Jedes menschliche Genom enthält Millionen genetischer Varianten. Die meisten sind harmlos, doch manchmal kann schon eine einzige Veränderung eine schwere Krankheit verursachen. Diese eine Variante zu finden gleicht der Suche nach der Nadel im Heuhaufen – eine Herausforderung, die zunehmend mit Machine Learning angegangen wird.
Wenn der Linienbetrieb endet, beginnt im Straßenbahndepot ein komplexes Optimierungsproblem. Gemeinsam mit der Firma IVU Traffic Technologies haben wir untersucht, wie Deep Reinforcement Learning die dynamische Disposition im Depot unterstützen kann.
Beim diesjährigen Frühlingsevent in Köln kamen Kolleg:innen aus allen Standorten zusammen, darunter erstmals auch welche aus Berlin und München. Zwei Tage lang standen Austausch, Teamkultur und spannende interne Themen im Mittelpunkt – von Leistungsbeurteilung und Feedback über KI-Ethik bis hin zu Diversity, Co-Design und gemeinsamen Aktivitäten in Köln. Der Rückblick zeigt, wie wertvoll persönliche Begegnungen sind, wenn ein Team weiter wächst und zugleich eng verbunden bleiben möchte.
Bei den Frühlingskonferenzen 2026 drehte sich alles um KI, Daten und praxisnahe Engineering-Themen. Auf der PyCon DE & PyData sowie der Minds Mastering Machines hielten wir Vorträge zu RAG-Pipelines mit multimodalen Embeddings, Spec-Driven Development, Genolator und KI-Bildgenerierung. Dieser Beitrag gibt einen kompakten Überblick über die wichtigsten Inhalte, technischen Erkenntnisse und zentralen Erkenntnisse der Konferenzen.
Eine erfolgreiche Organisation lebt nicht nur von effizienten Prozessen und durchdachten Strategien, sondern vor allem von den Menschen, die sie mit ihrem Wissen, ihren Erfahrungen und ihren vielfältigen Perspektiven täglich gestalten. Genau diese Vielfalt lässt unser Team wachsen und stärker werden. Deshalb ist es uns wichtig, dass alle unsere Mitarbeitenden die Möglichkeit haben, sich aktiv einzubringen und ihre Stimme zu nutzen.
Ob durch regelmäßiges Mitarbeitenden-Feedback, individuelle Ideen oder die Mitwirkung an internen Themen: Beteiligung ist ein fester Bestandteil unserer Kultur. Dadurch entwickeln wir uns gemeinsam weiter, lernen voneinander und schaffen ein Arbeitsumfeld, in dem sich alle gehört und wertgeschätzt fühlen.
In diesem Beitrag zeigen wir, welche Möglichkeiten es gibt, sich einzubringen, und wie jede Person unsere Unternehmenskultur aktiv mitgestalten kann.
Regelmäßiges Mitarbeitenden-Feedback ist ein essenzieller Bestandteil unserer Zusammenarbeit. Es bietet Raum für offene Rückmeldungen, neue Perspektiven und konkrete Vorschläge und trägt dazu bei, dass wir uns als Team kontinuierlich weiterentwickeln können.
Ein zentrales Format dafür ist unsere jährliche Mitarbeitendenzufriedenheitsumfrage. Sie findet anonym statt, sodass alle Mitarbeitenden ihre Meinungen, Einschätzungen und konstruktive Kritik offen teilen können – auch zu Themen, die im Arbeitsalltag möglicherweise weniger sichtbar sind. Ein Beispiel hierfür ist die Frage, wie wir Diversity in unserer Arbeitsumgebung weiterhin aktiv vorantreiben können.
Die Ergebnisse sind dabei mehr als nur ein Stimmungsbarometer. Sie helfen uns, Entwicklungen frühzeitig zu erkennen, gezielte Maßnahmen abzuleiten und einen kontinuierlichen Dialog zu fördern, der unsere Organisation nachhaltig stärkt.
