AI-Rendering hat sich für die meisten Architekturpraktiken von einem Experiment zum Alltag entwickelt, doch das Vokabular ist nicht mitgezogen. Architektinnen und Architekten verwenden Begriffe wie „Diffusionsmodell“ und „ControlNet“, ohne eine gemeinsame, klare Definition — und die Lücke zwischen dem, was die Technologie tatsächlich leistet, und wie sie beschrieben wird, wird größer.
Hier sind zwanzig Begriffe, die es wert sind, bekannt zu sein. Jeder Begriff enthält eine verständliche Definition und einen Satz dazu, warum er für Ihren Workflow tatsächlich relevant ist.
Die Grundlagen
1. Diffusionsmodell Die KI-Architektur hinter den meisten Rendering-Tools. Ein Diffusionsmodell beginnt mit einem Bild aus reinem Rauschen und entrauscht es iterativ, gesteuert durch einen Textprompt und Conditioning-Eingaben, bis ein kohärentes Bild entsteht. Jeder Entrauschungsschritt ist eine kleine gelernte Transformation. Warum das wichtig ist: Zu verstehen, dass Ausgaben durch iteratives Entrauschen entstehen, erklärt, warum dieselben Eingaben bei jedem Durchlauf leicht unterschiedliche Ergebnisse liefern können — das Startrauschen ist zufällig und der Pfad durch die Entrauschung ist probabilistisch.
2. Textprompt Die Anweisung, die Sie der KI geben: „a sunlit Scandinavian kitchen with white oak cabinets and concrete floors.“ Der Prompt prägt die Ausgabe neben Ihrem Conditioning-Bild. Warum das wichtig ist: Architekturspezifische Werkzeuge verringern Ihre Abhängigkeit von Prompt-Fertigkeiten, indem sie das Conditioning intern handhaben — Sie wählen Materialien und Beleuchtungs-Presets statt einen langen Absatz an Instruktionen zu schreiben.
3. Conditioning-Bild Ihre Eingabe: der 3D-Viewport, ein SketchUp-Screenshot oder ein Revit-Export. Das Conditioning-Bild verankert die Ausgabe an Ihrer Geometrie. Das ist der Unterschied zwischen architekturbezogenem AI-Rendering und Text-zu-Bild-Tools — die KI erfindet keinen Raum, sie visualisiert Ihren Raum. Warum das wichtig ist: Die Qualität Ihres Conditioning-Bildes (sauberes Modell, guter Kamerawinkel, konsistente Materialien) beeinflusst direkt die Renderqualität.
4. Bild-zu-Bild (img2img) Ein neues Bild erzeugen, indem ein bestehendes transformiert wird, statt aus reinem Rauschen zu generieren. Die meisten architekturbezogenen KI-Renderings sind img2img — Sie liefern einen 3D-Viewport und erhalten eine photorealistische Version. Warum das wichtig ist: Dies ist der Mechanismus, der Ihren Modell-Screenshot in ein Rendering verwandelt, im Gegensatz zu Text-zu-Bild, das einen beliebigen Raum aus einer Beschreibung erzeugen würde.
5. Entrauschungsstärke Steuert, wie stark das Modell von Ihrem Eingabebild abweicht. Hohe Entrauschungsstärke: das Modell hat mehr kreative Freiheit und die Ausgabe kann deutlich vom Input abweichen. Geringe Entrauschungsstärke: die Ausgabe bleibt sehr nah am Input, erreicht aber möglicherweise nicht volle Photorealität. Warum das wichtig ist: die richtige Balance zu finden ist die Kernspannung im KI-Architektur-Rendering — Realismus vs. Treue zum Entwurf.
Geometrie und Treue
6. ControlNet Eine neuronale Netz-Erweiterung, die die Ausgabe eines Diffusionsmodells an eine strukturelle Eingabe koppelt — Kantenlinien, Tiefenkarten, Oberflächennormalen, die aus Ihrem 3D-Modell extrahiert werden. ControlNet macht KI-Rendering architektonisch statt generativ: es gibt dem Modell eine räumliche Karte Ihres Entwurfs, an der es sich orientieren kann. Warum das wichtig ist: Die Stärke der ControlNet-Bedingung ist die primäre Steuerung zur Erhaltung der Geometrie. Höheres Gewicht = treuer zum Entwurf.
7. Geometrie-Treue Das Ausmaß, in dem ein Rendering-Tool Wände, Öffnungen, Proportionen und statische Elemente im Einklang mit der Eingabe beibehält. Generative Werkzeuge können Drift reduzieren, aber keine perfekte Erhaltung garantieren, daher bleiben das Quellmodell und die Pläne maßgeblich. Warum das wichtig ist: Geometrische Drift ist ein professionelles Problem, nicht nur ein ästhetisches.
