Bitte nicht alle nebeneinander aufstellen

Servus z’sammen,
aus den vorangegangenen Teilen wissen wir bereits was wir haben. Wir haben die Königsstrasse, wir haben unsere Figuren gecastet. Daher hatten wir Referenzbilder und inzwischen ziemlich genau, wie Ursula, Gustav, Nils, Pascal und all die anderen aussehen sollten.
Was sollte jetzt eigentlich noch schiefgehen können?
Nun. Wir wollten ein Gruppenfoto. Und diese Aufgabe klang denkbar einfach: Nimm mehrere gecastete Figuren, stelle sie auf die Königsstrasse und mache ein Foto.
Das Ergebnis sah ungefähr so aus, wie man es von der Betriebsfeier eines mittelständischen Versicherungsunternehmen erwarten durfte. Alle standen nebeneinander. Alle blickten direkt in die Kamera. Alle lächelten und niemand hatte erkennbar etwas mit irgendeinem der Menschen auf dem Bild zu tun.
Herzlichen Glückwinsch! Es war uns erfolgreich gelungen aus unseren Romanfiguren einen Betriebsausflug zu machen.
Vier Menschen sind noch keine Gruppe
Das Problem dabei war zunächst gar nicht die Qualität der Bilder. Die einzelnen Menschen konnten hervorragend aussehen. Die Straße konnte stimmen. Das Licht, die Kleidung, Perspektive und Hintergrund funktionierten. Und trotzdem war das Bild falsch.
Weil nichts passierte.
Das klingt bei einem Foto zunächst nach einer merkwürdigen Foderung. Natürlich passiert auf einem Bild nichts. Aber ein gutes Foto erzählt trotzdem, was eine Sekunde vorher passiert sein könnte und was eine Sekunde später passieren wird. Menschen reagieren aufeinander.
Menschen reagieren aufeinander. Einer spricht gerade. Jemand anderes muss darüber lachen. Eine Person schaut nicht in die Kamera, sondern zu jemandem neben sich. Einer steht etwas weiter vorn, ein anderer hat den Oberkörper leicht gedreht.
Zwei Menschen stehen näher beieinander als die übrigen der Gruppe und schon entsteht etwas, das unser Gehirn sofort erkennt: Beziehungen. Doch genau diese fehlten unseren Gruppenbildern.

Die Königsstrasse kennt keine Klassenfotos

Das hätten wir eigentlich wissen müssen. Denn unsere Romane funktionieren genauso. Die Königsstrasse ist keine Sammlung von Figuren. Die Königsstrasse besteht aus Beziehungen. Ursula kennt Tracy nicht einfach. Bei Tracys liegt Ursulas Ersatzschlüssel. Gustav betreibt nicht nur das Cuvée Noire. Er lebt mit Niklas und Linus zusammen. Holger ist nicht einfach irgendein Pilot, der irgendwann in Haus 5 auftaucht. Er ist Ursula Bermanns Sohn, war mit Fiona verheiratet und verliebt sich in Pascal.
Auch Nils ist nicht einfach nur ein junger Fotograf mit Lippenpiercings. Er ist Teil einer WG, Micas Freund, ein wandelnder Wortschwall und jemand, bei dem man vermutlich schon an seiner Körperhaltung erkennen müsste, was er gerade ausheckt.
Wenn wir diese Menschen auf einem Bild plötzlich voneinander isolieren, verlieren wir genau das, was die Königsstrasse ausmacht.
Also veränderte ich die Prompts. Nicht: Vier Personen stehen gemeinsam auf der Königsstrasse. Sondern zu: Was tun diese vier Menschen gerade miteinander?

Der Moment zwischen den Fotos

Eine der hilfreichsten Ideen war schließlich, gar kein perfektes Gruppenfoto mehr erzeugen zu wollen. Stattdessen, wollte ich einen Moment zwischen zwei Aufnahmen. Sprich, der virtuelle Fotograf hat noch nicht ausgelöst. Oder es vor einer Sekunde getan. Und genau das ist der Moment wo sich die Mitglieder aus ihrer Pose lösen.
Jemand sagt etwas. Ein anderer reagiert. Einer von ihnen dreht sich weg und wieder einer lacht. Eine Hand berührt jemanden beiläufig am Arm. Und genau in diesem Moment macht die Kamera das eigentliche Bild.
Plötzlich mussten unsere Figuren nicht mehr alle gleichzeitig wissen, dass sie gerade fotografiert werden. Und das veränderte erstaunlich viel.
Schultern drehten sich. Blickrichtungen wurden unterschiedlich. Menschen standen nicht mehr exakt auf derselben horizontalen Linie. Und endlich sah es ein wenig danach aus, als hätte jemand gerufen: „Die großen nach hinten!“