Darüber hinaus führen wir regelmäßig Umfragen zu verschiedenen internen Themen durch. Sie schaffen einen geschützten Raum, in dem wir konkretes und ehrliches Feedback – gerne auch anonym – einholen können, und dienen als Ausgangspunkt für gemeinsame Gespräche, Workshops und interne Initiativen. Anschließend werden diese Initiativen in kleineren Arbeitsgruppen aktiv umgesetzt. Mehr dazu erzählen wir gleich.
Die Meinung von Mitarbeitenden ist aber auch persönlich stets willkommen, egal ob bei einem spontanen Austausch oder im Rahmen des Jahresgesprächs.
Neben regelmäßigem Mitarbeitenden-Feedback ist auch der regelmäßige Wissensaustausch für unsere tägliche Arbeit von großer Bedeutung. Ein etabliertes Format dafür sind unsere Shared-Knowledge-Sessions. Sie finden alle zwei Wochen statt und bieten einen offenen Rahmen, in dem wir unser Wissen miteinander teilen und voneinander lernen können.
Die Inhalte dieser internen Sessions entstehen direkt aus dem Arbeitsalltag. Mitarbeitende haben die Möglichkeit, eine Session zu einem Thema ihrer Wahl anzubieten. Dabei ist es egal, ob es sich um ein technisches Thema, ein neues KI-Tool oder ein persönliches Interessengebiet handelt.
Gleichzeitig bieten sie allen Teilnehmenden die Möglichkeit, neue Einblicke in unterschiedliche Arbeitsbereiche zu gewinnen, von den Erfahrungen der Kolleg:innen zu profitieren und ihr eigenes Wissen kontinuierlich zu erweitern. Der regelmäßige Wissensaustausch fördert eine offene Lernkultur und schafft eine Umgebung, in der Informationen und Wissen frei zugänglich sind, transparent geteilt werden und gemeinsam weiterentwickelt werden können. Außerdem findet wöchentlich ein Treffen von Mitarbeitenden aller fünf Standorte statt, bei dem verschiedene Themen besprochen werden. Dadurch erhalten alle einen tieferen Einblick in die Arbeit der anderen und erfahren, wie sie an die Themen herangehen.
Gute Ideen können überall entstehen und sich auf die unterschiedlichsten Bereiche beziehen. Wir laden daher alle Mitarbeitenden aktiv dazu ein, eigene Vorschläge und Impulse zur Verbesserung interner Prozesse sowie zur Weiterentwicklung unserer Unternehmenskultur einzubringen. Jede Idee kann ein wertvoller Impuls für die Weiterentwicklung unserer Organisation sein.
In den vergangenen Jahren sind bereits verschiedene Initiativen aus Ideen von Mitarbeitenden entstanden: So wurde beispielsweise auf Wunsch von Mitarbeitenden die Rolle der Diversity-Managerin geschaffen, ebenso wie Formate wie die oben genannte Mitarbeitendenumfrage oder die Frauenrunde (Ein Treffen, das einmal im Monat stattfindet und bei dem sich alle Mitarbeiterinnen zusammenkommen, um sich miteinander auszutauschen). Auch der DesInfo-Navigator ist ein Ergebnis interner Impulse. Wer auch eine Idee für ein After-Work-Event hat, kann diese jederzeit im Channel bei ihrem Standort teilen.
Ein weiteres Beispiel ist die Idee eines Mitarbeitenden, zunächst einen Coffee Bot auf unserem internen Kommunikationskanal zu testen und ihn anschließend umzusetzen. Das ist heute ein bedeutender Aspekt unseres Arbeitsalltags geworden. Dabei werden zwei oder mehr Arbeitskolleginnen und Kollegen, die Lust und Zeit haben, zufällig zu einem Catchup Round zusammengebracht. Je nach Matchup können sie sich im Büro oder remote zusammensetzen und sich einfach austauschen. So haben wir die Möglichkeit, uns über unsere Zusammenarbeit hinaus besser kennenzulernen.
