KI-Bildkolorierung: Wie es funktioniert und wo seine Grenzen sind

Zuletzt aktualisiert: July 18, 2026

AI-Kolorierung fügt einem Schwarz-Weiß-Foto plausible Farben hinzu. Sie kann ein altes Bild lebendig und periodengerecht wirken lassen, aber sie kann nicht die wahren Farben wiederherstellen — diese wurden nie aufgenommen, daher rät das Modell basierend auf Mustern, die es gelernt hat. Dieser Leitfaden erklärt, wie die Technologie funktioniert, was sie leisten kann und wo sie versagt, damit Sie die richtigen Erwartungen haben, bevor Sie dem Ergebnis vertrauen.

Kurze Antwort: Wie funktioniert AI-Kolorierung?

Ein neuronales Netzwerk, das mit Millionen von farbigen Foto-Paaren trainiert wurde, lernt die Beziehung zwischen Graustufenmustern und wahrscheinlichen Farben und sagt dann eine Farbversion eines neuen Schwarz-Weiß-Inputs voraus. Das Ergebnis sieht überzeugend aus, aber die Farben sind abgeleitet, nicht wiederhergestellt.

Für ein Tool verwenden Sie den AI Colorizer oder ein Open-Source-Modell wie DeOldify.

Wie funktioniert AI-Kolorierung eigentlich?

Das Modell wird mit Farbfotos trainiert, die als Input in Graustufen umgewandelt werden und deren Originalfarbe das Ziel ist. Über Millionen von Beispielen lernt es, dass beispielsweise eine bestimmte Textur normalerweise Gras (grün) bedeutet, Hauttöne in einem engen Bereich gruppieren und der Himmel oben im Bild normalerweise blau ist. Bei einem neuen Graustufenfoto sagt es durch die Anwendung dieser gelernten Assoziationen eine Farbversion voraus.

Modell sagt plausible Farben voraus -> Kolorisiertes Output">

Wichtig ist, dass die Farbe aus gelernten Mustern synthetisiert wird, nicht gemessen. Ein Foto aus den 1920er Jahren mit einem roten Kleid wird nicht rot herauskommen, es sei denn, das Modell rät rot — und meistens rät es eine „typische“ Kleiderfarbe. Das Ergebnis ist eine Interpretation, keine Wiederherstellung der Fakten. Das DeOldify-Projekt und die Studie zu Deep-Learning-Kolorierungsmethoden auf arXiv dokumentieren, wie diese Modelle trainiert werden und wo ihre Annahmen zusammenbrechen.

Was kann Kolorierung leisten — und was nicht?

Dies ist die wichtigste Erwartungshaltung. Die Kolorierung hat harte Grenzen:

• Es kann: überzeugende, periodengerechte Farben hinzufügen; alte Fotos lebendig wirken lassen; ein ansprechendes Ergebnis für die Ausstellung und Kunst erzeugen.
• Es kann nicht: die wahren Originalfarben wiederherstellen; wissen, ob ein Kleid rot oder blau war; historisch genau sein; einen definitiven Nachweis liefern.

Ein koloriertes Foto einer historischen Figur ist der Eindruck eines Künstlers, kein faktisches Farbporträt. Für archivische oder Beweiszwecke bleibt das Schwarz-Weiß-Original die Quelle der Wahrheit.

Welche Tools kolorieren Fotos?

DeOldify ist das führende Open-Model; es läuft lokal und kann für Stapelverarbeitung skriptisiert werden. Für ein einzelnes Bild ist ein Browser-Tool am schnellsten. Die Wahl beeinflusst hauptsächlich die Bequemlichkeit und Kontrolle, nicht die grundlegende Einschränkung – jedes Tool rät bei den Farben, anstatt sie wiederherzustellen, daher wählen Sie nach Workflow und überprüfen Sie das Ergebnis unabhängig davon, welches Sie verwendet haben.

Wie starte ich DeOldify?

