Adobe Photoshop Update: Neue Firefly-Features für generative Bildbearbeitung im Test › PAGE online
Adobe erweitert Photoshop erneut um KI-gestützte Funktionen. Im Fokus stehen diesmal präzisere Bildbearbeitung, realistischere generative Ergebnisse und neue Möglichkeiten für typografische Gestaltung.
Adobe Photoshop & Adobe Firefly: Wie KI die Bildbearbeitung verändert
Photoshop gehört seit Jahrzehnten zu den zentralen Werkzeugen für Bildbearbeitung und Compositing. Mit der Integration von Adobe Firefly hat sich das Programm in den letzten Jahren allerdings deutlich verändert, denn KI-gestützte Funktionen übernehmen zunehmend Aufgaben, die früher zeitaufwendig manuell erledigt werden mussten.
Dazu gehören etwa generative Bildbearbeitung, automatisches Entfernen von Objekten oder das Erweitern von Bildern per Prompt. Firefly bildet dabei die technische Grundlage für viele dieser Funktionen und ist inzwischen tief in Photoshop integriert. Die neuesten Updates setzen genau an diesem Punkt an: Sie sollen repetitive Arbeitsschritte reduzieren und gleichzeitig mehr Kontrolle über generative Ergebnisse ermöglichen.
Ein Aspekt, der Adobe Firefly besonders macht, ist die sichere, kommerzielle Nutzbarkeit der mit Firefly generierten Inhalte. Adobe verwendet für das Training des Firefly-Modells ausschließlich lizenzierten Content, etwa von Adobe Stock, sowie gemeinfreie Inhalte, für die kein Urheberrechtsschutz mehr besteht. Damit positioniert sich Adobe bewusst in einer Debatte, die die KI-Entwicklung aktuell stark prägt: die Frage, wie sich neue Technologien mit den Rechten und Interessen von Kreativen vereinbaren lassen.
Wichtig ist dabei, dass diese Form der kommerziellen Absicherung nur für Inhalte gilt, die direkt mit Adobe Firefly erstellt werden. Nutzer:innen haben zwar die Möglichkeit, auch andere KI-Modelle in ihre Workflows zu integrieren, bewegen sich dann jedoch außerhalb dieses von Adobe definierten Rahmens. Entsprechend liegt die Verantwortung für die rechtliche Einordnung und Nutzung der dort generierten Inhalte stärker bei den Anwender:innen selbst.
Bildkorrekturen mit KI
Eine der auffälligsten Neuerungen betrifft die klassischen Bildkorrekturen. Photoshop erweitert seine Adjustment Layers um drei Funktionen, die bisher eher aus RAW-Bearbeitungstools bekannt waren: Klarheit, Dunst entfernen und Körnung. Der entscheidende Unterschied ist, dass alle drei vollständig nicht-destruktiv arbeiten und sich wie andere Einstellungsebenen maskieren, überblenden und kombinieren lassen. So können Kreative direkt im Dokument Struktur, Kontrast oder Atmosphäre verändern, ohne die ursprüngliche Bilddatei zu überschreiben.
Klarheit verstärkt die Struktur und den lokalen Kontrast eines Motivs und hebt Details stärker hervor. Mit Dunst entfernen lassen sich atmosphärische Schleier oder flache Kontraste ausgleichen, wodurch Bilder oft deutlich mehr Tiefe erhalten. Die Körnung wiederum fügt kontrollierte Textur hinzu und kann Fotos einen analogen Look oder mehr Charakter verleihen – ideal, wenn ein bewusstes Film- oder Korn-Feeling erzeugt werden soll. Diese Layer sparen im Workflow Zeit, weil Anpassungen direkt im Dokument vorgenommen werden können, ohne dass externe Filter oder zusätzliche Tools nötig sind.
Über das Layers-Panel lässt sich eine neue Einstellungsebene erstellen, in der die Optionen Klarheit, Dunst entfernen und Körnung verfügbar sind.
Die Funktionen Klarheit und Dunst entfernen haben im Test besonders gut funktioniert. Sie holten deutlich mehr Tiefe und Kontrast aus dem Bild heraus und bewirken eine spürbare Verbesserung bei Gegenlicht und nebligen Situationen.
Die Körnung haben wir an einem Porträt getestet. Dabei fiel auf, dass die Wirkung subtiler ist und sich weniger für jedes Bild eignet, sie kann schnell den Eindruck einer leichten Unschärfe erzeugen. Normalerweise wird sie eingesetzt, um Fotos eine analoge Textur oder künstlerische Körnung zu verleihen, etwa für Editorial-Design oder Retro-Optik.
Mit einer stärkeren Körnung kann man einem modernen Porträtfoto schnell eine Retro-Optik verleihen.