Wer eine Idee hat, kann diese jederzeit über interne Kanäle teilen oder das Thema direkt im Team ansprechen. So entsteht ein offener Austausch, in dem neue Ansätze sichtbar werden, die gemeinsam weitergedacht werden können.
Viele der individuellen Ideen, die von uns ausgehen, entwickeln sich anschließend in konkrete Initiativen. Neben der Möglichkeit, Feedback zu geben und eigene Ideen einzubringen, können sich Mitarbeitende aktiv an internen Themen beteiligen und deren Weiterentwicklung mitgestalten.
Zu diesem Zweck bilden sich zu verschiedenen internen Themen (z. B. Projektzufriedenheit, kollegiales Feedback usw.) eigenständig Arbeitsgruppen. Sie entstehen aus dem Interesse und der Initiative unserer Mitarbeitenden. In den Gruppen beschäftigen wir uns mit organisatorischen, technischen oder kulturellen Themen, zu denen wir gemeinsam neue Konzepte entwickeln, Wissen strukturieren und an Lösungen arbeiten. Bei unseren zweimal im Jahr stattfindenden Firmenevents im Frühling und Herbst können die neuen Ergebnisse sowie der aktuelle Stand interner Projekte mit allen geteilt werden.
Ein Beispiel hierfür ist das Thema „Familiäres Wachstum“. Hierzu hat sich eine kleine Arbeitsgruppe gebildet, die sich neben der täglichen Arbeit mit Kundenprojekten die Zeit nimmt, das Thema in einem internen Projekt voranzutreiben. Der aktuelle Stand zu diesem Thema ist, dass wir derzeit Geburtstagsbuddys haben. Wer Lust hat, kann sich beteiligen, indem er oder sie sich am eigenen Standort mit anderen zufällig als Geburtstagsbuddy matchen lässt, um sich gegenseitig kleine Geschenke zu machen. Darüber hinaus entstehen aus diesen Initiativen immer wieder weitere Formate und Angebote, wie beispielsweise ein interner Merch-Shop oder gemeinsame Potluck-Partys.
Ein weiteres Thema, das für uns als Unternehmen in letzter Zeit spannend ist, ist die Entwicklung des Data Product Ownership (DPO). Warum wir das Thema gestalten: Als Data Product Owner können wir unsere Kunden in Bezug auf Data Products und Strategien besser unterstützen. Dabei können Mitarbeitende, die daran interessiert sind, die Weiterentwicklung selbst mitgestalten und weitere Schritte mitbestimmen. Unser Angebot zum Thema DPO wird hier näher erläutert.
Auf diese Weise kann Mitgestaltung zu einem aktiven Bestandteil unseres Arbeitsalltags werden. Dazu gehört auch, dass Mitarbeitende an ihren Standorten regelmäßig eigene Teamevents planen und umsetzen können. Durch den regelmäßigen Austausch hat jede Person die Möglichkeit, ihre Perspektive einzubringen und dazu beizutragen, unsere Unternehmenskultur bewusst mitzuprägen.
Wie bereits erwähnt, finden unsere Firmenevents zweimal im Jahr statt. Unsere Mitarbeitenden erwartet dabei ein abwechslungsreiches Programm aus inhaltlichem Austausch, gemeinsamen Aktivitäten und Raum für persönliches Kennenlernen.
Im Rahmen von Projektvorstellungen, Wissensaustauschformaten und Lightning Talks zu technischen oder persönlichen Themen geben Kolleg:innen Einblicke in ihre Arbeit und Interessen. Gleichzeitig schaffen gemeinsame Erlebnisse wie Graffiti-Workshops oder Escape-Room-Besuche einen Ausgleich zum Arbeitsalltag. Auch das gemeinsame Abendessen bietet Raum für Austausch in entspannter Atmosphäre.
