Konsistente Charaktere mit KI: dasselbe Gesicht über alle Bilder und Videos hinweg

Das Problem, auf das jeder nach zehn Minuten stößt

Sie generieren eine Heldin für Ihr Projekt. Sie ist perfekt: dreißig Jahre alt, kurze rote Haare, eine ausgewaschene Jeansjacke. Sie starten eine neue Generierung, um sie im Profil zu sehen. Und dann die Überraschung. Die Haare sind plötzlich braun, die Jacke ist verschwunden, das Gesicht hat mit dem ersten nichts mehr zu tun. Derselbe Prompt, Wort für Wort. Eine völlig andere Figur.

Das ist kein Bug von Imaginode und auch von keinem anderen Werkzeug. Es ist das ganz normale Verhalten aller aktuellen Bildmodelle. Und solange man nicht verstanden hat, warum das so ist, verliert man Stunden und Dutzende Credits mit immer neuen Versuchen, in der Hoffnung auf ein Wunder. Dieser Artikel erklärt zuerst die Ursache und dann die echte Lösung, die in der Produktion funktioniert, für einen Comic, eine Serie von Posts oder einen Film.

Ein ehrlicher Spoiler vorab: Die Lösung ist kein besserer Prompt. Die Lösung besteht darin, dem Modell Ihre Figur zu zeigen, statt sie zu beschreiben, und zwar mit Referenzbildern. Auf Imaginode läuft das über den Referenz-Node, und wir bauen ihn hier Schritt für Schritt auf, vom Master-Porträt bis zur grünen @Mention, mit den exakten Preisen in Credits für jede einzelne Etappe.

Warum das Gesicht wechselt: das Zufallsrauschen

Ein Bildmodell zeichnet nicht wie ein Illustrator, der seine Figur im Kopf behält. Jede Generierung startet mit einem Bild aus Zufallsrauschen, einem zufällig gezogenen Pixelbrei, den das Modell Schritt für Schritt entrauscht und sich dabei an Ihrem Prompt orientiert. Zwei verschiedene Rauschmuster ergeben zwei verschiedene Ausgangspunkte, also am Ende auch zwei verschiedene Gesichter.

Ihr Prompt beschreibt nur eine Kategorie von Personen: „rothaarige Frau um die dreißig in Jeansjacke“, darauf passen Millionen möglicher Gesichter. Das Modell greift sich bei jedem Durchlauf eines heraus, das zur Beschreibung passt. Es wählt nie zweimal dasselbe, ganz einfach, weil es nichts dazu zwingt.

Dazu kommt eine zweite schlechte Nachricht: Das Modell hat keinerlei Gedächtnis. Generierung Nummer 12 weiß nichts von den 11 davor. Es „erinnert“ sich nicht an Ihre Heldin, es hat sie schlicht nie gekannt. Jeder Klick auf Generieren beginnt wieder bei null, mit neuem Rauschen und ohne jede gemeinsame Geschichte.

Warum auch der ultradetaillierte Prompt nie ausreicht

Der erste Reflex, den hatten wir alle: mehr beschreiben. Vierhundert Wörter über die Form der Nase, den Abstand der Augen, die Strähne, die links ins Gesicht fällt. Das verbessert die Stabilität der einfachen Elemente ein wenig, die Haarfarbe oder die Kleidung. Das Gesicht aber ändert sich munter weiter.

Der Grund ist frustrierend, aber logisch: Sprache ist viel zu arm, um ein Gesicht zu beschreiben. Versuchen Sie einmal, Ihren besten Freund schriftlich zu beschreiben, und geben Sie den Text dann einem Zeichner, der ihn nie gesehen hat. Das Porträt wird plausibel ausfallen, aber niemals ähnlich. Ein menschliches Gesicht besteht aus Tausenden von Mikroproportionen, die kein Vokabular der Welt erfasst.

Und je länger der Prompt wird, desto mehr muss das Modell zwischen Anweisungen abwägen, die sich gegenseitig in die Quere kommen. Ab einem gewissen Punkt bezahlt jedes zusätzliche Wort über das Gesicht mit verlorener Aufmerksamkeit für Szene, Licht oder Handlung. Sie bekommen ein starres Porträt statt des lebendigen Bildes, das Sie eigentlich wollten.

