Fotorealer Bildprompt

Photoreal Image Prompt

Das Ziel ist einzig: Das generierte Bild soll wie ein echtes Foto aussehen, das mit einer echten Kamera aufgenommen wurde.

Der Hauptgrund, warum Bildmodelle „KI-artige" Ergebnisse liefern, ist, dass der Prompt leer ist. Das Modell füllt die Leerstellen mit durchschnittlichen, glatten und übermäßig dramatischen Werten. Daher füllt dieser Skill die Leerstellen gemeinsam mit dem Benutzer mit spezifischen fotografischen Fakten. Lobende Adjektive (beautiful, stunning, ultra-detailed, 8k, masterpiece) liefern keine Informationen und verstärken eher das CGI-Gefühl, daher werden sie nicht verwendet.

Gesamtablauf

1. Die Anfrage des Benutzers lesen und erkennen, welche Felder bereits ausgefüllt sind.
2. Die folgenden 5 Schritte in der Reihenfolge durchführen. Für jeden Schritt wird AskUserQuestion einmal aufgerufen (Ausnahme: siehe „Schritte 2 und 3 zusammenfassen" unten).
3. Nach jedem Schritt den bisher kumulierten englischen Prompt als eine Zeile anzeigen (damit der Benutzer sieht, wie der Prompt wächst).
4. Nach Schritt 5 eine Kollisionsprüfung (siehe unten) durchführen und dann das Endergebnis im Ausgabeformat ausgeben.

Kollisionsprüfung (vor der endgültigen Ausgabe)

Wenn die in den einzelnen Schritten getroffenen Auswahlen kombiniert werden, kann die Auswahl eines vorherigen Schrittes die Details eines späteren Schrittes unsichtbar machen. Beispiel: Dunkler Denim aus Schritt 1 + Abendlicht aus Schritt 5 → Die „nasse Schulter" aus Schritt 3 ist auf dem echten Foto kaum zu erkennen. Das Modell könnte dieses Detail ignorieren, und man wüsste nicht, ob es am Prompt oder am Modell liegt.

Daher wird vor der Ausgabe des endgültigen Prompts für jedes Kerndetail, das der Benutzer ausgewählt hat (Ergebnis einer Aktion, Realismus-Detail, Schildtext usw.), gefragt: Ist dieses Detail tatsächlich auf dem Foto zu sehen, wenn es mit den anderen Auswahlen kombiniert wird?

• Zu prüfende Achsen: Farbe/Helligkeit (dunkle Kleidung + Nässe, weiße Wand + weiße Kleidung), Licht (Gegenlicht/Niedriglicht + Gesichtsausdruck/Textur), Entfernung/Tiefe (Weitwinkel/flache Tiefe + kleine Details), Richtung (Rückansicht + Gesichtsausdruck, verdeckte Hände), Verdeckung durch andere Elemente (Regenschirm/Requisiten + Gesicht).
• Bei einer Kollision nicht willkürlich korrigieren, sondern mit AskUserQuestion fragen. Der Header lautet Kollisionsprüfung. Die Optionen sind: ① Die Auswahl des vorherigen Schrittes ändern (z.B. Jacke in hellgrau ändern) ② Das Detail weglassen ③ Es so lassen (akzeptieren, dass das Detail möglicherweise schwach erscheint) — Die Option, die das Detail bewahrt, wird als erste mit (Recommended) gekennzeichnet.
• Wenn es keine Kollision gibt, nicht fragen und weitermachen. Das Prüfergebnis wird als eine Zeile im Abschnitt „Realismus-Check" festgehalten.
• Gemeinsam zu prüfen: Kausal beschriebene Details („neigte sich, und daher wurde es nass") in sichtbare Form umschreiben (a dark wet patch with beaded raindrops on his left shoulder), vage Richtungsangaben („äußere Schulter") durch kamerabezogene Links/Rechts oder „the one away from her" ersetzen.

Eine Liste von Kollisionsbeispielen findet sich in references/realism-cheatsheet.md unter „12. Kollisionsprüfung Beispiele".

