Ein Facebook-Beitrag über ein typisches britisches Dorffest-Plakat (village fayre) ging viral, löste breiten Spott aus und veranlasste sogar die britische Tageszeitung The Independent, ausführlich über das Phänomen des sogenannten „AI poster slop“ (KI-Plakatmüll) zu berichten. Für sich genommen sind diese KI-Bilder keineswegs hässlich: Die Aquarelltexturen und die ländlich-idyllische Stimmung genügen auf den ersten Blick durchaus gängigen Mindestanforderungen. Das eigentliche Paradoxon zeigt sich, wenn gewöhnliche Nutzer ein vollständiges Veranstaltungsprogramm eingeben: Die Maschine liefert fast ausnahmslos dieselbe uniforme Schablone. Sieht man diesen Stil einmal, wirkt er passabel; sieht man ihn zwanzigmal am schwarzen Brett, wird die ständige Wiederholung unerträglich.
Statistische Wahrscheinlichkeitsmodelle neigen naturgemäß zur Regression zur Mitte. Bittet man eine Bild-KI um ein Plakat, generiert sie den überlagerten Schemen aller durchschnittlichen Flyer aus ihrem Trainingsdatensatz. Auf Hacker News löste diese gestalterische Sackgasse eine lebhafte Debatte aus: Mit über 1.280 Upvotes und mehr als 700 Kommentaren kletterte der Beitrag an die Spitze der Plattform. Der Entwickler John Hartnup veröffentlichte einen Katalog mit über einhundert Prompt-Varianten für Plakatstile. Seine Stresstests legten eine unbequeme Wahrheit offen: Das größte Versagen der generativen KI bei Plakaten liegt nicht im handwerklichen Zeichnen, sondern in der völligen Missachtung grundlegender typografischer Gesetzmäßigkeiten.
Abb.: Eine Collage im Netz kursierender, KI-generierter Dorffest-Plakate. Quelle: john.hartnup.uk
Stresstests für Prompts: Historische Kunststile schlagen Adjektiv-Stapel
Hartnups Experiment nahm seinen Anfang bei einem fiktiven Frühlingsfest. Er fütterte ChatGPT mit detaillierten, realistischen Angaben: 21. April von 11 bis 15 Uhr im Mill Beach Park in Honeyford, freier Eintritt, Tombola, Kuchen und Getränke, Kunsthandwerksstände, ein Workshop für Zirkusfertigkeiten sowie Auftritte einer Samba-Gruppe und einer indischen Dhol-Trommelformation. Um abgedroschene Klischees zu vermeiden, verlangte sein Prompt ausdrücklich ein „sauberes, schnörkelloses, helles Layout mit einer markanten Frühlingsgrafik“ und wies an: „Keine Pastelltöne, kein Airbrush, kein Ölgemälde-Stil, keine Menschendarstellungen.“
Das erste Ergebnis trug dennoch die unverkennbare Handschrift eines billigen Dorfbazars. Das Modell ignorierte die verneinten Adjektive und klammerte sich stur an die Standard-Wahrscheinlichkeitsverteilung des Begriffs „Frühlingsfest“. Die Gewichtung negativer Prompts ist bei Diffusionsmodellen nach wie vor fehleranfällig; abstrakte Layoutanweisungen haben gegen konkrete Substantive kaum eine Chance. Konfrontiert mit zehn Attraktionen war der erste Reflex der KI nicht, eine Lesehierarchie zu schaffen, sondern krampfhaft zehn passende Illustrationselemente auf die Leinwand zu quetschen.
Hartnup wechselte die Taktik: Er forderte das Modell auf, eine völlig andere Ästhetik zu wählen, und nutzte den ersten Entwurf als Negativbeispiel für das, was vermieden werden sollte. Das Ergebnis war eine geometrische, vom Bauhaus inspirierte modernistische Typografie. Allein dadurch, dass sie mit der Standardvorlage brach, stach diese Grafik sofort aus dem Einheitsbrei heraus.
