seine Frau 2025 gemeinsam 25 Millionen US-Dollar an Trumps Super PAC „MAGA Inc.“ gespendet haben, hat unter anderem die Boykottbewegung „QuitGPT“ ausgelöst. Das muss jede:r für sich bewerten. Ich nutze ChatGPT aus diesem und anderen Gründen schon länger nicht mehr.

Flora Workshop

Woher die KI ihre Bilder kennt: Training und Recht

Damit ein Modell Bilder erzeugen kann, muss es aus Milliarden Bild-Text-Paaren lernen. Ein bekanntes Beispiel ist der Datensatz LAION-5B des gleichnamigen deutschen Vereins mit fast sechs Milliarden Bild-Text-Paaren, zusammengetragen aus dem öffentlichen Web.

Rechtlich stützen sich die Betreiber vor allem auf die Text-and-Data-Mining-Schranken des EU-Urheberrechts. Die eine gilt für wissenschaftliche Zwecke und hat keine Widerspruchsmöglichkeit. Die andere gilt für kommerzielle Zwecke, sofern die Rechteinhaber keinen Nutzungsvorbehalt erklärt haben. Der Fotograf Robert Kneschke hat genau dagegen geklagt und in zwei Instanzen verloren: 2024 vor dem Landgericht Hamburg, im Dezember 2025 vor dem Oberlandesgericht Hamburg. Das OLG hat bestätigt, dass die Schranke auch für das Training generativer KI greifen kann. Ein Vorbehalt in normaler Sprache in den Nutzungsbedingungen reichte dem Gericht nicht. Die Revision beim Bundesgerichtshof ist anhängig.

Ein zweites Argument der Anbieter: Das Bild werde gar nicht gespeichert. Vereinfacht gesagt lernt das Modell, wie ein Bild Schritt für Schritt zu Rauschen wird, und später den umgekehrten Weg. Das Originalfoto liegt nicht im Modell. Das macht es praktisch unmöglich nachzuweisen, dass ein bestimmtes eigenes Foto in einem bestimmten Ergebnis steckt.

Für Fotograf:innen heißt das: Die Chancen, gegen das Training vorzugehen, sind derzeit gering. Wer seine Bilder schützen will, sollte auf der eigenen Website einen maschinenlesbaren Nutzungsvorbehalt setzen, etwa über robots.txt oder TDM-Metadaten, und nicht nur einen Satz ins Impressum schreiben. Auf EU-Ebene wird zusätzlich über Vergütungsmodelle diskutiert, ähnlich der Speichermedienabgabe.

Wem gehören KI-Pixel? Urheberrecht einfach erklärt

Ein Gedankenexperiment, das ich gerne verwende: das berühmte „Affen-Selfie“. Ein Makake drückt auf den Auslöser einer Kamera, die ein Fotograf aufgestellt hat. Wer hat das Urheberrecht? Die Kamera nicht, sie ist ein Werkzeug. Der Affe nicht, Urheberrecht ist an Menschen gebunden. Und der Fotograf hat in dieser Konstellation nicht selbst ausgelöst. Die vereinfachte Antwort lautet: niemand. Der reale Fall wurde in den USA verhandelt und endete mit einem Vergleich, aber das Prinzip ist das entscheidende.

Genau dieses Prinzip gilt für KI-Bilder. Auch nach österreichischem Recht und im Einklang mit dem EuGH braucht es für Urheberrechtsschutz eine menschliche geistige Schöpfung. Ein Prompt wie „Hund im Wald neben einem Bach“ ist eine Arbeitsanweisung, keine Schöpfung. Vollständig KI-generierte Bilder haben keinen Urheber. Jeder darf sie kopieren, auch die Konkurrenz.

Deshalb spreche ich bewusst nicht von „KI-Fotos“. Es sind KI-generierte Pixel, die wir Menschen als Foto lesen: Schärfeebene, Bokeh, Lichtstimmung. Aber da ist nie Licht durch ein Objektiv auf einen Sensor gefallen. Genau das macht den Kern der Fotografie aus, und das Urheberrecht schützt sowohl Lichtbildwerke als auch einfache Lichtbilder. Eine reine KI-Generierung ist weder das eine noch das andere.