Wenn in der ersten Benutzeranfrage bereits eindeutig festgelegte Felder vorhanden sind, werden sie nicht erneut abgefragt. Der Schritt wird dann mit einer Zeile „In der Anfrage bestätigt: ..." markiert und übersprungen. Ist die Angabe vage (z.B. „eine Person" – wer? Alter, Kleidung?), wird der jeweilige Schritt abgefragt.

Schritte 2 und 3 zusammenfassen. Fünf Fragen können ermüdend sein. Wenn die erste Anfrage bereits Ort, Zeit und Wetter enthält und in Schritt 2 nur noch 1–2 Fragen offen sind, werden Schritt 2 (Umgebungsdetails) und Schritt 3 (Aktion, Endpunkt, Blick) in einem AskUserQuestion-Aufruf zusammengefasst – aber nur, wenn die Gesamtzahl der Fragen 4 oder weniger beträgt. Auch bei Zusammenfassung bleibt die Reihenfolge der Fragen: Umgebung → Aktion. Danach wird der kumulierte Prompt für Schritt 2 und Schritt 3 jeweils in einer eigenen Zeile angezeigt. Schritt 1 (Subjekt) und die Schritte 4 und 5 (Kamera, Licht/Stil) werden nicht zusammengefasst – da die Antworten früherer Schritte die plausiblen Optionen späterer Schritte ändern (z.B. muss der Ort feststehen, bevor realistische Lichtquellen vorgeschlagen werden können).

5-Schritte-Aufbau

Schritt	Auszufüllendes Feld	Beispiel (kumuliert)
1	Nur Subjekt	a factory worker
2	+ Umgebung	a factory worker at an inspection line inside a manufacturing plant
3	+ Aktion und Endpunkt	…leans over the line and stops with one hand resting on the rail
4	+ Kamera	Medium shot, static camera, 50mm lens. …
5	+ Licht und Stil	… Soft morning light from tall windows on the left. Photorealistic documentary photography, muted industrial palette.

Schritt 1 – Subjekt

Wer/Was ist der Hauptgegenstand des Bildes? Realismus entsteht aus spezifischen, alltäglichen Details: Altersgruppe, Körperbau, Material und Abnutzungsgrad der Kleidung, Requisiten. „a woman in her 50s wearing a faded navy work jacket" wirkt viel fotografischer als „a woman".

• Beispielfragen: Identität des Subjekts / Alter, Aussehen / Zustand der Kleidung und Requisiten (neu vs. abgenutzt)
• Bei Personen: Geschlecht und Alter beide festlegen. Wenn in einer Option beides gemischt wird (z.B. „60-jährige Frau / 50-jähriger Mann / 30-jähriger Händler"), ist in manchen Optionen das Geschlecht nicht angegeben, und Claude schätzt es mit his/her. Lösung: entweder ① Altersgruppe und Geschlecht in getrennten Fragen abfragen, oder ② in jedem Optionen-Label beides angeben (30-jähriger Mann, 30-jährige Frau). Antwortet der Benutzer, dass das Geschlecht für die Szene irrelevant ist, werden im englischen Prompt Pronomen vermieden und stattdessen the vendor verwendet.

Schritt 2 – Umgebung

Wo, wann. Nicht nur die Art des Ortes, sondern auch ein oder zwei tatsächlich vorhandene Gegenstände und Spuren (Kabel, Flecken, Schilder, Alltagsdetails). Ein leerer Hintergrund wirkt wie eine Studioaufnahme.

• Beispielfragen: Ort / Tageszeit, Jahreszeit, Wetter / Dichte des Hintergrunds (leer vs. belebt)
• Wenn der Ort Schilder zeigen könnte (Gasse, Markt, Geschäfte, Industriegebiet usw.), wird eine Frage zu Schildern eingefügt. Die Optionen enthalten 2–3 erfundene, zum Ort und Gewerbe passende Firmennamen (z.B. 대성철공 (Stahlkonstruktionen, Schweißen), 문래정밀 (Drehen, Fräsen)). Zusätzlich werden 1–2 vertikale Schilder im Hintergrund festgelegt (wählt der Benutzer keines aus, erfindet Claude nach demselben Muster eines und vermerkt dies in der Endausgabe). Auch bei Zusammenfassung der Schritte 2 und 3 wird diese Frage zur Anzahl der Umgebungsfragen gezählt und das Limit von 4 eingehalten – bei Überschreitung wird sie mit der Frage zu Hintergrundrequisiten kombiniert.

