Für Concept Artists, Illustratoren und Visual-Development-Teams bestand die größte Hürde beim Einsatz generativer KI nie in der reinen Bildqualität, sondern in der Wiederholbarkeit und visuellen Kontinuität. Ein beeindruckendes Einzelbild eines Charakters oder einer Umgebung per Zufallsprompt zu generieren, ist simpel; denselben Protagonisten jedoch über fünf aufeinanderfolgende Storyboard-Panels hinweg bei wechselnden Lichtverhältnissen und mit unterschiedlichen Kostümen glaubwürdig in Szene zu setzen, erforderte bisher mühsame Prompt-Akrobatik und zeitaufwendiges manuelles Overpainting.
Midjourney hat diesen Produktionsengpass durch die Einführung zweier entkoppelter Referenzparameter gelöst: Character Reference (--cref) und Style Reference (--sref). Indem die Identität der Figur (Gesichtsmerkmale, Proportionen, Silhouette) vom ästhetischen Stil (Farbharmonie, Pinselduktus, Körnigkeit, Lichtstimmung) getrennt gesteuert wird, können Kreative komplexe Bildserien mit professioneller Zuverlässigkeit lenken.
Dieser Leitfaden zeigt, wie Concept Artists und Designer beide Parameter in kommerziellen Pipelines konfigurieren, verknüpfen und feinjustieren.
1. Character Reference (--cref): Die Identität der Figur verankern
Der Parameter --cref weist Midjourney an, die anatomische Struktur und Gesichtszüge einer humanoiden Figur aus einem bestehenden Bild zu analysieren und in neuen Szenen konsistent wiederzugeben.
Grundlegende Syntax
/imagine prompt: cinematic shot, character running through an alley in pouring rain --cref https://your-image-url.png --ar 16:9
Midjourney schneidet dabei keine Pixel aus, sondern extrahiert hochgradig semantische Merkmale — Gesichtsgeometrie, Augen- und Nasenproportionen sowie Haar- und Körperform — und berechnet die Figur für die im neuen Prompt geforderte Kameraperspektive und Brennweite vollständig neu.
Der zentrale Steuerhebel: Character Weight (--cw)
Der Zusatzparameter --cw steuert, wie viele visuelle Details der Referenz übernommen werden. Er akzeptiert ganzzahlige Werte von 0 bis 100 (Standardwert ist 100).
| Parameterwert | Übernommene Merkmale | Typischer Produktionskontext |
|---|---|---|
--cw 100 (Standard) | Gesicht, Frisur und Kleidung | Kostümtreue: Superheldenanzüge, Rüstungen, Raumfahrtuniformen oder Schuluniformen, die über alle Panels hinweg identisch bleiben müssen. |
--cw 0 | Ausschließlich Gesichtszüge | Garderoben- und Frisurenwechsel: Der Protagonist wechselt von Rüstung zu Zivilkleidung, Abendgarderobe oder zerschlissenen Kampfoutfits, während das Gesicht exakt erhalten bleibt. |
--cw 20–80 | Teilweise Silhouette & Farbnuancen | Übergangslooks: Beibehaltung von Erkennungsfarben oder Schnittmustern bei gleichzeitiger Anpassung an eine neue Klimazone oder Szene. |
Praxisbeispiel: Der Garderobenwechsel
Um einen etablierten Ritter ohne seine schwere Plattenrüstung in einen festlichen Bankettsaal zu versetzen:
/imagine prompt: medium portrait, wearing an ornate velvet doublet, holding a golden goblet at an opulent royal feast, warm chandelier lighting --cref https://cdn.midjourney.com/knight-anchor.png --cw 0 --ar 4:5
Durch --cw 0 ignoriert das Modell die Metallpanzerung der Referenz und überträgt allein die Gesichtszüge des Ritters in das neue Gewand aus Samt im warmen Kronleuchterlicht.
2. Style Reference (--sref): Die ästhetische DNA festlegen
Während --cref definiert, wer im Bild agiert, bestimmt --sref, wie die Bildwelt gerendert wird. Der Parameter übernimmt die ästhetische DNA — Farbpaletten, Darstellungsmedium (Aquarell, körniger 70er-Jahre-Sci-Fi-Film, Comic-Tusche, Knetanimation), Kontrastverhältnis und Texturen —, ohne konkrete Figuren oder Gegenstände aus der Vorlage mitzuschleppen.