Zum Abschluss jedes Events findet selbstverständlich eine Feedbackrunde statt, in der wir erfahren, was wir beibehalten und was wir beim nächsten Mal besser machen können.
Auch diese Veranstaltungen leben von der aktiven Beteiligung unserer Mitarbeitenden. Bei uns übernimmt nicht eine Person die zentrale Planung, sondern mehrere Kolleg:innen bringen sich in die Organisation ein, sammeln Ideen und entwickeln gemeinschaftlich ein Programm, das die Interessen unseres Teams widerspiegelt.
So gab es bei unserem letzten Event im Herbst beispielsweise ein gemeinsames Flammkuchenessen und einen Besuch im Funpark. Unsere Frühlingsevent und unser Herbstevent im Jahr 2025 sind auf unserem Blog zu lesen.
Gerade weil unser Unternehmen kontinuierlich wächst und immer wieder neue Mitarbeitende dazukommen, ist jede Veranstaltung an jedem unserer Standorte einzigartig. Die gemeinsamen Erlebnisse, die wir als vollständiges Team bei diesen Veranstaltungen haben, fördern den persönlichen Austausch, stärken unseren Zusammenhalt und ermöglichen Gespräche, die im Arbeitsalltag oft zu kurz kommen.
Mitarbeitendenbeteiligung bedeutet viel mehr als nur Feedback zu geben und anzunehmen. Sie bedeutet auch, eigene Ideen einzubringen, Initiative zu ergreifen und aktiv zur Weiterentwicklung unserer Kultur beizutragen. Jede Meinung, jede Initiative und jedes Engagement trägt dazu bei, unser Team weiterzuentwickeln und zu stärken.
Sei es durch die Erfassung von Meinungen, die Mitteilung eigener Ideen oder die Mitwirkung an internen Themen: Beteiligung schafft Transparenz, Vertrauen und Vielfalt. Sie hilft uns, unser Miteinander zu stärken und als Team weiterzuwachsen.
Wir laden alle Mitarbeitenden ein, diese Möglichkeiten zu nutzen, Fragen zu stellen und neue Impulse zu setzen. Denn am Ende gestalten wir unsere Organisation gemeinsam.
Du möchtest Teil von scieneers werden? Hier erfährst du Schritt für Schritt, wie unser Bewerbungsprozess aussieht – von der Online-Bewerbung über Remote-Interviews bis zum Kennenlernen vor Ort. Finde heraus, ob wir zueinander passen, und entdecke, was im Bewerbungsprozess besonders wichtig ist: Persönlichkeit, Eigeninitiative und Begeisterung für Technik.
Ein Besuch auf der Microsoft AI Tour 2026 in München zeigt, wie rasant sich KI von einer experimentellen Technologie zu einer zentralen Infrastruktur für Unternehmen und Forschung entwickelt. Von multimodalen Modellen im Healthcare‑Bereich über neue Konzepte digitaler Souveränität bis hin zu KI‑gestützten Entwicklungsplattformen und Agenten in Business‑Prozessen – ein persönlicher Erfahrungsbericht über die wichtigsten Eindrücke und Entwicklungen rund um die nächste Generation von KI‑Systemen.
Bei der Planung von Datenprodukten oder Softwareprojekten entsteht oft erst durch eine klare Abgrenzung der Entwicklungsphasen Klarheit.
Ein stufenweiser Aufbau reduziert die Unsicherheit schrittweise und gleicht die Erwartungen in interdisziplinären Teams an.
