Dall-E 2: Mein erster Tag mit der Digitalkunst-Revolution

Ich habe in den letzten Monaten immer mal wieder über KI-kreierte Kunstwerke gesprochen. Das ging von rudimentären Ansätzen wie bei Wombo bis zu komplexen “text to picture”-Systemen wie MidJourney. Die Ergebnisse faszinieren, sind aber momentan noch mehr Experiment als Ersatz für echtes Grafikdesign.

Nun entwickelt sich die KI-Grafik mit einer Geschwindigkeit, die schwindelig macht. Demnächst erscheint ein Roman von Olaf Stapledon in einer illustrierten Fassung. 700 vierfarbige Zeichnungen, kreiert von MidJourney und in 100 Stunden zu einer Art Graphic Novel verarbeitet. Das bedeutet: eine Illustration pro 8 Minuten.

Machen wir uns nichts vor: Jeder Kritiker, der von der KI-Genese nichts weiß, würde das hier als “üppig und liebevoll illustriert” bezeichnen:

Man muss das auch nur mal weiterdenken: Was ist, wenn man nicht mal mehr die Grafiken selber generieren muss, sondern der KI nur noch den Text des Romans füttert, damit diese zu den relevanten Stellen eigenständig die Illustrationen generiert? Kann die KI für einen Regisseur aus dem Drehbuch die Storyboards erstellen?

Bei solchen Filmpostern ist kaum auszumachen, ob da ein Grafiker oder eine KI dran gesessen hat:

Und das ist erst der Anfang. Es gibt Herausforderer, die MidJouney den Platz als “hot shit of the moment” streitig machen wollen. Bei Dall-E 2 hatte ich mich vor Monaten angemeldet, aber immer noch keinen Zugang erhalten. Das hat sich seit gestern geändert – Dall-E 2 ist nun offen für alle, die einen Account wünschen.

Über die Hintergründe will ich hier gar nicht groß schreiben, das könnt ihr z.B. beim SPIEGEL nachlesen. Mir geht es eher darum, euch meine ersten konkreten Erfahrungen mit der Engine zu illustrieren.

Zuerst einmal: wow. Dall-E 2 ist ein “game changer”, und ich verwende den Begriff wahrlich nicht leichtfertig. Die KI ist nicht nur leichter zu bedienen als MidJourney, sondern auch erheblich leistungsfähiger. Dall-E 2 kann praktisch jeden Stil und jede Technik simulieren, 3D rendern oder Fotos nachahmen. Der Algorithmus kann sogar Bilder um fehlende Teile ergänzen. Bedenkt man, dass das erst der Anfang der Entwicklung ist, dann dürfen wir spannende Jahre erwarten.

Gleich zu Anfang mal ein Beispiel, wie groß der Abstand zwischen MidJourney und Dall-E 2 jetzt schon ist. MidJourney scheitert beim Versuch, einen Erdbeerkuchen auf einem Teller realistisch darzustellen, weil es irgendwie den Begriff “Erdbeere” etwas eigenwillig interpretiert:

Dall-E 2 hat hingegen kein Problem, das fotorealistisch umzusetzen:

Nehmen wir den schnöden Hot Dog – sollte ja wahrlich kein komplexes Problem sein, oder? Leider scheint MidJourney zwar die Bestandteile des Hot Dogs zu verstehen, nicht aber deren Anordnung zueinander:

Mal eben fix “photo of a hot dog on a plate” bei Dall-E eingeben:

Das ist praktisch nicht mehr von einem Foto zu unterscheiden.

Schauen wir uns kurz die Outpainting-Funktion an, die Bilder um fehlende Teile ergänzt. Ich suche ganz banal ein Bild unserer jungen Katzen raus:

Ich bitte Dall-E 2, das Bild auf der linken Seite weiter zu rechnen. Ergebnis:

Fucking hell!