Syntax und Justierung der Stilintensität (--sw)
/imagine prompt: bustling cyberpunk market with neon signs --sref https://your-moodboard-url.png --sw 150 --ar 21:9
Der Parameter Style Weight (--sw) reguliert die Durchsetzungskraft des Stils auf einer Skala von 0 bis 1000 (Standard ist 100):
- Dezente Tönung (
--sw 25bis--sw 75): Übernimmt Farbtemperatur und Grundstimmung, lässt der textuellen Szenenbeschreibung jedoch maximalen Gestaltungsspielraum. - Ausgewogene Balance (
--sw 100bis--sw 250): Der Standardbereich für Concept Art. Pinseltexturen und Lichtcharakteristik werden präzise abgebildet, ohne die Instruktionen des Prompts zu überdecken. - Dominante Stilisierung (
--sw 300bis--sw 800): Erzwingt extreme Kunststile (wie zweidimensionale Siebdrucke oder markantes Anime-Cel-Shading), kann jedoch bei sehr hohen Werten feinere Textdetails im Prompt unterdrücken.
Mehrfachstile und Gewichtung
Um ein projektbezogenes, unverwechselbares Art-Design zu kreieren, können mehrere Stil-URLs mit doppelten Doppelpunkten (::) relative Gewichtungen erhalten:
/imagine prompt: futuristic dropship hangar --sref https://style-a.png::2 https://style-b.png::1 --sw 180 --ar 16:9
Stil A fließt hier mit doppelter Stärke im Vergleich zu Stil B ein. Das erlaubt die Definition einer maßgeschneiderten Bildsprache für ein gesamtes Game- oder Filmprojekt. Alternativ können auch numerische Stil-Codes (z. B. --sref 1234567890) genutzt werden.
3. Der integrierte Studioprozess: Serienaufnahmen in vier Schritten
In professionellen Studios arbeiten Concept Artists nicht mit isolierten Einzelprompts, sondern entlang einer vierstufigen Pipeline:
[Phase 1: Anker-Porträt] --> Neutrales Referenzporträt mit weichem Licht erstellen
|
[Phase 2: Art-Bible / Mood] --> Farb- und Textur-Referenzen (Moodboard) festlegen
|
[Phase 3: Parameter-Kombi] --> [Szenen-Action] + --cref [URL] + --cw + --sref [URL] + --sw
|
[Phase 4: Detailkorrektur] --> Gesichtsabweichungen per Vary (Region) lokal beheben
Schritt 1: Das "Anker-Porträt" (Hero Anchor) generieren
Nutzen Sie als --cref-Basis niemals eine actiongeladene Aufnahme mit Bewegungsunschärfe, extremen Schlagschatten oder starkem Weitwinkel. Erstellen Sie ein sauberes Standardbild:
- Frontalansicht oder Dreiviertelprofil als Brustbild;
- Ausgewogenes, diffuses Studiolicht vor neutralweißem oder grauem Hintergrund;
- Skalieren Sie das beste Ergebnis per Upscale (
U1–U4) hoch, um dem Algorithmus maximale Kantenschärfe bei den Gesichtsmerkmalen zu liefern.
Schritt 2: Saubere Stilreferenzen kuratieren
Wählen Sie ein Moodboard oder Umgebungskonzept, das die visuelle Marschrichtung des Projekts verkörpert. Vermeiden Sie auffällige Gesichter oder dominante Einzelobjekte in der Stilreferenz, um zu verhindern, dass die KI unerwünschte Bildinhalte in neue Szenen hineinmischt.
Schritt 3: Parameter im Produktionsprompt kombinieren
Nachdem beide URLs erzeugt und gehostet sind (z. B. im Midjourney-Discord oder im Web-Speicher), setzen Sie den kombinierten Prompt ab:
/imagine prompt: dynamic wide-angle action shot, sliding behind concrete cover during an intense firefight, muzzle flashes, shattered glass and atmospheric dust --cref https://cdn.midjourney.com/character-hero.png --cw 100 --sref https://cdn.midjourney.com/art-direction-bible.png --sw 160 --ar 16:9 --v 6.1
Arbeiten in der Midjourney-Weboberfläche
In der Web-App von Midjourney erfolgt die Zuweisung visuell und intuitiv:
- Ziehen Sie die Bilddatei per Drag-and-Drop in die Prompt-Eingabezeile.
