Files

2026-08-06 12:44:41 +02:00

19 KiB

Raw Permalink Blame History

Bild-Modus, Feed & Ordner – Konzept

Stand: 25. Juli 2026 Verhältnis zur bestehenden Doku: Erweiterung von projekt-uebersicht.md. Der dort beschriebene Video-Loop bleibt unverändert bestehen. Dieses Dokument beschreibt einen zweiten, entkoppelten Produktteil, der daneben läuft und an genau drei definierten Stellen andockt (Ordner-Scope, KB-Import, gemeinsame Modelle).

1. Warum überhaupt ein zweiter Modus

Der Video-Loop hat zwei Probleme, die im Konzept offen stehen (projekt-uebersicht.md §11):

Kaltstart. Runde 1 startet ohne Wissen. Die Knowledge Base wird erst durch Votes und Ad-Performance nützlich – also nachdem Geld ausgegeben wurde.
Einstiegshürde. Video ist teuer (>90 % der Betriebskosten) und setzt eine Brand mit Ad-Budget voraus.

Bilder lösen beides: Sie sind um Größenordnungen billiger, brauchen keine große Knowledge Base und öffnen das Produkt für eine breitere Nutzergruppe (Creator, kleine Labels, Privatnutzer). Der Feed liefert zusätzlich fertige Rezepte – man startet nicht bei null, sondern bei etwas, das nachweislich funktioniert.

Der Bild-Modus ist bewusst entkoppelt: kein Wettbewerb mehrerer KI-Modelle, kein Vote-Loop, ein festes Bildmodell. Er ist der günstige Einstieg, nicht das Kernprodukt. Wer den Lern-Loop will, geht auf Video.

2. Anatomie eines Posts

Ein Post ist kein Freitext-Prompt, sondern ein Slot-Rezept. Das ist die zentrale Designentscheidung – nur weil ein Post aus benannten Slots besteht, ist er überhaupt kopierbar.

Slot	Inhalt	Beim Kopieren
Format	1:1 · 4:5 · 9:16	deterministisch übernommen – kein LLM nötig
Kulisse	Umgebung als eigenes Modell (siehe §3)	eigenes Modell einsetzen
Modelle	Person und/oder Produkt	immer eigene – nie die des Erstellers
Licht / Kamera / Farbe	Attribute, wie im Video-Teil	übernehmen oder ändern
Werbetext	Text-Overlay	wird von der KI neu geschrieben (siehe §7)
Nische	Branche des Posts	bestimmt Kompatibilität (siehe §4)

Zusätzlich gehört zum Post: die Bilderkette (§5) und – nach Veröffentlichung – der Feed-Score (§8).

Warum Slots und nicht Freitext

Ein kopierter Freitext-Prompt wäre für den Kopierer eine Blackbox: Er sieht Wörter, weiß aber nicht, welches Wort welchen Bildteil steuert, und kann gezielt nichts austauschen. Slots machen das Rezept lesbar und teilbar, ohne dass der Original-Prompt offengelegt werden muss.

3. Modelle

„Modell" bedeutet in diesem Projekt durchgehend das Asset (Person, Produkt, Kulisse) – nicht das KI-Modell (Seedance, Veo, Sora). Diese Sprachregelung gilt für die gesamte Doku und den Code.

Die Typen, einzeln tauschbar

Typ	Was es ist	Beispiel
Person (DB: `gesicht`)	KI-generiertes Gesicht/Körper, konsistent über Posts	die Person, die das Produkt hält
Produkt	Das eigene Produkt, konsistent abgebildet	„kleine Kerze"
Kulisse	Umgebung/Location als eigenständiges Asset – neu	Badezimmer, Betonstudio, Strand
Logo	wie bisher, kein Post-Slot – wird über Regeln eingebunden

Die drei erstgenannten sind die Post-Slots. Das Logo bleibt wie im Video-Teil ein Asset ohne eigenen Slot.

Das System komponiert daraus ein Bild: Person hält Produkt in Kulisse. Jeder Teil ist einzeln austauschbar – das ist die Voraussetzung dafür, dass Kopieren funktioniert.

Technischer Hinweis: Multi-Referenz-Komposition (drei Assets in einem Bild, alle konsistent) ist der anspruchsvollste Teil des Bild-Modus. Die Erkenntnisse aus prompt-templates-research.md gelten hier direkt: 4–6 Referenzbilder pro Asset, Identity-Lock am Anfang und Ende des Prompts, Token-Locking (Merkmale wörtlich speichern und wörtlich wiederverwenden).