Die Bedienung ist sehr intuitiv. Über das Layers-Panel lässt sich der Schieberegler direkt anwenden und in Echtzeit beobachten, wie das Bild sich verändert. Besonders bei Landschaftsaufnahmen mit Nebel oder Gegenlicht liefert die Kombination aus Klarheit und Dunst entfernen einen starken, sofort sichtbaren Effekt. Die Einstellungsebenen lassen sich jederzeit wieder anpassen oder maskieren, sodass der Workflow flexibel bleibt.
Präzisere generative Werkzeuge
Auch die generativen Werkzeuge in Photoshop wurden überarbeitet. Generatives Füllen, generatives Erweitern und das Remove Tool liefern nun Ergebnisse in höherer Qualität und mit einer Auflösung von bis zu 2K. Adobe verspricht außerdem schärfere Details, weniger Artefakte und natürlichere Übergänge zwischen generierten und bestehenden Bildbereichen. Besonders beim Compositing oder bei Retuschen soll dies ein realistischeres Gesamtbild erzeugen, bei dem generierte Elemente weniger auffallen.
Gerade beim Erweitern von Bildrändern oder beim Entfernen von Objekten sind diese Verbesserungen entscheidend, da hier oft sichtbare Übergänge auftreten.
Beim Erweitern eines Bildes haben wir statt eines konkreten Prompts die Funktion »Fill and Expand« genutzt und ein bestehendes Foto mit Bürohintergrund automatisch vergrößern lassen. Dabei zeigt sich, dass das Tool besonders in solchen Szenarien überzeugend arbeitet: Perspektive, Tiefenschärfe und Proportionen werden konsistent weitergeführt, sodass die Erweiterung visuell stimmig und überraschend realistisch wirkt.
Das Entfernen-Werkzeug funktionierte auch sehr gut: Auf einem Tischfoto wurde eine Pflanze entfernt, und Photoshop fügte automatisch eine passende Schale ein. Farben und Lichtstimmung passen sich nahtlos an, sodass das Ergebnis sehr natürlich wirkt.
Beim generativen Erweitern eines Porträtfotos probierten wir, den Körper nach unten zu verlängern. Das Tool erzeugte zwar einen proportional etwas verzerrten Körper, die Person wirkte deutlich größer, dennoch waren die Übergänge flüssig, und die Erweiterung wirkte insgesamt stimmig. Bei Landschafts- oder Raumfotos funktionierte das Erweitern besonders gut und lieferte überzeugende Resultate.
Das Entfernen von Objekten und das Erweitern von Bildern funktionieren in der Praxis zuverlässig, während das Füllen komplexerer Szenen noch limitiert ist, vor allem wenn Hintergrundinformationen fehlen. Firefly übernimmt die vorhandene Lichtstimmung sehr gut, und generierte Elemente lassen sich in den meisten Fällen harmonisch ins Bild einfügen.
Mehr Kontrolle beim Generativen Füllen
Eine weitere Verbesserung betrifft die Funktion Referenzbild beim generativen Füllen. Mit ihr können Nutzer:innen ein Bild als Referenz für Stil oder Objekt verwenden und dieses gezielt in eine neue Szene integrieren. Adobe hebt besonders hervor, dass Photoshop das Aussehen des Referenzobjekts beibehält. Das System analysiert dabei verschiedene Eigenschaften des Referenzbildes und versucht, diese konsistent in die neue Komposition zu übertragen. Dazu gehören unter anderem Perspektive, Skalierung, Beleuchtung, Farbgebung und die räumliche Ausrichtung innerhalb der Szene.
Für einen weiteren Test haben wir ein Esszimmer-Foto genutzt, auf dessen Tisch ursprünglich eine Pflanze stand, und diese durch ein anderes Objekt ersetzt. Dafür haben wir die Pflanze markiert, ein Referenzbild einer kleinen Vintage-Kaugummimaschine hochgeladen und die generative Füllfunktion verwendet. Mit einem entsprechend präzisierten Prompt, der den gewünschten fotorealistischen Stil definiert, wird das Referenzobjekt überzeugend in die Szene integriert. Die Kaugummimaschine orientiert sich klar an Form und Farbgebung des Referenzbildes und fügt sich insgesamt stimmig und realistisch in die Umgebung ein, auch wenn sie leicht variiert.
Der Test zeigt vor allem, wie entscheidend die Prompt-Gestaltung für das Ergebnis ist: Wird der gewünschte Stil klar benannt, lassen sich deutlich konsistentere Resultate erzielen. Adobe stellt dazu auch eigene Guidelines und Hilfestellungen bereit, die bei der Formulierung präziser Prompts unterstützen und besonders bei komplexeren Bildbearbeitungen hilfreich sein können.
Im zweiten Versuch nutzten wir ein Straßenbild aus Italien, den Prompt »A bright yellow vintage Vespa scooter parked on a street« und luden als Referenz eine gelbe Vespa mit weißem Hintergrund hoch. Dabei zeigte sich etwas Interessantes und zwar wurden grundlegende visuelle Eigenschaften wie Farbe und Form teilweise übernommen, das Ergebnis wirkte jedoch bewusst verändert und entfernte sich deutlich vom Original-Design.