Die echte Lösung: zeigen statt beschreiben

Was ein Zeichner im echten Leben tun würde: nach einem Foto fragen. Die neueren Modelle können genau dasselbe. Sie hängen ein oder mehrere Referenzbilder an die Generierung, und das Modell nutzt sie als direkte visuelle Quelle, statt mühsam Text zu interpretieren.

Der Unterschied ist spektakulär. Wo ein Prompt mit 400 Wörtern in einem von fünf Fällen einen ungefähren Doppelgänger liefert, liefern drei gute Referenzfotos fast bei jedem Versuch eine wiedererkennbare Figur. Das ist keine Magie: Das Modell kopiert reale Proportionen, statt sie zu erfinden.

Ein Hinweis trotzdem: Nicht alle Modelle beherrschen das. Auf Imaginode erscheint der Port für Referenzen an einem Node schlicht nicht, wenn das ausgewählte Modell keine verarbeitet. Sehen Sie den Port nicht, wechseln Sie das Modell, statt nach einer versteckten Einstellung zu suchen: Es gibt keine.

Der Referenz-Node, Schritt für Schritt

Fügen Sie auf dem Canvas von Imaginode einen Referenz-Node hinzu. Er enthält drei Felder. Zuerst einen Namen: „Léa“, „Käptn Nebel“, ganz wie Sie möchten, am besten kurz. Dann eine Beschreibung: Das ist der Text, der später in Ihre Prompts eingefügt wird, dazu kommen wir weiter unten. Und schließlich die Fotos: Ziehen Sie Ihre besten Bilder der Figur hinein.

Dieser Node ist überall im Projekt wiederverwendbar. Sie legen ihn einmal an, danach kann sich jeder Bild- oder Video-Node auf dem Canvas mit ihm verbinden. Genau das ist die Logik des Node-Canvas: Die Figur wird zu einem Baustein, der einmal irgendwo liegt, nicht zu einem Absatz, den Sie in zwanzig Prompts hineinkopieren müssen.

Ein praktisches Detail, das den Alltag spürbar verändert: Die Speicherung läuft automatisch, und jeder Node behält den Verlauf seiner letzten 12 Generierungen. Wenn Version 7 Ihrer Figur die richtige war, ist sie also immer noch da und wartet nur darauf, in den Referenz-Node zu wandern.

Die grüne @Mention, oder wie Sie Ihre Figur herbeirufen

Sobald der Referenz-Node existiert, rufen Sie die Figur in jedem beliebigen Prompt auf, indem Sie @ gefolgt von ihrem Namen tippen. Die Mention erscheint grün im Text, das Zeichen dafür, dass sie sauber mit dem Node verbunden ist. Sie schreiben dann kurze, natürliche Prompts: „@Léa überquert nachts einen Markt im Regen, Totale“.

Bei der Generierung erledigt Imaginode zwei Dinge automatisch: Es fügt die Beschreibung des Nodes in den Prompt ein, und es hängt die Fotos als Referenzbilder an, vorausgesetzt, Sie nutzen ein Modell, das mit Bearbeitung und Referenzen umgehen kann. Sie müssen nichts kopieren und nichts erneut hochladen. Die Mention genügt.

Ein angenehmer Bonus: Der Zauberstab, der Ihre Bild- und Video-Prompts über Kimi für 1 Credit in reichhaltiges Englisch umschreibt, lässt die @Mentions unangetastet. Sie können einen Prompt also anreichern, ohne die Verbindung zu Ihrer Figur zu kappen. Genau solche Details ersparen böse Überraschungen, wenn die Generierung 6 Credits kostet.

Welche Bildmodelle eine Figur halten können

Auf der Bildseite heißt der Champion für Referenzen auf Imaginode Seedream 5 Lite, für 5 Credits pro Generierung, also rund 0,05 €. Das ist die Standardwahl für jede wiederkehrende Figur: Das Modell nimmt Ihre Bilder an und gibt Gesichter mit einer Treue wieder, die andere Modelle in dieser Preisklasse nicht erreichen.