Die Bilder mit variabler Fingeranzahl und verzerrten Gesichtern, die von KI-Bildgeneratoren noch vor wenigen Jahren erzeugt wurden, sind uns allen noch in guter Erinnerung. Die meisten Ergebnisse waren bestenfalls lustig, für eine echte Verwendung aber eher unbrauchbar. Das hat sich – vor allem in 2025 – drastisch geändert. Die Grenzen des technisch Machbaren und damit auch die Zahl möglicher Use Cases verschieben sich monatlich. Die Bildgenerierung wird immer schneller und günstiger. Zudem kann sie sich auf mehr Referenzbilder beziehen und Texte besser darstellen. Dabei sind auch 4K-Auflösungen und sämtliche gängigen Bildformate kein Problem mehr. Die Vorreiter dieser Revolution sind der Software-Gigant Google und ein vergleichsweise kleines, aber schlagkräftiges Startup aus Freiburg. Doch dazu später mehr.
Gemeinsam mit unserem Kunden haben wir ein umfangreiches Projekt mit Bildgenerierung als grundlegender Technologie realisiert: eine Anwendung zur KI-unterstützten Erstellung von sogenannten Storyboards – verbildlichte Darstellungen von Stories. In diesem Blogbeitrag teilen wir unsere Erfahrungen aus diesem Projekt. Darüber hinaus gehen wir auf die Funktionsweise der aktuell besten Modelle ein, geben einen Überblick über die aktuelle Modelllandschaft, erklären, wie man Bildmodelle effektiv promptet, und stellen weitere mögliche Use Cases vor.
Gängige State-of-the-Art (SOTA) Bildgeneratoren basieren unter der Haube auf einer Kombination aus der Transformer-Architektur, die auch großen Sprachmodellen zugrunde liegt, und sogenannten Diffusionsmodellen. Diffusionsmodelle erzeugen aus zufälligem Pixelrauschen (wie es früher bei schlechtem Empfang auf dem Fernseher zu sehen war) hochauflösende Bilder. Grob kann man sich die Vorgehensweise wie eine Art Kamera vorstellen, nennen wir sie für das Beispiel “Traumkamera”:
Wie eine echte Kamera startet die Traumkamera mit einer geschlossenen Linse. Dadurch fällt kein Licht-Signal auf die einzelnen Pixelsensoren, dort entsteht nur ein komplett zufälliges Signal aus thermischem Rauschen.
Anstatt die Linse zu öffnen, erhält die Traumkamera als Signal jetzt ein Prompt, der beschreibt, welches Bild generiert werden soll. Die innere Elektronik der Traumkamera wurde durch ein Training mit sehr vielen Prompts und fertigen Bildern so verschaltet, dass sie das zufällige Rauschen schrittweise in ein echtes Bild umformt. In jedem Schritt werden die einzelnen Pixel-Intensitäten und -Farben so angepasst, dass nach und nach das gewünschte Bild entsteht – wie bei einer echten Kamera, bei der während der Belichtungszeit immer mehr Licht auf die Sensoren fällt und so das fertige Bild entsteht. Das faszinierende an der Traumkamera: ihre Linse wurde nie geöffnet, das Bild entstand einzig aus dem Prompt und dem Trainingsdatensatz, der implizit die Schaltkreise der Traumkamera geformt hat.
Eine wichtige Verbesserung der ersten Diffusionsmodelle ist das sogenannte Flow-Matching. Diese Methode ermöglicht in deutlich weniger Schritten zum fertigen Bild zu gelangen, was die Erstellung eines Bildes erheblich beschleunigt.
Ein großer Nachteil von Diffusionsmodellen ist, dass sie zwar hochauflösende Bilder generieren können, aber kein gutes Textverständnis besitzen. Um dieses Problem zu beheben, hat man die Innovation im Bereich der großen Sprachmodelle genutzt. So entstanden Modelle, die komplexe Eingaben verstehen und scharfe Bilder generieren können. Und das alles in einem Schritt und mit natürlicher Sprache.