8. Geometrie-Drift / Halluzination Wenn die KI Ihre Eingabegeometrie verändert: Wände verschiebt, Möbel hinzufügt, die Sie nicht modelliert haben, Fensterproportionen ändert oder Deckenhöhen an Trainingsdaten anpasst. Verursacht durch zu geringe ControlNet-Bedingungsstärke oder ein Modelltraining, das visuelle Qualität über architektonische Genauigkeit stellt. Warum das wichtig ist: Ein Rendering, das nicht Ihrem Entwurf entspricht, führt Kunden in die Irre und schafft Erwartungen, die im realen Projekt nicht existieren.
9. Tiefenkarte Eine Graustufen-Darstellung Ihrer 3D-Szene, bei der die Helligkeit eines Pixels den Abstand zur Kamera angibt. Helle Pixel sind nah, dunkle weit entfernt. Wird als ControlNet-Eingabe genutzt, um die dreidimensionale räumliche Struktur Ihres Modells zu erhalten. Warum das wichtig ist: Tiefenkarten-Bedingung hilft der KI zu verstehen, welche Elemente vor anderen liegen und verhindert, dass Flächen plattgedrückt oder räumliche Beziehungen verloren werden.
10. Kantenerkennung (Canny/HED) Ein Algorithmus, der Kantenlinien aus Ihrem Viewport extrahiert — Wandbegrenzungen, Türzargen, tragende Säulen, Möbellinien — und diese als ControlNet-Konditionierung verwendet. Canny und HED sind zwei spezifische Algorithmen mit unterschiedlichen Empfindlichkeitseinstellungen. Warum das wichtig ist: kantenkonditionierte Renderings bewahren die lineare Geometrie Ihrer Architektur sehr genau. Wenn Wandlinien in Ihrem Modell sauber sind, liefert die Kantenkonditionierung eine hochgradig getreue Geometrie im Ergebnis.
Beleuchtung und Materialien
11. Beleuchtungsvoreinstellung Eine benannte Lichtbedingung — Goldene Stunde, bewölkt, Blaue Stunde, Mittag — die Sonnenwinkel, Farbtemperatur, Himmelszustand und Schattenqualität mit einer Auswahl festlegt. Warum das wichtig ist: ersetzt die Notwendigkeit, HDRI-Umgebungsbilder, Sonnenposition und Belichtungseinstellungen manuell zu konfigurieren. Konsistente, reproduzierbare Ergebnisse ohne Kenntnisse der Lichttechnik.
12. Goldene Stunde Der Zeitraum ungefähr eine Stunde nach Sonnenaufgang und eine Stunde vor Sonnenuntergang, wenn die Sonne tief steht und das Licht warm amber/orange ist. In Fotografie und Rendering erzeugt Licht der Goldenen Stunde lange weiche Schatten, warme Farbtemperatur (~2500–3500K) und eine filmische Qualität. Warum das wichtig ist: die universell vorteilhafteste Beleuchtung für Wohn-Innenräume und architektonische Außenaufnahmen. Auftraggeber reagieren positiv auf Wärme.
13. Blaue Stunde Der Zeitraum nach Sonnenuntergang (oder vor Sonnenaufgang), wenn der Himmel tiefblau ist und künstliches Innenlicht im Kontrast warm erscheint. Die Blaue Stunde erzeugt eine dramatische Farbtrennung zwischen kühlem Außenbereich und warmem Innenraum. Warum das wichtig ist: die bevorzugte Lichtbedingung für hochwertige Wohnhäuser, Hospitality- und Premium-Commercial-Renderings. Die dadurch entstehende Stimmung — Abendlicht, bewohnter Raum — ist mit anderen Bedingungen schwer zu erzielen.
14. Farbtemperatur Gemessen in Kelvin (K). Niedrige Kelvin (~2700K) = warmes, orange/amberes Licht, wie eine Glühlampe oder die untergehende Sonne. Hohe Kelvin (~6500K) = kühles, blau/weißes Licht, wie bewölztes Tageslicht. Warum das wichtig ist: die Farbtemperatur ist die wichtigste einzelne Variable für den emotionalen Ton eines Renderings. Derselbe Raum wirkt bei 2700K gemütlich und bei 6500K sachlich bzw. klinisch.
15. HDRI (Bild mit hohem Dynamikumfang) Ein 360°-Panoramafoto einer realen Umgebung, das als Lichtquelle im traditionellen Rendering verwendet wird. Das HDRI liefert realistisches Umgebungslicht, Himmelsfarbe und Reflexionen für die Szene. Warum das wichtig ist: KI-Rendering-Tools mit HDRI-äquivalenter Konditionierung können physikalisch plausibles Umgebungslicht aus jeder realen Umgebung erzeugen, ohne dass Sie HDRI-Dateien beschaffen oder konfigurieren müssen.
Workflow-Begriffe
16. Inpainting (Bereichsbearbeitung) Das Bearbeiten eines bestimmten Bereichs eines bestehenden Renderings, während der Rest unverändert bleibt. Sie maskieren eine Fläche (einen Stuhl, den Sie ersetzen möchten, eine Fensterbekleidung, die falsch ist) und das Modell generiert nur diesen Bereich konsistent mit der Umgebung neu. Warum das wichtig ist: ermöglicht es Ihnen, spezifische Probleme in einem ansonsten guten Rendering zu beheben, ohne das gesamte Bild neu zu generieren — erhebliche Zeitersparnis im Produktionsworkflow.
