Fotos mit KI zusammenfügen: 11 fertige Prompts und Anleitung (2026)
11 fertige Prompts zum Zusammenfügen von Fotos mit KI, eine Schritt-für-Schritt-Anleitung und ein Tool-Vergleich. Gemini mischt in einem Durchgang bis zu 14 Referenzbilder; fehlt im Prompt der Satz zum Schutz der Identität, verändern sich die Gesichtszüge. Mit Hinweisen zu Datenschutz (KVKK) und SynthID.

- 11 fertige Prompts: Von zwei Personen in einem Bild bis zu Paar-, Familien-, Produkt- und Ortsszenarien finden Sie unten Befehle, die Sie kopieren und einfügen können.
- Referenzgrenze: Laut Gemini-API-Dokumentation lassen sich in einer einzigen Bildanfrage bis zu 14 Referenzbilder mischen; bei Gemini 3 Pro Image ist das auf 6 Objekt- und 5 Figurenbilder begrenzt.
- Der Satz zum Schutz der Identität ist Pflicht: Steht im Prompt keine Anweisung, die Gesichtszüge zu bewahren, verschönern die Modelle die Gesichter, bis sie jemand anderem ähneln. In allen Prompts dieses Artikels ist dieser Block schon enthalten.
- Tool-Wahl: Das Bildbearbeitungsmodell von ChatGPT liefert 1024x1024, 1536x1024 und 1024x1536, Gemini bietet Auflösungen von 512 Pixeln bis 4K und 10 verschiedene Seitenverhältnisse.
- Hinweis zum Recht: In der Türkei gilt ein Gesichtsbild als besondere Kategorie personenbezogener Daten; holen Sie die Einwilligung ein, bevor Sie das Foto einer anderen Person hochladen. Jedes mit Gemini erzeugte Bild trägt ein SynthID-Wasserzeichen.
Fotos mit KI zusammenfügen heißt, zwei oder mehr getrennte Fotos in ein einziges realistisches Bild zu verwandeln: Sie bringen Menschen, die zu verschiedenen Zeiten an verschiedenen Orten fotografiert wurden, ein Produkt und ein Model oder eine Person und einen Ort in derselben Szene zusammen. Der Unterschied zur klassischen Collage: Bei der Collage stehen zwei Bilder nebeneinander, beim Zusammenfügen berechnet das Modell Licht, Schatten, Perspektive und Maßstab neu und erzeugt ein einziges Foto. Wie gut das gelingt, hängt ganz vom Befehl ab, in dem Sie beschreiben, was Sie wollen, also vom Prompt.
In dieser Anleitung finden Sie 11 fertige Prompts. Alle sind so geschrieben, dass Sie sie kopieren und direkt in ChatGPT oder Gemini einfügen können; Sie ersetzen nur die Felder in eckigen Klammern durch die Angaben zu Ihrem Foto. Dazu kommen die Grenzen der Tools, die wir in deren offiziellen Dokumentationen geprüft haben, eine Erklärung, warum Gesichtszüge verrutschen, und Hinweise, worauf Sie beim Hochladen fremder Fotos achten sollten. Stand der Daten: 9. September 2026.
Was ist das Zusammenfügen von Fotos mit KI, und wie funktioniert es?
Beim Zusammenfügen von Fotos mit KI geben Sie einem Bildmodell, das mehrere Eingabebilder verarbeiten kann, mehrere Fotos und verlangen ein einziges Ergebnis. Das Modell entnimmt jedem Foto Identität, Textur und Farbe des Motivs und versucht, diese Informationen zu bewahren, während es die von Ihnen beschriebene Szene von Grund auf neu erzeugt. Die Qualität hängt deshalb von zwei Dingen ab: wie scharf Ihre hochgeladenen Fotos sind und wie klar Sie die Szene im Prompt beschreiben.
In der Praxis erledigt das Modell drei Aufgaben gleichzeitig. Erstens die Übertragung der Identität: Das Gesicht aus Foto A soll auch in Szene B als dieselbe Person erkennbar sein. Zweitens die Lichtanpassung: Wurden die beiden Fotos bei unterschiedlichem Licht aufgenommen, müssen die Schatten nach einer einzigen Lichtquelle neu aufgebaut werden. Drittens Maßstab und Perspektive: Größenverhältnis und Kameraabstand der beiden Personen müssen glaubwürdig sein. Wirkt ein Ergebnis unecht, hat fast immer einer dieser drei Punkte nicht gepasst, und meist reicht ein einziger Satz im Prompt, um genau diesen Punkt zu korrigieren.
Laut der Gemini-API-Dokumentation von Google zur Bildgenerierung lassen sich für das finale Bild bis zu 14 Referenzbilder mischen. Die Aufteilung hängt vom Modell ab: Gemini 3.1 Flash Image nimmt 10 Objekt-, 4 Figuren- und 3 Stilreferenzen an, Gemini 3 Pro Image ist auf 6 Objekt- und 5 Figurenbilder begrenzt. Bei OpenAI können in einer Bildbearbeitungsanfrage mehrere Referenzbilder verwendet werden; geben Sie eine Maske an, wird sie nur auf das erste Bild angewendet. Die Daten stammen aus den offiziellen Dokumentationen mit Stand 9. September 2026.