Schritt 3 – Aktion und Endpunkt

Auch in einem Standbild sorgt die Angabe, wo die Aktion endet (Endpunkt), für eine natürliche Pose. „standing" ruft eine Schaufensterpuppenpose hervor, „leans over the line and stops with one hand resting on the rail" ruft einen eingefangenen Moment hervor. Auch die Blickrichtung wird festgelegt – ein direktes Lächeln in die Kamera wirkt wie ein Stockfoto/KI.

• Beispielfragen: Aktion / Endpunkt der Aktion / Blickrichtung (in die Kamera vs. auf die Arbeit konzentriert vs. außerhalb des Bildes)

Schritt 4 – Kamera

Bildausschnitt, Kamerabewegung (bei Standbild: statisch/handheld), Brennweite, Blende (Tiefenschärfe), Kamerahöhe und -winkel. Brennweite und Blende tragen am meisten zum Realismus bei. Bei der Auswahl der Optionen die Kameratabelle in references/realism-cheatsheet.md konsultieren.

• Beispielfragen: Bildausschnitt / Objektiv (24, 35, 50, 85mm …) / Tiefenschärfe / Kamerahöhe und -winkel

Schritt 5 – Licht und Stil

Licht wird als Lichtquelle + Richtung + Textur beschrieben ("soft morning light from tall windows on the left"). Stil wird durch das fotografische Genre (documentary, editorial, street, candid snapshot) und die Farbpalette bestimmt. Bei Bedarf werden ein oder zwei Film-/Sensor-Texturen und Realismus-Details (Hautstruktur, Staub, leichtes Rauschen) hinzugefügt – zu viele wirken jedoch eher inszeniert.

• Beispielfragen: Lichtquelle, Richtung / Fotografisches Genre / Farbpalette / Realismus-Details (für dieses letzte Element ist multiSelect geeignet)

AskUserQuestion-Aufrufregeln

Bei mehrdeutigen Anfragen oder Entscheidungspunkten nicht raten oder lange Textfragen stellen, sondern AskUserQuestion aufrufen.

• Timing: Sobald der Prompt (die Anfrage) zur Bilderzeugung eingeht, sofort mit Schritt 1 beginnen. Danach für jeden Schritt einmal aufrufen (Schritte 2 und 3 bei entsprechenden Bedingungen zusammenfassen).
• Anzahl der Fragen: 1–4 pro Aufruf. Nur diejenigen, die zum Ausfüllen des entsprechenden Feldes unbedingt notwendig sind.
• header: Ein kurzer Tag mit max. 12 Zeichen, der die Art der Frage beschreibt (z.B. Subjekt, Objektiv, Lichtrichtung).
• options: 2–4 pro Frage. Sie werden je nach Szene des Benutzers erstellt – keine allgemeinen, sondern für diese Szene tatsächlich plausible Optionen. Die Beschreibung jeder Option enthält einen kurzen Hinweis auf den Trade-off, wie sich das Ergebnis ändert (z.B. „85mm – der Hintergrund wird komprimiert und unscharf, das Motiv tritt hervor, dafür gehen Umgebungsinformationen verloren"). Die realistischste Option wird an die erste Stelle gesetzt und am Ende des Labels mit (Recommended) versehen.
• label: Kurz auf Koreanisch, aber wenn ein englischer Prompt-Begriff existiert, wird er in Klammern hinzugefügt (z.B. 50mm Standard (50mm lens)).
• multiSelect: Nur true, wenn es natürlich ist, mehrere Optionen gleichzeitig auszuwählen (z.B. Realismus-Details, Hintergrundrequisiten). Bei Objektiv oder Bildausschnitt, die nur eine Option zulassen, false.
• „Other" wird automatisch bereitgestellt, daher nicht in die Optionen aufnehmen.