Übrigens werden die Pixel bei jeder Generierung komplett neu berechnet. Es werden keine Nasen, Ohren oder Hunde aus Trainingsbildern „zusammengeklebt“. Deshalb kommt bei jedem Durchlauf etwas anderes heraus. Konsistente Serien waren früher, etwa in den Anfangszeiten von Midjourney, ein Kampf. Heute sind die Systeme kontextbewusst: Ein Sprachmodell interpretiert den Prompt, recherchiert bei Bedarf sogar aktuelle Infos und baut daraus die eigentliche Bildanweisung. Referenzbilder, etwa vom eigenen Hund, werden inzwischen sehr zuverlässig übernommen.

Fusion-Workflows: Wo das Urheberrecht verloren geht

Richtig spannend wird es, wenn echte Fotografie und KI kombiniert werden. Eine meiner Masterstudentinnen hat genau dazu geforscht: Hunde im Studio echt fotografiert, KI-Hintergründe generiert, beides in Photoshop zusammengesetzt. Das Ergebnis hat den Besitzer:innen oft besser gefallen als rein fotografierte Bilder.

Rechtlich ist das sauber, solange die Ebenen getrennt bleiben. Der fotografierte Hund ist geschützt, der KI-Hintergrund nicht. Mein Praxistipp für solche Composings: zuerst den Hintergrund generieren, dann im Studio das Licht passend dazu setzen. Dann fügen sich die Teile wie Puzzlestücke zusammen, und es braucht kaum Nachbearbeitung.

Die Falle lauert in einem harmlos wirkenden Schritt. Markiert man in Photoshop mit Cmd/Strg+A alles und schickt es an ein generatives Modell, zum Beispiel mit dem Prompt „blende das harmonisch zusammen“, dann wird das gesamte Bild auf einen Server geladen und komplett neu berechnet. Das hat drei Folgen:

  1. Das Urheberrecht ist weg, denn es sind jetzt vollständig generierte Pixel.
  2. Die Auflösung sinkt. Generative Modelle arbeiten nativ meist im Bereich von 1–2K, alles darüber wird hochgerechnet. Aus knapp 50 Megapixeln der Kamera wird deutlich weniger.
  3. Datenschutz. Das Bild einer realen Person landet auf Servern, oft in den USA, und niemand weiß genau, was damit passiert.

Deshalb gilt: nur die Bereiche auswählen, die wirklich bearbeitet werden müssen. Vorsicht auch beim Auswahlpinsel mit halber Deckkraft. Sichtbar wird nur der maskierte Bereich verändert, hochgeladen wird aber die gesamte Bounding Box der Auswahl. Wer sauber arbeiten will, bearbeitet problematische Stellen einzeln. Und wer Personenfotos mit Cloud-KI bearbeiten möchte, sollte das im Model- oder Kundenvertrag ausdrücklich regeln.

Klassische Werkzeuge wie der Reparatur-Pinsel laufen lokal. Das „Entfernen“-Werkzeug und Generative Fill nutzen dagegen Cloud-Dienste. Es lohnt sich zu wissen, welches Werkzeug was tut.

Die Kennzeichnungspflicht nach dem EU AI Act

Seit 2.August 2026 gelten die Transparenzpflichten aus Artikel 50 des AI Act. Wichtig, weil hier viel Verwirrung herrscht: Der sogenannte Digital Omnibus hat zwar die Fristen für Hochrisiko-KI nach hinten verschoben, die Kennzeichnungspflicht aber nicht.

Was muss gekennzeichnet werden? Sogenannte Deepfakes. Der Begriff ist viel weiter, als man denkt. Gemeint sind nicht nur gefälschte Politiker-Videos, sondern alle KI-erzeugten oder -manipulierten Bilder, Videos und Audios, die echt wirken und reale Personen, Orte, Gegenstände oder Ereignisse zeigen. Laut den Leitlinien der EU-Kommission gilt das auch für solche, die nur plausibel existieren könnten. Für uns heißt das: Alles, was als echtes Foto gelesen werden kann, aber so nie stattgefunden hat, muss gekennzeichnet werden. Ob Menschen darauf zu sehen sind, spielt keine Rolle.

