Blog
Bessere KI-Prompts schreiben
Von Ofrai Editorial (Editorial Team)
Ein großer Teil der KI-Ausgabequalität wird entschieden, bevor das Modell überhaupt angefasst wird — im Prompt. Nach zwei Jahren Ofrai-Wochenbenchmark haben wir fünf Prompt-Engineering-Regeln gefunden, die Retries über GPT Image 2, Nano Banana Pro, Seedance 2.5, Kling 3 und Flux 2 ungefähr halbieren. Dieser Guide erklärt jede Regel mit einem echten Vorher/Nachher-Beispiel und zeigt, wie der Ofrai-Prompt-Router denselben Brief pro Modell anders rendert.
Regel 1: Subjekt, Objektiv und Licht benennen
Vage Prompts liefern vage Ergebnisse. Ein Satz wie ‚eine schöne Frau in einem Café‘ landet irgendwo auf einem 50-Bild-Raster und zwingt Sie, Ihren Geschmack neu zu trainieren. Ein Satz, der Subjekt, Objektiv und Licht benennt, ist ein Brief, kein Vibe — ‚Editorial-Porträt, Model Anfang 30, 85 mm bei f/1,8, Fensterlicht von links, kein Blitz‘ — und gibt dem Modell vier Anker. Im Ofrai-Benchmark schlagen Prompts mit Subjekt + Objektiv + Licht vage Briefe bei der First-Render-Akzeptanz um rund 38 Prozent.
Regel 2: Negatives für das, was nicht erscheinen darf
Generative Modelle fallen in Klischees: zusätzliche Finger, Stockfoto-Lächeln, Wasserzeichen, Markenlogos. Ein Negativblock filtert das vor dem Rendern. Schreiben Sie ihn als kurze, meinungsstarke Liste — ‚kein Text, kein Wasserzeichen, kein Logo, keine zusätzlichen Finger, keine Gruppen‘ — und pinnen Sie ihn einmal pro Projekt, nicht pro Render. Im August-Benchmark senkte derselbe Negativblock auf GPT Image 2 und Flux 2 unsere Retouch-Rate um rund ein Viertel.
Regel 3: Eine Stilreferenz pinnen, kein Moodboard
‚Cinematisch, moody, hoher Kontrast, wie ein Terrence-Malick-Film‘ gibt dem Modell drei sich gegenseitig auslöschende Signale. Wählen Sie eine Referenz und lassen Sie sie den Stil tragen — ‚gedreht auf Kodak Portra 400, Tageslicht-Weißabgleich, kein LUT‘. Eine Referenz schlägt drei Adjektive in jedem Cross-Model-A/B, den wir gefahren sind, weil das Modell sie tatsächlich auf eine Trainingsverteilung mappen kann.
Regel 4: Komposition per Kamera steuern, nicht per Adjektiv
Wörter wie ‚zentriert, ausgewogen, dramatisch‘ sind fragil; Kamera-Wörter sind konkret. Sagen Sie ‚Augenhöhe, Subjekt rechts im Bild, Leading Line im unteren Drittel‘ und das Modell hat Geometrie, die es umsetzen kann. Für Video gilt dasselbe: ‚Slow Push-In, 5 Sekunden, handgehaltene Mikro-Erschütterung‘ schlägt ‚cinematischer emotionaler Shot‘ jedes Mal. In Kamera-Grammatik ausgedrückte Komposition ist portabel über GPT Image 2, Seedance, Kling und Veo.
Regel 5: Den Brief iterieren, nicht den Seed
Den Seed neu auszuwürfeln und auf einen besseren Take zu hoffen, ist die teuerste Angewohnheit in der KI-Produktion. Jeder Re-Roll verbrennt Credits, ohne den Brief zu ändern. Ändern Sie stattdessen pro Iteration nur eine Variable im Prompt — Lichtrichtung, Objektiv oder Hintergrund — und halten Sie den Rest des Briefs gesperrt. Im August-Benchmark senkte dieser Workflow die durchschnittlichen Kosten pro akzeptiertem Still von 9,2 auf 5,4 Credits auf Seedance und von 7,8 auf 5,1 auf Flux 2.
Wie der Ofrai-Prompt-Router denselben Brief in sechs Outputs verwandelt
Derselbe Brief liefert auf sechs Engines unterschiedliche Ergebnisse — genau das ist der Sinn eines Aggregators. In Ofrai fügen Sie den Brief einmal ein, und der Router wählt die günstigste Engine passend zu Ihrer Intention: GPT Image 2, wenn Layout oder Text zählen, Nano Banana Pro für fotografische Haut, Flux 2 für eine gestylte Kampagne, Seedance 2.5, wenn die Bewegung über Cuts halten muss, Kling 3 für hohe Energie, Veo 3 für cinematisches 4K. Sie können nach einem A/B-Pass ein bestimmtes Modell pinnen. Die Wallet ist ein Abo, der Vergleich läuft pro akzeptiertem Output.
FAQ
- Wie lang sollte ein KI-Prompt 2026 sein?
- Es gibt keine Universallänge, aber unsere Benchmark-Daten zeigen, dass Prompts zwischen 60 und 140 Wörtern die höchste Akzeptanzrate über GPT Image 2, Flux 2 und Seedance erreichen. Kürzer als 40 Wörter verliert Spezifität; länger als 200 Wörter fügt Rauschen hinzu, das das Modell mittelt.
- Helfen detaillierte Prompts bei der KI-Bilderzeugung wirklich?
- Ja — detaillierte Prompts, die Subjekt, Objektiv, Licht, Komposition und Negatives benennen, heben die First-Render-Akzeptanz in unserem Wochenbenchmark um rund 30 bis 40 Prozent. Vage Prompts mit nur Adjektiven sind der langsamste Weg zu einem brauchbaren Still.
- Was ist die beste Struktur für KI-Prompts?
- Subjekt + Objektiv/Licht + Komposition + Stilreferenz + Negatives. Diese Fünf-Block-Struktur funktioniert auf GPT Image 2, Nano Banana Pro, Flux 2, Seedance, Kling und Veo und ist das Format, das der Ofrai-Router beim Engine-Auswählen erwartet.
- Sollte ich für verschiedene KI-Modelle unterschiedliche Prompts schreiben?
- Meist nein. Die Fünf-Block-Struktur wandert mit kleinen Anpassungen über Modelle; Seedance und Kling wollen etwas mehr Kamera-Grammatik, GPT Image 2 etwas mehr Text-im-Bild-Hinweise, Flux 2 etwas mehr Stilanker. In Ofrai wechseln Sie das Modell, ohne den Prompt neu zu schreiben.
- Spielt Prompt-Engineering für KI-Video eine Rolle?
- Mehr als für Stills. Kamerabewegung, Dauer und Shot-Grammatik tragen den Brief; ohne sie bekommen Sie ein schönes Frame und ein schmelzendes zweites Beat. Die Fünf-Block-Struktur plus ein ‚5 s, slow push-in, handgehaltene Mikro-Erschütterung‘-Schwanz produziert brauchbare Bewegung in zwei bis drei Retries statt acht.
- Wie verhindere ich, dass meine KI-Prompts generisch klingen?
- Ersetzen Sie jedes Adjektiv, das eine Stimmung benennt, durch eine konkrete Referenz. ‚Cinematisch‘ wird zu ‚Kodak Portra 400, Tageslicht-WB‘. ‚Moody‘ wird zu ‚Fensterlicht von links, kein Fill‘. Konkrete Referenzen überleben Cross-Model-A/B; Adjektive nicht.