Der Seed bei der KI-Bildgenerierung – oder: warum dasselbe Bild zweimal entsteht

Was ein Seed ist, warum er darüber entscheidet, ob du ein gelungenes Bild jemals wiederfindest – und weshalb diese eine unscheinbare Zahl wichtiger ist, als die meisten denken.

Du generierst ein Bild, es sieht klasse aus, du machst zufrieden weiter – und eine Stunde später willst du genau dieses Motiv noch mal haben, nur mit einer winzigen Änderung. Pustekuchen. Gleicher Prompt, gleiche Einstellungen, trotzdem kommt etwas völlig anderes raus. Willkommen im Club. Genau an diesem Punkt schlägt die Stunde des Seeds.

Der Seed ist die Zahl, die darüber entscheidet, ob KI-Bildgenerierung reine Glückssache bleibt oder zu etwas wird, das du kontrollieren und reproduzieren kannst. Klingt nach Kleinkram, ist aber der Unterschied zwischen „irgendwann mal was Schönes“ und „genau das Bild, das ich brauche, jederzeit wieder“. Schauen wir uns an, was da passiert.

Was ein Seed überhaupt ist

Jede KI-Bildgenerierung fängt nicht mit einem leeren Blatt an, sondern mit Rauschen – einem Bild aus zufälligem Bildpunkt-Geflimmer, das aussieht wie das Schneegestöber auf einem alten Fernseher ohne Empfang. Aus diesem Rauschen rechnet das Modell Schritt für Schritt das fertige Bild heraus (mehr dazu unter [→ Spoke: Steps]). Und genau dieses Startrauschen ist nicht so zufällig, wie es aussieht: Es wird aus einer Zahl erzeugt. Diese Zahl ist der Seed.

„Seed“ heißt auf Deutsch „Saatkorn“, und das trifft es ziemlich gut. Aus demselben Korn wächst – unter gleichen Bedingungen – dieselbe Pflanze. Aus demselben Seed entsteht dasselbe Startrauschen, und aus demselben Startrauschen wird, wenn der Rest auch gleich bleibt, dasselbe Bild. Der Seed ist also nicht das Bild selbst, sondern der Ausgangspunkt, von dem aus das Modell losrechnet.

Skizze 1: Der Seed liefert das Startrauschen – daraus rechnet das Modell Schritt für Schritt das fertige Bild.

Technisch ist der Seed schlicht eine ganze Zahl. Üblich ist ein 32-Bit-Wert, also irgendwas zwischen 0 und gut vier Milliarden – das sind über vier Milliarden mögliche Startpunkte. Manche Oberflächen lassen sogar noch deutlich größere Werte zu, aber das ist Erbsenzählerei: Schon die vier Milliarden reichen, dass du im normalen Leben nie zufällig zweimal denselben Seed erwischst.

Warum der Seed über Reproduzierbarkeit entscheidet

Hier kommt der Punkt, auf den es ankommt: Gleicher Seed plus gleicher Prompt plus gleiche Einstellungen ergibt dasselbe Bild. Immer. Das ist kein Zufall und kein netter Nebeneffekt, das ist Mathematik. Die Berechnung ist deterministisch – sie läuft jedes Mal exakt gleich ab, wenn die Zutaten gleich sind.

Und „gleiche Einstellungen“ heißt wirklich alle: derselbe Prompt und Negativ-Prompt ([→ Spoke: Prompt & Negativ-Prompt]), dasselbe Modell bzw. derselbe Checkpoint ([→ Spoke: Checkpoints & VAE]), derselbe Sampler ([→ Spoke: Sampler & Scheduler]), dieselbe Schrittzahl, derselbe CFG-Wert ([→ Spoke: CFG]) und dieselbe Auflösung ([→ Spoke: Auflösung & Seitenverhältnis]). Änderst du nur eine dieser Stellschrauben, kann das Bild trotz gleichem Seed anders aussehen. Der Seed allein garantiert nichts – er garantiert nur im Verbund mit dem Rest.

Skizze 2: Bleibt alles gleich, ergibt derselbe Seed dasselbe Bild. Schon eine geänderte Stellschraube (hier CFG) kippt das Ergebnis.

Deshalb ist der Seed dein wichtigstes Werkzeug, sobald du gezielt arbeiten willst statt nur Würfel zu werfen. Du hast ein Bild gefunden, das fast passt? Seed festhalten, Prompt minimal anpassen – und du bekommst eine Variante desselben Bildes statt eines komplett neuen. So experimentierst du sauber: eine Sache ändern, alles andere konstant halten, Wirkung beobachten.

Zufalls-Seed und fester Seed: die Praxis

In den meisten Oberflächen steht im Seed-Feld standardmäßig ein Minus-Eins („-1“). Das ist keine echte Seed-Zahl, sondern die Ansage „würfle mir bei jeder Generierung einen neuen, zufälligen Seed“. Praktisch, solange du nur stöberst und schaust, was kommt. Unpraktisch in dem Moment, in dem ein Treffer dabei war – denn der ist dann erst mal weg.