Wie fügt man Fotos zusammen? 6 Schritte
Kurz gesagt: Laden Sie scharfe Fotos hoch, sagen Sie für jedes Foto einzeln, wer oder was darauf zu sehen ist, fügen Sie den Satz zum Schutz der Identität hinzu, beschreiben Sie die Szene samt Lichtrichtung, legen Sie das Ausgabeformat fest und verbessern Sie das Ergebnis mit einem einzigen Korrektursatz. Nach diesen sechs Schritten sind auch die Prompts weiter unten aufgebaut.
- Fotos auswählen: Nehmen Sie Bilder, auf denen die Gesichter scharf zu sehen sind, die nicht zu dunkel sind und möglichst aus einem ähnlichen Winkel aufgenommen wurden. Ein Gesicht in sehr niedriger Auflösung rettet kein Prompt.
- Tool und Modell wählen: Für realistische Personen-Kombinationen liefert bei Gemini Nano Banana Pro die stabileren Ergebnisse, für Arbeiten mit präziser Bearbeitung das Bildbearbeitungsmodell von ChatGPT.
- Fotos benennen: Schreiben Sie in die erste Zeile des Prompts, wer auf welchem Foto ist. Das Modell folgt der Reihenfolge so, wie Sie sie angeben.
- Satz zum Schutz der Identität einfügen: Schreiben Sie ausdrücklich, dass Gesichtszüge, Hautton, Haare und markante Details wie eine Brille erhalten bleiben und nichts verschönert wird.
- Szene und Licht beschreiben: Ort, Haltung, Richtung des Lichts, Härte der Schatten und das Größenverhältnis der beiden Personen. Diese vier Angaben machen die Hälfte des Realismus aus.
- Ausgabe eingrenzen: Nennen Sie Seitenverhältnis, Auflösung und alles, was Sie nicht wollen (Text, Wasserzeichen, Rahmen, Collage). Gefällt Ihnen das Ergebnis nicht, schreiben Sie den Prompt nicht neu, sondern schicken einen kurzen Satz, der genau einen Punkt korrigiert.
Die meisten Nutzer schreiben nur „füge diese zwei Fotos zusammen“. Dann erfindet das Modell die Szene selbst: Meist stellt es beide Personen vor einen Studiohintergrund, verschönert die Gesichter und wählt das Größenverhältnis zufällig. Wer statt des Einzeilers Szene, Licht und Identitätsschutz ergänzt, bekommt deutlich öfter schon beim ersten Versuch ein brauchbares Ergebnis.
11 fertige Prompts zum Zusammenfügen von Fotos (Kopieren und Einfügen)
Kopieren Sie die Prompts unverändert, ersetzen Sie die Felder in eckigen Klammern durch Ihre eigenen Angaben und senden Sie sie ab, nachdem Sie die Fotos hochgeladen haben. Vergessen Sie nicht, die Klammern zu löschen; das Modell hält eckige Klammern manchmal für eine Beschriftung, die im Bild erscheinen soll. Die Prompts sind auf Deutsch formuliert; wenn Sie Licht- und Objektivbegriffe lieber auf Englisch schreiben, schadet das dem Ergebnis nicht.
Prompts für zwei Personen in einem Bild
Ich lade dir zwei separate Fotos hoch. Die Person auf dem ersten Foto ist [Person A], die Person auf dem zweiten Foto ist [Person B].
Deine Aufgabe: diese beiden Personen in einem einzigen, realistischen Foto zusammenzuführen.
Identität bewahren: Übernimm bei beiden Personen Gesichtszüge, Augen- und Nasenproportionen, Hautton, Frisur und markante Details wie Brille, Bart oder Muttermal exakt. Die Gesichter nicht verschönern, nicht schmaler machen, nicht verjüngen und nicht älter machen.
Szene: [Szenenbeschreibung, z. B. nebeneinander stehend in einem Park im Herbst].
Haltung: Beide stehen nah beieinander, die Schultern auf gleicher Höhe, mit einem natürlichen Abstand zwischen ihnen.
Licht: Gleiche das Licht beider Fotos an eine einzige Lichtquelle an; das Licht soll [von links oben] kommen, die Schatten sollen weich sein.
Perspektive: Beide sollen wirken, als wären sie mit derselben Kamera und derselben Brennweite aufgenommen; die Größenverhältnisse sollen realistisch sein.
