Einführung

Wenn Nutzer alte Fotos nachkolorieren, ist das Gesicht meist der wichtigste Teil des Bildes. Kleidung, Wände, Himmel und Hintergründe verzeihen kleine Farbfehler, aber ein Gesicht, das zu orange, zu glatt, zu modern oder zu künstlich wirkt, lässt das gesamte Bild sofort unnatürlich erscheinen.

Ein guter KI-Prompt zum Nachkolorieren von Bildern sollte nicht einfach nur sagen „coloriere dieses Foto“. Er sollte dem KI-Fotokolorierer vorgeben, das ursprüngliche Gesicht, die Identität, die Hautstruktur, die Schatten, die Altersmerkmale und die Vintage-Atmosphäre zu bewahren. Das ist besonders wichtig, wenn Sie Schwarz-Weiß-Fotos von Familienmitgliedern, Großeltern, Porträts, Hochzeitsfotos, Schulfotos oder historischen Persönlichkeiten nachkolorieren.

Ist der Prompt zu einfach, kann das Ergebnis zu einer wachsartigen Haut, einer falschen Augenfarbe, übertrieben glänzenden Lippen, modernem Make-up oder einem Gesicht führen, das der ursprünglichen Person nicht mehr ähnlich sieht. Wenn der Prompt jedoch klar formuliert ist, wirkt die Kolorierung alter Fotos deutlich natürlicher, respektvoller und glaubwürdiger.

Grundstruktur für Gesichts-Kolorierungs-Prompts

Ein starker, auf das Gesicht fokussierter Prompt sollte sechs Elemente enthalten:

Identität: Erhalten Sie das ursprüngliche Gesicht und die Gesichtsstruktur unverändert
Hautton: Verwenden Sie eine natürliche, realistische und der Epoche entsprechende Hautfarbe
Textur: Bewahren Sie Poren, Falten, Sommersprossen, Filmkorn und Altersmerkmale
Gesichtszüge: Halten Sie Augen, Lippen, Augenbrauen, Nase und Gesichtsausdruck präzise
Beleuchtung: Folgen Sie der ursprünglichen Lichtrichtung und den Schatten
Stil: Vermeiden Sie moderne Schönheitsretusche, starkes Make-up oder übersättigte Farben

Beispiel:

Koloriere dieses Schwarz-Weiß-Porträt in ein natürliches, realistisches Farbfoto um. Halte das ursprüngliche Gesicht, die Identität, die Gesichtsstruktur, den Ausdruck, die Pose und die Altersmerkmale unverändert. Verwende weiche, glaubwürdige Hauttöne mit natürlichen Schatten. Bewahre Falten, Poren, Filmkorn, Augendetails, Haarstruktur und die Vintage-Fotoatmosphäre. Glätte die Haut nicht zu sehr, füge kein modernes Make-up hinzu und verändere nicht die Gesichtszüge der Person.

Prompt für natürlichen Hautton

Bei der Kolorierung alter Fotos sollte der Hautton weich und menschlich wirken, nicht orange, rot, wachsartig oder übermäßig glattgebügelt. Der Prompt sollte das KI-Tool zum Nachkolorieren anleiten, die originale Beleuchtung sowie das Alter der Person zu respektieren.

Beispiel:

Koloriere dieses alte Schwarz-Weiß-Gesichtsfoto mit natürlichen Hauttönen. Halte die ursprüngliche Gesichtsidentität, das Alter, den Ausdruck, die Augenform, die Nase, die Lippen und die Kinnlinie der Person unverändert. Verwende eine weiche, realistische Hautfarbe mit einer leichten Wärme, natürliche Wangenschatten, eine sichtbare Hautstruktur und bewahre das Filmkorn. Vermeide orangefarbene Haut, plastisches Glätten, starkes Rouge, glänzendes Make-up oder moderne Schönheitsfilter.

Verwenden Sie diese Art von Prompt für Familienporträts, Passbilder, Jahrbuchfotos und Nahaufnahmen von Schwarz-Weiß-Fotos, bei denen das Gesicht das Hauptmotiv ist.

Prompt für Augen, Lippen und Haare

Augen, Lippen und Haare werden bei der Arbeit mit KI-Fotokolorierern oft zu hell oder zu stark stilisiert dargestellt. Um das Gesicht natürlich zu halten, beschreiben Sie diese Details sorgfältig, aber steuern Sie sie nicht übermäßig.