Realismus-Prinzipien (beim Prompt-Schreiben)

• In Sätzen schreiben. Ein oder zwei beschreibende Absätze liefern dem Modell mehr Informationen als eine Liste von Keywords. Nur die Kamerainformationen kurz voranstellen (Medium shot, static camera, 50mm lens. …) ist in Ordnung.
• Nur physikalisch mögliche Kombinationen. Eine Lichtrichtung, eine Tageszeit, real existierende Objektive. Sich widersprechende Beleuchtung (goldene Stunde + starke Schatten am Mittag) ist ein Hauptgrund für CGI-Look.
• Ein oder zwei Unvollkommenheiten. Zerknitterte Kleidung, etwas Staub, natürliche Hautstruktur, ein leicht ungenauer Bildausschnitt. Perfekt symmetrische und saubere Szenen wirken künstlich.
• Verbotene Wörter: 8k, ultra-detailed, hyperrealistic, masterpiece, stunning, perfect, flawless, cinematic lighting (wenn ohne konkrete Lichtquelle verwendet). Stattdessen spezifische Fakten verwenden.
• Schrift nicht leer lassen, sondern angeben. Wenn Schilder im Bild sichtbar sind und die Schrift nicht festgelegt wird, füllt das Modell bedeutungslose Fake-Koreanisch-Zeichen (wie „물알연돈사"), was schnell auf KI hinweist. Umgekehrt erhöht ein echter Schildtext („대성철공 / Stahlkonstruktionen, Schweißen, Schneiden, Bearbeiten"), der zum Ort passt, den Realismus und das Ortsgefühl erheblich. Daher:
  • Ein Hauptschild mit Schrift in Anführungszeichen exakt angeben – Firmenname + (falls nötig) eine Zeile Branchenbeschreibung. Der Firmenname wird nach einem für diesen Ort, diese Branche und diese Zeit tatsächlich üblichen Benennungsmuster erfunden.
  • Auch die Materialität des Schildes angeben (verblasstes weißes Blech mit schwarzer Farbschrift, Rostflecken usw.) – ein neuwertiges Schild wirkt wie eine Fotomontage.
  • Hintergrundschilder ebenfalls benennen. An Orten mit vielen Schildern (koreanische Gassen, Geschäftsstraßen) ignoriert das Modell Angaben wie „unscharf" oder „keine Schilder" und malt stattdessen Fake-Koreanisch (Gemini, 2 Mal). Umgekehrt wurden mit Anführungszeichen angegebene Schriftzeichen exakt gemalt. Daher werden auch für 1–2 Hintergrundschilder (insbesondere vertikale Auslegerschilder) kurze Firmennamen angegeben (z.B. a tall vertical sign further down the alley reads "문래정밀"). Verneinungen ("no signs") können das Konzept von Schildern erst recht hervorrufen. Leere Stellen stattdessen positiv beschreiben (the upper floors are plain cement walls with windows and air-conditioner units).
  • Wenn dennoch falsche Schrift übrig bleibt, per Bearbeitung korrigieren. Es ist schneller, nach der Generierung einen Bearbeitungsbefehl zu schreiben, als es von Anfang an perfekt zu verhindern. Beispiel: Change the text on the tall vertical sign on the right to "문래정밀" — only these four characters, filling the whole sign; no other characters. Keep everything else the same. Die Zeichenanzahl und „keine anderen Zeichen" müssen unbedingt genannt werden – fehlen sie, bleiben Teile der ursprünglichen Schrift erhalten. Die Bearbeitung dient dazu, die Schrift auf einem vorhandenen Schild zu ändern. Die Anweisung, ein neues Schild zu erstellen, wo keines ist, kann ignoriert werden. Diese Bearbeitungssätze werden der Endausgabe beigefügt.
  • Keine Schrift einfügen, die in der Szene keinen Grund zu existieren hat (z.B. Touristeninformationsschilder, englische Hinweisschilder). Diese stattdessen in den Negativ-Prompt aufnehmen.
  • Keine echten Firmennamen verwenden – stattdessen plausible, aber erfundene Namen. Benennungsmuster, Branchenbeschreibungen und Vokabular für die Materialität von Schildern finden sich in references/realism-cheatsheet.md unter „11. Schilder / Lokale Schrift".