Ausgabe: ein einzelnes Foto, Seitenverhältnis [16:9], realistische Fotoqualität. Keine Collage, keinen Rahmen, keinen Text und kein Wasserzeichen hinzufügen. Wenn du fertig bist, schreib in einem Satz, was du aus welchem Foto übernommen hast.Dieser Prompt ist die Grundlage der Liste: Die anderen zehn sind dasselbe Gerüst, angepasst an das jeweilige Szenario. Sieht das Ergebnis wie eine Collage aus, verstärken Sie die Zeile zur Perspektive; wirken die Gesichter fremd, ergänzen Sie in der Zeile zum Identitätsschutz den Satz „folge dem Gesicht auf dem Referenzfoto Pixel für Pixel“.
Von den zwei hochgeladenen Fotos zeigt das erste [Person A], das zweite [Person B]. Die beiden sind ein Paar.
Deine Aufgabe: beide in einem natürlichen, vertrauten Paarfoto im selben Bild zusammenzuführen.
Identität bewahren: Übernimm beide Gesichter exakt. Gesichtsproportionen, Hautfarbe, Haarfarbe und Frisur nicht verändern; kein Make-up hinzufügen.
Szene: [Ort, z. B. Sonnenuntergang am Meer].
Haltung: [Person A] steht leicht vorne, [Person B] einen halben Schritt dahinter; eine Person berührt die Schulter der anderen. Blick in die Kamera.
Kleidung: Behalte die Kleidung aus beiden Fotos bei, passe nur Falten und Schatten an die Szene an.
Licht: Licht der [goldenen Stunde], warmer Ton, gleichmäßige Ausleuchtung der Gesichter, keine harten Schatten.
Ausgabe: ein Foto, [4:5] hochkant, realistisch. Keine Herzen, keinen Text, keine Sticker und keine Filter hinzufügen.Ich lade dir [3] separate Fotos hoch. Auf jedem Foto ist eine Person aus unserer Familie: [Foto 1: Mutter], [Foto 2: Vater], [Foto 3: Kind].
Deine Aufgabe: alle in einem einzigen Familienfoto zusammenzuführen.
Identität bewahren: Übernimm das Gesicht jeder Person so, wie es auf ihrem eigenen Foto ist. Alter, Körperfülle, Haare und Hautton sollen sich nicht verändern. Lass niemanden jemand anderem ähnlich sehen.
Anordnung: Stelle die Personen so auf, dass [Mutter und Vater in der Mitte, das Kind vorne] steht; die Größenunterschiede sollen wie im echten Leben sein.
Szene: stehend [im Wohnzimmer vor dem Sofa].
Licht: ein einziges weiches Wohnzimmerlicht; jedes Gesicht soll in derselben Farbtemperatur beleuchtet sein, kein Gesicht heller als ein anderes.
Ausgabe: ein Foto, [3:2] quer, realistisches Familienporträt. Keinen Studiohintergrund, keinen Rahmen und keinen Text hinzufügen.Bei Gruppenfotos sinkt die Gesichtsqualität, je mehr Personen es werden. Fügen Sie mehr als drei Personen besser nicht auf einmal zusammen: Erzeugen Sie zuerst Zweiergruppen und führen Sie diese dann in einer zweiten Anfrage zusammen. So bleiben die Gesichtszüge häufiger erhalten.
Ein Bild mit Menschen, die weit weg sind oder nicht mehr leben
Von den zwei hochgeladenen Fotos zeigt eines [Person A: mich], das andere [Person B: meinen Bruder, der im Ausland lebt]. Die beiden Fotos wurden an verschiedenen Orten und zu verschiedenen Zeiten aufgenommen.
Deine Aufgabe: ein einziges Bild erzeugen, als hätten wir uns zur selben Zeit am selben Ort getroffen.
Identität bewahren: Übernimm beide Gesichter exakt; den Ausdruck darfst du ändern, die Gesichtszüge nicht.
Szene: [Ankunftsbereich eines Flughafens], Hintergrund leicht unscharf.
Haltung: [in einer Umarmung], Gesichter zur Kamera gewandt.
Licht und Farbe: Wenn die Farbtemperatur der beiden Fotos unterschiedlich ist, gleiche beide an das Licht der Szene an; stimme die Hauttöne so ab, als stünden beide im selben Licht.
Realismus: Die Schatten sollen zum Boden passen; an den Rändern der Personen dürfen keine Schnittkanten oder Lichtsäume bleiben.
Ausgabe: ein Foto, [16:9], realistisch im Dokumentarstil. Keinen Text, keinen Datumsstempel und kein Wasserzeichen hinzufügen.Ich lade dir zwei Fotos hoch. Das erste ist ein altes, abgenutztes Foto; darauf ist [mein verstorbener Großvater]. Das zweite wurde heute aufgenommen; darauf bin [ich].
Deine Aufgabe: die beiden Personen in einem Bild als respektvolles, natürliches Familienfoto zusammenzuführen.
Restauriere zuerst das alte Foto: Entferne Kratzer, Flecken und Knicke, erhöhe die Schärfe, korrigiere die Vergilbung. Gesichtszüge, Ausdruck und Alter aber nicht verändern; keine Details erfinden, die nicht da sind.
