Sie laden eine saubere SketchUp-Viewport-Ansicht eines leeren Wohnzimmers hoch. Sie erhalten ein Rendering zurück mit einem Sofa, das Sie nicht modelliert haben, einem Teppich, der nicht vorhanden war, und einem Fenster, das um 60 cm nach links verschoben wurde. Das ist die häufigste Beschwerde von Architekt:innen über AI-Renderings — und sie hat eine spezifische technische Ursache, die die meisten Werkzeuge nicht adressieren.
Zu verstehen, warum Halluzinationen auftreten, ist der erste Schritt, sie zu stoppen.
Warum passiert das?
Diffusionsmodelle — die KI-Technologie hinter den meisten Rendering-Tools — lernen durch Training an Millionen von Fotografien. Sie erfassen die statistischen Muster dessen, wie reale Räume aussehen: Wohnzimmer haben meist Sofas, Küchen meist Geräte, Fenster erscheinen üblicherweise in einer bestimmten Höhe und Breite relativ zum Raum.
Wenn Sie einem dieser Modelle eine SketchUp-Viewport-Ansicht eines leeren Raums geben, betrachtet das Modell etwas, das nicht seinen Erwartungen aus den Trainingsdaten entspricht. Ein leerer Raum mit Sichtbetonboden und ohne Möblierung ist statistisch ungewöhnlich. Die gelernte Reaktion des Modells ist, ihn so aussehen zu lassen wie die Wohnzimmer in seinen Trainingsdaten — also Möbel hinzuzufügen, Proportionen anzupassen und Lücken zu füllen.
Das ist kein Fehlverhalten des Modells. Das Modell macht genau das, wofür es trainiert wurde. Das Problem ist, dass es anhand allgemeiner Fotografie trainiert wurde, nicht an architektonischer Planungsdokumentation.
Das ControlNet-Konditionierungsproblem
Der technische Mechanismus hinter Halluzinationen ist die Stärke der Konditionierung. Die meisten AI-Rendering-Tools nutzen eine neuronale Netzerweiterung namens ControlNet, um die Ausgabe an Ihr 3D-Modell zu binden. ControlNet nimmt eine strukturelle Darstellung Ihrer Viewport-Ansicht — Kantenlinien, Tiefenkarten, Flächennormalen — und nutzt diese zur Steuerung der Generierung.
Die Stärke dieser Konditionierung ist die entscheidende Variable. Hohe Konditionierungs-Gewichtung: die Ausgabe bleibt nahe an Ihrer Eingabegeometrie. Das Modell rendert, was Sie gezeichnet haben. Niedrige Konditionierungs-Gewichtung: das Modell hat mehr kreative Freiheit. Das Ergebnis wirkt photogener, driftet aber weiter vom Entwurf ab.
Allzweck-KI-Tools haben standardmäßig eine niedrigere Konditionierungsstärke, weil das für ein allgemeines Publikum besser aussieht. Architektur-spezifische Werkzeuge haben standardmäßig eine höhere Konditionierung, weil Auftraggebende das tatsächliche Design sehen müssen.
Die praktische Konsequenz: Ein niedriger konditioniertes Rendering wird in einer Demo fast immer eindrucksvoller aussehen. Aber es wird auch Möbel hinzufügen, die Sie nicht entworfen haben, und Wände verschieben, die Sie entworfen haben.
Fünf Anzeichen, dass Ihr Tool halluziniert
1. Es tauchten Möbel auf, die Sie nicht modelliert haben. Das deutlichste Zeichen. Wenn im Rendering ein Stuhl ist, der nicht in Ihrem Modell war, ist die Konditionierungsstärke zu niedrig oder das Tool bietet keine Kontrolle darüber.
2. Wandpositionen haben sich verschoben. Ein Raum, der 4,5 m breit war, wirkt im Rendering 3,8 m breit. Das ist das Modell, das Proportionen anpasst, um dem zu entsprechen, was es aufgrund der Trainingsdaten als „richtig aussehend“ kennt.
3. Fenster änderten Proportion oder Position. Fenster sind dafür besonders anfällig — das Modell hat starke gelernte Priors über Fenster‑zu‑Wand‑Verhältnisse und wird Ihres entsprechend anpassen.
4. Deckenhöhe wirkt falsch. Eine 3 m hohe Decke rendert als 2,6 m. Gleiches Prinzip — das Modell kalibriert an seinen Trainingsdaten.
5. Materialien änderten Farbe oder Struktur deutlich. Sie haben hellgrauen Beton angegeben und bekamen warmbeigen Putz. Das Modell wendet an, was es mit dem Szene‑Typ assoziiert, nicht unbedingt das, was Sie spezifiziert haben.
Wie Sie Halluzinationen in Ihrem aktuellen Tool reduzieren
Wenn Ihr Tool die Conditioning-Stärke als Schieberegler oder Einstellung anzeigt, erhöhen Sie sie. Mehr Conditioning = höhere Treue zu Ihrer Eingabe. Das Rendering kann dadurch etwas weniger „perfekt“ wirken, aber es wird mehr dem entsprechen, was Sie entworfen haben.