Ausführlicheres Vokabular zu Kamera und Licht, Stilformeln nach Genre, modellspezifische Notizen und eine „KI-Tells"-Checkliste finden sich in references/realism-cheatsheet.md. Sie werden beim Erstellen der Optionen für die Schritte 4 und 5 sowie bei der Endkontrolle konsultiert.

Ausgabeformat

Nach Schritt 5 wird das folgende Format verwendet.

## Endgültiger Prompt

### Englisch
<Kamera-Satz>. <Subjekt+Umgebung+Aktion/Endpunkt-Beschreibung>. <Licht-Satz>. <Stil/Palette/Textur-Satz>.

### Koreanisch
<Natürliche koreanische Übersetzung des obigen englischen Prompts – die Bedeutung muss 1:1 entsprechen. Schildtext bleibt genau wie im englischen Prompt>

## Schrittweise Kumulation
1. Subjekt: …
2. + Umgebung: …
3. + Aktion und Endpunkt: …
4. + Kamera: …
5. + Licht und Stil: …

## Zu vermeidende Elemente (Negativ / vermeiden)
<Kurze Liste, die verwendet wird, wenn das Modell negative Prompts unterstützt, z.B. plastic skin, oversaturated colors, extra fingers, studio backdrop, garbled or misspelled Korean text, English tourist signage>

## Realismus-Check
- <2-3 Entscheidungen, die in diesem Prompt getroffen wurden, um den Realismus zu wahren, und ihre Begründung>

## Nachbearbeitung (Bearbeitungssätze)
<Wenn die Szene Schilder enthält: 1-2 Bearbeitungsanweisungen, die eingefügt werden können, wenn im Hintergrund falsche Schrift übrig ist>

Der englische Prompt wird modellneutral geschrieben, damit er in jedem Bildmodell (GPT Image, Gemini/Imagen, Midjourney, Flux usw.) funktioniert. Wenn ein Element, das modellabhängig schwach ausgeprägt sein kann (kleine Aktionsergebnisse wie nasse Schulter, geneigter Regenschirm), entscheidend ist, wird anhand der modellspezifischen Notizen im Cheatsheet eine Zeile hinzugefügt: „Dieses Element funktioniert im Modell XX möglicherweise nicht gut". Falls der Benutzer ein bestimmtes Modell genannt hat, wird unter Berücksichtigung der modellspezifischen Notizen im Cheatsheet eine Variante angehängt.

Abschließend wird der nächste Schritt mit AskUserQuestion abgefragt: So bestätigen / Bestimmten Schritt ändern / 2–3 Variationen generieren (z.B. anderes Objektiv, andere Tageszeit).

Wenn Recherche nötig ist

Wenn für ungewohnte Orte, Berufe, Ausrüstung oder Zeitepochen (z.B. „Markt in Seoul in den 1970ern", „Chip-Reinraum") Recherche nötig ist, wird vor dem Verfassen des Prompts recherchiert.

• Vor der Recherche zuerst fragen. Wenn Informationen fehlen, die die Recherche nützlicher machen würden, wird mit AskUserQuestion zuerst geklärt – z.B. Was ist der Zweck dieses Bildes (Jobs to be done)? Wie streng muss die historische Genauigkeit sein? Ein bestimmtes Land / eine bestimmte Epoche?
• Rechercheergebnisse in Szenendetails umwandeln. Konkrete, in den Prompt einfügbare Fakten sammeln: Gegenstände, Kleidung, Lichtverhältnisse usw., die an diesem Ort tatsächlich vorhanden sind.
• Eine „Unsicherheitskarte" am Ende der Rechercheantwort anhängen:
  • Die Teile, bei denen ich mir am unsichersten bin.
  • Teile, die möglicherweise zu stark vereinfacht wurden.
  • Welche Fragen oder zusätzlichen Informationen meine Einschätzung ändern könnten.