KI-Influencerin ohne KI-Slop: 5 Figuren, 5 lokale Modelle

👁 114 Aufrufe

Typische KI-Influencerinnen haben ein makelloses Gesicht, goldenes Licht und Neon im Hintergrund - und sehen sofort künstlich aus. Ich habe geprüft, ob sich das mit lokalen Modellen vermeiden lässt. Dafür habe ich mir fünf sehr unterschiedliche Figuren ausgedacht und von jeder mit fünf Modellen jeweils zwei Motive generiert. Auf meiner RTX 4090 entstanden insgesamt 125 Bilder. Das wichtigste Ergebnis: Eine konkrete Beschreibung der Person und des Ortes bringt mehr als eine Liste mit Wörtern wie „realistisch“ und „8K“. Die natürlichsten Smartphone-Fotos lieferte FLUX.2 Klein 4B, während Qwen-Image 2.1 die Beschreibung am zuverlässigsten umsetzte.

KI-Slop gegen echte Menschen: dieselbe Figur

Zuerst zeige ich, wie KI-Slop entsteht. In der oberen Reihe steht ein typischer Prompt aus Ratgebern: „schöne Wander-Influencerin in den Bergen, perfektes Gesicht, makellose Haut, spektakuläre Aussicht, filmisches Licht, 8K, ultra-detailliert, Meisterwerk“. Das ist eine Übersetzung des englischen Test-Prompts. In der unteren Reihe steht meine Beschreibung derselben Bergführerin aus Zakopane. Modelle, Seeds und Auflösung sind gleich.

Der Prompt „schön … 8K“ liefert bei jedem Modell dasselbe Ergebnis: goldenes Licht, eine filmreife Silhouette vor Berggipfeln oder ein Gesicht wie aus einem Katalog. Z-Image machte aus der „Frau in den Bergen“ ein Model im Top für ein Selfie. Die untere Reihe sieht aus wie Bilder, die jemand nach einer Wanderung wirklich posten würde: Wind, gerötete Wangen und Nebel.

In der „Slop“-Version machte Z-Image aus Kasia aus Gdańsk eine Asiatin. Ohne Beschreibung der Person setzt das Modell seinen standardmäßigen Schönheitstyp ein.

So schreiben Sie einen Prompt ohne KI-Slop

Nach 125 Bildern habe ich sechs Regeln, die bei allen fünf Modellen funktioniert haben:

1. Name, Alter und Beruf statt „schöne Frau“. Eine „34-jährige Hobbyläuferin“ ergibt ein anderes Gesicht als eine „schöne Frau Anfang 20“.
2. Zwei oder drei gewöhnliche Merkmale des Aussehens. Sommersprossen, eine leicht schiefe Nase, eine Zahnlücke, Aknenarben oder eine Brille an einer Kette. Die Modelle bilden solche Details tatsächlich ab.
3. Ein echter Ort, an dem Unordnung zu sehen ist. „Gemietete Küche in Wrocław, schmutziges Geschirr und ein Wasserkocher hinter ihr“ statt „Luxusküche“. Unordnung im Hintergrund wirkt stärker gegen den künstlichen Look als das Wort „realistisch“.
4. Wer das Foto macht. „Selfie mit der Frontkamera des Smartphones“ oder „vom Enkel aus ein paar Metern Entfernung aufgenommen“ legt Bildausschnitt, Perspektive und leichte Unvollkommenheiten fest.
5. Gewöhnliches Licht. Bewölkter Himmel, Deckenlampe oder Monitorlicht. Golden Hour und „filmisches Licht“ sind erste Anzeichen für KI-Slop.
6. Kein „8K“, „Meisterwerk“, „perfekt“ oder „makellos“. Diese Wörter lenken die Modelle in Richtung Werbung und glatter Haut.

In der dritten Runde ergänzte ich einen Absatz über „natürliche, nicht übertriebene Hautstruktur“, eine „gewöhnliche Person statt eines Models“ und ein wenig „Smartphone-HDR“. Das änderte weniger als erwartet. Bei Qwen fast gar nichts; bei FLUX.2 Klein verschwanden einige zufällige Gesichter aus dem Bild. Die Beschreibung der Person und des Ortes macht 90 Prozent der Arbeit aus.