Geht man nur nach der Leistungsfähigkeit, ist das Rennen an der Spitze mittlerweile wieder offen. Neben Gemini 3 Pro Image (Nano Banana Pro) und Flux 2 zählt nun auch GPT Image 1.5 von OpenAI wieder zu den besten Bildgeneratoren. Während Black Forest Labs (das Freiburger Startup) mit Flux 2 Dev zudem eine starke Open-Weights-Variante anbietet, punkten abseits der Platzhirsche auch chinesische Modelle wie Seedream 4.0 oder Qwen Image Edit. OpenAI profitiert somit nicht mehr nur von seiner weiten Verbreitung, sondern kann leistungstechnisch endlich wieder überzeugen. Der Zeitverlauf verdeutlicht die große Dynamik in der Modellentwicklung: Nach dem Hype um GPT-Image-1 im April (man erinnere sich an die Ghibli-Welle) und einer zwischenzeitlichen Durststrecke hat OpenAI mit dem aktuellen Update nun technologisch wieder aufgeschlossen.
Wer schon einmal versucht hat, mithilfe von KI ein exaktes Bild zu erstellen, kennt das Problem: Das Ergebnis ist oft zufällig. Für eine professionelle Nutzung ist daher strukturiertes Prompting erforderlich.
Die Grundstruktur ist dabei relativ einfach: Je zentraler ein Element für das Bild ist, desto eher wird es im Prompt genannt und desto höher ist auch der Detailgrad seiner Beschreibung. Weniger zentrale Elemente wie der Bildhintergrund werden dagegen erst am Ende des Prompts mit weniger Details beschrieben.
Um den Blickwinkel und die Distanz eines Bildes zu spezifizieren, gibt es verschiedene Begriffe aus der professionellen Fotografie und der Filmbranche:
Neben der Perspektive ist bei Bildern vor allem die Belichtung entscheidend. Schon eine kleine Veränderung im Prompt kann das gesamte Bild anders wirken lassen. Bei den folgenden drei Bildern variieren wir jeweils nur die Belichtung.
…large floor-to-ceiling windows overlooking a dense metropolitan street filled with electric vehicles and glass skyscrapers. Cinematic lighting, sharp focus on the hologram, shallow depth of field, 8k resolution.
Erstes Bild + „transform the lighting into twilight lighting„
Erstes Bild + „transform the lighting into neon lighting„
Das sogenannte Color Grading ist eng mit dem Lighting verbunden. Die Kunst besteht darin, die Farben so auszuwählen, dass der gewünschte visuelle Stil getroffen wird. So kann dem Bild ein spezifisches „Look and Feel“ verliehen werden. Um den Unterschied zu verdeutlichen, haben wir erneut die Farben eines Promptes variiert. Dabei müssen wir auch die Tageszeit ändern, da sie sonst nicht zu den Farben passt. Bei dem Color Grading lohnt sich in der Regel eine etwas ausführlichere Beschreibung der Farben:
A young woman standing in a field of wheat at dusk, cool blue twilight atmosphere, desaturated teal and slate gray tones, pale silver sky, cold and melancholic mood, cinematic.
A young woman standing in a field of wheat at sunset, bathed in warm golden hour light, rich amber and honey tones throughout, deep orange sky, everything glowing with warmth, cinematic.
Auch bestimmte Kameraeinstellungen eignen sich sehr gut als Steuerungsbegriffe. Mit dem Keyword „Depth of Field“ kann beispielsweise festgelegt werden, wie tief der Fokus der Kamera gehen soll. Selbst die Brennweite des Kameraobjektivs kann man im Prompt mitgeben, um bestimmte Perspektiven und Fokusverhalten zu erreichen.
Shallow depth of field
Deep depth of field
200mm telephoto lens
Ultra-wide 14mm lens
Neben diesen speziellen Einstellungen kann man beim Prompting mittlerweile auf spezielle Sprache verzichten und einfach natürliche Sprache verwenden, so wie man auch große Sprachmodelle promptet. Dabei muss man beachten, dass nur ein gewisser Detailgrad von Bildmodellen abgedeckt werden kann. Außerdem müssen die einzelnen Teile des Bildprompts zueinander passen. Das wird vor allem dann zum Problem, wenn man seine Prompts zur Bildgenerierung von LLMs generieren lässt. Diese können Anweisungen generieren, die für das Bildmodell geometrisch gar nicht darstellbar sind. Oft kommt dann ein fehlerhaftes oder zusammengewürfeltes Ergebnis heraus.