Entfernen Sie vage Stilvorgaben, die zur kreativen Interpretation einladen. „Schöner, luxuriöser Innenraum“ ist eine Einladung für das Modell, seine eigene Vorstellung von „schön“ und „luxuriös“ anzuwenden — die möglicherweise nicht Ihrem Entwurf entspricht. Seien Sie konkret: „Innenraum, Betonsockel, Eichenmöbel, weiße Wände, keine Möblierung.“
Verwenden Sie in Ihrem Modell saubere, einfarbige Materialien. Stark strukturierte oder stark eingefärbte Materialien in Ihrem Viewport geben dem Modell mehr Rohmaterial zum Arbeiten, aber auch mehr Spielraum zur Umdeutung. Saubere, flache Farben lassen sich durch das Conditioning leichter erhalten.
Wenn Sie einen leeren Raum rendern, fügen Sie an den Stellen, an denen Möbel stehen sollen, einfache Platzhaltergeometrie hinzu — einfache Quader, die das Volumen eines Sofas oder die Grundfläche eines Esstisches anzeigen. Das signalisiert dem Modell, dass diese Bereiche bewusst leer sind und nicht versehentlich fehlen.
Warum architekturspezifische Tools dies anders handhaben
Der Unterschied liegt nicht nur in der Conditioning-Stärke — es ist die System-Prompt. Jedes KI‑Rendering‑Tool führt unter der Haube eine Prompt aus, die dem Modell vorgibt, wie es Ihre Eingabe zu interpretieren hat. Allgemeine Tools nutzen Prompts, die auf visuelle Qualität optimiert sind. Architekturspezifische Tools verwenden Prompts, die das Modell ausdrücklich anweisen, keine Elemente hinzuzufügen oder zu entfernen.
Eine Prompt, die etwas Äquivalentes zu „erhalten Sie alle Geometrie genau wie dargestellt, fügen Sie keine Möbel hinzu, verändern Sie keine Wandpositionen, ändern Sie nicht die Proportionen“ enthält, erzeugt grundsätzlich andere Ergebnisse als eine Prompt wie „fotorealistisches Innenraum-Rendering“.
Deshalb ist architekturspezifisches Tooling wichtig. Das Modell ist dieselbe zugrundeliegende Technologie. Prompt-Engineering macht den Unterschied zwischen architektonischer Genauigkeit und generativer Freiheit.
Was das für Kundenlieferungen bedeutet
Ein halluciniertes Rendering, das an einen Kunden geht, ist schlimmer als gar kein Rendering.
Wenn ein Kunde ein Rendering mit einem Sofa sieht, von dem er annimmt, dass Sie es ausgewählt haben, und einem Teppich, von dem er annimmt, dass er zur Spezifikation gehört, haben Sie Erwartungen geschaffen, die im Entwurf nicht existieren. Wenn der tatsächliche Entwurf präsentiert wird — ohne Sofa, andere Proportionen — vergleicht der Kunde das mit dem Rendering und ist enttäuscht. Sie bereiten damit ein schwieriges Gespräch vor.
Geometrische Treue ist keine technische Spielerei. Sie ist eine berufliche Anforderung für alles, was an einen Kunden geht, in einen Wettbewerb geht oder für eine Planungseinreichung verwendet wird. Das Rendering sollte zeigen, was Sie entworfen haben. Alles andere ist irreführend.
Warum fügen KI-Renderings Möbel hinzu, die ich nicht modelliert habe? KI‑Rendering‑Tools verwenden Diffusionsmodelle, die auf allgemeiner Fotografie trainiert wurden. Wenn Ihr Modell keine Möblierung enthält, füllt die KI diese aus, um den Erwartungen ihrer Trainingsdaten zu entsprechen. Tools mit hoher ControlNet‑Conditioning‑Stärke und architekturspezifischen Prompts verhindern dies, indem sie die Ausgabe an Ihre exakte Geometrie ankern.
Wie verhindere ich, dass die KI meine Raumaufteilung verändert? Erhöhen Sie die Conditioning‑Stärke in Ihrem Tool, falls diese Einstellung vorhanden ist. Verwenden Sie spezifische, einschränkende Prompts statt vager ästhetischer Vorgaben. Nutzen Sie ein Tool, das auf architektonische Treue ausgelegt ist, statt eines allgemeinen Bildgenerators. Architekturspezifische Tools wie Maquete verwenden getunte Prompts, die explizit Geometrieveränderungen verhindern.
Fügt Maquete halluzinierte Möbel hinzu? Maquete ist so konzipiert, diese Änderungen zu minimieren: Seine Prompts und Validatoren vergleichen das Ergebnis mit der Quelle und prüfen auf Abweichungen in Geometrie, Öffnungen und festen Elementen. Es bleibt ein generatives System, sodass unmodellierte Objekte oder veränderte Proportionen gelegentlich auftreten können; prüfen Sie das Ergebnis am Quellmodell, bevor Sie es als Kundenlieferung verwenden.
Welche KI‑Rendering‑Tools bewahren Geometrie? Für die Architektur entwickelte Tools — Maquete und teilweise andere Tools wie Veras bei höheren Conditioning‑Einstellungen — sind auf Geometrieerhaltung ausgelegt. Allgemeine Diffusionstools (Midjourney, Standard Stable Diffusion) haben keine architektonische Conditioning und halluzinieren frei. Die entscheidende Frage an jedes Tool lautet: Wie hoch ist Ihre ControlNet‑Conditioning‑Stärke und was sagt Ihre System‑Prompt über Geometrie?
Weiterführende Literatur: Geometrie-Erhaltung beim AI-Rendering — der zugrundeliegende technische Grund, warum Halluzinationen auftreten, und wie man sie verhindert.