Negative Prompts für KI-Bilder: Liste & Beispiele (Stable Diffusion, Flux, DALL·E)

Ein negativer Prompt ist eine Liste von Dingen, die im Bild NICHT vorkommen sollen – du sagst der KI also nicht nur „male einen Hund”, sondern auch „aber keine verschwommenen Pfoten, kein Wasserzeichen, kein zusätzlicher Schwanz”. Das ist vor allem bei Stable Diffusion und ähnlichen Open-Source-Modellen wichtig, weil die ohne Gegensteuerung gern typische Fehler produzieren: sechs Finger, doppelte Gliedmaßen, matschige Hintergründe.

In diesem Artikel bekommst du eine fertige Negative-Prompt-Liste zum Kopieren, eine Anleitung für Stable Diffusion und Automatic1111, und eine ehrliche Einordnung, ob das Ganze in Flux und DALL·E überhaupt funktioniert (Spoiler: nur eingeschränkt). Wenn du erst mal die Grundlagen brauchst, wie du überhaupt gute Prompts für KI-Bilder schreiben kannst, lies dort weiter – dieser Artikel setzt da an, wo der positive Prompt schon steht.

Was sind negative Prompts und wann brauchst du sie?

Negative Prompts steuern, was die KI weglassen soll, statt was sie hinzufügen soll. Dein normaler (positiver) Prompt beschreibt das Wunschbild: „Porträt einer älteren Frau, weiches Fenster­licht, Filmkorn”. Der negative Prompt ist das Gegenstück und enthält alles, was das Modell typischerweise falsch macht oder was du nicht im Bild haben willst.

Technisch funktioniert das so: Modelle wie Stable Diffusion verschieben das Bild während der Berechnung weg von den Begriffen im negativen Prompt und hin zu den positiven. Du gibst der KI also zwei Magnetpole. Der eine zieht das Bild zu „scharf, schön, realistisch”, der andere stößt es von „unscharf, verzerrt, zusätzliche Finger” ab.

Du brauchst negative Prompts vor allem in diesen Fällen:

• Bei Menschen und Tieren, wo Hände, Augen und Gliedmaßen oft danebengehen.
• Wenn das Tool ein Wasserzeichen, eine Signatur oder Text ins Bild einbaut.
• Bei matschigen, niedrig aufgelösten oder doppelt belichteten Ergebnissen.
• Wenn du einen bestimmten Stil ausschließen willst (etwa „kein Cartoon”, weil du Fotorealismus suchst).

Wichtig zur Erwartung: Ein negativer Prompt ist kein Garant. Er senkt die Wahrscheinlichkeit für einen Fehler, schaltet ihn aber nicht hart aus. Wenn dein positiver Prompt schwach ist, rettet auch die längste Verbotsliste das Bild nicht.

Negative-Prompt-Liste zum Kopieren (Hände, Gliedmaßen, Wasserzeichen, Artefakte)

Hier ist ein solider Standard-Block, den du bei den meisten Stable-Diffusion-Modellen direkt ins Negative-Feld kopieren kannst. Er deckt die häufigsten Schwächen bei Porträts und realistischen Szenen ab:

lowres, bad anatomy, bad hands, extra fingers, missing fingers, fused fingers, mutated hands, malformed limbs, extra limbs, deformed, disfigured, blurry, jpeg artifacts, watermark, signature, text, logo, cropped, out of frame, worst quality, low quality

Falls du gezielt nur ein Problem hast, nimm den passenden Teil-Block, statt alles draufzukippen. Eine kürzere Liste ist oft besser, weil zu viele Verbote auch wünschenswerte Details wegdrücken können.

Gegen kaputte Hände und Gliedmaßen:

bad hands, extra fingers, missing fingers, fused fingers, mutated hands, malformed limbs, extra limbs, extra arms, extra legs

Gegen Wasserzeichen, Text und Signaturen:

watermark, signature, text, logo, username, stamp, copyright

Gegen technische Artefakte und schlechte Qualität:

lowres, blurry, jpeg artifacts, noise, grainy, oversaturated, duplicate, out of frame, cropped

Ein praktischer Hinweis: Schreib negative Prompts auf Englisch, auch wenn dein positiver Prompt deutsch ist. Die Trainingsdaten dieser Modelle sind überwiegend englisch, deshalb greifen englische Begriffe zuverlässiger. „extra fingers” wirkt, „zusätzliche Finger” oft nicht.