A woman standing in the far left corner of a minimalist white gallery … her hand casually resting on a coffee cup placed on a small wooden table in the far right corner.
Außerdem funktionieren manche Keywords besser als andere: So ist beispielsweise eine Anpassung der Belichtung für viele Modelle einfacher als das exakte Darstellen einer Kameraperspektive.
Im Anwendungsfall, bei dem eine bestehende, kurze Story in ein visuelles Storyboard überführt werden soll, kommen zu den oben genannten Prompting-Techniken weitere Aspekte des Context-Engineerings hinzu. Um eine Geschichte in einer Serie von mehreren Szenenbildern visuell erzählen zu können, braucht es neben hochqualitativen Einzelbildern vor allem Konsistenz über mehrere Bilder hinweg. Bei einer realen Fotoserie ist es natürlich, dass die Charaktere alle gleich aussehen und auch im Hintergrund die gleichen Gegenstände oder Örtlichkeiten absolut realistisch dargestellt sind. Für KI-generierte Bilder ist dies hingegen eine Herausforderung: Jedes einzelne Bild der Serie wird neu generiert, und der inhärent probabilistische Prozess sorgt dafür, dass jedes Bild zunächst einmal anders aussieht.
Solche Schwierigkeiten können mithilfe eines wichtigen Features der aktuellsten KI-Bildmodelle umgangen werden. Nicht nur textuelle Prompts, sondern auch Referenzbilder sind als Input möglich, und die erzeugten Bilder können viele visuelle Details der Referenzbilder wiedergeben. Zuverlässig funktioniert dies zum aktuellen Zeitpunkt für etwa 5–10 Bilder, je nach Anwendungsfall. Damit können zumindest zentrale Charaktere und Objekte einer kurzen Story immer auch als Referenz bei der Generierung einzelner Szenen verwendet werden.
Für unseren Anwendungsfall haben wir eine dedizierte Orchestrierung verschiedener LLM- und Bildmodell-Aufrufe genau darauf zugeschnitten. Zunächst werden detaillierte Bildgenerierungs-Prompts für die Hauptcharaktere einer Story mithilfe eines Reasoning-Modells – eines für komplexe Aufgaben optimierten Sprachmodells – extrahiert. Basierend auf diesen Prompts wird für jeden Charakter ein Bild erzeugt, das als zentrale Referenz für alle Szenen dient, in denen der Charakter vorkommt. Weiter generieren wir detaillierte Prompts für jede einzelne Szene des Storyboards, wobei wir die oben beschriebenen Techniken umsetzen. Zusätzlich erzeugen wir Konsistenz zwischen den Beschreibungen auf textueller Ebene, was die darauffolgenden Bilder deutlich harmonischer wirken lässt. In der von uns entwickelten Oberfläche können Nutzende jeden einzelnen Schritt überwachen und an einzelnen Prompts oder Bildern feilen. Dadurch lassen sich kleinere Fehler oder Inkonsistenzen in den Bildern schnell korrigieren.
Ein abgewandeltes Beispiel ist die folgende Geschichte, in welcher der kleine Ben den Weihnachtsmann über zeitgemäße Transportmittel belehrt:
Die Anwendung ist modular aufgebaut und bewusst anbieterunabhängig: Alle Aufrufe an Reasoning-Modelle laufen über LangChain, was einen schnellen Modellaustausch ermöglicht. Bei den Bildmodellen setzen wir auf native APIs der Modellanbieter. Unsere Erfahrung hat gezeigt, dass sich die Schnittstellen zurzeit noch schneller ändern, als Libraries wie LangChain nachziehen können. Dies führt zu unnötigen Reibungen bei der Anbindung.