Ein typisches Beispiel ist das Hotel, das im Sommer fotografiert und per KI in eine Winterlandschaft verwandelt wird. Das Ausgangsfoto braucht keine Kennzeichnung, die Winterversion schon.

Man unterscheidet grob zwei Fälle:

  • KI-generiert: Das Bild wurde vollständig per KI erzeugt.
  • KI-verändert: Ein echtes Foto wurde wesentlich per KI manipuliert, etwa durch einen ausgetauschten Hintergrund oder eine eingefügte Person.

Was muss nicht gekennzeichnet werden? Übliche Retusche, auch wenn sie mit KI-Werkzeugen erfolgt: Hautretusche, Fussel entfernen, Brillenreflexe, Staub. Das hat man früher händisch gemacht, jetzt geht es schneller. Solange der Aussagegehalt des Bildes nicht verändert wird, ist das kein Deepfake. Die Grenze ist nicht immer scharf, etwa beim Hochskalieren, beim Outpainting oder beim Entfernen einer ganzen Person. Hier ist Augenmaß gefragt, und im Zweifel ist Kennzeichnen die sicherere Wahl.

Wie muss gekennzeichnet werden? Klar erkennbar, spätestens wenn Betrachter:innen dem Inhalt zum ersten Mal begegnen. In der Praxis heißt das: ein sichtbarer Hinweis am oder im Bild. Achtung bei responsiven Websites, die Bildausschnitte automatisch beschneiden, denn dort verschwindet ein Label in der Ecke schnell. Für offensichtlich künstlerische oder satirische Werke gibt es Erleichterungen.

Wer ist verpflichtet? Die sogenannten Betreiber, also wer das KI-System beruflich einsetzt und die Inhalte veröffentlicht. Liefere ich als Fotograf ein KI-Bild an Kund:innen, die es veröffentlichen, liegt die sichtbare Kennzeichnung praktisch bei ihnen. Ich übergebe das Bild aber klar als KI-generiert gekennzeichnet und halte das schriftlich fest. Will ein Kunde die Kennzeichnung „weglassen“, ist das seine Entscheidung und sein Risiko, und das gehört dokumentiert. Als Veröffentlichung zählt übrigens alles Öffentliche: Website, Social Media, Plakat, Druck.

Und Texte? KI-generierte Texte zu Themen von öffentlichem Interesse müssen nur dann nicht gekennzeichnet werden, wenn ein Mensch sie inhaltlich geprüft hat und jemand die redaktionelle Verantwortung übernimmt. Eine reine Rechtschreibkontrolle reicht dafür nicht.

Verstöße können teuer werden: bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes. Und ein letzter Hinweis: KI-Bilder lassen sich mit bloßem Auge und auch mit Tools kaum noch zuverlässig erkennen. Bei Texten ist es noch schlimmer, KI-Detektoren liefern viele Fehlalarme. Auf automatische Erkennung sollte man sich nicht verlassen.

Recht am eigenen Bild: Auch eine KI-Person kann jemandem gehören

Zurück zum Beispiel: Ein Kunde lässt sich „einen jungen Mann, lächelnd am See im Salzkammergut“ generieren und nutzt das Bild als Werbesujet. Kein Urheberrecht, Kennzeichnungspflicht. Aber es gibt noch ein drittes Problem.

Das Recht am eigenen Bild (§ 78 UrhG) schützt Menschen davor, dass ihr Bildnis in einer Weise veröffentlicht wird, die ihre berechtigten Interessen verletzt. Für die Erkennbarkeit reicht es in der Regel, wenn die Person von ihrem weiteren Bekanntenkreis erkannt wird. Sieht die KI-Person einem realen Menschen zum Verwechseln ähnlich, und das Sujet hängt auf Plakatwänden, entsteht ein echtes rechtliches Risiko.