Modelle werden nie geteilt

Ein Kopierer bringt immer seine eigenen Modelle mit. Das ist keine Bequemlichkeitsfrage, sondern rechtlich zwingend:

Produkt-Modelle bilden echte Markenprodukte ab. Ein fremdes Produkt-Modell zu übernehmen und damit zu werben ist Marken- und Designrecht – nicht nur eine Hausregel.
Personen-Modelle sind zwar KI-generiert (Standard nach projekt-uebersicht.md §10), aber ein geteiltes Gesicht über viele Brands hinweg entwertet die Konsistenz, die das Feature erst wertvoll macht.
Es passt außerdem zur bestehenden Regel „Referenzen nie 1:1 kopieren".

Der Kopierer sieht die fremden Modelle nur als Beschriftung („Modell: kleine Kerze"), um zu verstehen, was das Rezept braucht – nicht als nutzbares Asset.

4. Nischen und Slot-Kompatibilität

Ein Autohaus will keine Werbung im Stil eines Kosmetikstudios. Deshalb sind Posts und Modelle zweifach kategorisiert:

Nische – feste Branchenliste (Kosmetik, Auto, Gastro, Fitness, Mode, …), am Post und am Modell. Filtert den Feed.
Modell-Typ-Tags – was das Modell konkret zeigt (Fahrzeug, Getränk, Tube, Person weiblich, Innenraum, …).

Kompatibilitätsregel beim Kopieren: Ein Slot akzeptiert nur Modelle mit passendem Typ-Tag. Ein Post, dessen Produkt-Slot ein Fahrzeug enthält, nimmt kein Lippenstift-Modell an – die Komposition (Größenverhältnis, Handhaltung, Perspektive) würde nicht funktionieren.

Enum-Zwang. Nischen und Typ-Tags sind feste Listen, keine freie KI-Vergabe. Das folgt derselben Logik wie beim Video-Tagger (projekt-uebersicht.md §8: Enum-Zwang ist „the highest-leverage decision", doppelte Absicherung durch Prompt-Regel und Code-Validator). Ohne feste Liste driften die Kategorien und die Kompatibilitätsprüfung wird wertlos.

5. Die Bilderkette

Ein Post besteht aus mehreren Bildern (Karussell). Über die Kette hinweg gilt:

Was variiert: Position und Winkel des Motivs
Was konstant bleibt: Modelle, Kulisse, Licht, Farbe, Werbetext

Das Text-Overlay ist ein eigenes Bild in der Kette – nicht eine Textebene auf einem Motivbild. Das hat einen praktischen Vorteil: Der Text lässt sich austauschen, ohne die Motive neu zu generieren.

Format gilt für die gesamte Kette, nicht pro Bild.

6. Post erstellen – Ablauf

Modell(e) vorhanden?
   nein → Modell anlegen (Person / Produkt / Kulisse)
   ja   ↓
Ordner wählen        ← bestimmt, welches Wissen injiziert wird (§9)
   ↓
Format wählen (1:1 / 4:5 / 9:16)
   ↓
Slots füllen (Kulisse, Modelle, Licht/Kamera/Farbe) + Werbetext
   ↓
Generierung (ein festes Bildmodell, keine Auswahlrunde)
   ↓
Bilderkette prüfen
   ↓
privat behalten  ODER  aktiv veröffentlichen → Feed

Modell zuerst, wenn noch keins existiert. Wer schon Modelle hat, steigt direkt beim Ordner ein.

Veröffentlichen ist aktiv. Standard ist privat. Nur wer bewusst „Teilen" drückt, landet im Feed. Das ist bei einer offenen Nutzerbasis (Creator und Privatnutzer, nicht nur zahlende Brands) auch datenschutzrechtlich die einzig vertretbare Voreinstellung.

7. Kopieren

Der Kern des Feeds. Ablauf:

Nutzer sieht einen Post und drückt Kopieren.
Das System analysiert den zugrundeliegenden Prompt und stellt ihn vereinfacht als befüllte Chips dar: Kulisse: Badezimmer, Morgenlicht · Modell: kleine Kerze · Licht: weich von der Seite · Kamera: Nahaufnahme, leicht von oben · Format: 4:5.
Der Nutzer ersetzt die Modell-Chips durch eigene (Pflicht, §3). Kulisse, Licht, Kamera, Farbe kann er übernehmen oder ändern.
Der Werbetext wird von der KI neu geschrieben – im Stil des Originals, aber auf Basis des eigenen Produkts. Der fremde Text wird nie übernommen; fremde Claims und Markennennungen kämen sonst ungeprüft in den eigenen Post.
Textliches Nachschärfen ist jederzeit möglich.
Generierung wie in §6.

