Negative Prompting heißt, einem KI-Generierungsmodell zu sagen, was es aus dem Ergebnis weglassen soll, zusätzlich zur Beschreibung dessen, was du erzeugen willst.
Die meisten schreiben Prompts, die das gewünschte Ergebnis beschreiben: „Nahaufnahme einer Hand, die eine Kaffeetasse hält, warmes Morgenlicht, geringe Schärfentiefe.“ Negative Prompting fügt einen zweiten Satz Anweisungen hinzu, der auflistet, was das Modell vermeiden soll. Der positive Prompt zieht das Ergebnis zu einem Ziel hin; der Negativ-Prompt drückt es von Dingen weg, die du schon hast schiefgehen sehen. Dieser zweite Text braucht ein eigenes Feld, und nicht jedes Tool bietet eines: Auf 8frame hat kein Bild- oder Video-Node so ein Feld.
Wie Negative Prompting funktioniert
Die klarste öffentliche Beschreibung liefert die Text-zu-Bild-Pipeline von Stable Diffusion in diffusers, der Open-Source-Bibliothek von Hugging Face. Ihre Dokumentation beschreibt den Parameter negative_prompt als „the prompt or prompts to guide what to not include in image generation“ (der Prompt oder die Prompts, die vorgeben, was nicht ins generierte Bild soll).
Der Mechanismus heißt Classifier-Free Guidance und wurde 2022 in einem Paper von Jonathan Ho und Tim Salimans beschrieben. Ein Diffusionsmodell baut ein Bild auf, indem es Schritt für Schritt Rauschen entfernt, gesteuert von deinem Text. Bei aktiver Guidance macht das Modell in jedem Schritt zwei Vorhersagen: eine auf Basis deines Prompts und eine auf Basis eines leeren Prompts. In der diffusers-Pipeline nimmt der Negativ-Prompt den Platz dieses leeren Prompts ein. Dann schiebt die Pipeline das Ergebnis von der negativen Vorhersage weg und zur positiven hin, und zwar so stark, wie es die Guidance Scale festlegt.
Daraus folgen zwei Dinge. Erstens zählt der Negativ-Prompt nur, solange Guidance aktiv ist: diffusers ignoriert ihn, wenn keine Guidance verwendet wird. Zweitens entfernt nichts in diesem Mechanismus ein Element vollständig. Er lenkt das Ergebnis, also soll ein Negativ-Prompt die Wahrscheinlichkeit senken, dass etwas auftaucht, und es nicht ausschließen.
Gehostete Tools legen davon nicht immer etwas offen. Ein Anbieter kann das Feld weglassen, die Guidance Scale festsetzen oder ein Modell nutzen, das anders aufgebaut ist. Prüf also, was ein Tool tatsächlich annimmt.
Wann man Negative Prompting einsetzt
Zum Negativ-Prompt greifst du, wenn du gesehen hast, wie ein Modell bei einer Art von Inhalt immer wieder dasselbe Unerwünschte erzeugt. In einem Tool mit Negativ-Feld schreibst du die unerwünschten Dinge selbst hinein, denn das Feld bedeutet bereits „lass das weg“. Typische Listen:
Artefakte im Video. Wenn Clips flackern, sich zwischen Frames verformen oder in dunklen Bereichen rauschen: „Flackern, Morphing, Verzerrung“.
Hände. Prüf jede Hand auf zusätzliche oder verschmolzene Finger. Die übliche Liste: „zusätzliche Finger, verschmolzene Finger, deformierte Hände“.
Unerwünschte Elemente. Für ein sauberes Produktfoto: „Text, Wasserzeichen, Logo“.
Stil-Drift. Wenn ein fotorealistischer Prompt immer wieder in einen benachbarten Look rutscht, nenn diese Looks: „Anime, Cartoon, Illustration“.
Keine dieser Listen garantiert das Ergebnis, also prüf die Ausgabe auf jedes Element, das du aufgelistet hast.
Beispiele auf 8frame
Auf 8frame gibt es kein Negativ-Feld. Kein Bild- oder Video-Node auf dem Canvas hat ein Feld für Negativ-Prompts, es gibt also keinen zweiten Satz Anweisungen zum Ausfüllen. Du hast zwei Möglichkeiten. Fang mit der ersten an.