Wie wahrscheinlich ist das? Bei einem Testbild („Frau im Fitnessstudio, Stockfoto-Look“) war das Ergebnis eine Frau mit perfekter Figur, perfekten Zähnen, perfekter Haut. Die Hände übrigens einwandfrei, die Zeit der sechs Finger ist vorbei. Das Bild entspricht exakt dem Schönheitsideal, das wir von Instagram kennen. Kein Wunder, denn dort liegen Unmengen an Trainingsdaten. Eine weitere Masterarbeit hat genau untersucht, wie Filter dieses Ideal verstärken. Je mehr KI-Bilder diesem Instagram-Look entsprechen, desto eher gibt es reale Menschen, die genau so aussehen.

Frau im Fitnessstudio

Was das fürs Geschäft bedeutet

Aus all dem folgen sehr konkrete Konsequenzen für unseren Arbeitsalltag.

KI-Klausel in die AGB. Eine Kollegin hat für ein Unternehmen eine Serie von fünf Bildern mit einem Model fotografiert. Einige Zeit später tauchten zwei weitere Bilder auf, im selben Look, mit derselben Person, aber in neuen Posen. Das Unternehmen hatte sie auf Basis der Originale per KI generiert. Die Kollegin konnte sich mit dem Kunden auf eine Nachzahlung einigen, aber eigentlich hat sie einen Auftrag verloren. Mein Rat: In die AGB gehört ein Satz, dass die Bearbeitung der gelieferten Bilder mit generativer KI nur nach Rücksprache erlaubt ist. Agenturen wissen das meist, Endkund:innen oft nicht. Dort wirkt so ein Satz auch als Aufklärung.

Model-Verträge genau lesen. Immer öfter tauchen Klauseln auf, in denen Models gegen einen Aufpreis erlauben, dass ihre Bilder zum Training eigener KI-Modelle verwendet werden. Für das Model klingt das nach schnellem Geld. Danach braucht man es aber nie wieder, weil beliebig viele neue Bilder erzeugt werden können.

Alles schriftlich. Es muss kein formeller Vertrag sein. Eine E-Mail oder eine WhatsApp-Nachricht, auf die die Kundin reagiert hat, genügt als Nachweis. Je konkreter, desto besser.

Und das Wichtigste: die Argumente für echte Fotografie. 20 Euro im Monat für ein KI-Abo gegen 2.000 Euro für einen Shootingtag, rein vom Preis her ist die Sache klar. Aber schauen wir auf das Gesamtbild:

  • Ein echtes Foto ist urheberrechtlich geschützt. Niemand darf es einfach für eine Gegenkampagne übernehmen.
  • Die Rechte der abgebildeten Personen sind geklärt, weil die Models gecastet und vertraglich abgesichert sind.
  • Ein echtes Foto muss nicht gekennzeichnet werden. Das ist für die Kundin weniger Aufwand und weniger Risiko.
  • Es zeigt die Wirklichkeit: das echte Produkt, die echte Textur, den echten Ort. Im E-Commerce bedeutet ein KI-Bild, das nicht der Ware entspricht, Retouren und im schlimmsten Fall einen Imageschaden. Wer eine Handtasche um 1.000 Euro verkauft, will darunter kein „KI-generiert“ stehen haben.

Fotograf:innen, die diese Zusammenhänge erklären können, positionieren sich nicht gegen KI. Sie zeigen, dass sie sich auskennen und für die Kund:innen den besten Weg finden. Und wenn jemand trotzdem KI will: Gerne, ich weiß, wie die Tools funktionieren. Das Risiko liegt dann aber beim Auftraggeber, und das halten wir schriftlich fest.

KI im Workflow: Culling, Entwicklung, Retusche

Aussortieren (Culling)

KI-Culling funktioniert dort gut, wo es viele vergleichbare Trainingsdaten gibt: Porträtsessions und Hochzeiten. Geschlossene Augen, Unschärfe und Gesichtsausdrücke erkennt die Software zuverlässig. Bei Reportage und Events funktioniert es kaum, weil die Software nicht wissen kann, wer oder was wichtig ist. Die offiziellen Bilder der Ars Electronica, rund dreieinhalb Fotograf:innen über fünf Tage, sortiere und entwickle ich deshalb nach wie vor händisch in Lightroom Classic.