Identität bewahren: Beide Gesichter sollen exakt so bleiben. Die Person auf dem alten Foto nicht verjüngen und nicht modernisieren.
Szene: [ein schlichter Innenraum mit hellen Wänden].
Haltung: nebeneinander, Schulter an Schulter, beide blicken in die Kamera.
Licht: Beide Gesichter sollen vom selben weichen Licht beleuchtet sein; passe die Grautöne des alten Fotos an die Farben der Szene an, aber ohne übertriebene Kolorierung.
Ausgabe: ein Foto, [3:2], realistisch. Keine symbolischen Elemente wie Engel, Lichtstrahlen oder Text hinzufügen.Der fünfte Prompt erledigt zwei Dinge: Er restauriert zuerst das alte Foto und fügt dann zusammen. Damit das Modell bei der Restaurierung keine Details erfindet, muss der Satz „keine Details erfinden, die nicht da sind“ im Prompt bleiben; sonst ergänzt das Modell bei niedrig aufgelösten Gesichtern Züge, die es selbst schätzt.
Für Unternehmen: Person, Produkt und Ort zusammenfügen
Ich lade dir zwei Fotos hoch. Auf dem ersten ist [Produkt: unser eigenes Produkt], auf dem zweiten [Model: eine Person aus unserem Team].
Deine Aufgabe: ein einziges Werbefoto erzeugen, das das Produkt realistisch in der Hand oder am Körper des Models zeigt.
Produkttreue: Übernimm Form, Farbe, Materialstruktur, Etikett und Logo des Produkts exakt. Den Text auf dem Produkt nicht neu schreiben und nicht verändern.
Identität bewahren: Übernimm Gesicht und Hautton des Models exakt.
Anordnung: Das Produkt ist [in der rechten Hand des Models], die Vorderseite zur Kamera gewandt und sichtbar; die Finger dürfen das Logo nicht verdecken.
Szene: [schlichter hellgrauer Studiohintergrund].
Licht: weiches Hauptlicht [von links oben], leichtes Aufhelllicht von rechts; keine Spiegelungen auf dem Produkt, der Schatten fällt natürlich auf den Boden.
Ausgabe: ein Foto, [4:5] hochkant, in einer Qualität, die für E-Commerce und Social Media taugt. Kein Preisschild, keinen Aktionstext und kein Wasserzeichen hinzufügen.Ich lade dir zwei Fotos hoch. Auf dem ersten ist [Person], auf dem zweiten [Ort: wo ich hin möchte].
Deine Aufgabe: die Person so in diesen Ort einzufügen, als wäre das Foto dort entstanden.
Identität bewahren: Gesicht, Haare, Kleidung und Körperproportionen der Person nicht verändern.
Treue zum Ort: Behalte Architektur, Farben und Aufbau des Ortes bei; keine neuen Gebäude, Schilder oder Gegenstände hinzufügen.
Anordnung: Die Person steht [im Vordergrund, im linken Drittel]; der Ort dahinter soll klar zu sehen sein.
Maßstab: Die Körpergröße der Person soll zu [Tür, Geländer, Menschen] im Hintergrund passen.
Licht: Passe die Lichtrichtung auf der Person an das Licht des Ortes an; ihr Schatten soll in dieselbe Richtung auf den Boden fallen wie die anderen Schatten am Ort.
Farbe: Passe Hautton und Kleidungsfarben der Person leicht an die Farbtemperatur des Ortes an; keine übertriebene Sättigung.
Ausgabe: ein Foto, [16:9], realistisches Reisefoto. Keinen Text, keine Ortsmarke und keinen Rahmen hinzufügen.Bei Produktbildern ist der Satz „den Text auf dem Produkt nicht neu schreiben“ die wichtigste Zeile. Bildmodelle neigen dazu, Etiketten- und Logotexte nach eigener Schätzung neu zu erzeugen; ohne diesen Satz kann Ihr Markenname verfälscht herauskommen. Prüfen Sie bei gewerblicher Nutzung das Etikett in der Vergrößerung, bevor Sie das Bild veröffentlichen.
Collage und Vorher-nachher-Vergleich
Ich lade dir [2] Fotos hoch: [Foto 1: vorher], [Foto 2: nachher].
Deine Aufgabe: diese beiden Fotos in einem Bild als Vergleich nebeneinander anzuordnen.
Layout: links das erste Foto, rechts das zweite; beide gleich breit, dazwischen ein schmaler weißer Abstand von [8 Pixeln].
Ausrichtung: Richte das Hauptmotiv beider Fotos auf gleicher Höhe und im gleichen Maßstab aus; schneide bei Bedarf an den Rändern zu, aber nicht ins Motiv.
Farbe: Gleiche Helligkeit und Farbtemperatur der beiden Fotos einander an; Inhalte nicht verändern, nicht retuschieren.