Was der Kopierer nie sieht: den Original-Prompt im Wortlaut, die Attribut-Scores des Erstellers, dessen Regeln oder Dev-Modus-Inhalte. Die vereinfachte Slot-Darstellung ist eine Abstraktion, keine Offenlegung – damit bleibt das Betriebsgeheimnis aus projekt-uebersicht.md §4/§9 gewahrt.

Kopieren erzeugt ein Signal: Jede Kopie zahlt auf den Feed-Score des Originals ein (§8).

8. Feed-Score

Wichtig – begriffliche Abgrenzung: Der Feed-Score ist kein Elo. Elo setzt Duelle voraus: zwei Kandidaten treten an, einer gewinnt, Punkte wandern vom Verlierer zum Gewinner. Im Feed duelliert nichts – Kopien, Likes und Reichweite sind aufsummierte Zähler. Beide Systeme „Elo" zu nennen rächt sich spätestens im Code. Elo = brand-interne Attribute. Feed-Score = öffentliches Feed-Ranking.

Was gerankt wird

Post und Modell getrennt. Ein Post hat einen eigenen Score. Jedes darin verwendete Modell sammelt zusätzlich Punkte über alle seine Posts hinweg. Damit lassen sich Top-Posts und Top-Modelle browsen – „ich suche eine gute kleine Kerze" wird zu einer eigenen Sucherfahrung.

Signale, gewichtet

Quelle	Signal	Gewicht
In-App	Views	×0,1
In-App	Likes	×0,5
In-App	Kopien	×1
Verbundene Social-Accounts	echte Reichweite des veröffentlichten Posts	×2

Das Prinzip entspricht der Gewichtung im Elo-System (projekt-uebersicht.md §5): schwache Signale sind sofort verfügbar, starke überschreiben sie später. Die Zahlen sind bewusst andere – ×0,1 und ×0,5 existieren im Elo-System nicht, weil es dort keine Views und Likes gibt. In-App-Signale starten das Ranking; verbundene Accounts korrigieren es mit echter Reichweite.

Kopien wiegen mehr als Likes – ein Like ist eine Meinung, eine Kopie ist eine Handlung mit Aufwand.

Drei Korrekturen, ohne die das Ranking kippt

Zeit-Decay. Ohne Verfall gewinnt immer das Älteste, weil es am längsten sammeln konnte. Der Score verfällt exponentiell (Halbwertszeit als Parameter, Startwert 30 Tage).
Explorations-Slot. Ein fester Anteil der Feed-Positionen ist für neue Posts reserviert. Sonst bekommt nur, wer oben steht, Views – und wer Views bekommt, bleibt oben. Neue Posts kämen nie hoch.
Manipulationsschutz. Globale Sichtbarkeit erzeugt Anreiz für Fake-Signale. Mindestens: Rate-Limits pro Konto, Signale nur von verifizierten Konten voll gewichtet, Ausreißer-Erkennung. Bei den brand-internen Scores war das kein Thema – hier ist es eins.

9. Ordner

Das ist der wichtigste neue Baustein – und die Antwort auf ein Problem, das der Feed selbst erzeugt.

Das Problem

Wenn alle die Top-Posts kopieren, wandern dieselben Attribute in alle Knowledge Bases. Alle Ergebnisse konvergieren, jede Werbung sieht gleich aus – und der Moat („dein Wissen ist einzigartig") wird wertlos.

Die Lösung: Wissen segmentieren statt mitteln

Ein Ordner ist ein Wissens-Scope. Attribut-Scores werden je Attribut je Ordner geführt. Beim Generieren zieht der Knowledge-Selector nicht mehr die brand-weiten Top-Attribute, sondern nur die des gewählten Ordners. Der neue Post trägt damit den Vibe der Sammlung – nicht den Durchschnitt des Feeds.

„Warmes Abendlicht" kann im Ordner Sommerkampagne auf 6800 stehen und im Ordner Dark Studio gar nicht existieren. Statt eines Durchschnitts entstehen mehrere konkurrierende Wissensinseln nebeneinander.

