Konsistente KI-Charaktere generieren: Ein Praxisleitfaden

Charakterkonsistente Bildgenerierung ist eine Reihe von Techniken, mit denen ein KI-Modell denselben Charakter – mit demselben Gesicht, denselben Haaren und derselben Kleidung – über viele einzelne Bilder hinweg zeichnet, statt jedes Mal eine neue Person zu erfinden. Das ist der Unterschied zwischen „eine rothaarige Frau im Café“, die bei jedem Durchlauf eine Fremde liefert, und deiner rothaarigen Frau – der aus dem ersten Panel deines Comics, deiner Werbekampagne oder deines Storyboards.

Die Kurzfassung: Es gibt zwei Methoden, die funktionieren, und sie lassen sich kombinieren. Erstens: Lade Referenzbilder deines Charakters hoch – derselbe Referenzmechanismus, auf dem konsistente Charaktere auf der Plattform basieren. Nano Banana 2 akzeptiert bis zu 4 Charakter-Referenzen, Nano Banana Pro bis zu 5, und Veo 3.1 übernimmt bis zu 3 ins Video. Zweitens: Schreib einen Character-Sheet-Prompt, eine erschöpfende, feste Beschreibung, die du in jede Generierung einfügst. Auf BananaBanana kostet ein konsistenter Charakter ab $0.06 pro 1K-Bild mit Nano Banana 2, und jede Demo in diesem Beitrag wurde auf der Plattform generiert – die Prompts hier kannst du also direkt so kopieren.

Ich sag's gleich ehrlich: Es gibt auch Schwachstellen. Die Konsistenz aktueller Modelle ist gut, aber nicht perfekt. Du wirst sehen, wo es hakt.

Warum sieht derselbe Charakter jedes Mal anders aus?

Bildmodelle haben kein Gedächtnis zwischen Anfragen. Jede Generierung startet aus Rauschen, und dein Prompt ist die einzige Brücke. Steht im Prompt „eine junge Frau mit roten Haaren“, zieht das Modell eine von Millionen junger rothaariger Frauen, die es plausibel zeichnen kann. Fünf Durchläufe, fünf Personen. Vielleicht teilen sie eine Stimmung. Ein Gesicht teilen sie nicht.

Das nennt man Character Drift, und bei vagen Prompts wird er schlimmer. „Dieselbe Frau wie vorhin“ bringt gar nichts, denn es gibt kein Vorhin. Das Modell hat dein vorheriges Bild nie gesehen, solange du es nicht ausdrücklich anhängst.

Drift schleicht sich auch innerhalb eines einzigen Workflows ein. Ändere den Kamerawinkel, und die Kieferlinie verschiebt sich. Ändere das Outfit, und plötzlich sind die Sommersprossen weg. Meiner Erfahrung nach sind die empfindlichsten Merkmale genau die, an denen Menschen andere erkennen: Augenform, Nase, Haaransatz. Hintergründe und Kleidung überstehen das problemlos. Gesichter wandern.

Der ganze Trick besteht also darin, dem Modell bei jeder einzelnen Anfrage die Identität wieder zuzuführen – entweder als Pixel (Referenzbilder) oder als Text (eine fixierte Beschreibung). Am besten beides.

Wie viele Referenzbilder akzeptiert welches Modell?

Referenzbilder sind die stärkere der beiden Methoden: Du lädst Fotos des Charakters hoch, und das Modell behandelt sie als verbindliche Vorlage. Laut Googles Gemini-API-Doku zur Bildgenerierung unterscheiden sich die Limits je nach Modell deutlich, und diese Unterschiede solltest du kennen, bevor du dich entscheidest.

Die Überraschung in dieser Tabelle ist Lite. Es nimmt insgesamt die meisten Bilder (14), aber die Doku stellt klar: Das sind reine Objekt-Referenzen, ohne Unterstützung für Charakterkonsistenz. Wir haben das in der Praxis gelernt: Lite nimmt ein Gesicht bereitwillig als Input und behandelt es dann wie ein Produktfoto – die Jacke passt, die Person ist weg. Wenn dein Workflow von Charakteren lebt, fällt Lite raus, egal was der Preis sagt. (Für alles andere ist es ein wirklich gutes Budget-Modell; wir haben einen eigenen Guide dazu geschrieben, wann Lite reicht.)

Zwischen den anderen beiden: Mit Nano Banana 2 für $0.06 würde ich anfangen. Pros fünfter Charakter-Slot und die stärkere Identitätsbindung zählen bei Szenen mit mehreren Charakteren und finalen Assets, und bei $0.11 pro Bild ist das kein großer Aufpreis, wenn das Bild tatsächlich irgendwo veröffentlicht wird.