Ausgabe: ein Bild, [16:9] quer. Keinen Text, keine Pfeile, kein Logo und kein Wasserzeichen darüberlegen. Den Inhalt der Fotos nicht neu erzeugen, nur anordnen.Nicht jede Aufgabe braucht ein zusammengefügtes Einzelbild. Für Vorher-nachher-Beiträge, Portfolios und Produktvarianten erzählt eine Collage ehrlicher; außerdem bleiben Ihre Originalfotos unverändert, weil das Modell den Inhalt nicht neu erzeugt.
Versionen je nach Tool: Gemini, ChatGPT und Kurzversion
Verwende diese zwei Fotos als Referenz: Das erste Foto ist [Person A], das zweite [Person B].
Figurenkonsistenz: Erzeuge beide Personen exakt mit der Gesichtsstruktur aus den Referenzfotos. Die Gesichtszüge nicht neu interpretieren, nicht stilisieren, keinen Cartoon- oder Illustrationslook geben.
Komposition: Die beiden Personen sitzen [in einem Café an den zwei Seiten eines Tisches], angeordnet nach der Drittelregel.
Kamera: Look eines 50-mm-Objektivs, Augenhöhe, Schärfentiefe wie bei f/2.8; Hintergrund weich unscharf.
Licht: weiches Seitenlicht vom Fenster, warmweißer Weißabgleich.
Textur: nah an echtem Filmkorn, Hautstruktur erhalten, keine übertriebene Glättung.
Ausgabe: [16:9], Auflösung [2K], ein einzelnes Foto. Kein Text, kein Logo, keine Collage.Verwende die zwei hochgeladenen Fotos. Beschreibe zuerst beide: Wer ist auf jedem Foto, woher kommt das Licht, wie ist der Kamerawinkel?
Füge diese zwei Personen danach in einem einzigen realistischen Foto zusammen.
Identität bewahren: Übernimm beide Gesichter exakt; Alter, Körperfülle, Hautton, Haare und Details wie eine Brille sollen sich nicht verändern.
Szene: [Szenenbeschreibung].
Licht: Nimm das Licht des Fotos als Basis, das besser zur Szene passt, gleiche das andere daran an und teile mir das schriftlich mit.
Maßstab: Baue das Größenverhältnis der beiden Personen wie im echten Leben auf.
Ausgabe: ein Foto, [1536x1024] quer, realistisch.
Schreib nach dem Erzeugen des Bildes außerdem: Welche Teile waren beim Zusammenfügen schwierig, und welchen Satz sollte ich beim zweiten Versuch ergänzen?Ich lade zwei Fotos hoch. Füge diese zwei Personen in einem Bild zusammen: [Szene], [Lichtrichtung], [Seitenverhältnis]. Übernimm beide Gesichter exakt, nichts verschönern, keine Collage und keinen Text hinzufügen.Der neunte Prompt nutzt aus, dass Gemini Referenzbilder getrennt als Figur, Objekt und Stil verarbeitet; er reagiert stark auf Kamera- und Objektivangaben. Der zehnte Prompt setzt auf die Stärke von ChatGPT: die Fotos erst lesen und beschreiben lassen, dann zusammenfügen. Der elfte ist eine verkürzte Fassung für schnelle Versuche im Chat.
Bei Anfragen mit Gesichtern echter Menschen brechen die Tools die Erzeugung manchmal aus Sicherheitsgründen ab. Formulieren Sie den Prompt dann weicher: Statt Wendungen wie „Gesicht tauschen“ oder „setz das Gesicht der einen Person auf die andere“ schreiben Sie „zeige zwei Personen in derselben Szene, die Gesichter sollen wie auf ihren eigenen Fotos bleiben“. Sieht das Ergebnis wie eine Collage aus, verstärken Sie die Zeilen zu Licht und Perspektive einzeln; sind die Gesichter nicht wiederzuerkennen, versuchen Sie es mit einem höher aufgelösten Foto, auf dem das Gesicht zur Kamera zeigt.
Die 6 Blöcke eines Prompts, der beim Zusammenfügen funktioniert
Alle Prompts oben nutzen dasselbe Gerüst. Wenn Sie es einmal verstanden haben, können Sie auch für Szenarien, die nicht in der Liste stehen, Ihren eigenen Befehl schreiben. Die Tabelle zeigt, wofür jeder Block da ist und was das Modell tut, wenn Sie ihn leer lassen.