- Bewegen Sie den Mauszeiger über das Thumbnail und klicken Sie auf das Personen-Symbol (Character Reference) oder das Büroklammer-/Paletten-Symbol (Style Reference).
- Mit Shift-Klick kann einem Bild bei Bedarf eine Doppelrolle als Figur- und Stilanker zugewiesen werden.
4. Technische Grenzen und Praxislösungen
Für kommerziell verlässliche Ergebnisse müssen Artists mit den systemspezifischen Eigenheiten von Diffusionsmodellen umgehen können:
1. Midjourney-eigene Renders vs. Reale Personenfotos
--cref arbeitet am zuverlässigsten mit Bildern, die originär in Midjourney erzeugt wurden. Echte Fotos von Schauspielern führen oft zu wachsartigen Hautoberflächen oder dem Uncanny-Valley-Effekt.
- Lösung: Generieren Sie bei realen Vorbildern zunächst ein stilisiertes KI-Porträt in Midjourney, skalieren Sie dieses hoch und nutzen Sie dieses native Bild als offizielle
--cref-Referenz.
2. Mikrodetails (Tattoos, Rangabzeichen und Logos)
--cref hält Gesichtsstruktur und Körpersilhouette stabil, ist jedoch nicht in der Lage, feingliedrige Vektorgrafiken wie komplexe Tattoos oder exakte Truppenembleme detailgetreu zu spiegeln.
- Lösung: Die 85/15-Regel: Midjourney erledigt 85 % der Vorarbeit (Perspektive, Dynamik, Lichtstimmung, Faltenwurf und Mimik). Die verbleibenden 15 % (Abzeichen, Schriftzüge, Logos) werden in Photoshop oder Procreate passgenau auf separaten Ebenen montiert.
3. Motiv-Übertragungen (Subject Bleed) durch --sref
Befindet sich auf dem Stilbild ein markanter Gegenstand (etwa ein Oldtimer oder ein kunstvolles Schwert), kann dieser Gegenstand bei hohem Stilgewicht unerwartet in Szenen auftauchen, in die er nicht gehört.
- Lösung: Nutzen Sie als
--srefabstrakte Texturbilder, reine Farbtafeln oder reduzieren Sie--swauf Werte zwischen 50 und 100.
4. Gezielte Korrektur mit Vary (Region)
Weist ein Render perfekte Dynamik und Beleuchtung auf, weicht aber die Augenfarbe oder der Haaransatz leicht ab, generieren Sie nicht das gesamte Bild neu:
- Maskieren Sie die Gesichtspartie mit dem Inpainting-Werkzeug Vary (Region);
- Behalten Sie den Parameter
--crefim geöffneten Prompt-Fenster bei; - Lassen Sie ausschließlich den maskierten Bereich neu berechnen, um die Gesichtsmerkmale punktgenau wieder an die Referenz anzugleichen.
5. Konfigurations-Übersicht für die Praxis
| Zielsetzung | Empfohlene Parameterkombination |
|---|---|
| Gleiche Figur in identischer Kleidung in neuen Szenen | --cref [URL] --cw 100 --sref [URL] --sw 100-200 |
| Gleiche Figur mit wechselnder Rüstung oder Kleidung | --cref [URL] --cw 0 --sref [URL] --sw 100-200 |
| Neue Figur im einheitlichen Stil des Gesamtprojekts | --sref [URL] --sw 150-300 (ohne --cref) |
| Maßgeschneiderte Stilfusion für ein Projekt | --sref [URL1]::2 [URL2]::1 --sw 200 |
| Leichte Gesichtsabweichungen korrigieren | Gesicht mit Vary (Region) maskieren, --cref beibehalten |
Durch die saubere Trennung von Subjekt-Identität und stilistischer Umsetzung verwandeln --cref und --sref Midjourney von einem spielerischen Experimentierfeld in eine vollwertige Produktionsumgebung für serielle visuelle Erzählungen.