Der Aufnahmewinkel zählt mehr als die Anzahl. Drei Referenzen aus einem Winkel bringen dem Modell einen Winkel bei. Eine Frontalaufnahme, ein Profil und eine Dreiviertelansicht bringen ihm einen Kopf bei.

Was ist die Character-Sheet-Methode?

Ein Character Sheet ist ein fester Textblock, der deinen Charakter erschöpfend beschreibt und den du wortwörtlich in jeden Prompt einfügst. Er ist die reine Text-Lösung, solange du noch keine Referenzfotos hast – und genau damit erstellst du die Referenzfotos überhaupt erst. Außerdem funktioniert diese Methode auch mit KI-Agenten: Wenn du Bilder in Claude Code über unseren MCP-Server generierst, reist das Character Sheet im Prompt mit, ganz ohne Uploads.

Die Regel: Beschreib den Charakter so, wie ein Phantombildzeichner es sich wünschen würde. Alter, Statur, Haut, Haarfarbe und Schnitt, Augenfarbe, besondere Merkmale, ein oder zwei Anker-Accessoires. Vage Adjektive driften, konkrete Substantive halten.

Hier ist genau der Block, der für die Demos unten verwendet wurde:

a woman in her late 20s with shoulder-length copper-red wavy hair,
pale skin with faint freckles across the nose and cheekbones,
green eyes, a small silver hoop earring in her left ear,
wearing a mustard-yellow corduroy jacket over a white t-shirt

Beide Bilder unten wurden mit Nano Banana Pro aus genau diesem Block generiert. Geändert hat sich nur der Szenentext drumherum. Referenzbilder waren nicht angehängt – das ist reine, textverankerte Konsistenz:

Dieselbe Person? Fast. Das Gesicht hält gut, Jacke und Ohrring sitzen fest, die Sommersprossen haben beide Szenen überlebt. Wer pixelgenau hinschaut, merkt, dass die Haarlänge leicht variiert. Das ist die ehrliche Obergrenze reiner Text-Konsistenz – und deshalb kombiniert der Profi-Workflow beide Methoden: Generiere aus dem Sheet dein bestes Charakterbild und gib dann genau dieses Bild für alles Weitere als Charakter-Referenz zurück. Der Text legt die Identität fest, die Pixel setzen sie durch.

Zwei kleinere Tipps aus dem Produktionsbetrieb. Anker-Accessoires (der Ohrring, die Jacke) leisten mit sehr wenigen Tokens viel Wiedererkennungsarbeit – gib jedem Charakter eins. Und halte das Sheet unter etwa 60 Wörtern, denn darüber hinaus fängt die Szenenbeschreibung an, mit der Charakterbeschreibung um die Aufmerksamkeit des Modells zu konkurrieren.

Szenen mit mehreren Charakteren und KI-Storyboards

Zwei konsistente Charaktere in einem Bild – hier hören billige Tricks auf zu funktionieren. Ein zusammengelegtes Text-Sheet für beide Charaktere führt oft zu Vermischung: Charakter A übernimmt Bs Haare, B erbt As Jacke. Mit genug Wiederholungen wahrscheinlich lösbar, aber Wiederholungen kosten Geld.

Referenzbilder lösen das sauber. Nano Banana 2 nimmt laut Googles Doku bis zu 4 Charakter-Referenzen, Nano Banana Pro bis zu 5, und diese Slots lassen sich auf verschiedene Personen aufteilen. Lade zwei oder drei Aufnahmen pro Charakter hoch und schreib die Szene so, dass du sie über ihre Rolle benennst („die rothaarige Frau reicht dem grauhaarigen Mann mit Bart einen Kaffee“). Die Identität bleibt so deutlich zuverlässiger an der richtigen Person hängen – auch wenn Hände, die zwischen zwei Menschen Gegenstände weiterreichen, 2026 immer noch Glückssache sind.

Storyboards sind der naheliegende nächste Schritt, und es gibt zwei Wege dahin. Bild für Bild: eine Generierung pro Panel, Charakter-Refs jeweils angehängt, $0.06 pro Panel mit Nano Banana 2 – ein Board mit sechs Panels kostet also $0.36. Oder als Einzelbild: Du bittest Nano Banana Pro in einer einzigen Generierung um ein Layout mit mehreren Panels. Das Storyboard unten ist so entstanden, eine Anfrage für $0.11, dasselbe Character Sheet wie oben:

Konsistenz innerhalb eines einzelnen Bildes gibt es praktisch gratis, weil das Modell alle Panels in einem Durchgang zeichnet und seine eigene Arbeit sieht. Der Haken ist die Auflösung: Jedes Panel ist ein Viertel des Bildes. Für Pitch-Decks und Animatics reicht das. Für Panels, die du einzeln veröffentlichst, generierst du Bild für Bild und zahlst die $0.36.