Vorlage für einen fertigen Prompt

So sah der vollständige Prompt für eine der Figuren aus. Ersetzen Sie Name, Alter, Merkmale, Ort und Situation. Der folgende deutsche Text ist eine Übersetzung des verwendeten englischen Test-Prompts, kein erneut getesteter Prompt:

Foto von Halina, einer 62-jährigen Polin mit grauem Bob bis zum Kinn, einer Lesebrille an einer Perlenkette, Lachfalten und Altersflecken auf den Händen. Sie macht in ihrem Kleingarten in Łódź aus einem etwas ungünstigen niedrigen Winkel ein Selfie, kneift die Augen in der Sonne zusammen und trägt einen Strohhut und eine verblichene geblümte Schürze. Hinter ihr sind Tomatenpflanzen, eine rostige Gießkanne und ein Holzschuppen zu sehen; aufgenommen mit der Frontkamera eines Smartphones. Unbearbeitetes Smartphone-Foto: natürliche, nicht übertriebene Hautstruktur mit Poren und kleinen Unregelmäßigkeiten, kein Beautyfilter, kein Make-up-Glow. Sie sieht aus wie eine gewöhnliche echte Person, nicht wie ein Model, und trägt praktische Alltagskleidung, nichts Freizügiges. Leicht unvollkommener Bildausschnitt, ein wenig Smartphone-HDR und JPEG-Weichzeichnung, wie bei einem echten Instagram-Post. Anatomisch korrekt, pro Person ein Kopf.

Ich schreibe die Prompts auf Englisch, weil alle fünf Modelle diese Sprache am besten verstehen. Die polnischen Ortsnamen Brzezno, Meerauge und Lodz lasse ich stehen, weil die Modelle sie ohnehin erkennen.

Galerie: fünf Figuren mit fünf Modellen

In jeder Galerie zeigt die obere Reihe ein Selfie, die untere ein „Foto in Aktion“, das jemand anderes aufgenommen hat. Die Spalten stehen für die Modelle in derselben Reihenfolge wie in der Tabelle weiter unten.

Kasia, 34, läuft am Strand von Gdańsk

Amara, 27, kocht in Wrocław

Halina, 62, im Kleingarten in Łódź

Mei, 29, testet Technik in Kraków

Zofia, 24, Bergführerin in der Tatra

Die besten Einzelbilder

Welches Modell eignet sich für eine KI-Influencerin?

Meine Empfehlung: Wenn die Influencerin Geld verdienen soll, wählen Sie FLUX.2 Klein 4B. Das Modell hat eine Apache-2.0-Lizenz und liefert die natürlichsten Bilder. Für Tests und Entwürfe eignet sich Qwen-Image 2.1, weil es die Beschreibung am genauesten umsetzt.

Generierungszeit und Speicherbedarf auf der RTX 4090

Das sind die Zeiten aus der ersten Runde mit zehn Bildern pro Modell. Eingerechnet ist das erneute Laden des Textencoders bei jedem Prompt; ComfyUI lief mit --disable-smart-memory. Bei vielen Wiederholungen desselben Prompts sind die Modelle schneller. In einem separaten Test brauchte Qwen Turbo 3-4 Sekunden pro Bild.

Ein gleichbleibendes Gesicht auf mehreren Bildern

In diesem Test war jedes Bild eine eigene Generierung. Deshalb sieht Kasia bei den verschiedenen Modellen jeweils anders aus. Wer ein Profil mit einer einzigen Figur führen will, braucht dasselbe Gesicht auf 20-30 Bildern. So geht es:

1. Generieren Sie ein gutes Referenzporträt.
2. Verwenden Sie es als Referenzbild in einem Modell mit Bearbeitungsfunktion. FLUX 3 Klein unterstützt bis zu 10 Referenzen; Qwen-Image 2.1 unterstützt ebenfalls Referenzbilder. Beschreiben Sie dann nur den neuen Ort und die neue Situation.
3. Für ein längeres Profil trainieren Sie eine LoRA mit 20-30 der besten Bilder. FLUX.2 Klein Base und FLUX 3 Klein Base sind dafür ausgelegt.

