#bildgenerator

Der Maultaschentest als neue KI-Benchmark

Als ich Chrome öffne, schlägt mir der Browser vor, dass ich doch mal Gemini, die neue tolle KI von Google ausprobieren soll, die könne auch tolle Bilder generieren.

"Challenge accepted", sage ich und da ich am Wochenende in Schwaben war und mir nichts besseres einfällt, sage ich der KI, sie solle mir doch bitte ein Bild von einer Maultasche vor einer typisch schwäbischen Stadt generieren.

Die KI denkt kurz nach und präsentiert mir dann dies:

Ich frage die KI wortwörtlich, ob sie mich verarschen will, das wäre doch keine Maultasche. Die KI entschuldigt sich und zeigt mir ein Bild, auf dem Kinder zu sehen sind, das zu einem YouTube-Video führt. Diese Einlassung verstehe ich noch weniger und bitte noch mal um ein Bild einer Maultasche, vielleicht in Brühe, um der KI etwas auf die Sprünge zu helfen.

Die KI liefert dies:

Das wären keine Maultaschen, sondern Klöße, moniere ich und lasse die KI als einfache Übung ein Bild mit einer Portion Spätzle generieren. Das bekommt sie immerhin hin. Dann frage ich nach, ob sie mir wenigstens erklären kann, was Maultaschen sind, vielleicht kann ich ihr ja damit etwas Hilfe zur Selbsthilfe geben.

"Kannst du dir Bilder von Maultaschen aus dem Internet angucken und daraus eins generieren?" frage ich zum Abschluss und bekomme das hier:

"Immer noch nicht optimal, aber viel besser. Siehst du, da hast du auch was gelernt." sage ich und lasse es nun dabei.

"Ich freue mich, dass ich Ihnen helfen konnte, ein besseres Verständnis für Maultaschen zu entwickeln. Ich lerne ständig dazu und bin dankbar für Ihr Feedback." sagt die KI und ich muss doch sehr bitten. Wenn hier jemand jemandem helfen konnte, ein besseres Verständnis für Maultaschen zu entwickeln, dann war eindeutig ich das.

Eventuell habe ich heute morgen also den Maultaschen-Test als Benchmark für KI-Bildergenerierung erfunden. Clemens aus der TT-Redaktion lässt als Gegentest das gleiche Experiment mit Dall-E laufen und erhält noch absurdere Gebäckstücke, die allesamt sehr sicher keine Maultaschen sind. Wir haben noch einen langen Weg vor uns.

Why giant ging fateen ptotiwer fetamen plianen flost, oder: Midjourney und ich illustrieren die Wissenschaft

Aleks fragt im Messenger, womit man Bilder generieren kann. Ich sage, mit Midjourney, und dass er gern meins dafür benutzen kann, weil ich sowieso schon bezahle. Dass ich dafür bezahle, hat mit einem inzwischen schon wieder verworfenen Plan zu tun, bei dem ich Holzschnitte im 15.-Jahrhundert-Stil lasergravieren lassen wollte, um eine Buchversion der besten "Robot Gernhardt"-Gedichte in Ultrakleinauflage damit zu stempeln. (Verworfen, weil in mehreren Hinsichten zu mühsam. Stattdessen gibt es jetzt Holzschnitt-T-Shirts, zum Teil von Midjourney, zum Teil wirklich aus dem 15. Jahrhundert.)

Dann stellt sich heraus, dass Aleks gar nicht so einfach mein Midjourney benutzen kann, weil es am Discord-Login hängt. Er müsste sich also als ich bei Discord einloggen, und das ist ihm zu umständlich. "Du kannst es gern fuer mich machen, wenn du willst, ich gebe dir prompts", sagt er. "hier, dieses bild hier ist was ich suche, so ungefaehr, in die richtung. https://www.astronomy.com/science/disk-surrounds-planetlike-object/. aber das kann viel einfacher sein, und das in der mitte viel groesser."

"okay, gib Prompts", sage ich.

"brown dwarf (oder wenn er das nicht kann, versuch es mit giant planet), with colorful clouds, and a flattened cloud around it, maybe with some rocks thrown in"

Ich sage zu Midjourney: "brown dwarf with colorful clouds, and a flattened cloud around it, maybe with some rocks, astronomy artist impression style"

Die Ergebnisse (man bekommt immer gleich vier) sind erst mal nicht sehr überzeugend ...

... und zum Teil absurd ...

Aleks' Vorschlag, direkt die ganze Pressemitteilung als Prompt zu nehmen, führt auch nicht zum gewünschten Ergebnis:

Eine Dreiviertelstunde und 148 Bilder später habe ich den richtigen Prompt gefunden. Er lautet:

"Large, glowing Brown Dwarf with a sandy, dusty disk around its equator. The Brown Dwarf is the only light source in the image. It is glowing with a dark orange light. Background with tiny pinpoint stars. Astronomy artist's impression style."