Dall-E 2 kann vorgegebene Bilder auch erschreckend gut manipulieren – das hier war die Grundlage meines allerersten Blog-Logos:

Wenn ich Dall-E 2 instruiere, mir davon Variationen zu erstellen, dann ist das Ergebnis sehr ähnlich – aber das bin ja eindeutig nicht mehr ich:

Weiter im Text – “key lime pie on a plate with lemonade in a garden”:

Leserin Silke hatte zu diesem Bild auf Facebook eine interessante Frage: “Wo ist das Rezept?”. Dall-E 2 produziert Speisen ohne Zutaten, und folglich ohne Rezept.

Lieber was Herzhaftes? “schnitzel viennese style on a plate in a restaurant”:

Ich sehe ganz düstere Zeiten für Food- und Deko-Fotografen aufziehen…

Diese spielende Katze ist keine Katze, nie eine gewesen:

Nun ist Fotorealismus die eine Sache – Kunst eine andere. Dall-E 2 kann die holländischen Alten Meister ebenso imitieren wie Picasso, Propaganda-Plakate, Comics, Bleistift, und sogar den Look des Musikgenres Synthwave. Ich gebe “Rocketeer, synthwave style” ein:

Ehrlich? Ich möchte es auf A0 ausdrucken und bei mir an die Wand hängen.

“rendering of superhero as a 3d wireframe graphic” bringt genau das, was ich wollte:

Eine Weltraumschlacht zu visualisieren ist schwierig, weil Dall-E 2 relativ genaue Angaben braucht, um das zu produzieren, was ich vor meinem geistigen Auge sehe – aber einer gewissen brachialen Dynamik mangelt es nicht:

Versuchen wir uns mal an einer Kopie dieser “Gemälde”, auf denen Haustiere wie Adelige rausgeputzt sind – “oil painting of a cat with a crown and royal robe, 18th century style”:

Um zu zeigen, wie weit man das treiben kann: Jemand hat Dall-E aufgefordert, Johannes Vermeers berühmtes Gemälde “Mädchen mit Perlenohrring” stilecht nachzuahmen – aber mit einem Otter:

Wer es abstrakter mag – Elvis als “pixel art”:

Wie wäre es mit einer stilisierten Illustration der Skyline meiner Heimatstadt Düsseldorf, bewusst reduziert gehalten?

Es reizt mich immer, Palm Springs zu visualisieren – eine Stadt, die unseren Einrichtungsstil mit geprägt hat. Zuerst anhand der Architektur: “Illustration of midcentury architecture in a Palm Springs setting, 60s illustration style”:

Man könnte das im Laden verkaufen. Ich denke ernsthaft darüber nach, daraus eine Serie mit 12 Motiven für unser Schlafzimmer zu produzieren.

Nächster Test: ähnliche Vorgaben, aber mit der Bitte, es mal in 3D zu rendern. Das Ergebnis ist mir allerdings etwas zu spartanisch und simpel:

Kann man sich auch Logos für Geschäftsideen generieren lassen? Ich bitte Dall-E 2, mir Vorschläge für ein Cartoon-Logo eines Katzensitter-Services zu machen:

Hätte es die Software vor 16 Jahren gegeben, hätte ich das Logo für mein Blog vermutlich damals schon von Dalle-E 2 entwerfen lassen:

Nicht perfekt. aber ich würde in Photoshop vielleicht zehn entspannte Minuten brauchen, um es perfekt zu machen.

Damit kommen wir zu den (durchaus reparierbaren) Problemen von Dall-E 2.

Wann immer Dall-E 2 eine Person oder ein Tier realistisch abbilden soll, wird es – wie bei MidJourney – ein Schuss ins Blaue. Die Extremitäten und Details (Hände, Finger, Ohren) sind oft komplett daneben, bei den Proportionen hapert es, besonders mit Augen tut sich der Algorithmus sichtlich schwer – als mangele es die Erkenntnis, dass Augenpaare üblicherweise gleich aussehen und in dieselbe Richtung schauen.

Ein gutes Beispiel dafür generiert die Eingabe “müder Autor an einem unaufgeräumten Schreibtisch im Stil von Norman Rockwell”:

Das Ergebnis ist so lange beeindruckend, bis man genauer hinschaut:

Da würden dann auch meine Photoshop-Skillz erstmal versagen…

Bei der weiblichen Variante hat es etwas besser geklappt:

Zu einem weiteren Experiment wurde ich durch dieses Prospektfoto von LIDL inspiriert – ein Herbstmotiv, wie wir es auch in der Liebes Land verwenden:

Geht sowas auch per KI? Ich gebe “photo of a little girl picking flowers in a garden during autumn, moody lighting” ein:

Wieder etwas monströs in den Details, aber wieder auf einem guten Weg.

