Für das Gruppenmeeting soll ein Ankündigungsposter verschickt werden, im Bericht fehlt eine konzeptionelle Abbildung, ein Ablauf soll den Kommilitonen verständlich erklärt werden – diese Anforderungen an „Bilder“ scheitern oft daran, dass man nicht zeichnen kann oder keine Zeit zum Zeichnen hat. Die Wissenschaftliche Illustration in der MuchSci-App-Sammlung erzeugt aus einer Beschreibung in natürlicher Sprache direkt ein verwendbares Bild. Aber vorab: Was sie liefern kann, sind „Bilder zur Vermittlung“, nicht „aus Daten berechnete Diagramme“.
Der Name „Wissenschaftliche Illustration“ wird leicht missverstanden als Zeichnen von Datendiagrammen. Deshalb trennt dieser Beitrag beides: wie aus einem Satz ein Bild wird, für welche Szenarien das geeignet ist und wo die Grenze liegt, die nicht überschritten werden darf.
01 Ein Satz – wie wird daraus ein Bild
▲ Abb. 1｜Szenario und Kernpunkte klar beschreiben; nach der Generierung gibt es noch drei Schritte
Der Prozess lässt sich in vier Schritte zerlegen: Du schreibst den Prompt, erklärst Szenario, Zielgruppe und die hervorzuhebenden Punkte; es generiert nach der Beschreibung; du prüfst das Ergebnis; dann wählst du eines von drei Dingen – Prompt erneut bearbeiten, neu generieren, löschen. Dazwischen gibt es keine Schritte wie Ebenen, Assets oder Layout; sie sind zwischen „Beschreibung“ und „Beurteilung“ zusammengefasst.Du sagst, was du willst; es zeichnet es.
Diese Arbeitsteilung bedeutet, dass die Bilderstellung von einer „handwerklichen Tätigkeit“ zu einer „Ausdrucksaufgabe“ wird: Ob man Designsoftware beherrscht, ist nicht mehr wichtig; ob man die Anforderungen klar formulieren kann, wird wichtig. Für Menschen, die nicht zeichnen können, verschiebt sich die Hürde von „Tools lernen“ zu „Beschreiben üben“.
02 Ob der Prompt klar geschrieben ist, macht einen großen Unterschied
▲ Abb. 2｜Derselbe Satz – je nachdem, ob ausreichend Informationen gegeben werden, spart man bei der Abnahme unterschiedlich viel Aufwand
Generative Bilderzeugung hat eine Besonderheit: Sie führt treu aus, was du schreibst, und ergänzt nicht, was du nicht gesagt hast. Nehmen wir ein Poster zur Mitgliederwerbung eines Vereins als Beispiel: Ist der Titel auffällig, sind Zeit und Ort angegeben, gibt es einen QR-Code-Zugang, für wen ist es gedacht – wenn du diese Informationen nicht nennst, fehlen sie im Bild.
Sie führt aus, sie denkt sich keine Inhalte für dich aus. Je konkreter der Prompt, desto mehr Aufwand spart man bei der Abnahme; je vager, desto mehr muss man durch wiederholtes Neugenerieren herumprobieren. Darin unterscheidet sie sich auch von traditionellen Design-Tools: Design-Tools prüfen die Bedienung, die Bilderzeugung prüft die Beschreibung.
Anders gesagt, ist das auch eine Übung darin, „Anforderungen klar zu formulieren“. Viele glauben, die Schwierigkeit bei der Bilderzeugung liege im Zeichnen; tatsächlich liegt sie in der Beschreibung – man muss zuerst den vagen Gedanken im Kopf zu einem klar gegliederten Satz ordnen, erst dann kommt das Tool ins Spiel.
03 Für welche Szenarien eignet sich ein Bild aus einem Satz
▲ Abb. 3｜Gruppenmeeting-Poster, konzeptionelle Skizzen, Ablaufskizzen – gemeinsam ist ihnen, dass sie nicht an echte Daten gebunden sind
Der folgende Screenshot stammt aus der Oberfläche für Wissenschaftliche Illustration von MuchSci und zeigt eine echte Generierung: Der Prompt lautet „Erstelle ein Poster zur Mitgliederwerbung eines Vereins, am 20. September vor der Sporthalle, QR-Code zum Beitritt zur Gruppe, hauptsächlich in der Gruppe der Erstsemester verteilen, der Titel soll auffällig sein“; nach der Generierung kann der Prompt erneut bearbeitet, neu generiert oder gelöscht werden.