## DeOldify läuft in einer Python-Umgebung (siehe README des Projekts für die Einrichtung)
## Typische Verwendung: ein Notebook oder Skript, das das Modell lädt und ein Bild koloriert

DeOldify bietet „Artistic“ (lebhafter, weniger stabil) und „Stable“ (konservativer) Modelle – wählen Sie je nachdem, ob Sie Punch oder Zuverlässigkeit wünschen. Überprüfen Sie immer das Ergebnis bei 100 %; AI-Kolorierung kann an unscharfen Texturen seltsame Farbtöne erzeugen.

Wie behebe ich falsche Farben im Output?

Da die Kolorierung rät, erhalten Sie oft eine plausible, aber falsche Farbe – ein Auto, das eigentlich rot war, aber blau herauskommt, oder eine Militäruniform in dem falschen Farbton. Die praktische Lösung ist ein kurzer manueller Durchgang an den spezifischen Objekten, deren wahre Farbe Ihnen bekannt ist. Laden Sie das kolorierte Bild in einen Editor, wählen Sie die falsch gefärbte Region (das Auto, die Uniform) und färben Sie es mit einer Helligkeits-Sättigungs-Anpassung oder einem Farbüberlagerungsmodus neu ein. Das ist viel schneller, als das Modell erneut auszuführen und auf ein besseres Raten zu hoffen, und es liefert ein Ergebnis, das Sie vertreten können.

Das allgemeine Prinzip: Behandeln Sie AI-Kolorierung als die 80 %, die Ihnen schnell ein farbiges Bild liefern, und verbringen Sie dann einige Minuten mit der manuellen Korrektur der 20 % für Objekte, deren wahre Farbe wichtig ist. Sie müssen nicht jedes Blatt oder jeden Ziegelstein korrigieren – diese sind bereits plausibel gefärbt – nur die benannten, identifizierbaren Objekte, die ein Betrachter bemerken würde. Dieser Mensch-in-der-Schleife-Ansatz ist so, wie professionelle Restauratoren tatsächlich arbeiten; die vollautomatische Kolorierung ist ein Ausgangspunkt, kein Endpunkt. Für den verwandten Workflow der Vorreinigung des Quellscans gibt der Leitfaden how to upscale images Schritte abseits der Restaurierung ab.

Was sind die häufigen Fehlerquellen?

• Falsche Objektfarben. Ein Auto könnte eine beliebige Farbe haben, weil das Modell keine Möglichkeit hat, die wahre zu wissen.
• Flache oder verwaschene Haut. Einige Modelle unter-sättigen Gesichter; das Ergebnis sieht grau aus.
• Farblöseln (Color Bleeding). Farbe von einem Objekt sickert auf ein benachbartes bei geringem Kontrastgrenzen über.
• Inkonsistente Farbe über eine Sequenz hinweg. Die Kolorierung von Videobildern einzeln erzeugt Flackern – die Video-Kolorierung benötigt zeitliche Konsistenz (siehe AI video colorization).

Wie erhalten Sie das beste Ergebnis?

1. Beginnen Sie mit einem sauberen, kontrastreichen Scan. Die Restaurierung (Entfernung von Staub/Kratzern, Kontrast) vor der Kolorierung verbessert das Ergebnis.
2. Wählen Sie das richtige Modell. Stable für Zuverlässigkeit, Artistic für lebendiges Output.
3. Überprüfen bei 100 %. Achten Sie auf falsche Objektfarben und Farblöseln.
4. Behandeln Sie es als Ausgangspunkt. Manuelle Nachbesserungen (Korrektur einer falschen Auto-Farbe, Aufwärmen der Haut) verbessern die Glaubwürdigkeit dramatisch.
5. Präsentieren Sie es niemals als Tatsache. Kennzeichnen Sie kolorierte historische Fotos als kolorierte Interpretationen.

Für die Foto-Restaurierung sehen Sie how to upscale images und convert RAW to JPG.

Häufig gestellte Fragen

Wie funktioniert AI-Kolorierung eigentlich?

