Das Problem bei Midjourney ist nicht das Modell. Hört auf, bessere Prompts zu schreiben.

Fragen Sie einen Creative Director, was er will, und Sie bekommen keinen Absatz zur Antwort. Er holt drei Referenzen hervor, tippt auf eine Ecke davon und sagt: mehr davon, weniger davon.

Genau das lässt Midjourney nicht zu. Kein anderes chatbasiertes Bildwerkzeug übrigens auch. Es gibt ein Textfeld, und Sie müssen Ihre Absicht in Worte fassen.

Darin liegt der Kern des Problems. Alles andere folgt daraus.

Worte sind ein verlustbehaftetes Format für Geschmack

Ein Prompt ist eine Kompression dessen, was Sie eigentlich wollen – und das meiste überlebt diese Kompression nicht. Das Licht in diesem einen Foto. Das exakte Gewicht dieser Serife. Der Grund, warum die Prada-Verpackung teuer wirkt und die daneben nicht. Sie können vierhundert Wörter schreiben und treffen es trotzdem nicht. Genau deshalb ist Prompt Engineering überhaupt zum Beruf geworden.

Schlimmer noch: Alle komprimieren auf dieselbe Weise. Niemand hat ein eigenes Vokabular für „cinematic“, „editorial“ oder „clean“. Tausend Teams tippen ungefähr dieselben Adjektive in ungefähr dasselbe Modell und bekommen ungefähr dasselbe Bild zurück.

Dylan Field, CEO von Figma, hat den Mechanismus im Oktober 2025 in Lenny's Podcast klar auf den Punkt gebracht: Das Erste, was KI liefert, ist per Definition generisch, weil es der Durchschnitt aus allem ist, was sie je gesehen hat. Textprompts sind das, was Sie in diesem Durchschnitt festhält. Merriam-Webster hat „slop“ zum Wort des Jahres 2025 gekürt – minderwertige Inhalte, die von KI in Massen produziert werden. Genau daher kommt die Masse.

Es gibt Daten dazu, was das mit einer Gruppe macht. Anil Doshi und Oliver Hauser veröffentlichten 2024 in Science Advances eine Studie, in der Autorinnen und Autoren KI-Unterstützung bekamen. Einzeln betrachtet schnitten die unterstützten Texte besser ab. Miteinander verglichen ähnelten sie sich deutlich stärker. Alle wurden besser – und zugleich alle ähnlicher.

Was tatsächlich ein gutes Bild erzeugt

Kein besserer Satz. Besseres Material.

Ein echtes Briefing ist ein Stapel Dinge: eine Referenzaufnahme, die Verpackung eines Wettbewerbers, ein Marktreport, eine Notiz aus einem Meeting, dass das Licht sich anfühlen soll wie eine Wohnung in Seoul um 18 Uhr. Wenn Sie dem Modell diese Objekte selbst reichen können statt einer Beschreibung davon, hört die Ausgabe auf, in Richtung Durchschnitt zu driften – weil die Inputs Ihre sind und sonst niemand sie hat.

Der zweite Effekt ist subtiler. Das Zusammenstellen der Referenzen zwingt Sie, herauszufinden, was Sie eigentlich meinen. Die meisten Menschen wissen nicht, was sie wollen, bis sie zwei Optionen nebeneinander sehen und merken, dass sie die eine bevorzugen. Ein Textfeld gibt Ihnen das nicht. Eine Wand aus eigenem Material schon.

Und dann wirft das Werkzeug die Arbeit weg

Angenommen, ein Bild ist gelungen. Wo ist es?

In einem Chatverlauf, unter vierzig anderen Versuchen, über sechzig weiteren. Der Verlauf gehört Ihnen allein. Niemand sonst im Team sieht ihn.

Überlegen Sie einmal, was in diesen hundert Bildern steckt. Die Version, die fast passte, aber zu warm war. Die, die auf interessante Weise scheiterte. Die Richtung, die das Team ausdrücklich verworfen hat und die drei Wochen später zwangsläufig wieder jemand vorschlägt, weil nirgends dokumentiert ist, dass sie schon einmal probiert wurde. All das hatte Wert – und all das ist nun Scroll-Historie in einem privaten Account.

Chat ist ein schlechter Container für visuelle Arbeit, aus demselben Grund, aus dem er ein schlechter Container für Entscheidungen ist: Er ist eine Linie. Und eine Linie können Sie nicht neben sich selbst legen. Um zwei Bilder in Midjourney zu vergleichen, scrollen Sie, halten eines im Kopf, scrollen zurück und tun so, als würden Sie vergleichen. Tun Sie aber nicht. Sie erinnern sich.

