Generative Fill 2026: Vergleich des Stands der Technik

Die technische Grundlage: latente Diffusion und Inpainting

Jedes Generative-Fill-System von 2026 baut auf latenter Diffusion auf. Die Architektur, beschrieben im Aufsatz von Rombach et al. aus dem Jahr 2022, kodiert ein Bild in einen komprimierten latenten Raum (pro räumlicher Dimension etwa 8-mal kleiner), wendet einen Entrauschungsprozess an, der auf den umgebenden Kontext bedingt ist, und dekodiert es wieder zu Pixeln. Beim Inpainting erhält das Modell das Bild mit auf null gesetztem Maskenbereich, eine binäre Maske und optional einen Text-Prompt. Es erzeugt neue latente Werte für die Maske und verankert dabei die unmaskierten Bereiche an der ursprünglichen Darstellung.

Zwei Konditionierungsstrategien dominieren. Textgesteuerte Modelle (Adobe Firefly, Photoshop Generative Fill) akzeptieren einen Prompt, der vorgibt, was generiert werden soll. Tippt man "Heißluftballon", platziert das Modell einen, der zur Perspektive und Beleuchtung der Szene passt. Rein kontextbasierte Modelle (die Voreinstellung von Magic Eraser, viele mobile Werkzeuge) leiten den Füllinhalt vollständig aus den umliegenden Pixeln ab und glänzen beim Entfernen von Objekten und beim Rekonstruieren des Hintergrunds. Die stärksten Werkzeuge von 2026 unterstützen beide Modi. Das entscheidende Qualitätsmerkmal über alle Ansätze hinweg ist das Blending der Übergänge: dafür zu sorgen, dass generierte Pixel ohne sichtbare Nähte, Farbverschiebungen oder Texturbrüche in die vorhandenen übergehen.

Implementierungen im Vergleich: Wer bietet was

Adobe Photoshop Generative Fill, angetrieben von der Firefly-Modellfamilie, ist das funktional vollständigste Setup für Profis. Generierte Inhalte landen auf einer separaten Ebene für unabhängiges Maskieren und Blending. Das auf lizenzierten Adobe-Stock-Bildern feinabgestimmte Modell beherrscht textgesteuertes kreatives Compositing besser als jeder Mitbewerber. Der Kompromiss liegt in der Zugänglichkeit: ein Creative-Cloud-Abo (~23 $/Monat), Desktop-Software und leistungsfähige Hardware. Für Profis, die bereits im Adobe-Ökosystem sind, ist es die natürliche Wahl.

Magic Eraser verfolgt den entgegengesetzten Ansatz. AI Fill übernimmt das Inpainting und AI Expand das Outpainting, beide ohne Installation auf iOS, Android und im Web verfügbar. Die Oberfläche ist bewusst minimal — pinseln, generieren, prüfen — und Ergebnisse kommen in ein bis drei Sekunden zurück. Ein Immobilienmakler kann ein Zimmerfoto zwischen Besichtigungen auf dem Handy erweitern. Ein Etsy-Verkäufer entfernt ein unerwünschtes Element in Sekunden. Premium kostet 29,99 $/Jahr. Der Kompromiss gegenüber Photoshop ist das Fehlen von Ebenen-Compositing und Text-Prompts. Magic Eraser ist auf schnelles, kontextbewusstes Füllen statt auf kreative Steuerung optimiert.

Canva integriert Generative Fill über Magic Expand (Erweiterung des Seitenverhältnisses) und Magic Grab (Neupositionierung des Motivs mit generativem Auffüllen). Der Vorteil ist die Workflow-Integration mit Canvas Vorlagen- und Designsystem. Die Füllqualität ist gut für Social Media, erreicht aber bei schwierigen Motiven nicht das Niveau dedizierter Fotoeditoren. Erfordert Canva Pro (~13 $/Monat).

Google Magic Editor in Google Fotos nutzt die Imagen-Modellfamilie und liefert starke Ergebnisse bei natürlichen Szenen — Landschaften, Gruppenfotos, Reiseaufnahmen. Kostenlos für Pixel-Besitzer, andernorts für Google-One-Abonnenten verfügbar. Das Werkzeug ist auf Endverbraucher ausgerichtet und bietet keinen professionellen Exportweg. Samsung Galaxy AI, seit der S24-Reihe auf Flaggschiff-Galaxy-Geräten verfügbar, läuft mit einer Hybridarchitektur: einfache Füllungen werden über die NPU auf dem Gerät verarbeitet, komplexe in die Cloud geleitet. Die Qualität ist für den gelegentlichen Gebrauch konkurrenzfähig, doch Ergebnisse auf dem Gerät zeigen bei komplexen Texturen eine geringere Detailtreue als Cloud-Optionen.

