Negative Prompts in Stable Diffusion

Negative Prompts in Stable Diffusion definieren, was im generierten Bild explizit vermieden werden soll — von Qualitätsmängeln über unerwünschte Stile bis hin zu inhaltlichen Ausschlüssen — und nutzen dasselbe Classifier-Free-Guidance-Prinzip wie positive Prompts.

Rubrik: GenAI & Content Creation · Unterrubrik: Stable Diffusion · Niveau: Fortgeschritten

Was sind Negative Prompts?

Negative Prompts sind ein Kernfeature von Stable Diffusion, das in proprietären Diensten wie Midjourney nur eingeschränkt verfügbar ist. Technisch ist ein Negative Prompt das Gegenteil eines positiven Prompts: Während der positive Prompt beschreibt, was generiert werden soll, beschreibt der negative Prompt, was der Generierungsprozess aktiv vermeiden soll.

Basis hierfür ist Classifier-Free Guidance: Das Modell berechnet zwei Noise-Estimates pro Step — eines mit positivem Prompt, eines mit negativem (anstelle des leeren unkonditionierten Estimates). Der CFG-Mechanismus drückt das Ergebnis weg vom Negativen und in Richtung des Positiven.

Erklärung

Wie Negative Prompts wirken

Mathematisch:

`` Noise_guided = Noise_negativ + CFG_Scale × (Noise_positiv - Noise_negativ) ``

Das Bild wird in Richtung des positiven Prompts und weg vom negativen Prompt gelenkt. Das bedeutet: Je ähnlicher ein Begriff im positiven und negativen Prompt, desto stärker der Ausschlusseffekt.

Kategorien von Negative Prompts

Qualitäts-Negative: Verbessern die allgemeine Bildqualität, indem typische Artefakte ausgeschlossen werden.

`` Qualitäts-Standard für SD 1.5: "(worst quality, low quality:1.4), blurry, out of focus, (deformed, distorted:1.3), watermark, signature, text, ugly, duplicate, morbid, mutilated, extra limbs, poorly drawn face, bad anatomy, bad proportions" ``

Stil-Negative: Schließen unerwünschte visuelle Stile aus.

``` "anime, cartoon, 3d render, painting, sketch, drawing" → Für fotorealistischen Stil

"photorealistic, photography, photo" → Für illustrativen/künstlerischen Stil ```

Inhalts-Negative: Schließen spezifische inhaltliche Elemente aus.

`` "text, letters, watermark, logo, writing" "extra person, crowd, background people" "nsfw, nudity, explicit content" ``

NSFW-Filter via Negative: Standard-SD-Modelle haben keine eingebaute Inhaltsfilterung. Die primäre NSFW-Prävention in legalen Kontexten erfolgt durch Negative Prompts oder über Textual-Inversion-Embeddings.

Textual Inversion Embeddings als Negative Prompts

Textual Inversion Embeddings sind kleine Dateien, die einen neuen „Tokenspace" in CLIP kodieren. Sie können als Negative genutzt werden:

EasyNegative: Populäres Embedding, das gängige Qualitätsmängel in einem Token komprimiert. Statt einer langen Negative-Prompt-Liste reicht EasyNegative als einzelnes Wort.

bad-hands-5: Speziell auf Handkorrektur trainiert. SD generiert notorisch fehlerhafte Hände; dieses Embedding reduziert das Problem.

negative_hand: Weitere Hand-Korrektur.

NG_DeepNegative: Umfassendes Qualitäts-Embedding für SDXL.

Verybadimagenegative: Kombination aus Qualitäts- und Anatomie-Korrekturen.

Gewichtung in Negative Prompts

Wie im positiven Prompt können Gewichtungen genutzt werden:

`` "(worst quality:1.4), (deformed:1.3), blurry, (extra limbs:1.2)" ``

Höhere Gewichtung = stärkerer Ausschluss. Standard ist 1.0; mehr als 1.5 führt selten zu besseren Ergebnissen und kann das Bild destabilisieren.

Schritt-für-Schritt / Einrichtung

Embeddings installieren (A1111)