Abb.: Der zweite Versuch des Autors im Bauhaus- und geometrischen Modernismus-Stil. Quelle: john.hartnup.uk
Dieser Durchbruch verdeutlicht eine Grundregel des Promptings: Die Benennung einer konkreten historischen Kunstepoche – wie etwa ein kubistisches Ausstellungspakat der 1940er-Jahre – ist ungleich wirksamer als das Anhäufen beschreibender Adjektive. Historische Stile bilden in den Trainingsdaten stark verdichtete Merkmalscluster. Wer den Namen einer Epoche abruft, adressiert direkt ein fest verankertes Vokabular und erzielt eine konsistentere Bildsprache als mit einem Dutzend subjektiver Umschreibungen.
ChatGPT listete mühelos Dutzende Stile auf, die es abbilden konnte – darunter Namen, die selbst Hartnup noch nie gehört hatte. Die folgende Tabelle vergleicht die Prompting-Strategien und ihre Wirkung im Experiment:
| Testphase | Prompt-Strategie | Vom Modell generierter Stil | Bewertung des Resultats |
|---|---|---|---|
| Erste Tests | Pastell und Öl meiden, sauberes Layout fordern | Standard-Dorffest-Vorlage | Extrem repetitiv; derselbe Stil nervt nach 20 Wiederholungen |
| Negativ-Referenz | Vorherige Ästhetik explizit als Negativbeispiel ausschließen | Bauhaus / Geometrischer Modernismus | Deutlich stärkere Wirkung; sticht allein durch den Bruch mit Konventionen hervor |
| Stilbenennung | Konkret Kubismus der 1940er-Jahre vorgeben | Kubistisches Ausstellungsposter | Präzise visuelle Umsetzung; weit wirksamer als vage Adjektive |
| Batch-Validierung | Schweizer Typografie (International Typographic Style) | (Einer von 100 katalogisierten Stilen) | Belegt Überlegenheit historischer Stilbegriffe gegenüber Adjektiven |
| Batch-Validierung | Risographie-Druck vorgeben | (Einer von 100 katalogisierten Stilen) | (Wie oben) |
| Batch-Validierung | Matisse-Schnitt-Collage vorgeben | (Einer von 100 katalogisierten Stilen) | (Wie oben) |
| Batch-Validierung | 90er-Jahre Rave-Flyer vorgeben | (Einer von 100 katalogisierten Stilen) | (Wie oben) |
Text im visuellen Lärm: Wenn Plakate zur Schnitzeljagd werden
Auch wenn moderne Modelle Stile wie Brutalismus, Memphis-Design oder monochromatische Farbwelten mit einer Akzentfarbe beherrschen, bleibt das Resultat oft unbrauchbar. Im Hacker-News-Thread lieferte der Entwickler eloisant die treffendste Diagnose: Das Grundproblem von KI-Plakaten besteht darin, dass man Informationen mühsam suchen muss, statt sie sofort zu erfassen.
„Mein größtes Problem mit den meisten KI-Plakaten ist, dass sie völlig überfrachtet sind – man muss nach Informationen suchen, anstatt sie auf Anhieb zu sehen“, stellte eloisant fest. Vor dem Aufkommen der KI machten selbst ehrenamtliche Helfer, die Plakate unbeholfen in Microsoft Word zusammenbastelten, diesen Fehler selten. Selbst Laien begreifen instinktiv, dass Datum, Uhrzeit, Ort und die wichtigsten Programmpunkte groß genug gesetzt werden müssen, damit Vorbeigehende sie im Vorbeigehen lesen können. Bild-KIs verfahren hingegen gegenteilig: Sie tapezieren die Fläche mit Ornamenten, Trommeln und Zirkussymbolen zu und verbannen entscheidende Fakten in eine unleserliche Ecke.
Heutige Bildgeneratoren begreifen Schrift nicht als hierarchischen Informationsträger. Für sie sind Buchstaben bloße Pixelblöcke, gleichgestellt mit Blumen oder Wimpeln. Ihre Algorithmen optimieren auf Oberflächendichte und kompositorisches Gleichgewicht, nicht auf Lesbarkeit. Gibt man ihnen einige Zeilen Text, erhält man kein Plakat, sondern ein visuelles Suchspiel voller Pixelrauschen.
