Dreistufiger Workflow von der Ideenfindung zum KI-Bild

X-PostMoeinDemo

Moein skizziert in einem kurzen Beitrag einen dreistufigen Prozess, um mithilfe von ChatGPT aus ersten Ideen fertige Bilder zu generieren.

Das Wichtigste

  1. Schritt 1: Ideenfindung (Ideation) innerhalb von ChatGPT.
  2. Schritt 2: Ausarbeitung der gesammelten Ideen in gezielte Prompts.
  3. Schritt 3: Generierung des Bildes auf Basis des erstellten Prompts.

Warum das relevant ist

Der Post zeigt beispielhaft, wie Sprachmodelle als Zwischenschritt dienen können, um strukturierte Bildprompts aus abstrakten Ideen zu formulieren.

Einordnung

Da der Beitrag sehr kurz ist und sich auf drei nummerierte Schritte beschränkt, dient er lediglich als knappe Zusammenfassung eines typischen Prompting-Workflows für die KI-Bildgenerierung.

Original-Post

Moein

@DesignByMoein · 9. August 2026

1-Ideation in ChatGPT 2-Ideation to prompt 3-Prompt to Image t.co/qLS6JKgBd0

10 Likes1 Antworten8 Lesezeichen1547 Aufrufe

Auf X ansehen

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • X-Post:Breeje Anadkat

    Design-Workflow: Bessere App-Interfaces mit KI und Figma

    Breeje Anadkat beschreibt seinen fünfstufigen Workflow, um ansprechende Benutzeroberflächen und funktionale MVPs mit Claude, ChatGPT, Figma und Claude Code zu erstellen.

    7003Lesezeichen207.531Aufrufe

    KI & AI· Anleitung

  • X-Post:David Ch

    David Ch kombiniert GPT Image 2, Seedance 2.0 und Opus 5

    In einem kurzen Beitrag demonstriert David Ch einen generativen Workflow mit GPT Image 2, Seedance 2.0 sowie Opus 5 und verweist auf ein Video mit dem genutzten Prompt.

    957Lesezeichen54.291Aufrufe

    KI & AI· Demo

  • X-Post:Lenny Rachitsky

    Kreatives Design mit KI: 8 Methoden gegen vorhersehbare Ergebnisse

    Lenny Rachitsky teilt Erkenntnisse von Anshu Chhabra (@anshuc), einem ehemaligen Apple-Design- und Engineering-Leiter, darüber, wie KI-Modelle ihr volles kreatives Potenzial im Design entfalten können. Da LLMs auf Next-Token-Prediction trainiert sind, neigen sie zu erwartbaren Mustern. Acht konkrete Ansätze sollen helfen, diese Beschränkung zu durchbrechen.

    8594Lesezeichen904.110Aufrufe

    KI & AI· Meinung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.