Objekte aus Fotos entfernen mit KI: So geht’s, hier scheitert’s

Objektentfernung fühlt sich an wie Radieren. In Wahrheit ist es eher das Gegenteil: Nichts wird gelöscht, etwas Neues wird geschrieben. Wer diese eine Tatsache versteht, versteht jeden Erfolg und jedes Scheitern des Werkzeugs.

Was das Modell tut

Du markierst einen Bereich. Das Modell behandelt ihn als fehlend und fragt: Welcher Inhalt würde angesichts aller umgebenden Pixel diese Lücke am plausibelsten füllen?

Die Antwort entsteht, indem es im maskierten Bereich mit zufälligem Rauschen beginnt und es wiederholt verfeinert, geleitet vom umgebenden Bild, bis der Bereich zu seiner Nachbarschaft passt. Das ist derselbe Entrauschungsprozess wie bei der Bildgenerierung allgemein – der Unterschied ist, dass das Modell hier von allen Seiten durch echte Pixel eingegrenzt ist.

Daraus folgen sofort zwei Dinge, und sie erklären fast alles:

Es holt nie etwas zurück. Es erfindet immer. Es gibt keine verborgene Ebene, auf der steht, was hinter der Mülltonne war. Das Foto hat es nie enthalten.

Seine Selbstsicherheit hat nichts mit seiner Richtigkeit zu tun. Das Modell liefert eine plausible Antwort, ob sich eine richtige ableiten ließ oder nicht. Es hat keinen Mechanismus, um „Ich weiß es nicht“ zu sagen.

Die vier Fehlerarten

Alles, was schiefgeht, ist eine davon.

1. Spezifische Information

Text, Logos, Gesichter, Hausnummern, Kennzeichen. Die richtige Antwort ist eine bestimmte Tatsache über einen bestimmten Ort, und das Modell hat keinen Zugang zu Tatsachen – nur dazu, wie Text und Gesichter allgemein aussehen. Es erzeugt Buchstaben, die wie Sprache wirken und sich als Unsinn entpuppen, oder ein Gesicht, das niemandem gehört.

Das ist die Fehlerart mit echten Folgen, weil das Ergebnis glaubwürdig aussieht.

2. Starre, sich wiederholende Struktur

Ziegel, Fliesen, Zäune, Fensterraster, Dielen. Das Modell reproduziert die Textur, bricht aber oft den Rhythmus: eine Ziegelreihe, die aus der Flucht springt, ein Fliesenraster, das um eine halbe Einheit verrutscht. Textur ist leicht, Ausrichtung schwer, weil sie verlangt, eine globale Struktur fortzusetzen statt ein lokales Muster nachzuahmen.

Kleinere Auswahlen helfen, weil dann mehr vom umgebenden Raster sichtbar ist, an dem sich das Modell ausrichten kann.

3. Große Lücken

Je größer der maskierte Bereich, desto mehr erfindet das Modell, statt fortzusetzen, und desto weicher und uneinheitlicher wird das Ergebnis. Eine große Füllung kommt oft sichtbar unschärfer zurück als ihre Umgebung, weil der generierte Inhalt im Maßstab des Modells entstanden ist, nicht in dem des Fotos.

Eine große Entfernung in zwei oder drei Durchgänge aufzuteilen, behebt das meist vollständig.

4. Alles, was das Objekt berührt hat

Das Objekt ist nicht nur das Objekt. Es hat einen Schatten geworfen, es hat sich vielleicht in einem Fenster oder auf nassem Pflaster gespiegelt, und es hat ein wenig seiner Farbe auf Flächen in der Nähe geworfen. Entfernst du das Objekt und lässt all das stehen, wirkt das Ergebnis falsch, auch wenn die Füllung selbst makellos ist.

Von den vieren wird diese am häufigsten übersehen – und sie ist am leichtesten zu beheben, sobald man weiß, worauf man achten muss.

Warum die Schwierigkeit vorhersehbar ist

Eine nützliche Regel: Die Schwierigkeit steigt damit, wie strukturiert und wie spezifisch der verdeckte Bereich ist.

• Himmel, Wasser, Gras, glatte Wände – einfach. Glatt, informationsarm, statistisch vorhersehbar.
• Laub, Kies, Teppich – einfach. Unregelmäßige Texturen, bei denen ungefähr richtig nicht von richtig zu unterscheiden ist.
• Ziegel, Fliesen, Vertäfelung – mittel. Strukturiert, Fehler sind also sichtbar.
• Text, Gesichter, Logos, bestimmte Gegenstände – unzuverlässig. Spezifisch, nur die wahre Antwort ist richtig, und die kann das Modell nicht kennen.

Bevor du etwas auswählst, ordne deinen Fall auf dieser Skala ein. Sie sagt dir, ob du loslegen, in Stücken arbeiten oder einen anderen Weg suchen solltest.

Gute Reparatur oder selbstbewusste Erfindung?

Die Reparatur ist gut, wenn bei 100 Prozent Zoom:

• kein Geisterumriss bleibt, wo die Kante des Objekts war,
• kein Schatten übrig ist, ohne dass etwas ihn wirft,
• der Flicken zur Schärfe und Körnung der Umgebung passt,
• jedes Muster, das die Reparatur kreuzt, noch in einer Flucht liegt.

Die Reparatur ist eine Erfindung – egal, wie gut sie aussieht –, wenn der Bereich Text, ein Gesicht oder irgendetwas enthielt, worauf sich ein Betrachter verlassen würde. Dann ist die Frage nicht, ob sie überzeugend aussieht, sondern ob es ehrlich ist, sie als Foto dessen auszugeben, was dort war.

Was das in der Praxis heißt

Nutze das Werkzeug zur Objektentfernung großzügig für Krimskrams vor einfachen Hintergründen. Arbeite bei allem Strukturierten in kleinen Durchgängen. Nimm den Schatten mit. Und behandle jedes Ergebnis über Text oder einem Gesicht als Bild von etwas, das nie existiert hat – denn genau das ist es.

Ist dein Foto zu klein oder zu weich für eine saubere Füllung, skaliere es vorher hoch; wie das geht, zeigt Foto hochskalieren mit KI. Willst du statt eines einzelnen Gegenstands alles hinter dem Motiv austauschen, ist der Hintergrundwechsel das einfachere Werkzeug. Und brauchst du gleich einen rein weißen Hintergrund, etwa für ein Produkt, hilft Foto mit weißem Hintergrund per KI erstellen.