Auch nach mehreren Durchläufen ließ sich kein überzeugend realistisch wirkender Motorroller erzeugen. Stattdessen entstanden wiederholt uneindeutige, teils verzerrte Formen, die weder klar als Vespa noch als klassischer Roller oder Motorrad erkennbar waren, sondern eher wie eine schwer einzuordnende Mischung aus verschiedenen Fahrzeugtypen wirkten.
Das ist kein Zufall, sondern vielmehr eine bewusste Entscheidung im Modell-Design. Firefly ist darauf ausgelegt, keine markengeschützten Produkte oder eindeutig identifizierbaren Designs zu reproduzieren.
Die Funktion hält, was sie verspricht, insofern, dass sie die Hauptattribute eines Objekts erkennt und überträgt.
Im Vergleich zu anderen generativen KI-Modellen, die solche Schutzmechanismen oft gar nicht oder nur eingeschränkt berücksichtigen, wird deutlich, wie stark Adobe auf rechtliche Sicherheit und den Schutz von geistigem Eigentum setzt. Für Nutzer:innen bedeutet das: Wer mit konkreten Marken oder geschützten Designs arbeitet, muss damit rechnen, dass diese bewusst abstrakter dargestellt werden. Gleichzeitig schafft genau dieser Ansatz eine Grundlage für kommerziell nutzbare Inhalte, bei denen rechtliche Risiken reduziert werden.
Dynamic Text in Photoshop Beta
Neben Bildbearbeitung und KI-Features bekommt auch die Typografie ein kleines Update. Mit Dynamic Text lassen sich Textebenen mit wenigen Klicks entlang von Formen anordnen, etwa kreisförmig, gebogen oder gewölbt. Photoshop passt dabei automatisch Größe und Position des Textes an den gewählten Pfad an. Damit entfällt ein Teil der manuellen Arbeit mit klassischen Text-on-Path-Werkzeugen, bei denen der Text zunächst an einem Pfad ausgerichtet und anschließend oft noch manuell angepasst werden muss.
Wichtig: Die Funktion ist derzeit nur in Photoshop Beta verfügbar. Um sie zu nutzen, muss die Beta-Version zunächst über die Creative-Cloud-App installiert werden. Gerade für Logos, Verpackungsdesign oder Poster kann Dynamic Text Zeit sparen, weil sich typografische Experimente schneller umsetzen lassen.
Für unseren Test haben wir ein Foto einer Monstera-Pflanze verwendet und den Schriftzug „Cool Monstera Plant“ darüber gelegt.
Zunächst erscheint der Text ganz normal als klassischer Textblock. Über die Dynamic-Text-Option lässt sich dieser anschließend mit wenigen Klicks in verschiedene Formen umwandeln.
Im Test haben wir mehrere Varianten ausprobiert: einen kreisförmigen Text, eine nach oben gewölbte Version sowie eine Variante mit nach unten gebogenem Schriftzug. Auffällig ist dabei, dass Photoshop die Textgröße automatisch an die jeweilige Form anpasst, sodass der Schriftzug sauber entlang des Pfades verläuft.
Die Bedienung wirkt im Test überraschend unkompliziert. Nachdem der Text gesetzt ist, lässt sich die Form direkt auswählen und anschließend über Ankerpunkte weiter anpassen. Diese können verschoben werden, sodass sich der Verlauf des Textes flexibel verändern lässt. Auch Größe und Position des Schriftzugs lassen sich weiterhin wie gewohnt anpassen. Insgesamt wirkt die Funktion sehr intuitiv und lässt sich ohne große Umwege in bestehende Layouts integrieren.
Dynamic Text eignet sich vor allem für Layouts, bei denen Schrift eine stärkere grafische Rolle spielt. Denkbar sind etwa kreisförmige Logos, Schriftzüge auf Verpackungen, Poster Designs oder Social-Media-Visuals, bei denen Text um ein Motiv herum angeordnet wird. Gerade bei Produktfotos oder Branding-Elementen kann es hilfreich sein, wenn sich Typografie schnell an Formen oder Bildmotive anpassen lässt, ohne dass dafür aufwändig mit Pfaden gearbeitet werden muss.
Lohnt sich das neue Photoshop-Update?
Viele der neuen Features wirken auf den ersten Blick subtil, aber zeigen in der Praxis eine spürbare Wirkung. Nicht-destruktive Bearbeitung wird weiter ausgebaut, während KI-gestützte Funktionen direkt in den Workflow integriert werden. Besonders die verbesserten generativen Werkzeuge (Füllen, Erweitern und Entfernen) liefern nun realistischere Ergebnisse und erleichtern Retusche und Compositing erheblich.