Beschreib, was stattdessen zu sehen sein soll. Statt „kein unruhiger Hintergrund“ schreib „schlichter mattgrauer Hintergrund, nur das Produkt im Bild“. Statt „kein Flackern“ beschreib gleichmäßiges, ruhiges Licht und eine fixierte Kamera. Für ein sauberes Produkt-Rendering mit Nano Banana oder FLUX beschreib statt „kein Text, kein Wasserzeichen, keine Logos“ lieber „eine schlichte Flasche ohne Etikett vor einem schlichten Hintergrund“. Eine positive Beschreibung gibt dem Modell etwas, das es zeigen kann.
Wenn du ein „kein“ schreibst, prüf es. Ein „kein“ im Hauptprompt ist kein Negativ-Prompt: Das Wort, das du ausschließen willst, steht trotzdem im Text, und nichts garantiert, dass das Modell dem „kein“ davor das Gewicht gibt, das du gemeint hast. Wenn das Element weiter auftaucht, wechsle zur positiven Beschreibung.
Dasselbe gilt für Video-Nodes wie Veo 3.1 und Kling: Schreib die Einstellung, die du willst, und prüf den Clip auf den Fehler, den du vermeiden wolltest.
Verwandte Begriffe
- Warum ignoriert das KI-Video meinen Prompt? behandelt Verneinungen und fünf weitere Gründe, warum ein Prompt untergeht.
- Was ist Prompt Adherence zeigt, wie du testest, ob ein Modell jedem Teil deines Prompts folgt.
- Veo 3 Prompt Guide (auf Englisch) erklärt, wie du einen Veo-Prompt aufbaust.
- Bester KI-Videogenerator 2026 (auf Englisch) vergleicht die Videomodelle, wenn du zwischen Veo, Kling und Seedance wählst.
Häufige Fragen
Was ist ein Negativ-Prompt? Eine zweite Anweisung, die auflistet, was ein Modell vermeiden soll, neben dem Prompt, der beschreibt, was du willst.
Wie funktioniert ein Negativ-Prompt? In Pipelines mit Classifier-Free Guidance, etwa Stable Diffusion in der Bibliothek diffusers, ersetzt der Negativ-Prompt den leeren Prompt, mit dem das Modell in jedem Schritt vergleicht, und die Guidance Scale legt fest, wie weit das Ergebnis davon weggeschoben wird.
Hat 8frame ein Feld für Negativ-Prompts? Nein. Kein Bild- oder Video-Node auf dem Canvas hat eines. Beschreib, was im Bild sein soll, und wenn du ein „kein“ in den Prompt schreibst, prüf das Ergebnis.
Ist „kein Text“ im Prompt dasselbe wie ein Negativ-Prompt? Nein. Es ist Teil des Hauptprompts, also steht das Wort „Text“ trotzdem darin. Beschreib, was stattdessen da sein soll, zum Beispiel „ein leeres Etikett“.
Garantiert ein Negativ-Prompt, dass etwas nicht auftaucht? Nein. Er lenkt das Ergebnis; er schließt nichts aus.
Quellen
- Eingaben auf dem 8frame-Canvas (kein Feld für Negativ-Prompts an irgendeinem Bild- oder Video-Node; Kling O3 kann einen Prompt pro Einstellung annehmen): Tool-Register von Frontend und Backend von 8frame, origin/main, geprüft am 2026-10-01
- diffusers-Dokumentation zu StableDiffusionPipeline (
negative_prompt,guidance_scale): https://huggingface.co/docs/diffusers/main/en/api/pipelines/stable_diffusion/text2img, abgerufen am 2026-10-01 - Code der diffusers-Pipeline (der Negativ-Prompt ersetzt den leeren Prompt; der Guidance-Schritt): https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/pipeline_stable_diffusion.py, abgerufen am 2026-10-01
- Jonathan Ho und Tim Salimans, „Classifier-Free Diffusion Guidance“ (2022): https://arxiv.org/abs/2207.12598, abgerufen am 2026-10-01
Probier es ohne Anmeldung aus: Du landest direkt auf einem echten Board. Der 8frame-Canvas ist kostenlos und unbegrenzt; die Generierung ist kostenpflichtig ab 19 US-Dollar im Monat.