5. September 2026
Sollte man seine Prompts auf Englisch schreiben? Die Antwort hängt vom Modell ab
Was wirklich beim Modell ankommt, wenn Sie in Ihrer Sprache tippen, warum Englisch lange Pflicht war, welche Modelle heute andere Sprachen ohne Verlust verstehen, und der 6 Credit Test, der es für Ihren Fall entscheidet.
Frank HoubreGründer von Imaginode
Die Frage, die alle haben, ohne sie zu stellen
Ihr Prompt erreicht das Modell genau so, wie Sie ihn getippt haben, ohne Übersetzung dazwischen: die verwendete Sprache hat also einen echten Einfluss auf das Ergebnis.
Es ist eine der ersten Fragen, oft halblaut gestellt, als wäre sie dumm. Sie ist es überhaupt nicht. Sie hat eine echte technische Antwort, und diese Antwort hat sich kürzlich geändert.
Beginnen wir mit dem Wichtigsten, dem, was niemand sagt: Zwischen Ihrer Tastatur und dem Modell gibt es keine automatische Übersetzung. Was Sie tippen, geht so ab, wie es ist. Wenn Sie auf Deutsch schreiben, kommt Deutsch beim Modell an, mit allem, was daraus folgt.
Also, Ihre Sprache oder Englisch? Die ehrliche Antwort ist, dass es vom gewählten Modell abhängt, und dass ein Test von drei Minuten es für Ihren konkreten Fall entscheidet. Wir machen beides: verstehen, warum, und dann testen.
Warum Englisch lange die einzig richtige Antwort war
Bildmodelle haben an überwältigend englisch beschrifteten Bildern gelernt: ein Wort in einer anderen Sprache war dort unterrepräsentiert und daher schwächer mit dem verknüpft, was es beschreibt.
Ein Bildmodell lernt, indem es hunderte Millionen Paare aus Bild und Bildunterschrift ansieht. Diese Unterschriften stammen aus dem Web, und das für solche Aufgaben indexierte Web ist massiv englischsprachig.
Mechanische Folge: Der Ausdruck golden hour wurde millionenfach an Fotos vom Tagesende geheftet. Sein deutsches Gegenstück, goldene Stunde, sehr viel seltener. Das Modell hatte also für das eine eine weit robustere Verknüpfung als für das andere, und ein deutscher Prompt ergab oft ein vageres, generischeres, weniger geführtes Bild.
Daher kommt der universelle Rat, auf Englisch zu prompten, seit 2022 überall wiederholt. Er stimmte. Heute stimmt er viel weniger, und ihn ohne Differenzierung zu wiederholen, lässt etwas Wichtiges verpassen.
Was sich geändert hat: die Modelle, die verstehen, bevor sie zeichnen
Neuere Modelle, die auf einem großen Sprachmodell aufsetzen, interpretieren die Anweisung vor dem Generieren, und dieses Verständnis ist wirklich mehrsprachig.
Die neue Generation von Bildmodellen ordnet nicht mehr bloß Wörter Texturen zu. Manche gehen über ein Sprachmodell, das Ihre Anfrage liest und versteht und dann die Generierung steuert.
Nano Banana Pro stützt sich auf Gemini 3 Pro und ist im Katalog das fähigste beim Verstehen langer Anweisungen. Nano Banana 2 betreibt die Bildgenerierung von Gemini 3.1 Flash. GPT Image 2 kommt aus derselben Welt, und seine Stärke ist ausdrücklich der Gehorsam gegenüber der Anweisung, nicht die Textur.
Diese Modelle verstehen Deutsch so, wie sie Englisch verstehen, weil der verstehende Teil ein Sprachmodell ist, das in Dutzenden Sprachen trainiert wurde. Bei ihnen kostet es Sie so gut wie nichts, in Ihrer Sprache zu schreiben, und Sie gewinnen an Präzision, weil Sie in Ihrer Sprache schreiben.
Die Modelle, bei denen Englisch weiterhin vorzuziehen ist
Reine Bildmodelle, schnell und günstig, bleiben auf Englisch treuer: besonders deutlich beim Fachvokabular.
Am anderen Ende des Katalogs haben klassische Diffusionsmodelle keine sprachverstehende Schicht. Sie kodieren Ihren Text und benutzen ihn als statistischen Leitfaden. Da zählt die Sprache noch.
Flux Schnell für 1 Credit, die Flux Familie allgemein und alles, was lokal auf Stable Diffusion läuft, fallen in diese Kategorie. Auf Englisch erhalten Sie treuere Ergebnisse, vor allem sobald der Prompt präzises Vokabular enthält.