Das Beziehungsdreieck

Alle der Personen mussten sichtbar miteinander verbunden sein. Nicht unbedingt zwingend durch Berührungen. Den dies wäre womöglich sehr schnell, sehr künstlich geworden. Sondern, es sollte durch Positionen, Blickrichtungen und Reaktionen erkenntlich sein.
Gustav konnte als visueller, ruhiger Anker relativ frontal stehen. Linus ihm vertraut zugewandt. Doch Niklas, durfte nicht einfach daneben geparkt wirken, sondern musste in die Situation hinein. So hinein, dass auch zwischen ihm und den anderen eine Beziehung sichtbar blieb.
Und plötzlich ging es nicht mehr darum, wo drei Männer stehen. Es ging darum, wie man ihre Geschichte in einem einzigen eingefrorenen Moment erzählt. Und, irgendwann funktionierte es.
Plötzlich standen dort nicht mehr nur Gustav, Niklas und Linus. Da stand der Dreiklang.

Und dann kam Jonas

Natürlich waren wir damit noch nicht zufrieden. Denn für unser Castfoto zu „Dreiklang“ sollte schließlich auch Jonas Steiner noch dazukommen.
Jonas gehört zur Geschichte. Aber Jonas gehört nicht zur Beziehung.
Was überraschenderweise noch komplizierter ist. Denn nun musste er plötzlich Teil der Gruppe sein, ohne wie ein vierter Partner zu wirken. Gleichzeitig durfte er auch nicht aussehen, wie jemand der zufällig in dem Bild platziert wurde.
Willkommen bei: „Diese vier Menschen kennen sich gut, aber drei von ihnen schlafen miteinander.“
Versucht das mal in einem Bild sichtbar zu machen. Wir haben es versucht. Mehrfach. Und irgendwann fanden wir heraus, die Lösung liegt weniger in großen Gesten als in kleinen Abständen.
Wer steht wem näher? Welche Körper sind einander zugewandt? Wo entsteht eine Vertrautheit? Und wo bleibt genug Distanz, damit eine andere Art von Beziehung untereinander sichtbar wird? Irgendwann hatte ich das Gefühl, ich würde keine KI Bilder erstellen, sondern Aufstellungen für eine Paartherapie durchzuführen.

Hände. Immer wieder Hände

Und, dann gibt es da noch dieses ganz eigene Kapitel in der KI Fotografie.
Hände.
Generative Bildmodelle sind inzwischen schon wesentlich besser darin geworden. Was allerdings nicht bedeutet, dass Menschen auf Gruppenbildern plötzlich wissen, was sie mit ihren Händen machen sollen. Ein Problem, das echte Fotografen womöglich auch zur Genüge kennen.
Nur kann ein echter Fotograf eben sagen: „Nimm verdammt nochmal die Hände aus den Hosentaschen.“
Bei der Arbeit mit einer KI formuliert man irgendwann stattdessen Sätze wie: „Die Personen verwenden unterschiedliche, natürliche Handbewegungen.“
Warum?
Weil ansonsten plötzlich drei Männer nebeneinanderstehen und alle gleichzeitig eine Hand in der Hosentasche haben. Oder alle verschränken die Arme. Oder alle lassen die Arme kerzengerade am Körper herunterhängen. Auch gern genommen: Zwei Personen führen unabhängig voneinander exakt dieselbe Geste aus.
Dann sieht das Bild auf den ersten Blick vollkommen normal aus. Bis man es bemerkt. Danach kann man es nie wieder nicht sehen.

Nicht anfassen!

Während wir langsam immer besser darin wurden Gruppen zu arrangieren, tauchte ein neues Problem auf.
Die Figuren veränderten sich. Ihr erinnert Euch, wir hatten Gustav. Wir hatten Linus, Niklas und Jonas. Nun baten wir die Bild KI daraus ein gemeinsames Bild zu machen.
Worauf sie offenbar dachte: „Sehr schön. Ich mache euch daraus vier ähnliche Männer.“
Nein. Genau das nicht.
Ein Gesicht wurde etwas schmaler. Eine Frisur veränderte sich. Der Bart bekam plötzlich eine andere Form. Während der eine Körper schlanker wurde, wurde der andere fünf Jahre jünger.
Das Ergebnis war oft objektiv völlig in Ordnung. Nur stand dort nicht mehr unser Cast.
Also wurden unsere Prompts zunehmen energischer. Die vorhandenen Referenzen sind verbindlich. Gesichtsform nicht verändern. Alterseindruck nicht verändern. Keine Verschönerung. Keine Verjüngung. Keine Vermischung charakteristischer Merkmale.
Oder in der Kurzfassung dessen, was wir sagen wollten: Finger weg. Wir haben sie bereits gecastet.