Also machen Teams, was Teams immer machen, wenn ein Werkzeug sie im Stich lässt. Jemand schickt die guten Bilder per Screenshot in einen Slack-Kanal. Jemand anderes lädt sie in einen Ordner namens final_v2. Und innerhalb einer Woche weiß niemand mehr, welche der vier Versionen in diesem Ordner die ist, auf die sich alle geeinigt hatten.

Was wir stattdessen gebaut haben

In ALLO entsteht das Bild direkt auf dem Canvas – und damit lösen sich beide Probleme auf einmal.

Sie wählen die Objekte aus, mit denen das Modell arbeiten soll: ein Referenzbild, einen Packshot vom Wettbewerb, ein Research-Dokument, eine Sticky Note mit einer halb ausformulierten Idee. Alles liegt ohnehin schon auf dem Board, weil dort das Projekt lebt. Der Prompt wird aus echtem Material zusammengestellt statt aus dem Gedächtnis heraus getippt. Das Modell bekommt Ihre Spezifika, nicht Ihre Adjektive.

Das Ergebnis landet auf dem Canvas, direkt neben dem, was es erzeugt hat. Nicht in einem Thread. Nicht in einem Ordner. Es liegt dort als versioniertes Objekt, und Sie können es neben die anderen fünf legen und sie tatsächlich gemeinsam betrachten – die einzige Art, wie zwischen Bildern je sinnvoll entschieden wurde.

Und es geht weiter. Aus einer Notiz wird ein Research-Dokument. Aus dem Dokument eine Infografik. Aus der Infografik ein Produktbild. Jemand klebt eine Sticky Note mit „das könnte wie ein Persönlichkeitstest funktionieren“ aufs Board, und daraus wird eine Landingpage. Jeder Schritt baut sichtbar auf den vorherigen auf, die gesamte Kette bleibt nachvollziehbar. Einen Monat später sehen Sie nicht nur, was das Team gemacht hat, sondern auch, wie es dorthin gekommen ist und was es unterwegs verworfen hat.

Und das Board ist geteilt. Die vierzig Bilder, die es nicht geschafft haben, bleiben für das Team sichtbar – abgedunkelt und beiseitegelegt, nicht gelöscht. Genau das macht eine Entscheidung später verteidigbar, wenn ein Kunde fragt, warum die Kampagne so aussieht und nicht wie das Naheliegende.

Bildmodelle werden weiter besser. Die Bilder, die sie liefern, werden weiter besser – und sie werden weiter der Durchschnitt dessen sein, was alle anderen auch bekommen. Schwierig bleibt der Teil, der immer schwierig war: zu wissen, was Sie wollen, dem Modell etwas Echtes zu zeigen und am Ende das eine auszuwählen, das Ihnen gehört.

FAQ

Warum sehen KI-generierte Bilder alle gleich aus? Weil alle mit ähnlichen Worten beschreiben, was sie wollen, und Modelle für diese Worte die wahrscheinlichste Ausgabe liefern. Dylan Field von Figma nennt das erste Ergebnis per Definition generisch. Dem Modell eigene Referenzen zu geben statt Adjektive bewegt die Ausgabe vom Durchschnitt weg.

Warum ist Midjourney im Team schwer zu nutzen? Die Generierungen leben in einem persönlichen Chatverlauf. Die Ausgabe ist linear, Bilder lassen sich nicht nebeneinander vergleichen, und das meiste, was jemand ausprobiert hat, ist für alle anderen unsichtbar. Die verworfenen Versuche und die Begründung für eine Wahl verschwinden mit dem Verlauf.

Wie bekommt man bessere Ergebnisse aus einem KI-Bildwerkzeug? Hören Sie auf, an einem besseren Prompt zu feilen. Geben Sie dem Modell echtes Material: Referenzbilder, Markenassets, Research und die Notizen, die die Absicht erklären. Spezifische Inputs erzeugen spezifische Ergebnisse.

Wo sollten Teams KI-generierte Bilder ablegen? Dort, wo das ganze Team sie gemeinsam sehen kann – neben dem Briefing und den Referenzen, aus denen sie entstanden sind, einschließlich der verworfenen Versionen. Ein Downloads-Ordner verliert diesen Kontext innerhalb einer Woche.

Erzeugt ALLO Bilder? Ja, direkt auf dem Canvas. Wählen Sie die Referenzen und Notizen aus, mit denen gearbeitet werden soll, generieren Sie, und das Ergebnis landet als Objekt auf dem Board neben seinen Inputs. Dort kann das Team vergleichen, kommentieren und entscheiden.