Eigenschaften


Sichtbarkeit	privat pro Brand – Ordner sind kein soziales Objekt
Inhalt	eigene und fremde Posts aus dem Feed (wie ein Moodboard)
Mehrfachablage	ein Post darf in mehreren Ordnern liegen
Wahl	vor der Generierung – nur so kann das Theme-Wissen in den Prompt
Einsortierung	KI schlägt beim Speichern einen bestehenden Ordner vor oder bietet an, einen neuen mit passendem Theme anzulegen

Fremde Posts zählen voll. Wissen entsteht damit durch Sammeln, nicht erst durch Ausgeben – der Ordner ist sofort nach dem Anlegen nützlich. Risiko, bewusst in Kauf genommen: Ein Ordner kann Attribute hoch bewerten, die für die eigene Zielgruppe nie getestet wurden. Die Korrektur passiert über eigene Ergebnisse mit der Zeit.

Zwei Schalter beim Anlegen

1. Zweck

Wert	Bedeutung
`sammlung`	reines Kategorisieren. Kein Score, kein Einfluss auf Generierung.
`wissens_scope`	aus dem Ordner heraus wird erstellt. Attribut-Scores werden geführt.

2. Startwerte (nur bei wissens_scope)

Wert	Bedeutung	Wann sinnvoll
`erben`	Ordner startet als Kopie der brand-weiten Scores und driftet mit jedem Signal davon weg	Der Ordner verfeinert die bestehende Ästhetik – z. B. „Sommerkampagne" innerhalb derselben Bildsprache
`aus_posts`	Nur was in den gesammelten Posts steckt, existiert im Ordner. Startwert = Kategorie-Ø innerhalb des Ordners	Der Ordner soll bewusst anders sein als das Bestehende

Warum die Wahl wichtig ist: Bei einem Ordner, der bewusst gegen die eigene Historie steht, arbeitet erben aktiv gegen den Zweck. Beispiel: brand-weit steht warmes-abendlicht auf 6800 und hartes-direktlicht auf 3100. Ein neuer Ordner „Dark Studio" mit vier gesammelten Posts würde bei erben trotzdem warmes Abendlicht injizieren – es bräuchte rund 15 Signale, um 6800 zu überholen. Bei aus_posts existiert warmes Abendlicht im Ordner gar nicht und der Vibe stimmt ab dem ersten Post.

Ordner-Kaltstart

Ein frisch angelegter Ordner ist sofort nutzbar – keine Mindestanzahl an Posts. Ein Ordner entsteht genau in dem Moment, in dem jemand etwas Bestimmtes will; ihn dann zu sperren, bestraft die Absicht.

Die statistische Schwäche (bei vier Posts ist die Rangfolge innerhalb des Ordners kaum belastbar, auch wenn die Richtung stimmt) wird über den K-Faktor aufgefangen, nicht über eine Sperre: K bleibt hoch (32), solange der Ordner dünn ist, und sinkt Richtung 8, wenn genug Signale da sind. Das ist exakt die Regel aus projekt-uebersicht.md §5 – „Unsicherheit steckt im K-Faktor" – nur auf Ordner-Ebene angewandt.

Die UI zeigt den Reifegrad offen an: „4 Posts – dieser Ordner lernt noch."

Zwei Wissensebenen

Die brand-weite Ebene bleibt bestehen und dient als Basis für Generierung ohne Ordner. Wird ein Ordner gewählt, überschreibt er sie vollständig – es wird nicht gemischt. Mischen würde genau die Abgrenzung verwässern, für die der Ordner existiert.

10. Kopplung Feed ↔ Knowledge Base

Gewählt: Import + Rückfluss.

Import beim Kopieren. Die Slots des kopierten Posts werden sofort als Attribute in der eigenen KB angelegt – Startwert nach Ordner-Regel (§9). Die KB ist damit nicht mehr leer, bevor der erste Euro ausgegeben wurde. Das ist die direkte Antwort auf das Kaltstart-Risiko aus projekt-uebersicht.md §11.
Rückfluss nach Veröffentlichung. Läuft ein Post gut, steigen die beteiligten Attribute in der eigenen KB – gewichtet ×0,3. Bewusst niedrig: Reichweite kann am Posting-Zeitpunkt, an Hashtags oder am Zufall liegen, nicht am Licht. Dieselbe Skepsis wie bei einer bestätigten Favoriten-Wahl (§5 der Übersicht).