Mit den neuen Einstellungsebenen für Klarheit, Dunst entfernen und Körnung können Bildkorrekturen direkt im Dokument durchgeführt werden, ohne die Originaldatei zu verändern. In Kombination mit Dynamic Text lassen sich sowohl Bilder als auch Typografie flexibler und kreativer gestalten.
Unser erster Eindruck nach den Tests:
Nach den ersten Anwendungen wird deutlich, wie stark KI-gestützte Funktionen den Workflow in Photoshop verändern. Viele Prozesse wirken flüssiger, Übergänge realistischer und Anpassungen lassen sich dank non-destruktiver Ebenen deutlich präziser steuern. Gerade Funktionen wie generatives Füllen oder Dynamic Text eröffnen neue kreative Möglichkeiten und beschleunigen klassische Arbeitsschritte spürbar.
Gleichzeitig zeigt sich, dass das Zusammenspiel aus Prompt, Referenzbild und Anwendungsszenario entscheidend für das Ergebnis ist. Je klarer Stil, Kontext und gewünschte Wirkung definiert werden, desto konsistenter und überzeugender fallen die Resultate aus.
Für komplexere Aufgaben kann es sich daher lohnen, schrittweise zu arbeiten, Ergebnisse zu iterieren oder gezielt mit Referenzen und präziseren Prompts zu experimentieren. Auch ein Blick in die von Adobe bereitgestellten Prompt-Guides und Best Practices kann helfen, das volle Potenzial der Tools auszuschöpfen und Ergebnisse gezielt zu steuern. Die kommerzielle Nutzbarkeit der mit Firefly generierten Inhalte ist dabei definitiv eine Besonderheit und ein klarer Vorteil gegenüber anderen Bildgenerierungstools.
Wenn KI denkt, hören wir dann auf zu denken? › PAGE online
KI verändert Design nicht nur als Werkzeug, sondern als Denkpartner im Prozess der Bedeutungsbildung. Die Masterarbeit von Tim Milwa zeigt, wie sich Gestaltung von Kontrolle und Produktion hin zu einem relationalen, interpretativen Prozess verschiebt.
Bild: Tim MilwaKI-Modelle können in Sekundenschnelle Bilder, Texte und visuelle Inspirationen produzieren und verändern damit nicht nur die Geschwindigkeit gestalterischer Prozesse, sondern auch ihr grundlegendes Verständnis. Was bedeutet es heute noch zu gestalten, wenn ein KI-Tool auf Knopfdruck Bilder generiert? Wo liegt die Grenze zwischen Werkzeug und Mitgestalter:in? Und wer trägt kreative Verantwortung, wenn Gestaltung zunehmend ein Zusammenspiel zwischen menschlicher Intention und algorithmischen Systemen wird?
Mit diesen Fragen setzt sich Tim Milwa in seiner Masterarbeit »Intelligente Werkzeuge für Bedeutungsarbeit im Design« auseinander. Im Zentrum steht nicht technische Optimierung, sondern Gestaltung als Bedeutungsarbeit. Forschungsleitend ist die Frage: »Wie kann die Interaktion von Mensch und generativer KI gestaltet werden, um Menschen bei der Bedeutungsarbeit im Gestaltungsprozess zu unterstützen?«
Es geht nicht um Effizienz, sondern um ein verändertes Verständnis von Gestaltung. Nicht als lineare Umsetzung, sondern als interpretativer, kontextabhängiger Prozess, in dem KI zunehmend mitwirkt.
Gestaltung als Bedeutungsarbeit
Gestaltung wird in der Arbeit nicht als formale Disziplin verstanden, sondern als Praxis der Bedeutungsproduktion. Design ist dabei kein reines Lösen vorgegebener Probleme, sondern ein Prozess, in dem Probleme selbst erst definiert werden. Designer:innen gestalten damit aktiv Bedeutungsräume.
Gestaltung ist immer auch Interpretation: eine Auseinandersetzung mit Material, Kontext und Intention, die sich nicht vollständig standardisieren lässt. Genau hier entstehen Spannungen durch KI-Systeme.
Die hohe generative Kapazität von KI eröffnet zwar eine große Vielfalt an Varianten, begünstigt zugleich aber eine frühe Fixierung auf stimmig wirkende Vorschläge, deren Bewertung aber tiefe menschliche Reflexion benötigen würde. Viele der Automationen sorgen kurzfristig für Gewinne, verringern aber langfristig Lerneffekte für Designschaffende und untergraben damit die zukünftige Qualität der Ergebnisse. Während klassische Werkzeuge menschliche Intention unterstützen, bringen KI-Systeme eigene »Interpretationen« ein, die aus Trainingsdaten und statistischen Mustern entstehen.