| Block | Was hineingehört | Wenn Sie ihn leer lassen |
|---|---|---|
| Eingaben benennen | Wer oder was auf welchem Foto ist | Das Modell verwechselt die Fotos und stellt das falsche Gesicht nach vorne |
| Aufgabe | Zusammenfügen, Einsetzen oder Collage | Meist entsteht eine Collage nebeneinander |
| Identitätsschutz | Gesichtszüge, Hautton, Haare, Brille bleiben erhalten | Gesichter werden verschönert, schmaler gemacht, jemand anderem angeglichen |
| Szene und Haltung | Ort, Position der Personen, Blickrichtung | Erfindet Studiohintergrund und Pose |
| Licht und Perspektive | Lichtrichtung, Härte der Schatten, Maßstab und Objektiv | Die zwei Personen stehen in unterschiedlichem Licht, es wirkt wie eine Collage |
| Ausgabe und Grenzen | Seitenverhältnis, Auflösung, Unerwünschtes | Quadratisches Bild, eventuell mit Text oder Rahmen darauf |
ChatGPT, Gemini oder CapCut? Welches Tool für welche Aufgabe

Alle drei Tools fügen Fotos zusammen, sind aber für unterschiedliche Aufgaben gut. Die Nano-Banana-Familie bei Gemini ist auf mehrere Referenzbilder ausgelegt und bietet viele Auflösungen. Das Bildmodell von ChatGPT ist bei präziser Bearbeitung stark, und weil es Fotos erst lesen und beschreiben kann, sagt es Ihnen, wenn es nicht verstanden hat, was Sie wollen. Fertige Tools wie CapCut erzeugen vorlagenbasierte Collagen für alle, die keine Prompts schreiben möchten.
| Kriterium | Gemini (Nano Banana) | ChatGPT-Bildmodell | CapCut-Tool zum Zusammenfügen |
|---|---|---|---|
| Mehrere Eingabebilder | Bis zu 14 Referenzbilder pro Durchgang; beim Pro-Modell 6 Objekte und 5 Figuren | Ein oder mehrere Referenzbilder; eine Maske gilt nur für das erste Bild | Je nach Vorlage mehrere Fotos |
| Modell-ID | gemini-3.1-flash-image, gemini-3-pro-image, gemini-3.1-flash-lite-image | gpt-image-2.5-sunburst, gpt-image-2.5-flare | Nicht angegeben |
| Auflösung | 512 Pixel, 1K, 2K, 4K (Lite nur 1K) | 1024x1024, 1536x1024, 1024x1536; bei eigener Größe Kante höchstens 3840 Pixel | Auf der Seite nicht angegeben |
| Seitenverhältnis | 1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9 | Eigene Größe als Vielfaches von 16, Verhältnis zwischen 1:3 und 3:1 | Abhängig von der Vorlage |
| Stärke | Realistische Bilder mit mehreren Personen und Figurenkonsistenz | Präzise Bearbeitung, Fotos lesen und beschreiben | Schnelle Collage ohne Prompt, Download ohne Wasserzeichen |
Für die Wahl heißt das: Wollen Sie zwei Personen wirklich in derselben Szene zusammenbringen, beginnen Sie mit den Nano-Banana-Modellen von Gemini. Müssen Sie ein Produktetikett, einen Text oder einen kleinen Bereich ändern, ohne etwas zu zerstören, ist das Bearbeitungsmodell von ChatGPT die sicherere Wahl. Reicht eine Collage nebeneinander, sparen Sie mit einem fertigen Tool Zeit und schreiben gar keinen Prompt.
Identitätsschutz: Warum verändern sich die Gesichtszüge?
Die häufigste Beschwerde beim Zusammenfügen von Fotos lautet immer gleich: Das Ergebnis ist schön, aber das sind nicht wir. Technisch liegt das daran, dass das Modell das Gesicht neu erzeugt. Es zeichnet aus den Merkmalen, die es dem Referenzfoto entnimmt, ein neues Gesicht; setzen Sie im Prompt keine Grenze, rutscht dieses neue Gesicht in Richtung des durchschnittlich schönen Gesichts aus den Trainingsdaten. Die Tabelle unten zeigt die vier häufigsten Verfälschungen und den Satz, mit dem Sie sie im Prompt beheben.
| Symptom | Ursache | Satz für den Prompt |
|---|---|---|
| Das Gesicht wirkt fremd | Das Modell zeichnet das Gesicht in Richtung Durchschnittsschönheit neu | Übernimm Gesichtszüge sowie Augen- und Nasenproportionen exakt wie auf dem Referenzfoto; nichts verschönern. |
| Der Hautton hat sich verändert | Die Farbtemperatur beider Fotos wird gewaltsam an die Szene angepasst | Den Hautton nicht verändern; nur Lichtrichtung und Schatten an die Szene anpassen. |
| Es wirkt wie eine Collage | Lichtrichtung und Schatten sind bei den beiden Motiven unterschiedlich | Beleuchte beide Personen nach einer einzigen Lichtquelle; die Schatten sollen in dieselbe Richtung fallen. |
| Die Größenverhältnisse sind seltsam | Perspektive und Kameraabstand wurden nicht beschrieben | Beide sollen wirken, als wären sie mit derselben Kamera und derselben Brennweite aufgenommen; die Größenverhältnisse sollen realistisch sein. |
7 Techniken für bessere Ergebnisse

- Fotos unbeschnitten hochladen: Sieht das Modell den Kontext um das Gesicht herum, entstehen weniger Lichtsäume und Schnittkanten an den Rändern.