Die Konvergenz-Gefahr, die der Import mit sich bringt, wird durch die Ordner-Segmentierung (§9) aufgefangen: Importiertes Wissen landet im Scope des jeweiligen Ordners, nicht in einem gemeinsamen Topf.

Zu prüfen: Diese Kopplung ist im Gespräch als „gut" bewertet, aber nicht ausdrücklich gegen die Alternativen (nur Rückfluss / strikt getrennt) final bestätigt worden. Vor der Umsetzung noch einmal explizit entscheiden.

11. Die zwei Systeme im Überblick

	Elo (Knowledge Base)	Feed-Score
Rankt	Attribute (licht, kamera, location …)	Posts und Modelle
Scope	pro Brand, jetzt zusätzlich pro Ordner	global über alle Nutzer, gefiltert nach Nische
Sichtbar für Nutzer	nein	ja – das ist der Zweck
Mathematik	echtes Elo (Paarvergleich, K-Faktor, Skala 0–10.000)	gewichtete Summe + Zeit-Decay
Signale	Vote, gezielte Frage, Ad-Performance, LLM-Vergleich	Views, Likes, Kopien, Social-Reichweite
Manipulationsrisiko	gering (intern)	hoch (global sichtbar)
Zweck	Prompts anreichern	Feed sortieren

12. Rechtliches – was neu dazukommt

Ergänzend zu projekt-uebersicht.md §10:

Öffentlicher Feed = nutzergenerierte Inhalte. Damit werden Melde- und Moderationspflichten relevant (DSA), die beim geschlossenen B2B-Produkt nicht galten.
Kennzeichnung KI-generierter Inhalte (EU AI Act) gilt für Bilder genauso wie für Videos – im Feed sichtbar, nicht nur beim Export.
Modelle werden nie geteilt (§3) – das entschärft Marken-, Design- und Persönlichkeitsrecht an der Wurzel, statt es über AGB weiterzureichen.
Breitere Nutzerbasis (Creator, Privatnutzer) heißt: Minderjährigenschutz und Altersgrenzen müssen geklärt werden. Beim reinen B2B-Produkt war das kein Thema.
Social-Account-Anbindung für organische Reichweite braucht eigene App-Reviews bei Meta/TikTok – zusätzlich zu den Ads-Berechtigungen. Laut Übersicht §10 früh beantragen, die Verfahren dauern.

13. Was sich in der bestehenden Doku ändert

Datei	Änderung
`datenbank-aufbau.md`	`attributes` wird aufgetrennt (Scores wandern nach `attribute_scores`, je Ordner) · neue Tabellen `folders`, `posts`, `post_images`, `post_folders`, `post_metrics` · `assets.typ` um `kulisse`, neue Spalte `assets.typ_tags` · `score_events.folder_id` · Nischen-Felder · `prompt_templates.key` bis P22 · neue Functions · Bucket `generated-images`
`prompt-inventar.md`	vier neue Denk-Punkte P19–P22
`projekt-uebersicht.md`	neues Kapitel, aktualisierte Risiken und Roadmap
`fragenkatalog-onboarding.md`	Nische als Pflichtfrage
`prototyp-app.html`	noch nicht angefasst – Feed, Post-Detail, Kopier-Screen, Ordner-Ansicht fehlen

14. Offene Punkte

#	Punkt	Warum es zählt
1	Welches Bildmodell	Multi-Referenz-Komposition (Person + Produkt + Kulisse konsistent) ist das entscheidende Auswahlkriterium, nicht die reine Bildqualität
2	Preismodell	€150–300/Brand/Monat passt nicht zu Creator- und Privatnutzern. Der Bild-Modus braucht eine eigene, deutlich niedrigere Stufe – oder ein Freemium-Modell mit Kontingent
3	Nischen-Liste final	Welche Branchen, wie granular, und was passiert bei Nutzern, die in keine passen
4	Modell-Typ-Tags final	Die Enum-Liste, gegen die die Slot-Kompatibilität geprüft wird
5	Feed-Score-Parameter	Halbwertszeit des Decay, Größe des Explorations-Slots, konkrete Gewichte
6	Moderation	Wer prüft veröffentlichte Posts, und wann – vorab oder auf Meldung
7	Kopplung final bestätigen	siehe §10
8	Prototyp	Die neuen Screens sind noch nicht klickbar

19 KiB Raw Permalink Blame History Unescape Escape