Zwei Alternativen, je nach Bedarf. GPT Image Mini, für 2 Credits, akzeptiert ebenfalls Referenzen: perfekt, um Posen und Bildausschnitte durchzuprobieren, ohne den Zähler leerzuräumen. Und Flux Kontext, für 6 Credits, spielt eine andere Rolle: Es bearbeitet ein vorhandenes Bild. „Ersetze den Hintergrund durch einen Strand“, und Ihre Figur bleibt unangetastet, während sich die Kulisse ändert.

Flux Schnell für 1 Credit oder Imagen 4 Fast für 3 Credits sind dagegen ausgezeichnete Generalisten, aber verlassen Sie sich bei der Gesichtskonsistenz eines Serienhelden lieber nicht auf sie. Der richtige Reflex: die Komposition mit einem günstigen Modell entwerfen und für die finalen Bilder mit der @Mention auf Seedream 5 Lite wechseln.

Die Methode des Master-Porträts

Ein klassischer Fehler: als Referenzen Bilder zu nehmen, auf denen die Figur schon mitten in einer Szene steckt, klein im Bild, im Gegenlicht, von hinten. Das Modell lernt dann genauso viel über die Kulisse wie über das Gesicht. Die richtige Methode besteht darin, zuerst ein Master-Porträt zu bauen: die Figur allein, vor neutralem Hintergrund, in klarem, direktem Licht.

Konkret: Öffnen Sie einen Bild-Node, wählen Sie ein fotorealistisches Modell wie Imagen 4 für 6 Credits und beschreiben Sie ausschließlich die Figur: „Brustporträt, Frau um die 30, kurze rote Haare, ausgewaschene Jeansjacke, einfarbig grauer Hintergrund, weiches Licht von vorn“. Generieren Sie so lange neu, bis Sie DAS Gesicht haben. Rechnen Sie mit 4 oder 5 Versuchen, also 24 bis 30 Credits, weniger als 0,30 €.

Dieses Porträt wird zum Grundstein des Referenz-Nodes. Alle folgenden Bilder stammen von ihm ab. Es ist eine Investition von zehn Minuten, die Ihnen anschließend stundenlange Lotterie erspart, und es ist die einzige Etappe, in der häufiges Neugenerieren wirklich gerechtfertigt ist.

Variieren Sie die Blickwinkel Ihrer Referenzfotos

Ein einzelnes Frontporträt ist ein guter Anfang, aber das Modell kennt Ihre Figur dann nur aus einem einzigen Winkel. Verlangen Sie ein Profil, und es improvisiert eine Nase, einen Kiefer, ein Paar Ohren. Um die Figur in drei Dimensionen zu verankern, müssen Sie ihr mehrere Blickwinkel zeigen.

Die Kombination, die gut funktioniert: ein Frontporträt, ein Dreiviertelporträt, ein Profil und eine Ganzkörperaufnahme für Silhouette und Outfit. Vier Bilder reichen oft völlig aus. Um sie zu produzieren, gehen Sie vom Master-Porträt aus, nehmen ein Modell, das Referenzen akzeptiert, und schreiben „dieselbe Person, im Profil, derselbe graue Hintergrund“. Prüfen Sie jedes Ergebnis, bevor Sie es dem Node hinzufügen.

Seien Sie in dieser Phase anspruchsvoll, anspruchsvoller als überall sonst. Ein leicht missratenes Referenzfoto, mit einem etwas anderen Kinn oder einem nur ungefähren Ohr, verseucht still und leise alle künftigen Generierungen, und Sie suchen die Ursache dann am falschen Ort, nämlich in Ihren Prompts. Besser 4 tadellose Bilder als 8 mittelmäßige. Bei 5 Credits pro Ansicht mit Seedream 5 Lite kostet es 0,05 €, ein zweifelhaftes Foto neu zu machen. Verhandeln Sie da nicht mit sich selbst.

Schreiben Sie die Beschreibung wie einen Kontinuitätsvertrag

Das Beschreibungsfeld des Referenz-Nodes ist keine Dekoration: Es wird in jeden Prompt eingefügt, in dem die @Mention auftaucht. Hinein gehört also genau das, was jede Einstellung überleben muss, und sonst nichts. Die dauerhaften Erkennungszeichen: die Narbe an der linken Augenbraue, die ausgewaschene Jeansjacke, die Uhr am rechten Handgelenk, der gebeugte Gang.