- Lichtrichtung in einem Satz festlegen: Eine klare Richtung wie „das Licht soll von links oben kommen“ sorgt dafür, dass beide Motive in derselben Szene stehen.
- Einen Maßstabsanker geben: Ein Bezug wie „die Körpergröße soll zur Höhe der Tür dahinter passen“ verringert Proportionsfehler deutlich.
- Verbote ans Ende schreiben: Wenn Sie keinen Text, kein Wasserzeichen, keinen Rahmen und keine Collage wollen, fassen Sie das im Ausgabeblock in einer Zeile zusammen.
- Pro Durchgang nur eine Korrektur verlangen: Gefällt Ihnen das Ergebnis nicht, ändern Sie nur den problematischen Punkt, statt den Prompt neu zu schreiben.
- Denselben Prompt zweimal laufen lassen: Bildmodelle arbeiten mit Wahrscheinlichkeiten, der zweite Versuch mit demselben Prompt liefert oft ein besseres Ergebnis.
- Ergebnis vergrößert prüfen: Hände, Brillengestelle, Ohren und Produktetiketten sind die vier Stellen, an denen Fehler am häufigsten auftauchen.
Die sieben Punkte folgen derselben Logik: Wo Sie dem Modell kreativen Spielraum lassen, setzt es seine eigene Vorliebe durch. Ein guter Prompt zum Zusammenfügen legt deshalb genau fest, wo das Modell keine Freiheit hat.
6 häufige Fehler beim Zusammenfügen von Fotos
- Niedrig aufgelöste oder dunkle Fotos hochladen: Fehlen die Gesichtsdaten, holt sie kein Prompt zurück.
- Den Satz zum Identitätsschutz weglassen: Das ist der Hauptgrund, warum das Ergebnis fremd wirkt.
- Bilder aus sehr unterschiedlichen Winkeln zusammenfügen wollen: Ein im Profil fotografiertes Gesicht in eine frontale Szene zu setzen, klappt meist nicht.
- Fünf Dinge in einem Prompt verlangen: Heißt es zusammenfügen, Hintergrund ändern, Kleidung ändern, jünger machen und schärfen, liefert das Modell überall nur Mittelmaß.
- Eckige Klammern nicht löschen oder ungefüllt absenden: Das Modell kann die Beschriftung in den Klammern ins Bild schreiben.
- Bei gewerblicher Nutzung das Ergebnis ungeprüft veröffentlichen: Logo, Etikettentext und Handdetails sollten Sie vor der Veröffentlichung unbedingt vergrößert prüfen.
Nutzung in der Türkei: Einwilligung, KVKK und SynthID
Beim Zusammenfügen von Fotos wird die rechtliche Seite am häufigsten übersehen. Nach dem türkischen Datenschutzgesetz (KVKK) ist ein Gesichtsbild ein Datum, das eine Person direkt identifizieren kann, und wenn es als biometrisches Datum verarbeitet wird, gilt es als besondere Kategorie personenbezogener Daten. Praktisch heißt das: Bevor Sie das Foto eines Freundes, eines Mitarbeiters oder eines Kunden in ein KI-Tool hochladen, brauchen Sie dessen Einwilligung. Bei geschäftlicher Nutzung wird erwartet, dass diese Einwilligung schriftlich vorliegt und angegeben ist, zu welchem Zweck das Foto verarbeitet wird. Dies ist keine Rechtsberatung; wenden Sie sich für die Pflichten des Verantwortlichen in betrieblichen Abläufen an Ihre Rechtsberatung.
Dass ein erzeugtes Bild aus einer KI stammt, lässt sich inzwischen auch technisch erkennen. Google schreibt in seiner offiziellen Dokumentation, dass alle mit Gemini erzeugten Bilder ein SynthID-Wasserzeichen erhalten. Dieses Wasserzeichen ist mit bloßem Auge nicht sichtbar, lässt sich aber erkennen, wenn Sie das Bild in Gemini hochladen und fragen, ob es von einer KI erzeugt wurde. Verwenden Sie zusammengefügte Bilder in Werbung und Unternehmenskommunikation, ist es sowohl für das Vertrauen als auch mit Blick auf mögliche Transparenzvorschriften die sicherere Wahl, den KI-Einsatz offenzulegen.
Das SynthID-Wasserzeichen ist so gestaltet, dass es Änderungen wie Zuschneiden, Filter, eine geänderte Bildrate oder verlustbehaftete Kompression übersteht.
Ist außer Ihnen noch jemand auf dem Foto? Hat diese Person eingewilligt, dass das Bild in eine KI hochgeladen wird? Wollen Sie das Ergebnis in einem gewerblichen Kanal nutzen? Wenn Sie eine dieser drei Fragen mit Ja beantworten, holen Sie vor dem Hochladen eine schriftliche Einwilligung ein, und bauen Sie keine Szene, die die Person bei einer Handlung zeigt, die sie in Wirklichkeit nie getan hat.