Mein Geschwindigkeitsgeheimnis ist Hardware: ein Loupedeck+, bei dem jeder Lightroom-Regler einen eigenen physischen Drehregler hat. Ich fasse die Maus pro Auftrag nicht an und bediene alles blind. Leider wird das Gerät nicht mehr produziert, man bekommt es nur noch gebraucht. Eine gute Alternative ist die TourBox, bei der man Funktionen frei auf Tasten und Räder legt. Touch-Displays sind hübscher, aber langsamer, weil man hinschauen muss.

KI-Entwicklung und Verschlagwortung

  • Imagen AI lernt anhand von einigen tausend bereits bearbeiteten Bildern den persönlichen Entwicklungsstil und wendet ihn auf neue Aufträge an. Die Integration in Lightroom ist sehr gut. Allerdings werden Smart Previews an einen Anbieter außerhalb der EU geschickt, das sollte man Kund:innen gegenüber transparent machen.
  • Neurapix aus Deutschland verfolgt einen ähnlichen Ansatz.
  • Excire analysiert Bilder lokal und vergibt Schlagwörter. Ideal für große, unsortierte Archive: „Zeig mir alle Bilder am Meer“ funktioniert dann auch über 1,2 Terabyte iPhone-Fotos.

Eine Kennzeichnung ist bei KI-Entwicklung nicht nötig. Die KI setzt Regler, die man sonst selbst gesetzt hätte.

Lightroom

Die wichtigsten KI-Funktionen sind die Masken (Motiv, Himmel, Person, Gesichtsteile) und das Entrauschen. Beim Entrauschen lohnt ein differenzierter Blick. Bei der Ars Electronica fotografieren wir teils mit extrem hohen ISO-Werten, dort ist es für ausgewählte Bilder Gold wert. Für hunderte Bilder ist es zu langsam, da entrausche ich klassisch. Für meine eigene Fotografie brauche ich es kaum: Ich will Korn im Bild und arbeite zunehmend nach dem Prinzip JPEG-first. Der Look entsteht in der Kamera, bei mir mit Fuji-Filmsimulationen, und das RAW auf der zweiten Karte dient als Sicherheitsnetz.

Capture One

Ich unterrichte Capture One, arbeite privat aber in Lightroom, weil mein Katalog über Jahre gewachsen ist. Zwei Funktionen würde ich mir in Lightroom wünschen:

  • Look anpassen: Ein Referenzbild wird analysiert, und Helligkeit, Weißabgleich, Kontrast und Farbe werden auf eine ganze Serie übertragen. Das Werkzeug kopiert nicht stumpf Reglerwerte, sondern passt sie an die jeweilige Lichtsituation an. Das Referenzbild kann sogar ein beliebiger Screenshot sein.
  • KI-Masken per Klick: Man fährt mit der Maus über einen Bereich, und die Software schlägt je nach Zoomstufe passende Auswahlen vor, vom ganzen Fenster bis zur einzelnen Scheibe.

Mein Rat: Wer mit seinem Programm glücklich ist, bleibt dabei. Die RAW-Engines zu mischen, bringt mehr Probleme als Nutzen.

Evoto: Retusche in Sekunden

Das Tool, das in der Runde für die größten Augen gesorgt hat. Evoto ist eine eigenständige Retuschesoftware, die sich nahtlos in Lightroom einbinden lässt: Rechtsklick, „Bearbeiten in Evoto“, zurück kommt ein JPEG oder TIFF neben dem RAW.