Beispiel:

Koloriere das Gesicht auf natürliche Weise und bewahre dabei die originalen Augen, Lippen, Augenbrauen und die Haarstruktur. Halte die Augen realistisch und nicht übermäßig hell. Füge eine dezente, natürliche Lippenfarbe hinzu, keinen Lippenstift, außer dieser ist historisch angemessen. Halte die Haarfarbe basierend auf dem Graustufenfoto glaubwürdig, mit weichen Highlights und natürlichen Schatten. Ändere weder die Gesichtsform, noch den Ausdruck oder den ursprünglichen Charakter der Person.

Dies funktioniert hervorragend, wenn Sie alte Fotos einer einzelnen Person nachkolorieren und das Endergebnis wie ein echtes, historisches Farbporträt wirken soll.

Prompt für Falten und Altersmerkmale

Viele KI-Tools versuchen automatisch, Gesichter zu verschönern. Bei alten Familienfotos kann das jedoch ein Problem sein. Falten, Lachfalten, Augenschatten und die Hautstruktur sind Teil der Identität der Person.

Beispiel:

Koloriere dieses alte Porträt und bewahre dabei alle natürlichen Altersmerkmale. Halte Falten, Lachfalten, die Hautstruktur unter den Augen, Hautporen, Gesichtsschatten und den ursprünglichen Ausdruck sichtbar. Verwende eine sanfte, realistische Hautfarbe und vermeide es, das Gesicht jünger wirken zu lassen. Entferne keine Altersflecken, glätte die Haut nicht übermäßig und verändere die Identität der Person nicht.

Dies ist nützlich für Fotos der Großeltern, historische Porträts, Erinnerungsbilder und die archivgetreue Kolorierung alter Fotos.

Prompt für Gesichter auf Gruppenfotos

Gruppenfotos sind schwieriger, da jedes Gesicht eine andere Beleuchtung, Größe und Detailschärfe aufweisen kann. Der Prompt sollte einheitliche, aber nicht identische Hauttöne fordern.

Beispiel:

Koloriere dieses alte Schwarz-Weiß-Gruppenfoto mit natürlichen, realistischen Gesichtsfarben. Halte die Identität, Gesichtsstruktur, den Ausdruck, die Pose und das Alter jeder Person unverändert. Verwende für jedes Gesicht glaubwürdige Hauttöne, die auf der ursprünglichen Beleuchtung und den Schatten basieren. Bewahre Filmkorn, weichen Fokus und Vintage-Textur. Mache nicht alle Gesichter farblich identisch, schärfe kleine Gesichter nicht übermäßig und füge kein modernes Make-up oder künstliche Glättung hinzu.

Dies hilft Anwendern, wenn sie Schwarz-Weiß-Fotos von Familien, Hochzeiten, Schulklassen, Teams oder historischen Gruppen nachkolorieren.

Schlechter Prompt vs. Besserer Prompt

Schlechter Prompt:

Coloriere dieses Gesichtsfoto und lass es schön aussehen.

Besserer Prompt:

Koloriere dieses Schwarz-Weiß-Porträt im Stil einer natürlichen alten Fotokolorierung. Halte das ursprüngliche Gesicht, die Identität, den Ausdruck, die Frisur, die Hautstruktur und die Altersdetails unverändert. Verwende realistische Hauttöne, eine dezente Lippenfarbe, natürliche Augendetails, weiches Vintage-Licht und bewahre das Filmkorn. Verschönere das Gesicht nicht, glätte die Haut nicht zu sehr und lasse die Farben nicht modern oder übersättigt wirken.

Der bessere Prompt funktioniert, weil er der KI genau sagt, was geschützt, was farblich gestaltet und was vermieden werden soll.

Anschluss-Prompts zur Korrektur unnatürlicher Gesichter

Wenn das erste Ergebnis der KI-Bildkolorierung unnatürlich aussieht, verwenden Sie Anschluss-Prompts, anstatt ganz von vorne zu beginnen.

Wenn die Haut zu orange ist:

Mache den Hautton weicher und natürlicher. Reduziere die Orange- und Rotsättigung, während das ursprüngliche Gesicht, die Schatten und die Vintage-Textur unverändert bleiben.