Für Debugging und Qualitätsverbesserung werden sämtliche Generierungen vollständig getraced – vom Storyline-Parsing über die Prompt-Optimierung bis zum fertigen Bild. So lässt sich bei unerwarteten Ergebnissen exakt nachvollziehen, welche Prompts und Referenzen verwendet wurden.
Generierte Bilder werden versioniert in einem Cloud-Storage abgelegt; Referenzen zwischen Cast- und Szenenbildern bleiben erhalten. Nutzende können eigene Bilder hochladen, die dann wie generierte Assets behandelt werden – inklusive der Verwendung als Referenz für nachfolgende Generierungen.
Moderne KI-Bildmodelle bringen ein enormes technologisches Potenzial. Trotzdem zeigen sich beim produktiven Einsatz in unserem Anwendungsfall deutliche Grenzen und Schwierigkeiten.
Konsistenz bleibt das Kernproblem: Komplexere Perspektivwechsel – etwa wenn ein Charakter in einer Szene von vorne und in der nächsten von der Seite zu sehen ist – bringen aktuelle Modelle an ihre Grenzen. Hintergründe lassen sich durch Referenzbilder nur schwer übertragen. Gleichbleibende Räumlichkeiten über einige wenige Szenen lassen sich noch durch starke Konsistenz-Mechanismen in unserem Workflow erzielen. Je länger die gewünschte Sequenz allerdings wird, desto eher erzeugen die Bildmodelle auffallende Artefakte.
Nicht jeder Use Case eignet sich: Das System funktioniert gut, wenn keine realen Persönlichkeiten dargestellt werden müssen und die visuellen Zusammenhänge überschaubar bleiben.
Gemeinsam mit den Nutzenden entwickeln wir weitere Workflows – und arbeiten daran, das bestehende System agentenbasierter zu gestalten: Es soll selbstständig auf Feedback reagieren und Bilder iterativ verbessern können. So testen wir „LLM-as-a-judge“-Ansätze, bei denen das Bildverständnis multimodaler Sprachmodelle genutzt wird, um Artefakte und Inkonsistenzen automatisch festzustellen.
Ein weiterer spannender Schritt, auch für unseren Anwendungsfall, ist die KI-basierte Videogenerierung. Auch bei Videomodellen verschieben sich die Grenzen des Machbaren rasant. Aktuelle Modelle kämpfen noch mit den typischen Schwierigkeiten der Bildgenerierung – nur verstärkt, denn Bewegtbild erfordert eine noch stringentere Konsistenz über viele Frames hinweg. Wir evaluieren kontinuierlich die neuesten Modelle und sind optimistisch, dass eine automatisierte Videogenerierung schon bald realisierbar wird.
Darüber hinaus bieten die Bildmodelle weitere interessante Anwendungsfälle: die automatisierte Erstellung von Infografiken und Schaubildern mit konsistenten Illustrationen, die Produktvisualisierung im E-Commerce – etwa um Möbel in verschiedenen Wohnstilen oder Kleidung in unterschiedlichen Settings darzustellen – oder die Generierung von konsistentem Social-Media-Content, der eine einheitliche Markenästhetik über viele Posts hinweg sicherstellt.
Mats Faulborn, Data Scieneer bei scieneers GmbH
Richard Naab, Data Scieneer bei scieneers GmbH
Data Science, KI und Cloud-Architekturen sind unser tägliches Geschäft – doch manchmal lohnt es sich, die eigene Blase zu verlassen. Genau das taten unsere scieneers-Kolleg:innen Mitte Dezember auf den IT-Tagen 2025 in Frankfurt. Zwischen den Themen Softwarearchitektur, DevOps, agilen Methoden und digitaler Souveränität haben wir Impulse mitgenommen, die direkt in unsere tägliche Arbeit rund um skalierbare RAG-Systeme, saubere Softwarearchitektur und Monitoring einfließen werden.