Das ist nebenbei bemerkt keine Frage der Modellqualität: Flux 2 Pro macht sehr schöne Bilder. Es ist eine Frage, wie es Ihren Text liest. Ein hervorragendes Modell kann ein schlechter Leser des Deutschen sein.
Der 6 Credit Test, der es für Ihren Fall entscheidet
Generieren Sie denselben Prompt dreimal in Ihrer Sprache und dann dreimal in seiner englischen Übersetzung mit dem Modell, das Sie nutzen: der Unterschied zeigt sich sofort oder existiert nicht.
Statt mir zu glauben, machen Sie den Test. Er kostet 6 Credits bei Flux Schnell und dauert drei Minuten, und er gilt für Ihr Modell, Ihr Motiv, Ihren Stil.
Schreiben Sie einen Prompt mit etwas Fachvokabular: eine Untersicht auf eine Frau am Rand einer Klippe, Licht am Tagesende von hinten, geringe Schärfentiefe. Dreimal generieren. Dann denselben Prompt ins Englische übersetzen und dreimal mit demselben Modell im selben Format generieren.
Sehen Sie sich die sechs Bilder zusammen an. Halten die drei englischen die Untersicht und das Gegenlicht besser, bevorzugt Ihr Modell Englisch, und Sie wissen es ein für alle Mal. Ist der Unterschied nicht sichtbar, schreiben Sie ohne Gewissensbisse in Ihrer Sprache: darin sind Sie präziser, und Präzision zählt mehr als die Sprache.
Das Vokabular, bei dem Englisch einen echten Vorteil behält
Technische Begriffe aus Film und Fotografie sind im Englischen sehr dichte Schlüsselwörter, deren Entsprechung in anderen Sprachen oft vager oder länger ist.
Selbst bei einem Modell, das Deutsch perfekt versteht, bleiben manche englischen Wörter überlegen, und das ist eine Frage der Dichte, nicht der Sprache.
Nehmen Sie bokeh, golden hour, backlit, rim light, low angle, shallow depth of field, dolly in. Jeder dieser Begriffe bezeichnet genau eine Sache, und das Modell hat sie millionenfach an genau diesem Effekt hängen sehen. Die deutsche Entsprechung verlangt oft eine Umschreibung, und eine Umschreibung verwässert.
Daher die gemischte Methode, die ich in der Praxis anwende: Szene, Handlung und Absicht in meiner Sprache, die Fachbegriffe auf Englisch. Ein Gegenlicht zur golden hour auf einer laufenden Frau, shallow depth of field. Es liest sich hässlich und funktioniert sehr gut, denn ein Prompt ist kein Text, sondern eine Liste von Anweisungen.
Der Kamera-Node schreibt das Englische schon für Sie
Die Einstellungen des Kamera-Nodes gehen als englische Prompt-Fragmente an das Modell: die Sprachfrage ist für alles Inszenatorische bereits geklärt.
Es gibt einen Grund, warum ich kaum noch Fachvokabular in meine Prompts schreibe, und er ist struktureller Natur. Der Kamera-Node enthält Menüs für Bildausschnitt, Objektiv, Blende, Winkel und Bewegung.
Was Sie nicht sehen: Jede Option dieser Menüs ist als englisches Prompt-Fragment hinterlegt, und dieses Fragment geht an das Modell. Sie wählen Nahaufnahme in einer Oberfläche in Ihrer Sprache, und das Modell bekommt den englischen Begriff, den es auswendig kennt.
Der Nutzen geht über die Übersetzung hinaus. Sie müssen das Vokabular nicht mehr auswendig können, Sie verwechseln keine Begriffe mehr, und die Einstellung wird an mehrere Nodes weitergereicht, damit alles kohärent bleibt. Was jede Einstellung genau verändert, steht in die Kamera in der KI führen.
Text im Bild: eine völlig andere Frage
Die Sprache des Prompts und die Sprache des anzuzeigenden Textes sind unabhängig voneinander: ein deutsches Wort bekommt man, indem man es in Anführungszeichen angibt, in welcher Sprache die Anweisung auch verfasst ist.
Verwechseln Sie zwei Dinge nicht. Die Sprache, in der Sie Ihre Anweisungen geben, hat nichts mit der Sprache des Textes zu tun, der im Bild erscheinen soll.
Wenn auf Ihrem Plakat BÄCKEREI stehen soll, schreiben Sie das exakte Wort in Anführungszeichen in Ihren Prompt und fügen hinzu, dass es genau so geschrieben erscheinen muss und kein anderes Wort auftauchen darf. Der Rest der Anweisung kann englisch sein, das ändert nichts.
