Warum KI-Bilder Wände verschieben und was eine Tiefenkarte dagegen tut

Das Wichtigste in Kürze

• Ein Bildmodell arbeitet mit Wahrscheinlichkeiten, nicht mit Maßen. Es deutet eine Vorlage, statt sie zu übernehmen.
• Eine Tiefenkarte ist dieselbe Ansicht als Graustufenbild: weiß ist nah, schwarz ist fern. Sie beschreibt die Form unabhängig von Material und Licht.
• VEDUTUM gibt zu jedem Bild drei Dinge mit: die Ansicht aus dem Modell, den Grundriss und die Tiefenkarte, dazu die Anweisung, die Struktur nicht zu ändern.
• Ehrlich gesagt: Das ist eine Referenz, keine harte Steuerung. Sie senkt Abweichungen, verhindert sie nicht immer. Deshalb: prüfen, und bei Bedarf noch einmal erzeugen.

Warum ein Bildmodell Wände verschiebt

Ein Bildmodell hat nie einen Grundriss gelesen, sondern sehr viele Bilder gesehen. Wenn es eine Vorlage bekommt — etwa eine untexturierte Ansicht eines Hauses —, versteht es sie nicht als Wand mit Koordinate, sondern als helle und dunkle Flächen, die in seinen Daten meist ein Haus bedeuten. Dann zeichnet es ein Haus, das zu diesen Flächen passt, und ergänzt, was in seinen Daten dazugehört: Material, Himmel, Bäume.

Das Problem sitzt im „passt“. Ein Fenster mit einer bestimmten Breite ist für das Modell nur ein dunkles Rechteck. Wenn in seinen Daten Fenster an dieser Stelle meist breiter sind, wird es breiter. Eine Wand, die im Schatten liegt, kann mit dem Boden verschmelzen; eine Dachkante kann sich einer häufigeren Dachform angleichen. Das Modell lügt nicht, es rät — und je weniger Halt die Vorlage bietet, desto freier rät es. Das ist derselbe Mechanismus, der in KI-Renderings: was sie können beschrieben ist, nur eine Ebene tiefer.

Was eine Tiefenkarte ist

Eine Tiefenkarte ist ein Graustufenbild derselben Ansicht, aus derselben Kamera. Sie sagt für jeden Bildpunkt nicht, welche Farbe er hat, sondern wie weit er entfernt ist: weiß für die nächste Ecke des Baukörpers, schwarz für die fernste, dazwischen linear abgestuft. Material, Licht und Schatten kommen darin nicht vor. Eine weiße Wand und eine dunkle Wand in gleicher Entfernung sind in der Tiefenkarte gleich grau.

Genau das macht sie wertvoll: Sie trennt die Form von allem, was das Bildmodell ohnehin neu erfinden soll. Wo eine Fensterlaibung zurückspringt, macht die Tiefenkarte einen Sprung. Wo ein Balkon vor der Fassade steht, ist er heller als die Wand dahinter. Ein Bildmodell, das diese Karte mitbekommt, hat einen zweiten Anhaltspunkt für die Struktur, der sich nicht durch Schatten oder Kontrast täuschen lässt.

Was VEDUTUM mitschickt

Zu jedem Bildaufruf entsteht im Browser dieselbe Ansicht zweimal: einmal als Clay-Ansicht aus dem Modell, einmal als Tiefenkarte, mit identischer Kamera. An das Bildmodell gehen dann drei Referenzen: die Ansicht, der Grundriss und die Tiefenkarte, letztere ausdrücklich als feste Struktur. Die Kamera wird am Auftrag gespeichert, damit sich derselbe Blick später reproduzieren lässt.

Der Grundriss ist dabei kein Schmuck. Er sagt dem Modell, wo Öffnungen sitzen und wie tief das Gebäude ist, auch für Teile, die in der Ansicht verkürzt erscheinen. Die Tiefenkarte sagt, wie die Ansicht räumlich aufgebaut ist. Die Clay-Ansicht sagt, wie das Ganze aussieht. Drei Beschreibungen derselben Sache, aus drei Richtungen — das ist mehr Halt, als eine einzelne Skizze bieten kann. Was das im Ganzen bewirkt, beschreibt die Seite Strukturtreue.

Die ehrliche Grenze

Das heutige Bildmodell kennt keine harte Tiefensteuerung. Die Tiefenkarte ist eine Referenz, die es berücksichtigt, keine Vorschrift, die es einhalten muss. In der Praxis bleiben Umriss, Geschoße und Öffnungen damit deutlich stabiler; Abweichungen in Details — eine Fensterteilung, die Breite eines Vordachs — kommen vor. Wir schreiben das auf die Seite KI-Transparenz und unter jedes Bild: Geometrie, Kamera und Öffnungen kommen aus dem Plan, Material, Licht und Umgebung vom Bildmodell.

Und es gilt der Satz, der auf dieser Website öfter steht: Was nicht im Modell ist, ist nicht im Bild. Eine Tiefenkarte kann nur beschreiben, was das Modell enthält. Hat das Modell keine Dachrinne, hat die Tiefenkarte keine — und das Bildmodell darf sie erfinden oder weglassen.

So prüfen Sie ein Ergebnis

Ein Vergleich dauert eine Minute und braucht kein Werkzeug außer den Augen:

1. Kanten der Clay-Ansicht neben das Ergebnis legen. Traufe, Attika, Gebäudeecken: Liegen sie an derselben Stelle im Bild? Der Vergleichsregler auf der Startseite tut genau das.
2. Öffnungen zählen. Gleiche Anzahl Fenster je Fassade, gleiche Achse, gleiche Höhe der Brüstung.
3. Vorsprünge prüfen. Balkone, Vordächer, Erker — alles, was in der Tiefenkarte hell hervortritt, muss im Ergebnis vor der Fassade stehen.
4. Anschluss zum Boden. Sockel und Gelände treffen sich dort, wo das Modell sie setzt.

In unserer Studie „Haus Lindenweg“ — ein fiktives Einfamilienhaus, selbst gezeichnet, keine Kundenarbeit — hat sich der erste Punkt als der ergiebigste erwiesen: Ein Blick auf die Dachkante zeigt schneller als jede Fensterzählung, ob das Bildmodell die Struktur gehalten hat.

Wenn es trotzdem wandert

Manchmal reicht das nicht. Dann helfen zwei Dinge, in dieser Reihenfolge:

• Noch einmal erzeugen. Das Bildmodell arbeitet mit Zufall; derselbe Aufruf liefert beim zweiten Mal ein anderes Ergebnis, meist mit derselben Struktur. Ein Bild in HD kostet einen Punkt; die Wiederholung ist billiger als jede Diskussion im Termin.
• Weniger Stilhinweise. Jede Angabe im Stil — „mit Weinranken“, „im Abendlicht“, „mit Holzverkleidung“ — gibt dem Modell Anlass, umzubauen. Je knapper die Beschreibung, desto mehr Gewicht haben Ansicht, Grundriss und Tiefenkarte.

Wie sich auf dieser Grundlage Material- und Lichtvarianten erzeugen lassen, ohne die Geometrie zu verlieren, steht unter Architektur-Renderings.

Quellen und weiterführende Informationen

• Verordnung (EU) 2024/1689 über künstliche Intelligenz
• three.js