Die gute Nachricht: Der tatsächlich verwendete Seed wird mit jedem Bild gespeichert und angezeigt. Du kannst ihn dir also nach einer gelungenen Generierung herauskopieren und ins Seed-Feld eintragen – ab da ist er fest. Viele Tools haben dafür einen kleinen Recycling-Knopf neben dem Feld, der den Seed des letzten Bildes übernimmt. Ein Klick, und der Glückstreffer ist gesichert.

Skizze 3: Mit -1 würfelt das Tool jedes Mal neu – gut zum Stöbern. Ein fester Seed liefert reproduzierbar dasselbe Bild – gut zum gezielten Feilen.

Faustregeln für den Alltag

Was der Seed nicht kann

Jetzt die ehrlichen Grenzen, denn um die kommt keiner herum. Erstens: Es gibt keinen Zusammenhang zwischen der Höhe der Seed-Zahl und der Bildqualität. Seed 7 ist nicht „schlechter“ als Seed 3.948.221.007. Es gibt keine „guten“ und „schlechten“ Seeds an sich – ob ein Seed für dein Motiv gut funktioniert, hängt vom Zusammenspiel mit Prompt und Modell ab, nicht vom Zahlenwert. Wer behauptet, es gäbe magische Lieblings-Seeds, verkauft dir Kaffeesatzleserei.

Zweitens: Derselbe Seed bei einem anderen Modell ergibt ein anderes Bild. Der Seed ist nur der Startpunkt des Rauschens – was daraus wird, rechnet das jeweilige Modell. Wechselst du den Checkpoint, wechselt auch das Ergebnis, selbst wenn alles andere steht. Ein Seed ist also immer nur im Kontext genau dieses Setups reproduzierbar.

Drittens – und das ärgert viele: Den Seed eines fremden Bildes, das du irgendwo im Netz gefunden hast, kannst du in aller Regel nicht herausfinden. Die Zahl steckt nicht im Bild selbst, und rückwärts aus dem fertigen Bild rechnen geht nicht. Wer den Seed weitergibt, hat ihn aktiv dazugeschrieben (manche Plattformen tun das). Steht er nicht dabei, ist er weg – da hilft kein Tool und kein Trick.

Und viertens, der feine Druck: Reproduzierbarkeit gilt zuverlässig nur auf demselben System. Andere Hardware, andere Software-Version, andere Bibliotheken – da kann derselbe Seed im Detail leicht abweichen. Für den Hausgebrauch auf der eigenen Maschine ist das kein Thema; sobald du Ergebnisse aber über verschiedene Rechner hinweg exakt nachstellen willst, solltest du es wissen.

Häufige Fragen zum Seed

Was ist ein Seed bei Stable Diffusion?

Der Seed ist eine ganze Zahl, aus der das Modell sein Startrauschen erzeugt – den zufälligen Ausgangspunkt jeder Generierung. Gleicher Seed plus gleicher Prompt plus gleiche Einstellungen ergeben dasselbe Bild. Er ist damit der Schlüssel zur Reproduzierbarkeit.

Was bedeutet Seed -1?

Eine -1 im Seed-Feld ist keine echte Seed-Zahl, sondern die Anweisung „wühle bei jeder Generierung einen neuen Zufalls-Seed“. Praktisch beim Stöbern, aber sobald ein Bild sitzt, solltest du den tatsächlich verwendeten Seed festhalten.

Wie finde ich den Seed eines erzeugten Bildes?

Der verwendete Seed wird mit jedem Bild gespeichert und in der Oberfläche angezeigt. Viele Tools haben einen Recycling-Knopf neben dem Seed-Feld, der den Seed der letzten Generierung übernimmt – ein Klick genügt.

Kann ich den Seed eines fremden Bildes herausfinden?

In aller Regel nein. Der Seed steckt nicht im Bild selbst, und rückwärts aus dem fertigen Bild rechnen geht nicht. Nur wenn jemand den Seed aktiv dazuschreibt (manche Plattformen tun das), kannst du ihn übernehmen.

Gibt es gute und schlechte Seeds?

Nein. Die Höhe der Zahl sagt nichts über die Bildqualität. Ob ein Seed für dein Motiv gut funktioniert, hängt vom Zusammenspiel mit Prompt und Modell ab, nicht vom Zahlenwert. Magische Lieblings-Seeds sind ein Märchen.

Bekomme ich mit demselben Seed bei einem anderen Modell dasselbe Bild?

Nein. Der Seed ist nur der Startpunkt – was daraus wird, rechnet das jeweilige Modell. Anderer Checkpoint, anderes Bild, selbst wenn alles andere gleich bleibt. Ein Seed ist immer nur im Kontext genau seines Setups reproduzierbar.

Weiterlesen

Der Seed hängt eng mit der Frage zusammen, wie du überhaupt mehrere Bilder auf einmal erzeugst und ob du sie hinterher noch auseinanderhalten kannst – dazu mehr unter [→ Spoke: batch_size & Reproduzierbarkeit]. Wer verstehen will, was nach dem Startrauschen passiert, schaut bei [→ Spoke: Steps] und [→ Spoke: Sampler & Scheduler] vorbei. Und wie stark der Prompt das Ergebnis überhaupt steuert, klärt [→ Spoke: CFG].

[→ zurück zum Hub: KI-Bildgenerierung verstehen]