Ich weiß, die Grafiker unter meinen Lesern werden sich mit Grauen abwenden, aber ich fürchte, ein relativer lukrativer Job wird es in den nächsten Jahren sein, von KI gefertigte Entwürfe nur noch zu “fixen”, also die offensichtlichen Fehler zu retuschieren. Der Künstler als Handlanger der Maschine – keine schöne Vorstellung, aber auch nicht (mehr) weit hergeholt.

Gut möglich, dass auch Architekten, Bühnenbauer und Spieledesigner sich künftig massiv von der KI inspirieren lassen. Du brauchst eine futuristische Ubahn-Station im Neonlicht? Dall-E 2 stellt sich das so vor:

Da könnte man als Autor sogar wieder den Weg zurück gehen: Die Grafiken von Dall-E 2 dienen als Vorlage, wie man Szenerien in einem Roman beschreibt.

Es gibt allerdings erstaunlich einfache Motive, an denen sich Dall-E 2 im direkten Vergleich zu MidJourney überhebt. Für ein künftiges Projekt habe ich MidJourney gebeten, mir ein realistisches Porträt eines Zombies zu generieren. Mit dem Ergebnis bin ich sehr zufrieden:

Dall-E 2 hingegen scheint die Vorgabe eher für einen Scherz zu halten:

Interessant auch, was Dall-E 2 unter dem “perfekten Motorradhelm” versteht:

Da ist die Version von MidJourney deutlich interessanter:

Man sieht: Die Phantasie des Users ist in den meisten Fällen begrenzter als die Möglichkeiten der Software. Es lohnt sich immer, auch mal in Galerien nach den Experimenten anderer Nutzer zu schauen, um sich inspirieren zu lassen.

Immer noch nicht gelöst scheint die Rechtsfrage zu sein – wem gehören die generierten Artworks? Es wäre mir relativ wurscht, wenn andere Leute meine Motive “klauen” würden, solange ich dafür das Recht habe, sie frei für eigene Projekte zu verwenden. Das wird sicher in den nächsten Monaten zu klären sein.

Machen wir uns nichts vor: Es ist eine Zeitenwende – und sie kommt schneller und stärker, als wir alle gedacht hatten. Der Computer wird “kreativ” – und das “kreativ” werden wir in absehbarer Zeit nicht mehr Anführungszeichen schreiben müssen. Sollte man KI-generierte Artworks eigentlich verpflichtend kennzeichnen müssen?

Was ich mir noch wünschen würde? Der Algorithmus muss lernen, wie Menschen und Tiere proportioniert sind, die Stimmigkeit der Figuren darf nicht mehr reiner Zufall sein. Und wenn ein Bild einen spezifischen Stil hat, sollte man diesen als Grundlage für weitere Illustrationen kopieren können, um z.B. fortlaufende Geschichten zu erzählen. Dazu gehört, Teile eines Bildes zu “freezen” und nur bestimmte Bereiche mit neuen Inhalten zu füllen. Damit wäre viel gewonnen.

Was kostet der Spaß? Anfänglich nichts, sowohl MidJourney als auch Dall-E 2 geben Einsteigern ein paar “credits”. Auch danach finde ich die Preisgestaltung fair: das Basic-Abo von MidJourney kostet 11,90 Dollar im Monat und erlaubt 200 Nutzungen. Bei Dall-E 2 werden für 115 Credits 17,85 Dollar fällig. In meinen Augen ist es das absolut wert.

Wie seht ihr das – beeindruckend, erschreckend, oder ein alberner Hype, von dem in drei Monaten kein Mensch mehr redet? Habt ihr Ideen, was ihr mit Dall-E 2 machen würdet? Was die Software noch können sollte/müsste?

Und an die Grafiker da draußen: Muffensausen?