Durch bewusste Irritationen von der KI (hier als kleine Quadrate dargestellt) sollen Designer:innen zu neuen Ideen angeregt werden. Bild: Tim Milwa
Zwischen Kontrolle, Offenheit und Emergenz
Ein zentrales Spannungsfeld ist die Frage nach Kontrolle. In klassischen Designprozessen gilt sie als zentrales Qualitätskriterium: Je präziser ein Ergebnis geplant und umgesetzt werden kann, desto höher wird die gestalterische Leistung bewertet. Kontrolle steht hier für Orientierung, Sicherheit und die klare Übersetzung einer Intention in ein Ergebnis.
KI-Systeme unterlaufen dieses Prinzip jedoch grundlegend, da ihre Ergebnisse trotz klar formulierter Eingaben nicht vollständig vorhersehbar sind. Selbst kleine Variationen im Prompt können zu stark unterschiedlichen Resultaten führen. Gestaltung verschiebt sich dadurch von einem Modell der Steuerung hin zu einem Prozess der Moderation. Designer:innen geben nicht mehr nur vor, was entsteht, sondern reagieren zunehmend auf das, was das System zurückspielt, bewerten und selektieren diese Vorschläge. Kontrolle wird damit nicht aufgehoben, sondern verteilt und neu ausgehandelt.
Eng damit verbunden ist das Konzept der Emergenz. Es beschreibt das Auftreten von Eigenschaften oder Ergebnissen, die nicht direkt aus den einzelnen Bestandteilen eines Systems ableitbar sind, sondern erst durch deren Zusammenspiel entstehen. Übertragen auf den Designprozess bedeutet das, dass Ergebnisse nicht vollständig im Voraus definierbar sind, sondern sich erst im Verlauf der Interaktion zwischen Mensch und KI herausbilden.
Verschiebung von Creative Agency
Eine der zentralen Fragen betrifft Creative Agency, also die Fähigkeit, bewusst gestalterisch zu handeln. Während diese klassisch beim Menschen liegt, verschiebt sich dieses Modell durch KI-Systeme.
Diese Vorstellung von geteilter Agency bedeutet jedoch nicht, dass menschliche Gestaltungsmacht verschwindet, sondern dass sie sich verändert. Designer:innen werden zu Kurator:innen oder Moderator:innen eines Prozesses, der nicht vollständig kontrollierbar ist.
Gleichzeitig wirft diese Entwicklung auch kritische Fragen auf: Wie lässt sich Verantwortung definieren, wenn Ergebnisse gemeinsam entstehen? Wer entscheidet, welche Vorschläge angenommen oder verworfen werden? Und inwieweit beeinflussen die Trainingsdaten und Algorithmen der Systeme die gestalterischen Entscheidungen?
»Kaleido«: Ein experimentelles Designprojekt
»Kaleido« ist ein experimentelles Werkzeug zur Erforschung der Mensch-KI-Interaktion. Es ist kein fertiges Produkt, sondern ein Forschungsinstrument, das neue Formen der Zusammenarbeit sichtbar macht. Nutzer:innen geben Impulse und erhalten visuelle Antworten, die nicht vollständig vorhersehbar sind und oft unerwartete Ergebnisse erzeugen.
Ausgangspunkt ist die Beobachtung, dass KI kreative Prozesse zwar beschleunigt, aber auch dazu führen kann, dass Ideen sich früh verfestigen und weniger Vielfalt entsteht. Designer:innen werden dadurch stärker zu Kurator:innen bestehender Vorschläge. Kaleido setzt genau hier an: Es soll nicht nur bei der Gestaltung helfen, sondern vor allem zum Nachdenken anregen. Durch gezielte Fragen der KI werden Entscheidungen, Bedeutungen und Kriterien im Designprozess sichtbar gemacht.
Das System funktioniert wie ein Overlay im Designprozess. Es hilft dabei, Ideen weiterzuentwickeln und neue Perspektiven zu eröffnen, anstatt direkt fertige Lösungen zu liefern. Das Ziel besteht darin, Gestaltung offen zu halten und als Raum für Experimente, Reflexion und neue Ideen im Umgang mit KI zu nutzen.
Nutzer:innen werden durch den Prototypen dazu aufgefordert, Designs und Applikationen wie die Apple Wetter-App zu hinterfragen. Die KI fragt sie aktiv, welche Emotionen oder Werte sie mit bestimmten Designs verbinden. Bild: Tim Milwa
Erkenntnisse über Verschiebungen im Design
Die Arbeit zeigt, dass KI nicht nur ein neues Werkzeug ist, sondern Design grundlegend verschiebt. Gestaltung wird relational, dynamisch und ko-kreativ. Mensch und Maschine wirken gemeinsam an Bedeutungsproduktion.
Ein weiteres theoretisches Ergebnis betrifft die Rolle und Handlungsmacht von KI im Designprozess. Die prototypischen Erkenntnisse widersprechen einer festen Einordnung von KI als bloßem Werkzeug oder als autonomem Akteur. Stattdessen zeigt sich Handlungsmacht als graduell, situativ und gestaltungsabhängig. Je nach Interaktionsform übernimmt KI unterschiedliche epistemische Teilhandlungen, etwa das Spiegeln bestehender Bedeutungen, das Generieren alternativer Deutungen oder das bewusste Irritieren etablierter Frames. Diese Formen von Agency sind lokal begrenzt und werden erst durch die Rückkopplung an menschliche Interpretationsprozesse epistemisch wirksam.