Einer nach dem anderen

Dabei lernten wir noch etwas. Je größer eine Gruppe wird, desto schwieriger wird es, sämtliche Figuren gleichzeitig stabil zu halten. Also begann wir teilweise, Gruppenbilder schrittweise aufzubauen. Erst eine Person. Dann zwei. Wenn das funktionierte, kam die dritte dazu. Danach die Vierte. Bei jedem Schritt wurde das zuvor generierte und für gut befundene Bild zur Grundlage des neuesten.
Das hatte einen großen Vorteil: Wir mussten nicht bei jedem Versuch die komplette Szene neu würfeln. Es hatte allerdings auch einen Nachtteil. Mit jedem neuen Menschen bekam die KI eine weitere Gelegenheit, jemanden zu verändern, der vollkommen richtig gewesen war.
Man fügt Person vier hinzu. Person vier ist perfekt. Dafür hat Person zwei eine andere Nase.
Also noch einmal. Diesmal stimmt Person zwei, doch dafür ist Person vier auf einmal zehn Jahre jünger.
Noch einmal. Jetzt stimmen alle Gesichter. Dafür stehen sie nebeneinander wie bei einem Bild der Jahreshauptversammlung.
Und, sind wir ehrlich, zu diesem Zeitpunkt entwickelt man eine emotional bemerkenswerte Beziehung zum Wort „unverändert“.

Und dann funktioniert es plötzlich

Das ist vielleicht das Faszinierendste an der ganzen Sache. Man probiert, man korrigiert. Man verändert die Abstände zwischen Personen, man beschreibt Blicke. Man erklärt Beziehungen. Man verteidigt Gustavs Bart, verhindert das Ursula plötzlich um einige Zentimeter wächst. Ebenso bittet man siebenmal darum, dass nicht alle ihre Hände gleich halten.
Doch dann erschient ein Bild. Und plötzlich stimmt es. Nicht mathematisch, nicht perfekt. Aber die Menschen auf diesem Bild kennen sich. Man sieht es eindeutig.
Vielleicht lehnt sich einer gerade ein wenig zu einem anderen. Einer schaut nicht direkt in die Kamera, währen dein anderer vielleicht über etwas lacht, das sich außerhalb der Kamera befindet. Und für einen kurzen Moment vergisst man, dass keine dieser Personen jemals gemeinsam vor einer Kamera gestanden haben.
Weil keine dieser Personen überhaupt existieren.

Von der Illustration zum Fotoshooting

Damit hat sich auch mein Blick auf die Visualisierung der Königsstrasse geändert. Am Anfang wollte ich Bilder zu den Romanen. Heute spreche tatsächlich von Castings und Fotoshootings. Nicht, weil ich vergessen hätte, dass dahinter eine generative KI steht. Nein, sondern weil die Arbeitsweise inzwischen ähnlich geworden ist.
Wir haben eine Location. Wir haben einen Cast. Wir haben Kostüme. Damit überlege ich mir mit Hilfe der KI eine Bildkomposition. Dabei achten wir auf Licht und Kameraposition. Und ich versuche den Figuren eine Situation zu geben, in der sich so verhalten, wie wir aus den Romanen kennen.
Denn das Ziel ist nicht länger: Mach ein schönes Bild.
Das Ziel ist: Erzähl mir in diesem Bild etwas über die Menschen.
Und wahrscheinlich ist genau das der Punkt, an dem aus KI-generierten Bildern für uns etwas wirklich Interessantes geworden ist.
Denn ein perfektes Gesicht kann beeindruckend sein. Eine perfekt generierte Straße ebenfalls. Aber erst wenn Ursula neben Manfred steht und man ohne Erklärung glaubt, dass diese beide Menschen seit Jahrzehnten miteinander verheiratet sind, beginnt das Bild eine Geschichte zu erzählen.
Und Geschichten waren schließlich der Grund, warum es die Königsstrasse überhaupt gibt.
Inzwischen haben wir eine deshalb eine ganze Reihe solcher Bilder. Einzelporträts. Paare. Familien. Castfotos. Figuren in unterschiedlichen Lebensaltern und natürlich die Straße selbst.
Und damit stellte sich zwangsläufig eine neue Frage.

Was machen wir eigentlich mit all dem?

Den spätestens jetzt war aus unserem kleinen Experiment etwas geworden, das nicht mehr nur auf unseren Festplatten herumliegen sollte.
Also, bekam die Königsstrasse einen Webauftritt. Und unsere künstliche Kulisse auf einmal einen ziemlich realen Job.
Aber, das wäre dann Teil 4, bis dahin
Euer Uli