Negative Prompts in Stable Diffusion / Automatic1111

In Automatic1111 gibt es direkt unter dem normalen Prompt-Feld ein zweites Eingabefeld mit der Beschriftung „Negative prompt” – dort kommt deine Verbotsliste rein. Das ist der Standard-Workflow und der Grund, warum negative Prompts überhaupt so bekannt wurden: Bei Stable Diffusion sind sie ein fest eingebauter Teil des Bildaufbaus.

So gehst du vor:

1. Schreib deinen positiven Prompt ins obere Feld (das Wunschbild).
2. Kopier die passende Liste von oben ins Feld „Negative prompt”.
3. Generiere das Bild und vergleiche es mit einem Lauf ohne negativen Prompt.
4. Passe an: Begriffe, die nichts bringen, wieder löschen, statt blind zu sammeln.

Die gleiche Logik gilt für die meisten Stable-Diffusion-Oberflächen – ComfyUI hat einen eigenen Negative-Knoten, Fooocus ein eigenes Feld, und auch Leonardo.ai (das im Hintergrund auf SD-Modellen läuft) bietet ein Negative-Feld an. Wenn du Leonardo oder ähnliche Tools im Browser nutzen willst, findest du Einsteiger-Optionen im Überblick zu KI-Bildern kostenlos ohne Anmeldung.

Zwei Stellschrauben, die mit negativen Prompts zusammenspielen:

• CFG Scale: regelt, wie streng sich das Modell an deine Prompts hält. Höhere Werte (etwa 7–10) machen auch den negativen Prompt wirksamer, zu hohe Werte (über 12) verbrennen das Bild.
• Modellwahl: Manche Community-Modelle (Checkpoints) bringen die Fehler gar nicht erst mit. Ein gutes Foto-Modell braucht oft eine kürzere Verbotsliste als ein generisches Basis-Modell.

Funktionieren negative Prompts in Flux und DALL·E? (Alternativen)

Kurz: In DALL·E (also ChatGPT-Bilder) gibt es kein Negative-Prompt-Feld, und in Flux funktioniert der klassische negative Prompt nur eingeschränkt. Diese neueren Modelle arbeiten anders als Stable Diffusion, deshalb musst du dort umdenken.

Die folgende Tabelle zeigt, wo du echte negative Prompts hast und was die Alternative ist:

Bei den Chat-basierten Tools (DALL·E, Gemini) schreibst du die Ausschlüsse einfach in normalen Worten in den Prompt – und nutzt dann die Stärke dieser Tools, nämlich das Nachbessern im Gespräch:

Erstelle ein realistisches Porträt im Profil. Wichtig: keine sichtbaren Hände im Bild, kein Text, kein Wasserzeichen, kein Rahmen. Wenn die Hände unsauber werden, schneide sie aus dem Bildausschnitt.

Midjourney hat eine eigene Lösung: den Parameter --no. Du hängst ihn ans Ende deines Prompts und listest danach auf, was raus soll, zum Beispiel --no watermark, text, hands. Das ist Midjourneys Äquivalent zum negativen Prompt.

Vorher/Nachher: gleiches Bild mit und ohne Negative Prompt

Der klarste Test ist, denselben positiven Prompt zweimal laufen zu lassen – einmal mit leerem Negative-Feld, einmal mit Liste – und sonst alles gleich zu halten. So siehst du, was der negative Prompt wirklich bewirkt, statt es nur zu vermuten.

Ein typisches Beispiel mit dem positiven Prompt „Nahaufnahme einer Hand, die eine Kaffeetasse hält, weiches Morgenlicht”:

• Ohne negativen Prompt: oft sechs Finger, eine verschmolzene Daumen-Zeigefinger-Partie, leicht matschige Tassenkante, manchmal ein blasses Wasserzeichen unten rechts.
• Mit negativem Prompt (bad hands, extra fingers, fused fingers, watermark, blurry): meist fünf Finger, sauberere Konturen, kein Wasserzeichen, schärferer Hintergrund.