17. Hochskalierung Der Einsatz von KI, um die Auflösung eines Bildes über seine native Größe hinaus zu erhöhen, ohne scheinbaren Detailverlust. KI-Upscaler (ESRGAN, Real-ESRGAN) fügen gelerntes Detail hinzu, statt nur Pixel zu interpolieren. Warum das wichtig ist: erlaubt es, für schnelle Iterationen in moderater Auflösung zu rendern und nur das freigegebene Ergebnis hochzuskalieren, anstatt jede Iteration in voller 4K-Auflösung laufen zu lassen.
18. Seed (Zufallsstartwert) Die Zufallszahl, die verwendet wird, um das Rauschen für eine Diffusionsgeneration zu initialisieren. Derselbe Seed mit demselben Prompt erzeugt ungefähr dasselbe Ergebnis — eine Möglichkeit, ein Ergebnis zu reproduzieren, das Ihnen gefallen hat, oder kontrollierte Varianten zu erstellen. Unterschiedlicher Seed = andere Variante, sonst gleiche Bedingungen. Warum das wichtig ist: Seeds sind das Mittel, um kohärente Variationssets zu erstellen — "zeigen Sie mir diesen Raum in drei verschiedenen Lichtbedingungen" — und dabei alles andere konsistent zu halten.
19. Latenter Raum Der abstrakte mathematische Raum, in dem Diffusionsmodelle arbeiten. Ihr Prompt und Ihr Konditionierungsbild werden in latente Repräsentationen kodiert; das Modell entrauscht innerhalb dieses Raums; die finale Ausgabe wird zurück in den Pixelraum dekodiert. Warum das wichtig ist: Das Verständnis des latenten Raums erklärt, warum Prompts, die ähnlich erscheinen, sehr unterschiedliche Ergebnisse liefern können — kleine Abstände im Pixelraum können große Abstände im latenten Raum bedeuten und umgekehrt.
20. Renderfarm Ein Netzwerk von Servern, das Renderings parallel verarbeitet und traditionell von großen Studios genutzt wird, um Renderzeiten von Stunden auf Minuten zu reduzieren. Cloud-basierte KI-Rendering-Tools stellen effektiv für jeden Nutzer eine Renderfarm für jeden Auftrag bereit. Warum das wichtig ist: Cloud-Rendering bedeutet konsistente ~30-sekündige Ausgaben unabhängig davon, was sonst auf Ihrem Rechner läuft, keine Hardwarewartung und Kosten, die eher als Betriebsausgabe als als Investition in Anlagegüter strukturiert sind.
Was ist ein Diffusionsmodell in einfachen Worten? Ein Diffusionsmodell beginnt mit zufälligem Rauschen und wendet wiederholt kleine erlernte Transformationen an, um daraus ein kohärentes Bild zu erzeugen, geleitet von einem Textprompt und strukturellen Eingaben aus Ihrem 3D-Modell. Stellen Sie sich das eher als Bildhauern aus Rauschen denn als Malen auf einer leeren Leinwand vor.
Was bewirkt ControlNet beim KI-Rendering? ControlNet konditioniert die Ausgabe eines Diffusionsmodells anhand einer strukturellen Darstellung Ihres 3D-Modells — Kantenlinien, Tiefenkarten, Flächennormalen. Es ist der Mechanismus, der die KI-Ausgabe an Ihre Geometrie bindet, statt einen beliebigen Raum zu erzeugen. Höheres ControlNet-Gewicht bedeutet größere geometrische Treue.
Was ist Geometrietreue? Geometrietreue beschreibt, wie genau Wandpositionen, Öffnungsproportionen und räumliche Beziehungen der Eingabe folgen. Sie ist eine primäre technische Priorität für architekturspezifische Werkzeuge wie Maquete, doch ein generatives Ergebnis muss weiterhin mit dem Quellmodell verglichen werden.
Worin liegt der Unterschied zwischen einem Beleuchtungspreset und einem Prompt? Ein Beleuchtungspreset ist ein vorab entwickeltes Konditionierungssignal, das zuverlässig eine bestimmte Lichtsituation erzeugt — Goldene Stunde, bedeckt, Blaue Stunde. Eine promptgesteuerte Beleuchtungsanweisung („warmes goldenes Abendlicht von Westen“) hängt davon ab, wie gut Sie sie formulieren, und liefert in verschiedenen Szenen weniger konsistente Ergebnisse. Presets sind wiederholbarer; Prompts sind flexibler.
Weiterführende Lektüre: Was ist KI-Architektur-Rendering? — Diffusionsmodelle, ControlNet, Konditionierungsgewicht — die zugrundeliegenden Konzepte an einem Ort.