Zwei zusätzliche Vorsichtsmaßnahmen fürs Deutsche. Umlaute kommen bei manchen Modellen weniger zuverlässig durch als Buchstaben ohne Diakritika, prüfen Sie ä, ö, ü und ß also in voller Größe. Und nehmen Sie ein Modell, das schreiben kann: Nano Banana Pro, GPT Image 2 oder Recraft V4.1. Das ganze Thema steht in verformte Hände und unleserlicher Text.
Die falschen Freunde, die eine Generierung ruinieren
Einen Fachbegriff Wort für Wort zu übersetzen erzeugt regelmäßig das Gegenteil des gewünschten Effekts: einige gängige Wörter sind bekannte Fallen.
Wenn Sie auf Englisch wechseln, übersetzen Sie nicht mit dem Wörterbuch. Ein paar Beispiele, die ständig vorkommen und Generierungen kosten.
Einstellung heißt im Film shot, nicht setting. Bild im Sinne des Einzelbildes heißt frame, nicht picture. Stimmung ergibt mood oder atmosphere, niemals ambiance allein, das es zwar gibt, im alltäglichen Englisch aber etwas anderes meint. Und scharf heißt sharp oder in focus, keinesfalls net.
Der sichere Reflex ist, den englischen Prompt von einem Sprachmodell schreiben zu lassen, statt selbst zu übersetzen. Der Text-Node macht das für 1 bis 3 Credits: Geben Sie ihm Ihre Idee in Ihrer Sprache und verlangen Sie einen Bild-Prompt auf Englisch, ausführlich, mit Filmvokabular, ohne Titel und ohne Kommentar.
Und beim Video, ist es dasselbe?
Videomodelle folgen derselben Logik, aber der Videoprompt ist so kurz, wenn man von einem Startbild ausgeht, dass die Frage fast ihr ganzes Interesse verliert.
Die Regel ist dieselbe: Videomodelle mit starkem Sprachverständnis vertragen Deutsch gut, die anderen bevorzugen Englisch. Nichts Neues an dieser Front.
Nur stellt sich die Frage in der Praxis viel seltener. Wenn Sie sauber arbeiten, bekommt der Video-Node ein bereits bestätigtes Startbild, und der Prompt beschreibt nur noch die Bewegung. Die Kamera fährt langsam vor. Die Hand schließt sich. Drei Wörter, bei denen die Sprache kaum noch etwas ändert.
Das ist ein angenehmer Nebeneffekt der Storyboard-Methode, beschrieben in sein Storyboard mit KI machen, bevor man das Video bezahlt: indem man die Last vom Text aufs Bild verlagert, wird die Sprachfrage fast gegenstandslos.
Was ich konkret mache
Meine Sprache für Szene und Absicht, Englisch für die Fachbegriffe, Kamera-Node für die Inszenierung, und ein Sechs-Bilder-Test, wenn ich ein Modell neu kennenlerne.
Meine Praxis passt in drei Zeilen. Ich schreibe Szene, Handlung und Absicht in meiner Sprache, weil ich darin präziser bin und Präzision in einem Prompt am meisten zählt. Die Fachbegriffe behalte ich auf Englisch, weil sie dichter sind.
Alles Inszenatorische läuft über den Kamera-Node, steht also gar nicht mehr in meinem Text. Und wenn ein neues Modell in den Katalog kommt, mache ich den Sechs-Bilder-Test, bevor ich mir eine Meinung bilde. Das kostet 6 Credits und erspart Monate falscher Überzeugung.
Der Rat, den ich nicht mehr gebe, lautet: promptet einfach auf Englisch. Vor drei Jahren stimmte das, heute kostet es auf der Hälfte des Katalogs Präzision. Und ein präziser Prompt in Ihrer Sprache schlägt immer einen ungefähren auf Englisch.
Kurz gefasst
Bei Modellen, die auf einem Sprachmodell aufsetzen, schreiben Sie in Ihrer Sprache; bei reinen Diffusionsmodellen wechseln Sie zu Englisch oder zu einer Mischung aus beidem.
Nano Banana 2 und Pro, GPT Image 2: Deutsch geht ohne nennenswerten Verlust durch, schreiben Sie in Ihrer Sprache. Flux Schnell, die Flux Familie und alles Lokale: Englisch bleibt treuer, vor allem beim Fachvokabular.
In jedem Fall bleibt Filmvokabular auf Englisch ein guter Reflex, und der Kamera-Node nimmt Ihnen das Meiste davon ab. Der im Bild anzuzeigende Text wird in Anführungszeichen angegeben, unabhängig von der Sprache der Anweisung.
Und wenn Sie eher die Struktur eines Prompts als seine Sprache vertiefen wollen: dort entscheidet sich der wirkliche Unterschied im Ergebnis. Einen Prompt schreiben, der funktioniert beschreibt die vollständige Anatomie: Subjekt, Handlung, Bildausschnitt, Licht, Stil.