Wichtig für die Erwartung: Der Unterschied ist deutlich, aber nicht perfekt. Bei Händen brauchst du oft trotzdem mehrere Versuche oder eine gezielte Nachbearbeitung (Inpainting). Der negative Prompt verschiebt die Trefferquote – von vielleicht jedem dritten brauchbaren Bild auf zwei von dreien –, er macht aus einem schwachen Modell aber kein perfektes.

Damit der Vergleich aussagekräftig ist: Setz in Automatic1111 einen festen Seed, sonst rechnet das Modell jedes Mal ein komplett anderes Bild und du vergleichst Äpfel mit Birnen.

Häufige Fehler bei negativen Prompts

Der größte Fehler ist, einen riesigen Negative-Block aus dem Internet zu kopieren und nie zu prüfen, ob er überhaupt etwas bringt. Lange Listen mit 50 Begriffen wirken gründlich, drücken aber oft auch gewünschte Details weg und kosten Rechenzeit, ohne das Bild messbar zu verbessern. Mehr Tipps gegen typische Anfängerfehler stehen im Leitfaden KI-Bilder verbessern.

Die häufigsten Stolperfallen:

• Widersprüche zum positiven Prompt: Du willst „bunte Neonschilder”, verbietest aber gleichzeitig „colorful”. Das Modell bekommt zwei gegenläufige Befehle.
• Zu starkes Gewichten: In A1111 kannst du Begriffe mit (begriff:1.4) verstärken. Übertrieben angewendet kippt das Bild ins Graue oder verliert Kontrast.
• Negative Prompts bei Tools, die keine haben: In DALL·E ein Negative-Feld zu suchen, ist Zeitverschwendung – dort gehört der Ausschluss in den normalen Satz.
• Deutsch statt Englisch: „kein Wasserzeichen” greift bei SD oft nicht; „watermark” greift.
• Den positiven Prompt vernachlässigen: Ein negativer Prompt korrigiert Details, ersetzt aber keine klare Bildbeschreibung. Erst der positive Prompt muss sitzen.

Faustregel: Fang mit einer kurzen Liste an (Hände, Wasserzeichen, lowres), generiere, und füge nur dann gezielt Begriffe hinzu, wenn du einen konkreten Fehler im Bild siehst. So bleibt dein negativer Prompt schlank und wirksam.

Häufige Fragen

Was ist ein negativer Prompt bei KI-Bildern?

Ein negativer Prompt ist eine Liste von Begriffen, die im generierten Bild NICHT vorkommen sollen. Du gibst sie zusätzlich zum normalen Prompt ein, und das Modell steuert das Bild von diesen Begriffen weg – typisch sind „bad hands”, „watermark” oder „blurry”.

Funktionieren negative Prompts in ChatGPT bzw. DALL·E?

Nein, nicht als eigenes Feld. ChatGPT-Bilder (DALL·E) haben kein Negative-Prompt-Feld. Du beschreibst stattdessen im normalen Satz, was du nicht willst, und korrigierst im Chat nach („mach den Hintergrund schlichter, entferne den Text”).

Auf welcher Sprache schreibe ich negative Prompts?

Auf Englisch. Auch wenn dein positiver Prompt deutsch ist, greifen englische Begriffe bei Stable Diffusion und Flux zuverlässiger, weil die Modelle überwiegend mit englischen Daten trainiert wurden.

Warum hat mein negativer Prompt keine Wirkung?

Meist liegt es an einem von drei Dingen: Das Tool hat kein Negative-Feld (DALL·E, Gemini), die CFG Scale ist zu niedrig, oder die Begriffe widersprechen deinem positiven Prompt. Prüf zuerst, ob dein Tool negative Prompts überhaupt unterstützt.

Wie lang sollte ein negativer Prompt sein?

So kurz wie möglich. Starte mit fünf bis zehn Begriffen für die häufigsten Fehler und ergänze nur gezielt, wenn du ein konkretes Problem im Bild siehst. Sehr lange Listen drücken oft auch gewünschte Details weg.