Was es kann:

  • Hautretusche, Unreinheiten, Falten, Dodge & Burn, alles stufenlos regelbar und getrennt nach Personen in Gruppenbildern
  • Abstehende Haare entfernen
  • Falten in der Kleidung glätten, wahlweise nur feine Knitterfalten, Fussel und Schweißflecken
  • Brillenreflexe entfernen, was bei normalen Brillen verblüffend gut funktioniert
  • Hintergründe im Studio bereinigen: Fußabdrücke, ungleichmäßige Papierhintergründe, störende Objekte

Es arbeitet nicht-destruktiv, man kann also jederzeit zurück. Man kann auch direkt in Evoto tethern, dann ist die Retusche wenige Sekunden nach dem Auslösen fertig. Mein Augenzwinker-Tipp: Das nicht zeigen, wenn die zahlende Kundschaft danebensteht.

Abgerechnet wird pro exportiertem, bearbeitetem Bild, im Credit-Paket zu wenigen Cent pro Bild. Ein Shooting mit 150 Bildern, bei dem Akne-Retusche nötig war, hat mich rund zwei Euro gekostet und einen Arbeitstag gespart. Einfache Farbkorrekturen sind in bezahlten Plänen inzwischen sogar kostenlos.

Und die gewonnene Zeit? Nicht mit mehr Aufträgen füllen, sondern rausgehen.

Prompting, Uncanny Valley und präzise Wünsche

Der Trick mit dem Filmmaterial

„Fotorealistisch“ im Prompt bringt oft wenig. Viel wirksamer ist ein konkretes Filmmaterial: Kodak Portra, Ilford Delta, Fuji Classic Chrome. Die Modelle haben Bilder samt Beschreibung aus dem Netz gelernt, und analoge Aufnahmen sind dort mit ihrem Filmnamen verknüpft. Das Ergebnis bekommt sofort Korn, Farbcharakter und kleine Unperfektheiten. Mit „Ilford Delta“ wird das Bild schwarz-weiß, ohne dass man danach fragt. Und es verschiebt sogar die Zeit: Plötzlich trägt die Person Strickjacke und Vintage-Rucksack statt Funktionskleidung.

Das Uncanny Valley

Das Konzept stammt aus der Robotik. Je menschenähnlicher etwas wird, desto vertrauter wirkt es, bis kurz vor der Perfektion. Dort kippt die Akzeptanz in Unbehagen. Für KI-Bilder heißt das: Ein fast perfektes, aber eben nicht ganz stimmiges fotorealistisches Bild wirkt schlechter als eine bewusste Illustration.

Deshalb empfehle ich für Konzepte, Moodboards und Shooting-Vorschläge bewusst Skizzen oder Illustrationen statt Fotorealismus. Eine Schweizer Firma, die Warmluftschleier herstellt, also ein unsichtbares Produkt, hat daraus für sich abgeleitet: Konzepte in Skizzenform, die Kund:innen Raum zur eigenen Interpretation lassen, und das echte Foto erst beim fertig montierten Referenzprojekt. Ein fotorealistisches KI-Konzept baut dagegen Erwartungen auf, die ein reales Shooting dann exakt treffen muss. Das echte Foto ist der Nordstern, KI der Skizzenblock davor.

Die KI macht genau, was man sagt

Mein Lieblingsbeispiel: „Entferne die gelben Einkaufskörbe und die schwarzen Obstkörbe vor der Tür.“ Die Körbe waren weg, die Preisschilder aber nicht. Da Schilder nicht schweben können, hat die KI ihnen kurzerhand Ständer gebaut. In einem anderen Fall hat sie einen Müllraum „aufgeräumt“ und dabei realistischerweise Schmutz auf dem Boden ergänzt.

Die Lehre: Es geht nicht mehr um geheime Prompt-Formeln, sondern um präzise Beschreibung. Wie bei den drei Wünschen an den Flaschengeist. Und ja, ich schreibe „bitte“ und „danke“. Zum einen, weil ich natürliche Sprache nicht verlernen will. Zum anderen, weil höfliche Anfragen im Modell eher in der Nähe kultivierter Texte landen als in der Tonlage eines Internetforums.

Wie viel Auflösung braucht man wirklich?