Jedes Wort in diesem Prompt habe ich durch Versuch und Irrtum gefunden.

Endergebnis ist dieses Bild:

"Ich weiß nicht, wie es bei euch ist, in meiner Branche hassen einen dafür viele", sage ich, "ob es das wert ist, wenn die Illustration dann noch nicht mal gut ist?"

Aleks meint: "naja, auch nicht schlechter als irgendwelche artist’s impressions. es waere vermutlich gut, irgendwas zu haben, was nicht grundlegend falsch ist und es leichter macht, sich das irgendwie vorzustellen."

Dann erscheinen die auf der Pressemitteilung basierenden Artikel und enthalten tatsächlich dieses Bild, hier:

astronomynow.com/2025/07/30/lonely-giant-planets-may-form-their-own-planetary-systems/

und hier:

orbitaltoday.com/2025/07/30/free-floating-planets-may-form-their-own-planetary-systems/

und hier:

www.space.com/astronomy/exoplanets/james-webb-space-telescope-finds-giant-lonely-exoplanets-can-build-their-own-planetary-friends-without-a-parent-star

Die KI verleugnet ihre Geschwister

Laut heise gibt es einen neuen Stern am KI-Himmel: DeepSeek. Leistung vergleichbar mit den anderen Diensten, deutlich geringerer Energieverbrauch. Open Source und aus China.

Weil ich gerade hart Fieber und Halsweh wegprokrastinieren muss, wollte ich den Schüßlerschen Maultaschentest machen.

Ich hatte auch von Bildgenerierung gelesen (unter dem Namen Janus Pro 7B), war dann aber erst mal auf der Hauptseite gelandet. Hier zitiert mit Kürzungen:

Hi! Can you also generate images? Hi! I'm afraid I can't generate images. (…) (…) Coming back to image generation: How about Janus? Where can I find it? Isn't it based on DeepSeek? It seems there might be some confusion here! Janus doesn't appear to be a widely recognized or publicly available tool or model for image generation, nor is it directly associated with DeepSeek (the company behind my development). If you're referring to a specific tool, framework, or project named Janus, it might be a niche or internal project that isn't widely documented or accessible. (…)

Jetzt bin ich verunsichert. Einmal selbst geDuckDuckGot:

Was war denn da jetzt so schwierig!

So… https://januspro.org/ is not connected to DeepSeek? Ah, I see what you're referring to now! JanusPRO (https://januspro.org/) appears to be a project or tool related to 3D modeling and rendering, particularly for creating realistic 3D avatars and characters. From what I can gather, it’s a specialized tool used in industries like gaming, virtual reality, and animation. To answer your question: No, JanusPRO does not seem to be directly connected to DeepSeek. DeepSeek is primarily focused on AI technologies, including natural language processing (like the model you're interacting with now) and other AI-driven solutions, while JanusPRO is more focused on 3D modeling and rendering.

Ich breche das an der Stelle ab, wechsle direkt zur Janus-Seite und frage mit den selben Prompts wie zuvor Anne nach Maultaschen vor schwäbischer Skyline. Auch Janus hat keine Ahnung von Maultaschen, lässt sie einfach weg oder bietet mir Findlinge auf grüner Wiese an.

Am besten gefällt mir dieses, weil ich auf den ersten Blick kurz denke: Moment mal, das sieht WIRKLICH wie meine schwäbische Heimatstadt aus!

Na gut. Mit Janus wirre Bilder generieren wird vermutlich nicht mein neues Hobby, und die Aussagen von DeepSeek sind mit Vorsicht zu genießen (aber das gilt ja für alle anderen KI-Modelle auch).

Google: KI-Bildgenerator war "zu woke" #Google #KI #woke #Gemini

Google muss seinen “Gemini” Bot, ein Tool zur KI-gestützten Erstellung von Bildern, nach vielfacher Kritik von Nutzern, dieser sei “zu woke”, nun noch einmal anpassen. Das Problem bei Gemini sei, so diverse Nutzer, dass der Bot einfach zu sehr darauf achte, keine Bilder zu generieren, welche unter Umständen als rassistisch wahrgenommen werden könnten. Was grundsätzlich erst einmal nach einer…

Andere Zeiten, andere Biere

Aleks bringt aus dem schottischen Aldi ein neues Bier mit: Loch Lomond "Zoom Time".

Offenbar ist Zoomen, also die Benutzung des Meeting-Tools Zoom, jetzt nicht nur in der Praxis, sondern auch schon in der Bierwerbung eine anerkannte Freizeitbeschäftigung. Es geht hier jedenfalls nicht ums Trinken beim Arbeitsmeeting:

Unklar, warum auf einer Bierdose jemand mit einer Tasse und einer Thermoskanne abgebildet ist, aber die Teufelsklaue, mit der die abgebildete Frau den Hund festhält, und der Schatten, den der Kopf auf die Landschaft wirft, deuten darauf hin, dass die Antwort ein Text-zu-Bild-Generator sein könnte.