Am Ende hatte ich einen Zwölf-Panel-Comic. Kurz danach saß ich an Memolio.

Diese Woche habe ich erfahren, dass er einen Preis gewonnen hat. Danke an Tirol 2050 fürs Auswählen, und danke an Gloryfy für die (angeblich) unzerstörbare Sonnenbrille, die mit dem Gewinn kam. Als notorisch chaotische und unordentliche Person bin ich fest entschlossen, sie auf die Probe zu stellen.

Ich möchte über das reden, was zwischen „ich setze mich hin und mache ein einzelnes Bild“ und „am Ende sitze ich vor einer Sequenz“ passiert ist, weil ich glaube, dass es ein Muster ist, das einen Namen verdient.

Der ursprüngliche Prompt war schon ziemlich voll. Ein älterer Mann in Tracht. Kinder zu seinen Füßen. Eine retrofuturistische Farbpalette der 1950er. Solarpaneele auf Tiroler Bauernhöfen. Ich habe alles eingegeben und ein vollkommen kompetentes Bild zurückbekommen. Es war okay. Es war auch flach.

Was fehlte, war keine Qualität. Tracht und Solarpaneele rendert das Modell problemlos. Was fehlte, war Bedeutung. Das Bild sagte nichts. Es hatte keinen Anfang und kein Ende. Es wurde keine Frage gestellt und keine Antwort gegeben. Es war einfach ein Tableau.

Also habe ich ein zweites Panel hinzugefügt. Dann ein drittes. Dann habe ich weitergemacht. Am Ende waren es zwölf. Elektrobusse und Straßenbahnen, die durch grüne Stadtstraßen rollen. Seilbahnen, die vom Stadtzentrum bis zu den Berggipfeln hinauffahren. Bergdörfer, die wieder lebendig sind, weil Energie fast gratis ist. Kühe, die im Schatten von Solarpaneelen ruhen. Strom, der fast gratis fließt, wie Wasser aus einer Bergquelle. Wasser, das im Sommer in Stauseen gepumpt wird, damit Familien im Winter mit ihren Liebsten kuscheln können. Elf Panels geduldigen Aufbaus. Dann das zwölfte: Ein kleines Kind sieht zum alten Mann hoch und fragt: „Aber warum habt ihr das gemacht?“ Und der alte Mann antwortet: „Warum? Warum nicht?“

Dieser letzte Wortwechsel ist der ganze Punkt des Comics. Es gibt kein einziges Bild auf der Welt, das ihn enthalten kann. Die Frage trifft nur, weil elf Panels die Welt schon gemalt haben, über die die Frage gestellt wird. Die Antwort trifft nur, weil dir der alte Mann schon ans Herz gewachsen ist. Man braucht den Aufbau, die Pause, dann die Pointe.

Genau hier hatte ich eine leise Erkenntnis, die die letzten sechs Monate meines Lebens geprägt hat.

Einzelne Prompts sind ein One-Frame-Medium. Sie können schön sein, eindrucksvoll, manchmal verblüffend. Aber sie können strukturell keinen Bogen tragen. Das Modell weiß nicht, was davor war, und nicht, was danach kommt. Der Betrachter muss die ganze redaktionelle Arbeit im Kopf machen, und die meisten machen das nicht.

Erzählung ist die Lösung. Eine Handvoll Bilder und eine Handvoll Worte in Folge können, was keine einzelne Generierung kann. Sie können eine Frage über einen Takt halten und dann beantworten. Sie können ein Gesicht über mehrere Seiten altern lassen. Sie können einen Großvater erst Kind sein lassen, bevor er Großvater von irgendjemandem ist.

Nach dem Wettbewerb habe ich angefangen zu skizzieren, was später Memolio wurde: ein Workflow, der das Leben eines Großelternteils in ein illustriertes Buch verwandelt. Das Produkt steht auf derselben Einsicht wie dieser Zwölf-Panel-Comic. Es geht nicht darum, schöne einzelne Bilder zu erzeugen, auch wenn es das nebenbei tut. Es geht darum, sie zu einer Geschichte zu verbinden, die für eine ganz bestimmte Familie etwas bedeutet.

Tirol 2050 war ein Wettbewerb über erneuerbare Energie. Die Lektion, die ich mitgenommen habe, war eine andere und für das, was ich baue, nützlicher: KI wird in dem Moment interessant, in dem man aufhört, sie um ein Bild zu bitten, und anfängt, sie um eine Geschichte zu bitten. Der Output ist nicht mehr etwas, das man anschaut. Es ist etwas, das man liest.

Diese Verschiebung, vom Anschauen zum Lesen, ist das ganze Spiel.

Eine Seite aus einem Memolio-Buch — generiert mit Seedream 4.5.

Ich habe fast ein Jahr lang KI-Bildgenerierungsmodelle getestet, auf der Suche nach einem, das schöne illustrierte Seiten für personalisierte Bücher für Großeltern erzeugen kann. Das Ergebnis: Keines davon ist perfekt. Aber eines kommt am nächsten dran.

Das ist Seedream 4.5 von ByteDance. Hier ist, wie ich dort gelandet bin.

Midjourney: toll für Künstler, unbrauchbar für Produkte

Das erste Modell, das ich ernsthaft getestet habe, war Midjourney Version 7. Die Bilder sind wirklich schön. Aber ein großer Teil der besten Ergebnisse hat mit den ursprünglichen Prompts kaum etwas zu tun. Das ist kein Zufall. Midjourney ist darauf ausgelegt, dass ein Mensch mit gutem Auge die besten Bilder aus einem Stapel herausfiltert, den Rest wegwirft und von vorne anfängt. Was die Community “Prompt-Treue” nennt, ist meistens einfach Glück, das wie Absicht aussieht.

Für persönliche künstlerische Arbeit ist das völlig in Ordnung. Für ein Produkt, das eine bestimmte Szene aus dem Leben einer bestimmten Person generieren und dabei zuverlässig richtig liegen soll, funktioniert das nicht. Eine Pipeline, die auf Zufallstreffer angewiesen ist, lässt sich nicht betreiben.

Dazu kommt das API-Problem. Stand 2026 gibt es noch immer keine offizielle öffentliche API von Midjourney. Drittanbieter-Wrapper existieren, aber die laufen über Browser-Automatisierung und verstoßen gegen die Nutzungsbedingungen. Das Konto kann jederzeit gesperrt werden. Midjourney hat bewusst entschieden, künstlerische Qualität über Automatisierbarkeit zu stellen. Nachvollziehbar. Aber damit schied es vom ersten Tag aus.

Nano Banana (Google)

Googles Nano-Banana-Modelle (Nano Banana 2 und Nano Banana Pro) basieren auf Geminis Bildgenerierungsfähigkeiten.

Die Prompt-Treue ist wirklich gut. Wer etwas Konkretes beschreibt, bekommt es. Für einen Anwendungsfall, bei dem der Prompt viel tragen muss, also Haarfarbe, Kleidung, Zeitepoche, Setting, mehrere Figuren, ist das wichtig.

Zwei Dinge haben mich trotzdem gestoppt.

Erstens die Ästhetik. Das Herbst-Campus-Bild weiter unten zeigt das Problem: schöne Komposition, angenehme Farben, aber eine unangenehme Gleichmäßigkeit. Jedes Element gleich stark ausgearbeitet, kein Papier, das durchscheint, keine weichen Kanten, an denen Farbe ausläuft. Es sieht genau so aus, wie die meisten Menschen sich “KI-Bilder” vorstellen. Für ein Buch, das jemand ins Regal stellt und aufhebt, ist das ein Problem.

Nano Banana 2. Eine KI-typische Wiedergabe einer Person.

Zweitens die Kosten. Nano Banana 2 kostet 0,08 $ pro Bild, Nano Banana Pro 0,15 $. Seedream 4.5 kostet 0,04 $. Bei 24+ Illustrationen pro Buch und bis zu 50 kostenlosen Nachbesserungen während der Review-Phase summiert sich das schnell. Ich habe Nano Banana Pro kurz für die Darstellung von Seitentiteln getestet, aber bei 0,15 $ pro unzuverlässigem Versuch ist ein sauberes CSS mit gutem Webfont die bessere Wahl.

Flux

Flux Pro hat einen angenehmen Illustrationsstil und ordentliche Prompt-Treue. Aber das Bild unten zeigt das Kernproblem: gute Komposition, schöne Stoff-Textur, vollkommen generisches Gesicht. Das Modell ließ sich von den Referenzfotos inspirieren, anstatt sie wirklich zu lernen. Bei einem Produkt, bei dem das Buch wie die konkrete Person darin aussehen soll, ist das ein grundlegendes Versagen.

Flux Pro. Schöner Stil. Falsche Person.

Flux 2 ist auf andere Weise schlechter. Die Ergebnisse wirken wie KI-Einheitsbrei: zu glatt, zu sauber, alles an der richtigen Stelle, aber ohne die kleinen Unvollkommenheiten, die ein Aquarell menschlich machen. Ein Vergleich mit dem Seedream-4-Alpenbild weiter unten macht den Unterschied klar. Das eine sieht gemalt aus. Das andere sieht generiert aus.

Flux 2. Technisch korrekt. Völlig leblos.

Grok / Aurora

Die Bildqualität ist technisch in Ordnung: gute Prompt-Treue, Ästhetik besser als bei vielen Konkurrenten. Aber ich habe eine persönliche Abneigung dagegen, Elon Musks Unternehmungen zu finanzieren. Seine Plattform hat jahrelang Hetze verstärkt. Während des Bundestagswahlkampfs hat er sich aktiv eingemischt, wiederholt die AfD beworben und Alice Weidel auf X eine große Bühne verschafft. Das ist für mich keine abstrakte politische Position, sondern eine konkrete Entscheidung: Ich möchte nicht, dass Geld, das ich für API-Aufrufe ausgebe, dieses Ökosystem mitfinanziert. Andere werden das anders abwägen, und das Modell ist technisch legitim. Für mich ist es aus der Liste, unabhängig von der Bildqualität.

Seedream 4

Bei Seedream 4 habe ich zum ersten Mal etwas gefunden, das ich bei keinem anderen Modell gesehen hatte: Es sah tatsächlich aus wie ein Aquarell.

Ein Hinweis zu den folgenden Bildern: Sie zeigen alle mich, in verschiedenen Altersstufen. Der Junge bin ebenfalls ich.

Es gibt eine Wärme und Weichheit in der Darstellung, eine handgemachte Qualität, die ich anderswo nicht gefunden habe. Das Alpenbild unten zeigt das gut: Der Berghintergrund löst sich auf, anstatt hart abzuschneiden. Das Gras an den Füßen läuft in den Hang über. Für ein Buch, das eine Oma in die Hand nimmt und ihren Enkeln zeigt, zählt das mehr als technische Präzision.

Seedream 4. Wunderschöne Komposition, aber die Ähnlichkeit ist generisch.

Das Problem war die Zuverlässigkeit. Seedream 4 produzierte eine schöne Seite und dann, bei der nächsten Generierung, etwas anatomisch Falsches. Das Wasserpistolen-Bild unten ist ein gutes Beispiel: schöne Komposition, tolle Sommerenergie, warmes Nachmittagslicht. Der Junge im Vordergrund hat außerdem drei Arme.

Seedream 4. Der Junge im Vordergrund hat drei Arme.

Sobald der Prompt eine komplexere Anordnung beschrieb, also mehrere Figuren, ungewöhnliche Winkel, aktive Szenen, konnte das Modell auseinanderfallen. Und wenn die Referenzfotos 50 Jahre alt sind und aus einem echten Fotoalbum gescannt wurden, hat das Modell weniger zu lernen und die Ergebnisse werden unzuverlässiger. Das ist kein Randfall für dieses Produkt. Die meisten Menschen, über die wir Bücher machen, haben vor dem Digitalfoto-Zeitalter gelebt.

Der Wechsel zu 4.5

Ich habe den Wechsel länger hinausgezögert als nötig. Die ersten Ergebnisse von Version 4.5 haben mich nicht so gepackt wie Version 4, und ich habe das zunächst als Qualitätsverlust gedeutet. War es nicht. Die Ästhetik ist etwas anders, und ich musste mich daran gewöhnen. Was sich tatsächlich verbessert hat, ist die Prompt-Treue: Die anatomischen Fehler und Kompositionsprobleme aus Version 4 treten in 4.5 deutlich seltener auf.

Das Campus-Bild unten zeigt das in der Praxis. Die Figur ist in Bewegung, die Ähnlichkeit mit dem Referenzfoto ist besser, und die Aquarellqualität ist noch da: die Farbspritzer im Himmel, der negative Raum auf dem Weg, die Hintergrundfiguren, die angedeutet statt vollständig ausgearbeitet sind.

Seedream 4.5. Bessere Prompt-Treue, eine treffendere Ähnlichkeit, und die Aquarellqualität ist noch da.

Vollständig behoben sind die Probleme noch nicht, weshalb wir einen Review-Prozess gebaut haben, bei dem jede Seite von einem Menschen geprüft wird, bevor irgendetwas in den Druck geht. Die Leute vertrauen uns ihre Familiengeschichten an. Eine Oma, die ein Buch bekommt, auf dem sie drei Hände hat, ist nicht akzeptabel.

Eine Komplikation, die ich nicht erwartet hatte: ethnische Drift. Seedream wurde überwiegend mit asiatischen Daten trainiert, und ohne explizite Angaben neigt das Modell dazu, Gesichter mit ostasiatischen Merkmalen zu generieren. Für ein Buch über eine Oma aus dem Bayerischen Wald oder aus Hamburg ist das ein offensichtliches Missverhältnis: nicht weil etwas falsch wäre an diesen Gesichtszügen, sondern weil sie diese Menschen schlicht nicht darstellen.

Die Lösung war ein optionaler Schritt im Onboarding, bei dem Kunden ihren familiären Hintergrund beschreiben können, ergänzt durch ein Vision-Modell, das Referenzfotos analysiert und physische Merkmale für den Bildprompt extrahiert. Das funktioniert einigermaßen gut. Aber die Erfassung ethnischer Herkunftsdaten bedeutet die Verarbeitung besonderer Kategorien im Sinne der DSGVO, was ausdrückliche Einwilligung und sorgfältigere Handhabung erfordert als ein normales Datenfeld. Ein kleiner technischer Fix, der eine nicht ganz kleine Compliance-Frage aufgemacht hat.

Warum Seedream 5 nicht funktioniert hat

Ich habe es getestet. Die Ergebnisse waren enttäuschend.

Seedream 5. Jeder Pixel gefüllt. Kein Raum zum Atmen.

ByteDance hat mit 5.0 Lite einen bewussten Kompromiss gemacht: Das Modell ist auf kommerzielle Produktfotografie, Werbemotive und Poster ausgelegt. Der Fotorealismus ist besser. Aber der Vergleich mit dem Seedream-4-Alpenbild oben sagt alles: Jeder Zentimeter der Fläche ist ausgefüllt. Die Jacke hat einzeln ausgearbeitete Knöpfe. Die Stadt unten hat vollständig detaillierte Ziegeldächer. Kein negativer Raum, kein durchscheinendes Papier, nirgendwo Luft zum Atmen. Es fühlt sich an wie ein Foto, über das jemand Pinselfarbe gestrichen hat, nicht wie etwas, das wirklich gemalt wurde.

ByteDance hat angekündigt, die Ästhetikfrage beim vollständigen 5.0-Release nochmal anzugehen. Für die Lite-Version gilt: falsches Werkzeug für illustrierte Familienbücher.

Stand der Dinge

Seedream 4.5 ist meine aktuelle Antwort. Keine perfekte: Kein Modell ist das, weshalb die Bearbeitungsfunktion existiert und weshalb jede Seite vor dem Druck von einem Menschen geprüft wird.

Der Modellvergleich, der in diesem Bereich wirklich zählt, sind keine Benchmark-Werte. Es geht darum, wie das Ergebnis für eine 70-jährige Oma aussieht, die ein Buch über ihr Leben in der Hand hält. Die meisten dieser Modelle wurden nie für dieses Publikum entwickelt. Seedream 4.5 kommt dem am nächsten, was ich bisher gefunden habe.

Ich baue Memolio — personalisierte illustrierte Bücher für Großeltern, entstanden aus echten Fotos und echten Erinnerungen. Jedes andere personalisierte Buch für Großeltern setzt ihren Namen in eine erfundene Geschichte. Memolio erzählt ihre wirkliche Geschichte. Wenn du das für deine Familie möchtest, trag dich in die Warteliste ein.

Sie hatte erzählt, wie sie ihren Mann kennengelernt hatte. Beide waren Lehrer, sie trafen sich in der Schule, in der sie unterrichteten. Als die KI diese Szene illustrierte, zeichnete sie die Testerin als Kind. Ein Mädchen am Pult, nicht eine erwachsene Frau vor der Klasse.

Sie hatte geschrieben, dass sie Lehrerin war. Es stand wörtlich im Text. Aber irgendwo zwischen ihren Worten und dem fertigen Bild hatte die KI eine Annahme getroffen. Schule plus Begegnung gleich jung. Sie hat gemustert, nicht verstanden.

Und das ist die Sache mit KI: Sie hat nicht denselben Kontext wie ein Mensch. Wenn jemand sagt: „Wir haben uns in der Schule kennengelernt”, fragt ein Freund automatisch nach. Als Schülerin, als Lehrerin, als Eltern am Elternabend? Eine KI wählt einfach die statistisch wahrscheinlichste Lesart und macht weiter. Sie hält nicht inne. Sie weiß nicht, was sie nicht weiß.

Ich habe Monate damit verbracht, dieses Erinnerungsbuch für Großeltern so zu bauen, dass es jedes Mal perfekte Ergebnisse liefert. Bessere Anweisungen, präzisere Prompts, Validierungsschritte, Fallback-Logik. Und es ist deutlich besser geworden. Perfekt? Nein. Weil menschliche Leben schön, unordentlich und nie ganz einzuordnen sind. Eine Oma, die in den Siebzigern Bergsteigerin war. Ein Opa, der sein Leben lang hawaiianische Hemden getragen hat. Ein Paar, das sich 1968 auf einer Demo in Frankfurt kennengelernt hat. Das sind keine Ausnahmen. Das sind genau die Details, die ein Familienerinnerungsbuch wertvoll machen. Und es sind genau die Details, die eine KI am ehesten in etwas Allgemeines einebnet.

Diese Erkenntnis hat mir eine Weile Angst gemacht. Ich hatte das Einbauen einer Bearbeitungsfunktion lange vermieden. Es fühlte sich an wie ein Eingeständnis, als würde ich zugeben, dass die KI es allein nicht schafft. Aber die Enttäuschung dieser Testerin hat das Bild umgedreht. Die Bearbeitungsfunktion ist kein Rückzieher. Sie ist das Produkt, so wie es funktionieren sollte. Ein Mensch erzählt seine Geschichte, die KI macht daraus einen ersten schönen Entwurf, und dann verfeinert ihn derjenige, der die Geschichte wirklich kennt.

Entscheidend war für mich der Gedanke daran, wer ein personalisiertes Buch für Großeltern eigentlich bestellt. In Deutschland sind das meistens Töchter und Söhne, die ihrer Mutter oder ihrem Vater etwas zum 70., 75. oder 80. Geburtstag schenken wollen. Oder Enkel, die zu Weihnachten etwas Persönlicheres suchen als eine weitere Tasse. Diese Menschen sind nicht in der KI-Welt zu Hause. Sie werden keinen besseren Prompt schreiben und sich nicht in die Technik einarbeiten. Aber sie wissen haargenau, dass ihre Mutter keine Schülerin mehr war, als sie ihren späteren Mann traf. Sie wissen, welche Farbe die Küche hatte, in der sonntags gegessen wurde. Die Bearbeitungsfunktion gibt ihnen einen Weg, dieses Wissen ins Buch zu holen, ohne auch nur eine Zeile Code oder einen Prompt schreiben zu müssen.

Die breitere Lehre, und sie gilt, glaube ich, für alle, die gerade mit KI etwas bauen: Hör auf zu versuchen, die Maschine perfekt zu machen. Mach es stattdessen den Menschen einfach, das zu korrigieren, was die Maschine falsch macht. Genau dort liegt die eigentliche Magie. Nicht in einem makellosen ersten Ergebnis, sondern in der Zusammenarbeit zwischen menschlicher Erinnerung und maschineller Kreativität.

Das ist es, was ich bei Memolio baue. Ein personalisiertes Erinnerungsbuch für Großeltern, in dem echte Geschichten und KI-Illustration zusammenkommen. Es ist noch nicht kaufbar. Wer möchte, kann sich auf der Seite in die Warteliste eintragen und den Weg mitverfolgen. Diese eine Rückmeldung hat alles daran verändert, wie ich über das Produkt nachdenke.