Ergänzend zu den kritischen Fragen der KI gibt es auch bestimmte Modi, die aktiviert werden können. Ein Beispiel ist der »Perspective Switch«, bei dem die KI eine andere Perspektive einnimmt und somit unterschiedliche Gedanken zu einem Design teilen kann. Bild: Tim Milwa
KI erscheint somit weder als Werkzeug noch als autonomes Subjekt, sondern als relationaler Faktor im Zusammenspiel mit menschlicher Interpretation. Die Ergebnisse zeigen jedoch auch Einschränkungen: Vereinfachte Prozesse können zu oberflächlichen Auseinandersetzungen führen und die Tiefe gestalterischer Reflexion reduzieren.
Fazit: Gestaltung als relationaler Prozess
Die Arbeit macht deutlich, dass KI nicht nur Gestaltung beschleunigt, sondern ihr Fundament verschiebt. Gestaltung ist nicht länger linear, kontrollierbar oder rein menschlich gesteuert, sondern ein relationaler Prozess, in dem Bedeutung im Zusammenspiel entsteht. Zentral ist der Umgang mit Unsicherheit: KI-gestützte Gestaltung ist geprägt von Ambiguität, Unvorhersehbarkeit und Iteration. Diese Bedingungen erfordern weniger Kontrolle als vielmehr Reflexion, Offenheit und ein kontinuierliches »Neudenken« von Entscheidungen.
Über Tim
Tim Milwa arbeitet im Bereich Strategic Design und legt dabei den Fokus auf Strategie und fundierte Recherche als gestalterische Grundlage. Er bringt Ideen durch ein breites gestalterisches Skillset in erlebbare Anwendungen über unterschiedliche Medien hinweg.
Er studierte Media & Interaction Design (B.A.) und arbeitete als UX-Designer, bevor er den Master in Strategic Design an der Hochschule für Gestaltung Schwäbisch Gmünd absolvierte.
In seiner Masterarbeit untersucht er, wie Generative KI nicht primär zur Automatisierung, sondern als Werkzeug zur Erweiterung von Bedeutungsarbeit im Design eingesetzt werden kann.
Mit dem neuen ChatGPT 2 Image Update können nicht nur Bilder generiert, sondern auch Texte geschrieben werden › PAGE online
Das Modell kann komplexe visuelle Aufgaben lösen und deutlich präziser auf detaillierte Anweisungen reagieren. Und kann mittlerweile auch menschliche Handschrift generieren.
Für mich, Jana, war Handschrift immer etwas zutiefst Menschliches. Sie ist unperfekt, individuell und manchmal kaum lesbar, aber genau darin liegt ihr Wert. Jeder, den ich kenne, hat eine eigene Handschrift, und genau das macht sie so besonders. Ich freue mich immer über selbstgeschriebene Notizen oder Postkarten von meinen Freund:innen, weil sich heutzutage so wenige Menschen die Zeit dafür nehmen.
Der Text ist ohne jegliches spezifisches Prompting entstanden, lediglich basierend auf dem Postkarten-Kontext aus meinem Prompt. Bild: Jana Reske
Vielleicht ist es genau deshalb so irritierend, zu sehen, wie präzise KI mittlerweile Handschrift imitieren kann. Was ich immer als einzigartig und besonders angesehen habe, ist plötzlich generierbar. Mit dem neuen Image-Update von ChatGPT verschiebt sich in dieser Hinsicht etwas Grundlegendes. Text ist nicht mehr nur Inhalt innerhalb eines Bildes, sondern wird selbst zum gestaltbaren Material. Ob handschriftliche Notizen, Editorial-Layouts, UI-Elemente oder typografische Kompositionen. Damit stellt sich zwangsläufig die Frage: Was passiert mit dem Gefühl von Echtheit, wenn selbst unsere Handschrift kein verlässlicher Marker für das Menschliche mehr ist?
Was das neue Image-Modell tatsächlich kann
Das Modell setzt komplexe visuelle Ideen deutlich präziser um und hält sich zuverlässig an Details wie Typografie, Layout oder stilistische Vorgaben. Statt Ergebnissen, die nur ungefähr passen, entstehen Designs, die sich direkt weiterverwenden lassen.
Der Text ist jetzt Teil der Gestaltung. Ganze Textstrukturen wirken im Kontext des Bildes sinnvoll und überraschend stimmig, statt wie zufällige Platzhalter. Das Modell wird auch sprachlich flexibler und funktioniert inzwischen weit über englische Inhalte hinaus zuverlässig. Dadurch wird Sprache selbst zum gestaltbaren Element in internationalen Kontexten.