Wenn das Gesicht zu glatt wirkt:

Stelle mehr natürliche Hautstruktur, Poren, Falten und Filmkorn wieder her. Lass das Gesicht nicht wie ein modernes Beauty-Porträt aussehen.

Wenn die Augen künstlich wirken:

Mache die Augen realistischer und weniger hell. Halte die ursprüngliche Augenform, die Blickrichtung und den Gesichtsausdruck unverändert.

Wenn die Person zu jung aussieht:

Bewahre das ursprüngliche Alter, die Falten, Gesichtslinien und natürlichen Hautdetails. Lass die Person nicht jünger aussehen.

Wenn das Ergebnis zu modern wirkt:

Mache die Farbkorrektur klassischer und historisch glaubwürdiger. Reduziere modernes Make-up, glänzende Haut, helle Lippen und übermäßig gesättigte Farben.

Checkliste für die Gesichts-Kolorierung

Prüfen Sie vor dem Herunterladen des endgültigen Bildes folgende Punkte:

Das Gesicht sieht der ursprünglichen Person immer noch ähnlich.
Der Hautton ist weich, realistisch und nicht orangefarben.
Falten, Poren und Altersdetails sind weiterhin sichtbar.
Augen und Lippen wirken natürlich, nicht zu hell oder stilisiert.
Die Haarfarbe passt zur historischen Gesamtstimmung des Fotos.
Die Beleuchtung entspricht dem originalen Schwarz-Weiß-Foto.
Das Bild weist nach wie vor Filmkorn und die Textur eines alten Fotos auf.
Das Ergebnis sieht nicht wie ein moderner Beauty-Filter aus.

Fazit

Eine natürliche Gesichts-Kolorierung lebt von Zurückhaltung. Das beste Ergebnis eines KI-Fotokolorierers ist nicht die bunteste Variante, sondern diejenige, die die Person erkennbar, menschlich und emotional glaubwürdig belässt.

Wenn Sie alte Fotos nachkolorieren, sollte Ihr Prompt in erster Linie das ursprüngliche Gesicht schützen. Erwähnen Sie Identität, Hautton, Gesichtszüge, Altersmerkmale, Beleuchtung und Vintage-Struktur. Fügen Sie dann klare negative Anweisungen hinzu, wie zum Beispiel: keine plastische Haut, kein modernes Make-up, keine Gesichtsveränderung und keine übersättigten Farben.

Bei Familienfotos, Porträts und historischen Aufnahmen sorgt dieser Ansatz dafür, dass sich die Kolorierung alter Fotos respektvoller und realistischer anfühlt. Ein guter Prompt hilft der KI, die Erinnerung farbig wiederzubeleben, ohne die Person dahinter zu verändern.

Referenz

Zhang, R., Isola, P. und Efros, A.A. (2016) „Colorful Image Colorization“, arXiv. Verfügbar unter: https://arxiv.org/abs/1603.08511 (Zugriff am: 3. Juli 2026).

Zhang, R., Zhu, J.-Y., Isola, P., Geng, X., Lin, A.S., Yu, T. und Efros, A.A. (2017) „Real-Time User-Guided Image Colorization with Learned Deep Priors“, arXiv. Verfügbar unter: https://arxiv.org/abs/1705.02999 (Zugriff am: 3. Juli 2026).

Xu, R., Tu, Z., Du, Y., Dong, X., Li, J., Meng, Z., Ma, J., Bovik, A. und Yu, H. (2022) „Pik-Fix: Restoring and Colorizing Old Photos“, arXiv. Verfügbar unter: https://arxiv.org/abs/2205.01902 (Zugriff am: 3. Juli 2026).

Pang, Y., Jin, X., Fu, J. und Chen, Z. (2025) „Structure-preserving Feature Alignment for Old Photo Colorization“, arXiv. Verfügbar unter: https://arxiv.org/abs/2508.12570 (Zugriff am: 3. Juli 2026).

Li, B., Wang, Z., Li, F., Xu, J., Guo, J., Pei, R., Li, X. und Chen, Z. (2026) „ColorFLUX: A Structure-Color Decoupling Framework for Old Photo Colorization“, arXiv. Verfügbar unter: https://arxiv.org/abs/2603.28162 (Zugriff am: 3. Juli 2026).