```

1. Embedding-Datei herunterladen (.pt oder .safetensors)

Quelle: Civitai, Hugging Face

1. In embeddings/ Ordner des A1111-Verzeichnisses kopieren
2. A1111 neu starten (oder "Apply and restart" in Settings)
3. Im Negative-Prompt-Feld: Embedding-Name einfach als Wort eintippen

z. B.: EasyNegative, bad-hands-5

1. Alternativ: Via Textual Inversion Tab verifizieren

```

SDXL Negative Prompts

SDXL reagiert anders auf Negative Prompts als SD 1.5:

• Qualitäts-Negative haben bei SDXL weniger Wirkung als bei SD 1.5
• SDXL-spezifische Embeddings (NGDeepNegativev1_75T) sind effektiver
• Inhalts-Negative funktionieren ähnlich gut

`` SDXL Empfehlung: Negative: "blurry, low quality, watermark, (deformed:1.2), bad anatomy, NG_DeepNegative_v1_75T" ``

Negative-Prompt-Sets für Styles speichern

In A1111 können unter „Styles" kombinierte Positive+Negative als Preset gespeichert werden:

`` Style Name: "Fotorealistisch Standard" Positive Prompt: "photorealistic, 8k, professional photography, sharp focus" Negative Prompt: "(worst quality, low quality:1.4), blurry, EasyNegative" ``

Beispiele (5 konkrete Anwendungsfälle)

1. Anatomie-Korrekturen bei Porträts: Kombinierter Einsatz von EasyNegative, bad-hands-5, (extra fingers:1.3), (missing fingers:1.3) im Negativen reduziert die für SD typischen Hand- und Fingerprobleme erheblich — ohne Nachbearbeitung.
2. Medienprojekt-konforme Bilder: Eine Redaktion schließt via Negative Prompts Wasserzeichen, Bildunterschriften, Nummern und Logoelemente aus — alle generierten Bilder sind direkt verwendbar ohne Retusche.
3. Stil-Reinheit bei Illustration: Für reine Comic-Illustrationen wird photorealistic, photo, photograph, 3D render als Negatives eingesetzt, um Übergänge in fotorealistische oder 3D-CGI-Ästhetik zu vermeiden.
4. Content-Moderation im Team-Workflow: Ein Team, das SD für professionelle Projekte nutzt, hinterlegt ein gemeinsames Negative-Preset mit NSFW-Ausschlüssen im geteilten Styles-File — konsistente Moderation ohne individuelle Absprachen.
5. Hintergrund-Kontrolle: crowd, people, pedestrians, cars, vehicles als Negative für Architektur-Visualisierungen, um saubere, menschenleere Außenaufnahmen zu generieren.

In der Praxis

Negative Prompts und CFG-Interaktion

Die Wirksamkeit von Negative Prompts steigt mit dem CFG-Wert. Bei CFG 4 haben Negative wenig Einfluss; bei CFG 7–9 sind sie wirksam; bei CFG 12+ können zu starke Negative-Prompts das Bild destabilisieren.

`` Empfohlene Kombination: CFG: 7 Negative: moderater Umfang (nicht überladen) → Gute Balance zwischen Wirksamkeit und Bildstabilität ``

Wann Negative Prompts kontraproduktiv sind

Zu lange oder widersprüchliche Negative Prompts können die Bildqualität verschlechtern:

• Negative, die semantisch nah am Positiven sind, können den Positiven schwächen
• Überladen mit zu vielen Negativen verteilt die CFG-„Energie" zu stark
• Faustregel: Max. 15–20 bedeutungsvolle Begriffe, keine Redundanzen

Flux und Negative Prompts

Flux-Modelle (Dev, Schnell) reagieren weniger stark auf Negative Prompts als SD-Modelle, da Flux keine klassische CFG-Implementierung nutzt. Die Community empfiehlt für Flux eher kurze, spezifische Negative oder gar keine — der Positive Prompt ist bei Flux erheblich mächtiger.

Vergleich & Abgrenzung

Häufige Fragen (FAQ)

F: Warum wirken meine Negative Prompts bei SDXL nicht so gut wie bei SD 1.5? SDXL wurde mit einem anderen Training-Setup und besseren Basis-Qualitätslevels trainiert. Qualitäts-Begriffe wie „low quality", „blurry" usw. haben weniger Ankerpunkte im SDXL-Trainingsset als bei SD 1.5. SDXL-spezifische Embeddings (NG_DeepNegative) oder sehr spezifische inhaltliche Negative funktionieren besser. Alternativ: ADetailer für automatische Nachkorrektur von Gesichtern und Händen.

F: Kann ich denselben Negative Prompt für alle Projekte verwenden? Ein generischer Basis-Negative (Qualitäts- + Anatomie-Korrekturen) funktioniert für die meisten Projekte. Darüber hinaus sollten projektspezifische Negative ergänzt werden: Ein Porträtprojekt benötigt andere Inhalts-Negative als ein Architektur-Projekt.

Verwandte Einträge

• CFG Scale — CFG bestimmt die Wirksamkeit der Negative Prompts
• Bildgewichtung & Prompt-Syntax — Klammer-Syntax funktioniert auch im Negativen
• Modelle & Checkpoints — Embeddings sind modelltypabhängig

Weiterführend

• Ho, J. & Salimans, T. (2021). Classifier-Free Diffusion Guidance.
• Civitai Embedding-Bibliothek:
• EasyNegative:
• A1111 Prompt-Syntax: