Midjourneys Problem ist nicht das Modell. Hör auf, bessere Prompts zu schreiben.

Frag einen Creative Director, was er will, und er antwortet nicht mit einem Absatz. Er zieht drei Referenzen hervor, tippt auf eine Ecke einer davon und sagt: mehr davon, weniger davon.

Midjourney akzeptiert das nicht. Kein anderes Chat-basiertes Bildwerkzeug tut es. Du bekommst ein Textfeld und musst deine Absicht in Worte fassen.

Das ist das eigentliche Problem, und alles andere folgt daraus.

Worte sind ein verlustbehaftetes Format für Geschmack

Ein Prompt ist eine Komprimierung dessen, was du eigentlich willst, und das meiste davon überlebt die Komprimierung nicht. Das Licht auf diesem Foto. Das genaue Gewicht dieser Serife. Der Grund, warum die Prada-Schachtel teuer wirkt und die daneben nicht. Du kannst vierhundert Wörter schreiben und triffst es trotzdem nicht. Deshalb wurde Prompt Engineering überhaupt ein Beruf.

Schlimmer noch: alle komprimieren auf dieselbe Weise. Niemand hat ein eigenes Vokabular für "cinematic", "editorial" oder "clean". Tausend Teams tippen also 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 Lennys Podcast klar benannt: Das Erste, was KI dir liefert, ist per Definition generisch, weil es der Durchschnitt von allem ist, was sie je gesehen hat. Text-Prompts sind das, was dich in diesem Durchschnitt festhält. Merriam-Webster hat "slop" zum Wort des Jahres 2025 gemacht, definiert als in Masse produzierte KI-Inhalte von niedriger Qualität. 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 sie Autoren KI-Unterstützung gaben. Individuell schnitten die unterstützten Texte besser ab. Im Vergleich untereinander waren die unterstützten Arbeiten deutlich ähnlicher. Alle wurden besser und alle wurden gleichzeitig gleichförmiger.

Was tatsächlich ein gutes Bild erzeugt

Kein besserer Satz. Besseres Material.

Ein echtes Briefing ist ein Stapel von Dingen: ein Referenzfoto, die Verpackung eines Wettbewerbers, ein Marktbericht, eine Notiz aus einem Meeting, dass das Licht sich anfühlen soll wie in einer Seouler Wohnung um 18 Uhr. Wenn du dem Modell diese Objekte in die Hand geben kannst statt einer Beschreibung davon, driftet das Ergebnis nicht mehr in Richtung Durchschnitt, weil die Inputs deine sind und sonst niemand sie hat.

Das Zweite ist subtiler. Das Zusammentragen der Referenzen zwingt dich, dir klar zu werden, was du eigentlich meinst. Die meisten Menschen wissen nicht, was sie wollen, bis sie zwei Optionen nebeneinander sehen und spüren, wie sie die eine bevorzugen. Ein Textfeld gibt dir das nicht. Eine Wand aus deinem eigenen Material schon.

Und dann wirft das Werkzeug die Arbeit weg

Angenommen, du hast ein gutes Bild bekommen. Wo ist es?

Es steckt in einem Chat-Verlauf, unter vierzig anderen Versuchen, über sechzig weiteren. Der Verlauf gehört nur dir. Niemand sonst im Team kann ihn sehen.

Denk daran, was in diesen hundert Bildern steckt. Die Version, die fast richtig war, aber zu warm. Die, die auf interessante Weise gescheitert ist. Die Richtung, die das Team explizit verworfen hat und die in drei Wochen unweigerlich jemand wieder vorschlagen wird, weil nirgendwo festgehalten ist, dass sie schon einmal probiert wurde. All das hatte Wert, und all das ist jetzt Scroll-Historie im privaten Account einer einzelnen Person.

Chat ist ein schlechter Behälter für visuelle Arbeit, aus demselben Grund, aus dem er ein schlechter Behälter für Entscheidungen ist. Er ist eine Linie. Du kannst eine Linie nicht neben sich selbst legen. Um zwei Bilder in Midjourney zu vergleichen, scrollst du, hältst eines im Kopf, scrollst zurück und tust so, als würdest du vergleichen. Tust du nicht. Du erinnerst dich.

Teams tun am Ende, was Teams immer tun, wenn ein Werkzeug versagt. Jemand macht Screenshots der guten Bilder und schickt sie in Slack. Jemand anderes lädt sie in einen Ordner namens final_v2. Und eine Woche später 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 passiert die Generierung auf dem Canvas, und die beiden Probleme fallen in einer Lösung zusammen.

Du wählst die Objekte aus, mit denen das Modell arbeiten soll. Ein Referenzbild, ein Packshot der Konkurrenz, ein Research-Dokument, eine Sticky Note mit einer halbfertigen Idee, alles liegt schon auf dem Board, weil das Projekt dort lebt. Der Prompt wird aus echtem Material zusammengestellt statt aus dem Gedächtnis getippt. Das Modell bekommt deine Spezifika, nicht deine Adjektive.

Das Ergebnis landet auf dem Canvas, direkt neben den Dingen, die es erzeugt haben. Nicht in einem Thread. Nicht in einem Ordner. Es liegt dort als Objekt, versioniert, und du kannst es neben die anderen fünf legen und sie tatsächlich zusammen ansehen. Das ist die einzige Art, wie sich je jemand zwischen Bildern entschieden hat.

Und dann geht es weiter. Aus einer Notiz wird ein Research-Dokument. Aus dem Dokument eine Infografik. Aus der Infografik ein Produktshot. Jemand wirft eine Sticky Note dazu, dass das Ganze wie ein Persönlichkeitstest funktionieren könnte, und daraus wird eine Landing Page. Jeder Schritt fußt auf den vorherigen, und die gesamte Kette bleibt sichtbar. Einen Monat später siehst du nicht nur, was das Team gemacht hat, sondern wie es dorthin gekommen ist und was es unterwegs verworfen hat.

Und das Board ist geteilt. Die vierzig Bilder, die es nicht geschafft haben, sind weiterhin für das Team sichtbar, ausgegraut und zur Seite gelegt statt gelöscht. Das ist es, was eine Entscheidung später verteidigbar macht, wenn ein Kunde fragt, warum die Kampagne so aussieht und nicht so wie das Offensichtliche.

Bildmodelle werden weiter besser. Die Bilder, die sie dir liefern, werden weiter besser und weiter der Durchschnitt dessen bleiben, was alle anderen auch bekommen. Was schwierig bleibt, ist zu wissen, was du willst, dem Modell etwas Konkretes zu zeigen und das eine auszuwählen, das deins ist.

FAQ

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

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

Wie bekommt man bessere Ergebnisse aus einem KI-Bildwerkzeug? Hör auf, an besseren Prompts zu feilen. Gib dem Modell echtes Material: Referenzbilder, Brand Assets, Recherche und die Notizen, die die Absicht erklären. Konkrete Inputs führen zu konkreten Ergebnissen.

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

Generiert ALLO Bilder? Ja, auf dem Canvas. Wähle die Referenzen und Notizen aus, mit denen es arbeiten soll, generiere, und das Ergebnis landet als Objekt auf dem Board, direkt neben seinen Inputs, wo das Team vergleichen, kommentieren und entscheiden kann.