Ein Modell, das mit Paaren von Farbfotos und deren Graustufenversionen trainiert wurde, lernt, plausible Farben aus Luminanz- und Texturhinweisen vorherzusagen. Bei einem Schwarz-Weiß-Input gibt es ein bestmögliches Farbbild aus. Das Ergebnis ist eine Interpretation basierend auf dem, was das Modell im Training gesehen hat, nicht eine Wiederherstellung der Originalfarben – ein Anzug aus den 1940er Jahren könnte jede Farbe haben, die das Modell für plausibel hält.

Ist AI-Kolorierung genau?

Nein, und das ist der wichtigste Vorbehalt. Kolorierung ist per Definition ein Raten: Das Graustufenbild enthält keine Farbinformationen, daher weist das Modell plausible Farben zu. Ein Himmel wird blau und Gras grün sein, weil dies gängige Farben sind, aber die ursprüngliche Farbe eines bestimmten Kleides ist vom Scan aus unbekannt. Betrachten Sie kolorierte Ergebnisse immer als künstlerische Interpretation, niemals als historische Aufzeichnung.

Kann ich falsche Farben im Output korrigieren?

Ja – die meisten Tools ermöglichen es Ihnen, Farbinformationen hinzuzufügen (manuelle Anker auf einer Region), um das Modell zu steuern, und Sie können Korrekturen per Hand auf einer Ebene über dem kolorierten Ergebnis malen. Der colorizer guide behandelt den Workflow der manuellen Steuerung für Fälle, in denen das automatische Raten falsch ist.

Welche Fotos werden am besten kolorisiert?

Hochkontrastreiche, scharfe Scans mit klaren Motiven und deutlichen Texturen. Verblasste, kontrastarme oder beschädigte Scans erzeugen matschige Kolorierungen, weil das Modell nur schwache Hinweise hat. Restaurieren und reinigen Sie den Scan, bevor Sie ihn kolorieren.

Wie behebe ich falsche Farben im Output?

Verwenden Sie ein Tool, das Farbinformationen akzeptiert – manuelle Anker, die Sie auf einer Region malen, um das Modell in Richtung der richtigen Farbe zu steuern. Für ein Hemd, von dem Sie wissen, dass es grün war, malen Sie einen grünen Hinweis darauf und führen Sie den Vorgang erneut aus. Bei hartnäckigen Fällen korrigieren Sie per Hand auf einer Ebene über dem kolorierten Ergebnis bei reduzierter Opazität, wodurch Ihre Korrektur in das Raten des Modells gemischt wird. Der automatische Durchgang bringt Sie zu 80 %; die Hinweise und das Handmalen beheben die spezifischen Farben, die wichtig sind und die das Modell falsch geraten hat. Bewahren Sie immer das ursprüngliche Graustufenbild als Quelle der Wahrheit auf.

Kann ich ein Video kolorieren?

Ja, aber die Video-Kolorierung ist viel schwieriger als ein einzelnes Foto, da die Farben über Tausende von Bildern konsistent bleiben müssen oder die Objekte flackern. AI video colorization verwendet eine zeitliche Verfolgung (temporal tracking), um Farben von einem Schlüsselbild mitzuführen; ohne dies koloriert das Modell jedes Bild unabhängig und das Ergebnis flimmert. Es dauert Minuten bis Stunden pro Minute Filmmaterial, nicht Sekunden. Sehen Sie sich den video colorization guide an.

Kann die Kolorierung rückgängig gemacht werden?

Nur wenn Sie das ursprüngliche Graustufenbild behalten haben. Die Kolorierung ist ein Einweg-Render – sobald die Farbpixel geschrieben sind, ist die Graustufeninformation aus dieser Datei verschwunden. Bewahren Sie also immer den unveränderten Scan als separates Master ab und behandeln Sie die kolorierte Datei als abgeleitetes Output. Deshalb sollten Sie niemals das einzige Exemplar eines historischen Fotos kolorieren: Die kolorierte Version ist eine Interpretation, kein Ersatz für das dokumentarische Original.

Bildnachweise

• Colorize before/after, how-colorization-works, und colorization-limits Diagramme – erstellt vom Autor anhand eines Landschaftsfotos (Pexels #1287145, Foto von eberhard grossgasteiger) durch Entsättigung auf Schwarz-Weiß zur Veranschaulichung des Input/Output der Kolorierung.