Die Faustregel „300 dpi für den Druck“ gilt für einen Betrachtungsabstand von rund 30 Zentimetern. Das ergibt:

  • A4: 2.480 × 3.508 Pixel, also rund 8,7 Megapixel
  • A3: 3.508 × 4.961 Pixel, also rund 17 Megapixel

Wer ein 5 × 3 Meter großes Plakat mit 300 dpi rechnet, kommt auf über zwei Milliarden Pixel. Aber niemand betrachtet ein Plakat aus 30 Zentimetern Entfernung. Doppelter Abstand bedeutet ungefähr halbe benötigte Auflösung. Nicht umsonst waren Kameras lange bei rund 16 Megapixeln stehen geblieben.

Meine Faustregel: Mit etwa 3.000 × 5.000 Pixeln lässt sich fast alles umsetzen. KI-Bilder kommen meist in 1–2K. Mit KI-Upscalern wie Topaz, der auch direkt in Photoshop unter „Generatives Hochskalieren“ steckt, kommt man problemlos auf A3 und darüber. Zwei Hinweise dazu: Solche Premium-Funktionen verbrauchen in der Adobe Cloud Credits, und hochskalierte Bilder bestehen aus neu berechneten Pixeln. Solange der Inhalt unverändert bleibt, halte ich eine Kennzeichnung aber nicht für nötig.

Content Credentials: Das Echtheitszertifikat für Fotos

Zum Schluss ein Thema, das ich für eine der größten Chancen der Fotografie halte. Die C2PA(Coalition for Content Provenance and Authenticity), hinter der unter anderem Adobe, Microsoft, Google, Sony, Nikon und Leica stehen, hat mit den Content Credentials einen offenen Standard geschaffen, mit dem sich die Herkunft eines Bildes fälschungssicher dokumentieren lässt.

Ein weit verbreitetes Missverständnis: Das „CR“-Symbol bedeutet nicht „KI-generiert“. Es bedeutet: Hier ist dokumentiert, woher das Bild kommt und was damit passiert ist.

So funktioniert es in der Praxis:

  1. Bei der Aufnahme: Kameras wie die Leica M11-P, die als erste mit eingebauten Content Credentials erschien, oder aktuelle Nikon- und Sony-Modelle signieren das Bild direkt beim Auslösen.
  2. Bei der Bearbeitung: Lightroom, Photoshop und Capture One können beim Export Name und Bearbeitungsschritte einbetten. In Photoshop aktiviert man das unter Fenster → Content Credentials.
  3. Bei der Prüfung: Auf contentcredentials.org kann jede:r ein Bild hochladen und die Kette nachvollziehen: Original, Farbanpassung, Zuschnitt, und gegebenenfalls, dass ein KI-Hintergrund eingefügt wurde.

Das ist freiwillig. Aber genau darin liegt der Wert. Wenn KI-Bilder zur Massenware werden und gekennzeichnet werden müssen, wird der nachweislich echte Moment wertvoller. Content Credentials machen diesen Nachweis sichtbar.

Fazit

KI ist in unserem Beruf angekommen und wird nicht wieder gehen. Sie kann uns Stunden an Retusche abnehmen, Archive durchsuchbar machen, Konzepte visualisieren und sogar eigene Werkzeuge bauen lassen. Gleichzeitig bringt sie rechtliche Fragen mit sich, die viele Auftraggeber:innen noch nicht auf dem Schirm haben: fehlendes Urheberrecht, Kennzeichnungspflicht, Recht am eigenen Bild, Datenschutz.

Genau hier liegt unsere Chance. Wer die Werkzeuge beherrscht und die Zusammenhänge erklären kann, ist für Kund:innen wertvoller denn je. Nicht als Gegner der KI, sondern als jemand, der weiß, wann ein generiertes Bild reicht und wann es ein echtes Foto braucht.

Wenn ihr Wünsche für weitere Kurse habt, zu Lightroom, Photoshop, Capture One oder zu KI-Themen, meldet euch gerne.

Hinweis: Dieser Beitrag gibt meine Einschätzung als Fotograf und Trainer wieder und ersetzt keine Rechtsberatung. Die Rechtslage, insbesondere zum AI Act, entwickelt sich laufend weiter.