▲ Abb. 4｜Ein aus einem Satz in natürlicher Sprache generiertes Werbeposter und die drei Aktionen nach der Generierung
Szenariobezogen eignen sich die meisten Bilder in Forschung und Studium, die „eine Bedeutung verständlich machen“, für generative Erzeugung: Gruppenmeeting-Poster, konzeptionelle Skizzen, Ablaufskizzen. Diese Bilder sind nicht an echte Daten gebunden; ob sie richtig gezeichnet sind, kann die betrachtende Person auf einen Blick abnehmen – genau das ist die Voraussetzung dafür, dass sie aus einem Satz generiert werden können. Illustrationen für Lesenotizen, Hinweisbilder für Vereinsaktivitäten, konzeptionelle Grafiken für Kurspräsentationen folgen derselben Logik: Sie liefern ein Bild für „eine Bedeutung“, nicht ein Bild für „einen Datensatz“.
Auch die Option „Löschen“ ist erwähnenswert: Wenn es nicht gefällt, löschen, ohne psychische Belastung. Die Kosten für Versuch und Irrtum bei generativer Bilderzeugung sind niedrig, aber das Ausprobieren sollte über den Prompt erfolgen, nicht durch wiederholtes Klicken auf „Neu generieren“ und Hoffen auf Glück.
04 Was erzeugt werden kann und was nicht
▲ Abb. 5｜Auf der einen Seite steht die sprachbasierte Generierung zur Vermittlung, auf der anderen die aus echten Daten berechnete Darstellung zur Präsentation
Die Grenze liegt hier:Generative Bilder sind keine Datendiagramme. Liniendiagramme für Versuchsergebnisse, Balkendiagramme für Umfragestatistiken – jeder Punkt, jeder Balken muss aus echten Daten stammen; ein durch Sprache „generiertes“ Datendiagramm ist falsch – nicht schlecht gezeichnet, sondern schlicht unbrauchbar.
Statistische Diagramme aus echten Daten sollten über die Schiene der Abbildungen für wissenschaftliche Arbeiten laufen, aus Daten berechnet und gezeichnet, nachrechenbar und überprüfbar. Die beiden Bildtypen haben jeweils ihre Verwendung; am problematischsten wird die Vermischung im Begutachtungsprozess: Ein generiertes Bild, das wie ein statistisches Diagramm aussieht, lässt an der Glaubwürdigkeit des gesamten Materials zweifeln.
Ein einfacher Selbsttest: Wenn dieses Bild bei einem anderen Datensatz neu gezeichnet werden müsste, ist es ein Datendiagramm – dann keine generative Erzeugung verwenden; wenn der Inhalt nichts mit Daten zu tun hat und nur damit, „wie man es klar erklärt“, dann passt die generative Erzeugung.
05 Grenzen
Wie üblich werden die Grenzen offengelegt.
① Dieser Beitrag beschreibt Funktionsposition und Mechanismus und stellt keine Zusage zur Bildqualität dar. Die Generationsergebnisse hängen vom Konkretheitsgrad des Prompts und der Komplexität des Szenarios ab; wer unklar schreibt, bekommt ungenaue Bilder.
② Generierte Bilder müssen vor der Verwendung in offiziellen Materialien manuell geprüft werden. Informationen wie Titel, Datum und QR-Code sind Punkt für Punkt zu prüfen; das Generierungsmodell kann falsch zeichnen oder schreiben; fachliche Beurteilung darf nicht ausgelagert werden.
③ Generative Bilder werden nicht zur Darstellung echter Daten verwendet. Für Format- und Namensangaben bei Abbildungen in wissenschaftlichen Arbeiten gelten die aktuellen Vorgaben der jeweiligen Zeitschrift und Institution; generierte Bilder dienen ausschließlich der Vermittlung in Forschungs- und Studienszenarien.