Abb.: Der vom Autor getestete 90er-Jahre Drum-&-Bass-Flyer-Stil. Quelle: john.hartnup.uk
Pinsel für jedermann, aber ohne typografischen Geschmack
Sinkt die Einstiegshürde der Bilderzeugung auf null, ist visuelle Uniformität die unausweichliche Folge. Kommentator vintagevibe brachte den Kern der Debatte auf den Punkt: Der wichtigste Wert professioneller Grafikdesigner in der Wertschöpfungskette liegt in ihrer Rolle als Editoren. Sie vermitteln zwischen den uferlosen Wünschen des Auftraggebers und der begrenzten Aufmerksamkeit des Publikums – durch radikales Streichen und klare Priorisierung.
Dass man Endkunden generative Werkzeuge an die Hand gibt, ohne ihnen gleichzeitig typografisches Urteilsvermögen zu vermitteln, ist die eigentliche Ursache für die Flut an visuellem Müll. Da niemand mehr den Rotstift ansetzt, spuckt die Maschine ein Frankenstein-Gebilde aus, in dem jede einzelne Anforderung unbesehen hineingepfercht wird. Nutzer yellowapple betonte treffend, dass generative KI qualifizierte Designer auf absehbare Zeit nicht ersetzen wird – eben weil Auftraggebern jene gestalterische Zurückhaltung fehlt.
Universelle Generatoren offenbaren in spezialisierten Disziplinen eine eklatante Kompetenzlücke: Wenn Werkzeuge es jedem ermöglichen, endlos Elemente hinzuzufügen, wird die Fähigkeit zum Weglassen zum kostbarsten Gut. Selbst Hartnup, der auf Hacker News unter dem Namen ereiamjh kommentierte, räumte diesen Fehler unumwunden ein. Nachdem er 100 Prompts doppelt durchgerendert hatte, wurde ihm schlagartig klar, woran es haperte: „Die Prompts ließen sich deutlich verbessern, wenn man explizit weniger Überfrachtung fordern würde… Wenn man es nicht ausdrücklich verbietet, versucht die KI für jedes einzelne Wort ein Bildelement einzubauen.“
Entkoppelte Ebenen per Code: Ein Ausweg aus der Bitmap-Sackgasse
Um das Dilemma statischer, uneditierbarer Rasterbilder zu lösen, skizzierte Hartnup einen pragmatischen technischen Weg: Modelle sollten nicht länger dazu gezwungen werden, alles in eine einzige flache Bitmap einzubrennen. Stattdessen sollten LLMs wie Claude Code oder Gemini strukturiertes HTML/CSS, Vektor-SVGs oder geschichtete PDFs erzeugen. In diesem Setup behält Text seine semantische Identität und Ebenen bleiben modular. Das Plakat ist keine unveränderbare Pixelwüste mehr, sondern ein digitales Asset: Schriften lassen sich im CSS austauschen, Abstände im DOM justieren und Hintergrundbilder von Vordergrundtexten sauber entkoppeln.
Aus Sicht des Systemdesigns handelt es sich um eine elegante Strategie der Komplexitätsreduktion: Wenn Diffusionsmodelle an typografischen Hierarchien scheitern, degradiert man sie zum reinen Illustrator für Hintergrundelemente. Das Layout und die Typografie überträgt man Sprachmodellen, die für strukturierte Codeausgaben geschaffen sind.
Die KI zeichnet diese Plakate nicht zwingend hässlich – aber sie überlädt sie derart, dass sie unlesbar werden. Die Debatte um Hartnups Experimente hält der gesamten Branche den Spiegel vor: Werkzeuge können im Handumdrehen Millionen glänzender Pixel errechnen, aber sie ersetzen weder die redaktionelle Disziplin noch das Verständnis für Weißraum, das gute Typografie erfordert. In einer Ära, in der jeder Quadratzentimeter mühelos mit Details vollgestopft werden kann, bleibt das bewusste Weglassen die größte Hürde, an der generative Systeme scheitern.
Weiterführende Links:
- AI Event Posters
- Hacker News Diskussion
