AI Snacks - die Kolumne II

Die Möglichkeiten im Bereich Bildgenerierung mit AI Tools sind mittlerweile unendlich und jede Woche werden hunderte Tools lanciert, die Brands versprechen das Leben bzw. die Arbeit einfacher zu machen. Häufig ist die Kombination verschiedener AI Tools jedoch ein wesentlich wirksameres Werkzeug, als “nur” auf ein Tool zu setzen oder dieses zu evaluieren. In der Vergangenheit konnten wir für unsere Kunden exzellente Ergebnisse durch den Aufbau sogenannter “AI Pipelines” erzielen. Heute wollen wir zeigen, wie auch du (und dein Brand!) Pipelines einsetzen könnt.

Abb. 1: Wie immer ein AI generated Meme zu Beginn :)

Das “Fussballmatch Image Desaster”

Du möchtest für eine Präsentation ein paar Bilder generieren, die ein Fußballspiel in einem Stadion zeigen. Dieser Task schreit geradezu nach AI Tools. Im Bereich Image Generierung führt (aktuell) kein Weg an Midjourney vorbei. Der Zugang zu Midjourney ist ein wenig “nerdy”, die Generierung erfolgt in einem Discord Channel, doch wer hier die letzte Metaverse/Web3 Welle miterlebt hat, sollte mit Discord bereits vertraut sein. ;)

Ist man im Discord Channel abgekommen, können hier Prompts eingegeben werden und der sog. “AI-Whao Effekt” beginnt zu wirken: ich gebe eine Bildkomposition ein und die KI erzeugt tatsächlich das, was ich beschreibe! Prompt: /imagine a soccer match

Der “Whao-Effekt” fadet jedoch wieder sehr schnell aus, denn bei genauerer Betrachtung fällt auf, dass das was hier generiert wurde eigentlich gar nicht das gewünschte Ergebnis ist. Farben falsch, zu viele Bälle, zu viel Pyro... Also beginnt jetzt die Tätigkeit, die genauso zeitfressend ist, wie das Browsen von TikTok Videos: Prompt Engineering... An dieser Stelle brechen wir die Übung ab und zeigen dir, wie du durch den Einsatz einer Pipeline deutlich mehr aus Midjourney herausholen kannst, und dazu jede Menge Zeit sparst. Dabei wenden wir einen einfachen Trick an...

Abb. 2: Midjourney generiertes Fussballmatch. Prompt: /imagine a soccer match

Alle Wege führen nach Rom...bzw. zu ChatGPT

ChatGPT ist weit mehr, als nur ein Tool das man mit Aufforderungen a la “Erstelle mir ein Schreiben zum Thema XYZ...” verwenden kann. ChatGPT ist eine Maschine, die man in einen bestimmten Status versetzen kann, und genau das machen wir jetzt: wir erklären ChatGPT nämlich ganz einfach wie Midjourney funktioniert, indem wir folgendes Snippet in ChatGPT kopieren (BITTE NICHT ABTIPPEN! Hier gibt es das Snippet zum Kopieren...):

Dadurch weiss ChatGPT jetzt, wie Midjourney “tickt” und wir können mit einem weiteren Snippet ChatGPT auf das Thema einstimmen, bitte [**YOUR THEME**] mit z.B. “Soccer Match” ersetzen.

Abschliessend spuckt uns ChatGPT jetzt einen atsreinen Midjourney Prompt aus, den wir 1:1 in die Image Generierung einfüttern können.

Neue Generierung des Fussballmatch Images

Abschließend können wir den neu generierten Prompt in Midjourney einfügen, anhand des Prompts sehen wir bereits, dass dieser deutlich deskriptiver ist, als der zuvor von uns eingesetzte Prompt /imagine a soccer match. Durch das Maschinen Training von ChatGPT haben wir jetzt einen Prompt erhalten, der Belichtung, Perspektive, Detaillierung, Kamerawinkel etc. berücksichtigt, das Ergebnis spricht für sich:

Wir könnten an dieser Stelle noch die Pipeline erweitern und beispielsweise ein eigenes Bild als Vorlage integrieren,. Das Ergebnis wäre eine noch stärkere Annäherung bzw. Motiv-Vorgabe:

Abb. 6: Pipeline Erweiterung mit eigenem Image Input

Fazit: work smart, not hard...

Hier haben wir ein klassisches AI Beispiel erlebt, bei dem wir unter normalen Umständen Arbeit einfach nur umgewandelt hätten: Dass, was zuvor an Arbeit/Zeit/Geld in Shutterstock Browsing geflossen wäre, fliesst jetzt in Prompt Engineering. Denn um ein wirklich brauchbares Bild zu generieren, wären noch etliche Erweiterungen zu unserem initialen (recht trivialen) Eingabe-Prompt erforderlich gewesen. Durch den ChatGPT Workaround haben wir hier jedoch Zeit gespart und in kürzester Zeit ein brauchbares Ergebnis erzeugt. Dennoch gilt auch hier zu berücksichtigen: Bei genauerer Betrachtung der Bilder wird klar, dass diese alle noch in z.B. Photoshop nachbearbeitet werden müssen, da Linien falsch gezogen sind, Tore nicht korrekt platziert wurden etc. etc..

Hier offenbart sich der “Energieerhaltungssatz” von IT Projekten: Arbeit (aka Energie) geht in der Regel nicht einfach verloren, sondern wird umgewandelt. Beim Nearshoring von IT Projekten wird bei den Entwicklungskosten gespart, dafür steigen die Projekt Management/Organisationskosten. Bei AI wird bei der Erzeugung von Bildmaterial gespart, dafür steigen die Kosten für Prompt Engineering/Nachbearbeitung.

Hier gilt es also vorsichtig abzuwägen, ob sich der Einsatz von AI im Bereich Bildgenerierung “lohnt”, oder unter Umständen mit konventionellen Mitteln effizienter gearbeitet werden kann, dies kann eine multifaktorielle Entscheidung sein.

Bild- und Textquelle: Software Brauerei

Links

Software Brauerei AG Florian Müller Jobs

Kontakt

Florian Müller ist Co-Founder und CEO der Software Brauerei AG. Die Software Brauerei AG entwickelt eigene AI Sprachmodelle und unterstützt Kunden bei der Optimierung von Workflows durch AI.

Florian Müller ist Serial Entrepreneur und Autor diverser Fachbücher und Publikationen.

E-Mail: florian.mueller@software-brauerei.ch
Termin: https://calendly.ccom/florian_mueller/30min