Bilder lassen sich direkt in verschiedenen Formaten und Seitenverhältnissen generieren, ohne dass nachträgliche Anpassungen erforderlich sind. Dadurch sind die Ergebnisse deutlich anschlussfähiger für reale Anwendungen und Plattformen.
In Kombination mit den Reasoning-Fähigkeiten wird das Modell zu einem aktiven Teil des kreativen Prozesses. Es strukturiert Inhalte, denkt visuelle Lösungen mit und kann sogar mehrere zusammenhängende Bilder in einem Schritt erzeugen. Besonders im Zusammenspiel mit Codex verschiebt sich die Bildgenerierung in Richtung eines integrierten Workflows. Anstelle einzelner Assets entstehen komplette Kompositionen, die sich direkt weiterentwickeln und in Produkte integrieren lassen.
Newsletter, Landingpage, Magazinartikel – und erstaunlich wenig Prompt
Für meinen Test habe ich bewusst mit sehr offenen Prompts gearbeitet. Anstatt konkrete Inhalte vorzugeben, habe ich lediglich eine visuelle Richtung definiert: eine monochrome rote Farbwelt, kombiniert mit Tomaten in verschiedenen Formen und Farben, die wie Modeobjekte inszeniert sind und das Ganze inspiriert von High-Fashion-Kampagnen.
Bild: Jana Reske
Ich habe keine Texte, keine Headlines und keine genauen Inhalte vorgegeben. Und trotzdem sind Ergebnisse entstanden, die auf den ersten Blick erstmal wie fertige Designs wirken. Der generierte Newsletter sieht aus wie ein tatsächliches Editorial-Mailing. Die Landingpage funktioniert wie eine reale Website: mit klarer Hierarchie, nachvollziehbaren Textblöcken und einer sinnvollen Struktur.
Natürlich sind die Inhalte nicht tiefgehend, aber sie sind nicht zufällig entstanden.
Die Texte wirken konsistent, thematisch passend und überraschend stimmig im Kontext des Designs. Was hier passiert, ist mehr als reine Bildgenerierung. Das neue Modell generiert eigenständig Inhalte für kreative Konzepte und trifft dabei Entscheidungen, die man sonst aktiv treffen müsste.
Noch deutlicher zeigt sich das bei der generierten Magazinseite. Auf den ersten Blick wirkt das generierte Doppelseiten-Editorial überraschend überzeugend: Die Bildsprache ist klar, es lässt sich eine gewisse typografische Hierarchie erkennen, und auch das zugrunde liegende visuelle Konzept (die Verbindung von Fashion und Tomaten) wird kreativ aufgegriffen, etwa indem einzelne Elemente wie Accessoires gedacht und inszeniert werden.
Auch im Magazinartikel hat ChatGPT Mode und Tomaten miteinander verbunden und daraus etwas Neues gemacht. Bild: Jana Reske
Auffällig ist dabei erneut, dass die Texte nicht aktiv vorgegeben wurden und sich dennoch in das Gesamtbild einfügen. Aber je länger ich diese generierten Entwürfe anschaue, desto mehr Störfaktoren kommen bei mir auf. Zwar ist das Ergebnis im ersten Schritt visuell überzeugend genug, um als funktionierendes Editorial durchzugehen, es wirkt aber dann doch nicht ganz stimmig.
Fazit: Zwischen komplexen Designs und Durchschnitt
Sowohl der generierte Newsletter als auch die Landingpage oder das Editorial wirken auf den ersten Blick erstaunlich stimmig, da sie vertraute visuelle Muster aufgreifen und diese reproduzieren. Dadurch entsteht eine Klarheit und Struktur, die sofort als »richtig« wahrgenommen wird.
Gleichzeitig liegt darin auch ihre Schwäche. Je länger man sich nämlich mit den Ergebnissen beschäftigt, desto deutlicher wird, dass diese Stimmigkeit oft mit einer gewissen Beliebigkeit einhergeht. Die Entwürfe wirken zwar solide, aber selten wirklich eigenständig. Sie wirken eher wie ein Durchschnitt dessen, was man aus unzähligen bestehenden Designs bereits kennt.
Das ist wenig überraschend, sondern eine direkte Konsequenz davon, wie solche Systeme funktionieren. Die generierten Bilder und Inhalte basieren letztlich auf Mustern aus Trainingsdaten, also einer Vielzahl existierender Magazine, Websites und visueller Formate. Aus diesen Daten wird dann die statistisch plausibelste Lösung generiert. Genau deshalb fühlen sich die Ergebnisse auf den ersten Blick so »richtig« an, aber deshalb bleiben sie oft im Durchschnitt.