Was von Szene zu Szene wechselt, hat dort dagegen nichts verloren. Schreiben Sie „lächelnd, in einem Café“ in die Beschreibung, wird Ihre Figur auch mitten in einer Sturmszene lächelnd in einem Café sitzen. Die Beschreibung definiert die Identität, der Prompt definiert die Szene. Diese Trennung der Rollen ist es, die das System robust macht.

Am Filmset hat diese Arbeit einen Namen: das Continuity-Skript. Niemand findet das glamourös, aber alle wissen, dass genau das verhindert, dass der Schauspieler zwischen zwei Einstellungen das Hemd wechselt. Ihr Referenz-Node übernimmt exakt diese Rolle.

Und auf der Videoseite: die Modelle und ihre exakten Maximalwerte

Video stellt dasselbe Problem wie das Bild, nur in schlimmer: Ein Gesicht, das über die Sekunden driftet, fällt sofort auf. Zum Glück akzeptieren mehrere Videomodelle auf Imaginode Referenzbilder, mit unterschiedlichen Maximalwerten. Seedance 2.0 und 2.0 Fast nehmen 9, Seedance 2.5 sogar noch mehr. MiniMax H3 akzeptiert ebenfalls 9, Grok Imagine Video 5, Kling V3 und Veo 3.1 Fast je 3.

Der Video-Node zeigt je nach Modell außerdem eigene Eingänge: ein Startbild und, wenn das Modell es unterstützt, ein Endbild. Die zuverlässigste Technik ist ohnehin genau diese: zuerst mit Seedream 5 Lite ein perfektes Bild der Figur generieren und es dann als Startbild des Videos anschließen. Die Bewegung geht dann von einem Gesicht aus, das bereits stimmt.

Seien wir ehrlich, was die Erfolgsquoten angeht: KI-Video misslingt ungefähr bei jeder dritten oder vierten Generierung, mit oder ohne Referenzen. Ein Arm, der durch ein Objekt hindurchgeht, ein Blick, der ins Leere wandert. Planen Sie diesen Ausschuss in Ihr Budget ein. Bei 26 Credits für 5 Sekunden auf Kling 2.5 Turbo oder 48 Credits in 720p auf Seedance 2.0 Fast kostet eine gelungene Szene in der Praxis das Doppelte des angezeigten Preises. Technische Fehlschläge werden dagegen automatisch erstattet.

Konkreter Fall: ein Mini-Comic mit sechs Panels

Nehmen wir ein realistisches Beispiel: ein Mini-Comic mit sechs Panels für Instagram, mit Louna, einer Imkerin, als Heldin. Schritt 1, das Master-Porträt vor neutralem Hintergrund: 5 Versuche mit Imagen 4, macht 30 Credits. Schritt 2, die ergänzenden Ansichten, Dreiviertel, Profil, Ganzkörper: etwa 6 Generierungen mit Seedream 5 Lite, weitere 30 Credits. Der Referenz-Node „@Louna“ ist fertig.

Schritt 3, die sechs Panels. Jeder Prompt bleibt kurz: „@Louna öffnet bei Sonnenaufgang einen Bienenstock, Blick von oben“. Mit Seedream 5 Lite für 5 Credits und einer Wiederholung bei jedem zweiten Bild kosten die sechs Panels rund 45 Credits. Projektsumme: ungefähr 105 Credits, also 1,05 €. Für eine Serie von sechs Visuals mit stabiler Figur ist das schwer zu unterbieten.

Derselbe Node dient in der Woche darauf für Episode 2 und später für ein 5-Sekunden-Video, in dem Louna in die Kamera winkt. Eine einzige Figur, ein einziges Mal definiert, überall wiederverwendet. Genau hier zeigt die Node-Logik ihren Wert gegenüber Werkzeugen, bei denen jedes Bild wieder auf einem weißen Blatt beginnt.

Falle Nummer 1: widersprüchliche Referenzen

Die häufigste Falle: im Referenz-Node Fotos aus verschiedenen Versionen der Figur zu mischen. Zwei Bilder mit leicht unterschiedlicher Frisur, ein drittes mit dunklerer Jacke. Das Modell, das Quellen treu bleiben soll, die sich widersprechen, produziert einen weichen Durchschnitt, der am Ende keinem der drei Bilder ähnelt.