Laden Sie die zwei Fotos in den Chat und schreiben Sie zuerst, wer auf welchem Foto ist; danach ergänzen Sie die Zeilen zu Identitätsschutz, Szene, Licht und Ausgabeformat. Prompt 10 in diesem Artikel ist für genau diesen Ablauf geschrieben: Das Modell beschreibt zuerst beide Fotos, fügt sie dann zusammen und sagt Ihnen, was Sie beim zweiten Versuch korrigieren sollten. Eine einzeilige Anfrage wie „füge diese zwei Fotos zusammen“ endet oft in einer Collage oder mit verschönerten Gesichtern.
Gemini verarbeitet Referenzbilder getrennt als Figur, Objekt und Stil; das Ergebnis wird besser, wenn Sie im Befehl angeben, welches Foto die Figurenreferenz ist. Prompt 9 in diesem Artikel ist nach diesem Aufbau geschrieben und nutzt Fotografiebegriffe wie Kamera, Objektiv und Schärfentiefe. Laut der offiziellen Dokumentation lassen sich in einem Durchgang bis zu 14 Referenzbilder mischen.
ChatGPT und Gemini bieten in ihren kostenlosen Tarifen begrenzten Zugang zur Bildgenerierung. Google veröffentlicht für die Gemini-Apps kein zahlenmäßiges Tageslimit für Bilder; auf der Hilfeseite steht, dass sich das Nutzungslimit alle fünf Stunden erneuert und Bilder auf ein schnelleres Modell umgestellt werden, sobald Ihr Tageskontingent aufgebraucht ist. Wer ohne Prompt eine Collage erstellen möchte, kann mit dem Tool von CapCut ohne Wasserzeichen herunterladen.
Laut der Gemini-API-Dokumentation lassen sich für das finale Bild bis zu 14 Referenzbilder mischen; Gemini 3.1 Flash Image nimmt 10 Objekt-, 4 Figuren- und 3 Stilreferenzen an, Gemini 3 Pro Image 6 Objekt- und 5 Figurenbilder. In der Praxis sinkt die Gesichtsqualität, wenn Sie mehr als drei Personen in einer Anfrage zusammenfügen; besser ist es, zuerst Zweiergruppen zu erzeugen und diese dann zusammenzuführen.
Das Modell erzeugt das Gesicht neu, es kopiert es nicht. Setzen Sie im Prompt keine Grenze, rutscht das erzeugte Gesicht in Richtung einer Durchschnittsschönheit. Die Lösung: Schreiben Sie im Prompt ausdrücklich, dass Gesichtszüge, Augen- und Nasenproportionen, Hautton und markante Details wie eine Brille exakt erhalten bleiben und nichts verschönert wird. In allen Prompts dieses Artikels ist dieser Block schon enthalten.
Ja. Google gibt an, dass alle mit Gemini erzeugten Bilder ein unsichtbares SynthID-Wasserzeichen erhalten, und erklärt, dass dieses Wasserzeichen so gestaltet ist, dass es Zuschneiden, Filter und verlustbehaftete Kompression übersteht. Ob ein Bild von einer KI stammt, können Sie prüfen, indem Sie es in Gemini hochladen und nachfragen.
Ein Gesichtsbild ist ein Datum, das eine Person identifiziert, und gilt nach dem türkischen Datenschutzgesetz KVKK als besondere Kategorie personenbezogener Daten, wenn es als biometrisches Datum verarbeitet wird. Deshalb müssen Sie die Einwilligung der betroffenen Person einholen, bevor Sie ihr Foto hochladen; bei geschäftlicher Nutzung wird erwartet, dass die Einwilligung schriftlich vorliegt und der Zweck angegeben ist. Szenen, die eine Person bei einer Handlung zeigen, die sie in Wirklichkeit nie getan hat, sind zusätzlich ein Risiko für ihre Persönlichkeitsrechte.
Über das Ergebnis beim Zusammenfügen entscheidet vor allem, wie klar Ihr Prompt ist. Passen Sie die 11 Prompts oben an Ihre eigenen Fotos an, korrigieren Sie beim ersten Versuch den einen Punkt, der Ihnen nicht gefällt, und senden Sie erneut; geht es um das Gesicht einer anderen Person, holen Sie die Einwilligung vor dem Hochladen ein. Wenn Sie für Ihr Unternehmen Produktbilder, Business-Porträts oder Kampagnenmotive mit einem KI-gestützten Ablauf erstellen möchten, richten wir den Prozess von Anfang bis Ende ein und übergeben ihn an Ihr Team.
KI-Integration und Beratung zur Bildproduktion
Wir richten für Ihr Unternehmen die Produktion von Produktbildern, Business-Porträts und Kampagnenmotiven mit einem KI-gestützten Ablauf ein: inklusive Prompt-Bibliothek, Markenregeln und API-Integration. Wir übergeben den Prozess an Ihr Team und unterstützen Sie auch danach.