Für mich liegt darin aber auch eine klare Verschiebung der Rolle von Designer:innen. Wenn KI zunehmend in der Lage ist, solche plausiblen und strukturell funktionierenden Entwürfe zu generieren, dann wird die eigentliche gestalterische Leistung weniger darin bestehen, etwas von Grund auf zu produzieren, sondern vielmehr darin, auszuwählen, zu hinterfragen und gezielt zu verfeinern.
DWX & Infinite AI Conference: Ein Muss für die Tech-Community › PAGE online
Die DWX – Developer World Experience 2026 ist einer der spannendsten Veranstaltungen des Jahres, weil hier Product Owner, Developer, Designer:innen und Produktmanager:innen aufeinandertreffen. Ohne langweilige Buzzword-Diskutiererei, dafür mit echten Lösungsansätzen zum Thema Product Ownership!
Designer:innen und UX-Profis verhandeln in agilen Teams unermüdlich über Scope, Prioritäten und die ewige Lücke zwischen technischer Machbarkeit und echtem Nutzer:innenbedarf – das kommt euch bekannt vor, aber die perfekten Lösungen sind bisher nicht gefunden?
Das ist kein Wunder, denn auf den meisten Design-Konferenzen erhält das Thema »Product Ownership« wenig Aufmerksamkeit. Stakeholder aus den Bereichen Design, UX, Entwicklung und Produktmanagement verstehen die andere Sprache häufig nicht. Das lässt sich aber lösen, wenn man sich mit der jeweils anderen Seite näher auseinandersetzt – und alle an einen Tisch bringt.
Product Ownership als Track
Auf der DWX – Developer World Experience ist Product Ownership ein eigenständiger Track — kuratiert von Ina Einemann, Agile Coach mit jahrelanger Konferenzerfahrung. Die Veranstaltung findet vom 29. Juni bis 2. Juli 2026 in Mannheim statt und bietet endlich auch Product Ownern eine Bühne. Hier bleibt aber niemand unter sich, es wird auch nicht einfach über Buzzwords diskutiert.
Die DWX bringt die unterschiedlichen Expertisen von Product Ownership & Management tiefgründig zusammen. Mit dabei sind über 2.500 Entwickler:innen, Architekt:innen, DevOps-Profis und Produktverantwortliche aus der DACH-Tech-Community mit 27 kuratierten Tracks sowie 150+ Expert:innen.
Infinite AI Conference: Fokus auf systematische KI-Integration
Zeitgleich findet die Infinite AI Conference über zwei Tage vom 30. Juni bis zum 1. Juli in derselben Location statt. Wie der Name verrät, geht es hier um Künstliche Intelligenz und wie KI-Tools den gesamten Software-Lifecycle von Requirements bis hin zu Deployment verändern. Für Produktdesigner:innen und UX-Leads wird die Auseinandersetzung damit immer heißer, sogar heißer als das nächste Figma-Update.
Du lernst auf der Konferenz, welche Produktentscheidungen durch KI machbar werden — und welche Anforderungen Teams an die Entwicklung stellen können, wenn KI tief im Prozess verankert ist.
Dafür kommen über 2.500 Teilnehmende aus der DACH-Tech-Community nach Mannheim. Es wird 170+ Sessions, Workshops und Keynotes von Praktiker:innen geben. On top: die Casino Night, die seit Jahren zum festen Networking-Ritual der Szene gehört.
Warum brauchen agile Teams Product Ownership?
Der eigenständige Track stellt genau die Fragen, die in vielen Backlogs zu häufig still vor sich hin brüten: Wer entscheidet eigentlich, was gebaut wird? Wie lassen sich die Anforderungen der Kund:innen in echte Lösungen übersetzen? Warum scheitert Stakeholder-Management so oft nicht an Kommunikation, sondern am System dahinter? Und was haben Legacy-Software und Unternehmenskultur wirklich miteinander zu tun? Und wer trägt die Verantwortung, wenn es am Ende doch niemand braucht? Von »AI Customer Clones« über realistische Projekteinschätzungen bis hin zur Rolle von Entwickler:innen als aktive Produktgestalter:innen – die DWX-Konferenz möchte dazu beitragen, dass das Verständnis zwischen Product und Engineering neu justiert und besser wird.
Agilität: zeitgemäß oder abgehängt?
Passend dazu räumt der Agile-Track mit der üblichen Scrum-Liturgie auf. Statt der x-ten Wiederholung von Lehrbuch-Methoden werfen die Speaker einen nüchternen Blick auf die Realität: Warum scheitern Agile-Transformationen trotz voller Methodenkoffer? Was bedeutet Agilität im Zeitalter von KI? Und ist antifragil vielleicht das ehrlichere Konzept für das, was Teams wirklich brauchen?
Datum: 29. Juni – 2. Juli 2026 (Infinite AI: 30. Juni – 1. Juli)
Künstliche Intelligenzvor 2 Monaten
Apps & Mobile Entwicklungvor 2 Monaten
Künstliche Intelligenzvor 2 Monaten
Social Mediavor 2 Monaten