Lässt sich ein Charakter ins Video mitnehmen?

Ja, und hier fängt die Pipeline an, Spaß zu machen. Veo 3.1 unterstützt das, was Googles Veo-Doku Asset-Referenzbilder nennt: bis zu 3 Fotos einer Person, eines Charakters oder eines Produkts, und das Modell bewahrt das Aussehen dieses Motivs im generierten Clip. In unserem Generator ist das der Bereich Subject Reference. Gemini Omni Flash, das immer mit Ton kommt, ist großzügiger: bis zu 10 Referenzbilder pro Clip, kombinierbar mit einem Startbild ($0.10 pro Sekunde, ausführlicher Omni-Test hier).

Auch in Video-Prompts macht sich das Character Sheet bezahlt. Der Clip unten ist Veo 3.1 Fast, nur Text, derselbe Beschreibungsblock wie bei den Bildern oben, plus Bewegungs- und Kamerasprache:

Der Prompt: das Character Sheet, dann „walking toward the camera along a city street at golden hour, slow dolly back, medium shot, shallow depth of field.“ Sechs Sekunden, ohne Ton, 720p, $0.52. Sie ist erkennbar derselbe Charakter wie auf den Standbildern – und für eine reine Text-Übergabe zwischen zwei verschiedenen Modellen ist das ehrlich gesagt besser, als ich erwartet hatte.

Eine Einschränkung aus unseren Generierungs-Logs: Asset-Referenzen lassen Gesichtsausdrücke manchmal flach wirken. Das Gesicht stimmt, wirkt aber etwas wächsern, vor allem in Totalen, wo es nur wenige Pixel einnimmt. Nahaufnahmen schneiden besser ab. Kommt ein Clip mit einer Hauptfigur mit leerem Blick zurück, wähl lieber einen engeren Bildausschnitt, statt denselben Shot neu zu würfeln.

Der komplette Stack also: Character Sheet → Hero-Bilder mit Nano Banana Pro → diese Bilder als Charakter-Refs für jedes Standbild und als Asset-Refs fürs Video. Eine Identität, eine Pipeline, Bilder ab $0.06 und Clips ab $0.10 – siehe Preise.

FAQ

Welches KI-Modell ist am besten für Charakterkonsistenz?

Rein nach den Zahlen Nano Banana Pro: bis zu 5 Charakter-Referenzbilder und die stärkste Identitätsbindung der Familie, für $0.11 pro 1K- oder 2K-Bild. Nano Banana 2 ist der Preis-Leistungs-Tipp für $0.06, mit 4 Charakter-Slots plus Stil-Referenzen, die Pro fehlen. Nano Banana 2 Lite solltest du für diesen Zweck meiden – es unterstützt überhaupt keine Charakter-Referenzen.

Wie behalte ich dasselbe Gesicht in KI-Bildern ohne Referenzfotos?

Schreib ein Character Sheet: eine feste Beschreibung mit 40–60 Wörtern zu Alter, Haaren, Augen, Haut, besonderen Merkmalen und einem Anker-Accessoire, und füg sie unverändert in jeden Prompt ein. Nutz dann dein bestes Ergebnis als Referenzbild für alles Weitere. Text allein bringt dich ungefähr ans Ziel; Text plus Bild-Refs hält dich dort.

Darf ich das Foto einer echten Person als Charakter-Referenz verwenden?

Technisch akzeptiert die API jedes Foto. Rechtlich und ethisch solltest du nur Fotos verwenden, an denen du die Rechte hast und für die die Person eingewilligt hat. Erkennbare reale Personen ohne Einwilligung zu generieren, verstößt gegen die Nutzungsbedingungen der meisten Plattformen – unsere eingeschlossen.

Wie viele Referenzbilder sollte ich hochladen?

Wenige, abwechslungsreiche Bilder schlagen viele ähnliche. Drei Aufnahmen – frontal, im Profil und in Dreiviertelansicht – schneiden meist besser ab als fünf fast identische Selfies. Die harten Obergrenzen: 4 Charakterbilder bei Nano Banana 2, 5 bei Nano Banana Pro, 3 bei Veo 3.1 für Video.

Funktioniert Charakterkonsistenz auch bei nicht-menschlichen Charakteren?

Meistens ja. Maskottchen, Roboter und stilisierte Tiere halten oft sogar besser als Menschen, weil ihre Identität in markanten Formen und Farben steckt statt in subtiler Gesichtsgeometrie. Es gelten dieselben Methoden: markante, feste Merkmale im Sheet und Referenzbilder, sobald du ein festes Design hast.