Das Symptom ist gut zu erkennen: Alle Generierungen sind „fast richtig“, aber nie untereinander identisch. Wenn Ihnen das passiert, fassen Sie den Prompt nicht an. Öffnen Sie den Referenz-Node, legen Sie die Fotos nebeneinander und werfen Sie gnadenlos alles heraus, was abweicht. Gehen Sie zurück zum Master-Porträt als einziger Quelle der Wahrheit.

Eine einfache Regel: Jedes hinzugefügte Foto muss sich mit exakt demselben Satz beschreiben lassen wie alle anderen. Wenn Sie sagen müssen „das da war, bevor sie ihre Narbe hatte“, hat das Bild in diesem Node nichts verloren. Legen Sie für diese Version der Figur lieber einen zweiten Referenz-Node an.

Falle Nummer 2: acht fast identische Fotos

Die umgekehrte Falle gibt es auch. Acht Frontporträts, gleicher Ausdruck, gleiches Licht, gleicher Hintergrund. Das Modell schließt daraus, dass all das zur Signatur der Figur gehört: der Winkel, das eingefrorene Lächeln, die Beleuchtung. Die Folge: Es sträubt sich, sobald Sie etwas anderes verlangen. Ihre Figur schaut in jeder Szene frontal in die Kamera, selbst im vollen Sprint.

Das ist Überanpassung in der Referenz-Variante: Zu viele identische Beispiele verriegeln die Pose statt des Gesichts. Die Gegenmaßnahme deckt sich mit dem Rat zu den Blickwinkeln: wenige Bilder, aber unterschiedliche. Vier Fotos mit Front, Dreiviertel, Profil und Silhouette schlagen acht Klone desselben Porträts, und zwar jedes einzelne Mal.

Bei Videomodellen, die bis zu 9 Referenzen akzeptieren, wie Seedance 2.0 oder MiniMax H3, ist die Versuchung groß, alle Plätze zu füllen. Widerstehen Sie. Füllen Sie sie nur, wenn jedes Bild eine neue Information beisteuert: einen Winkel, ein Outfit, einen Ausdruck. Andernfalls leisten drei gute Bilder mehr als neun redundante.

Womit Sie heute anfangen

Der Aktionsplan passt in eine Session von dreißig Minuten. Legen Sie einen Bild-Node an, generieren Sie Ihr Master-Porträt vor neutralem Hintergrund, rechnen Sie mit rund dreißig Credits an Versuchen. Erstellen Sie den Referenz-Node, geben Sie der Figur einen Namen, schreiben Sie drei Sätze dauerhafter Beschreibung, fügen Sie das Porträt und danach die ergänzenden Ansichten hinzu. Testen Sie anschließend eine erste Szene mit der @Mention und Seedream 5 Lite.

Wenn Sie das alles lieber nicht selbst verkabeln möchten: Der Assistent von Imaginode baut den kompletten Workflow mit einem Klick, für 1 Credit pro Nachricht. Beschreiben Sie „eine Serie von Posts mit einer wiederkehrenden Figur“, und er setzt die Bild-, Referenz- und Video-Nodes bereits fertig verbunden auf den Canvas. Sie müssen nur noch die Fotos einfüllen und die Prompts anpassen.

Mit dem Starter-Plan für 13 € zzgl. MwSt. und 900 monatlichen Credits verbraucht diese komplette Session weniger als 15 % des Kontingents. Und alles läuft im Browser, die Generierung rechnet auf dem Server: keine Installation, keine eigene Grafikkarte nötig, die Mittagspause am Laptop im Wohnzimmer reicht völlig aus.

Sobald Ihre Figur stabil steht, ist die nächste Baustelle die saubere Inszenierung: Bildausschnitt, Objektiv, Kamerabewegung. Genau dafür gibt es den Kamera-Node, dem wir einen eigenen Artikel gewidmet haben, „die KI führen wie ein Chefkameramann“. Ihre Heldin hat jetzt ein Gesicht, das hält. Bleibt noch, ihr echte Einstellungen zu schenken.