Die Bearbeitung mit Referenzbild in FLUX 3 Klein beschreibe ich im Test zu FLUX 3 Image Klein lokal. Das schnellere Modell aus derselben Qwen-Familie finden Sie im Test zu Qwen-Image 2.1 Turbo.

KI-Inhalte kennzeichnen und transparent bleiben

• Eine erfundene Figur ist nicht dasselbe wie die Imitation einer realen Person. Generieren Sie keine Gesichter bekannter Personen oder Bekannter ohne deren Zustimmung.
• Der AI Act (Art. 50) verlangt eine Kennzeichnung von KI-generierten Inhalten, die irreführen können. Auf Instagram gibt es dafür ein Label, das auf KI hinweist.
• Ein KI-Influencerinnenprofil, das sich als reale Person ausgibt und Produkte verkauft, kann Verbraucher leicht täuschen. Ein klarer Hinweis in der Profilbeschreibung schafft Abhilfe.

So wiederholen Sie den Test selbst

1. Installieren Sie ComfyUI 0.41. Eine Anleitung finden Sie unter ComfyUI von Grund auf.
2. Laden Sie FLUX.2 Klein 4B (Apache 2.0) oder ein anderes Modell aus der Tabelle herunter. Die Dateilisten für alle Modelle finden Sie in der Übersicht Neue lokale KI-Modelle.
3. Stellen Sie das Format 4:5 (1024 x 1280) ein, also das Format eines Instagram-Posts.
4. Fügen Sie die Prompt-Vorlage ein und passen Sie die Figur an. Erstellen Sie pro Seed drei bis vier Varianten und wählen Sie eine aus: Selbst das beste Modell liegt in jedem zehnten Bild daneben.

Häufige Fragen

Wie kann ich kostenlos eine KI-Influencerin erstellen?

Lokal auf Ihrer eigenen Grafikkarte. Alle Modelle aus dem Test sind kostenlos herunterzuladen; FLUX.2 Klein 4B und Z-Image Turbo dürfen Sie auch kommerziell nutzen. Sie benötigen eine NVIDIA-Grafikkarte mit 12-24 GB VRAM und ComfyUI.

Warum sieht meine KI-Influencerin künstlich aus?

Meist liegt es an Wörtern wie „schön“, „perfekte Haut“, „8K“ und „filmisch“ sowie an der Golden Hour. Ersetzen Sie sie durch Altersangabe, gewöhnliche Merkmale, einen echten Ort mit etwas Unordnung und die Information, wer das Foto macht.

Welches Modell erzeugt die realistischsten Menschenbilder?

In meinem Test lieferte FLUX.2 Klein 4B die natürlichsten Smartphone-Fotos, während Qwen-Image 2.1 die Beschreibung am genauesten umsetzte. FLUX 3 Klein erzeugte die ausgeprägteste Hautstruktur, die manchmal übertrieben wirkte.

Darf ich mit einer KI-Influencerin auf Basis von Qwen Geld verdienen?

Nicht ohne Zustimmung von Alibaba. Qwen-Image 2.1 und Turbo haben die Lizenz Qwen Research und sind damit nur für Forschung und Tests vorgesehen.

Wie viel kostet der Strom?

Bei 7-20 Sekunden Grafikkartenlaufzeit pro Bild sind es Bruchteile eines Cent pro Bild. Eine genaue Berechnung der Kosten mit der eigenen Grafikkarte finden Sie im Artikel Lokales Modell oder API.

Quellen

• FLUX.2 Klein 4B auf Hugging Face (Apache-2.0-Lizenz)
• Z-Image Turbo auf Hugging Face (Apache-2.0-Lizenz)
• Qwen-Image 2.1 Turbo auf Hugging Face (Qwen-Research-Lizenz)
• FLUX 3 Image Klein auf Hugging Face
• Eigener Test auf einer RTX 4090 am 17. Oktober 2026: 125 Bilder in drei Runden.

// weiterlesenQwen-Image-2.1 im Test: Lokale RTX 4090 gegen Cloud-ModelleBenchmarksGemma 4 12B im Test: 7 lokale KI-Modelle auf RTX 4090BenchmarksKI für die Bachelorarbeit: 7 Modelle im Quellen-TestBenchmarks

Kinetyra