Qualitaetsbenchmarks: Kantenblending, Textur und semantisches Bewusstsein

Bei einfachen Aufgaben schneidet jedes Werkzeug gut ab. Die Unterschiede zeigen sich bei schwierigeren Herausforderungen. Beim Kantenblending erzeugten Adobe Photoshop und Magic Eraser in unseren Tests die saubersten Übergänge, mit minimalen Nähten bei 200 % Zoom. Canva und Google zeigten an kontrastreichen Grenzen gelegentlich Halos durch Farbverschiebung. Samsungs Ergebnisse variierten zwischen der Verarbeitung auf dem Gerät und in der Cloud.

Die Texturkonsistenz über große Füllbereiche (mehr als 30 % des Bildes) spricht für Photoshops hochauflösende Pipeline. Magic Eraser bewältigt Füllungen bis zu etwa 40-50 % der Bildfläche gut, wobei AI Expand bei sehr großen Bereichen oft AI Fill übertrifft, weil sein Outpainting-Modell darauf optimiert ist, aus dem Randkontext stimmige Inhalte zu erzeugen. Ziegelwände, Holzböden und Laub bleiben gängige Belastungstests.

Das semantische Bewusstsein — zu verstehen, was logisch in einen gefüllten Bereich gehört — hat sich seit 2024 deutlich verbessert. Photoshops Firefly und Googles Imagen rekonstruieren fast immer eine plausible Szenengeometrie (etwa indem sie ein Tischbein hinter einem entfernten Stuhl freilegen). Magic Eraser bewältigt gängige Szenarien korrekt, mit gelegentlichen Fehlern bei komplexer Verdeckung mehrerer Objekte. Auch die Geschwindigkeit zählt: Magic Eraser und Google liefern Ergebnisse in ein bis drei Sekunden. Photoshop braucht drei bis acht Sekunden, hat aber eine höhere Qualitätsobergrenze.

Was Generative Fill immer noch nicht gut kann

Menschliche Gesichter bleiben die schwierigste Herausforderung. Füllbereiche, die ein Gesicht überlappen, liefern bei jedem Werkzeug überwiegend Ergebnisse aus dem Uncanny Valley. Der praktische Rat: Gesichter nicht mit Füllbereichen überschneiden lassen und stattdessen dedizierte Retuschewerkzeuge verwenden. Text in der Szene ist ein weiteres beständiges Versagen — Diffusionsmodelle erzeugen buchstabenähnliche Formen, die selten lesbar sind. Der Behelf besteht darin, ohne Text zu füllen und ihn als separate Ebene hinzuzufügen.

Komplexe sich wiederholende Muster mit strenger geometrischer Regelmäßigkeit (Fliesenböden, Maschendrahtzäune, gewebte Stoffe) bringen Modelle ins Straucheln, weil kleine Abweichungen bei Abstand oder Winkel sofort sichtbar sind. Die Ergebnisse haben sich seit 2024 verbessert, doch oft ist eine manuelle Nachbearbeitung nötig. Spiegelungen und Transparenz stellen ein verwandtes Problem dar: einfache Spiegelungen (ein Gebäude in einem stillen See) funktionieren. Komplexe, schräge Spiegelungen (eine Person in einem Schaufenster) bleiben über alle Implementierungen hinweg unzuverlässig.

Die Modellfamilien: SDXL, Firefly und Imagen

Drei Modelllinien dominieren Generative Fill 2026. Stability AIs SDXL und seine Ableger treiben viele unabhängige und quelloffene Werkzeuge an, mit Stärken in Texturtreue und Farbgenauigkeit bei Außen- und Produktfotografie. Die Pipeline von Magic Eraser nutzt ein proprietäres Modell, das auf diffusionsbasierten Inpainting-Prinzipien aufbaut und auf Geschwindigkeit und Kantenqualität bei den Bildtypen optimiert ist, die unsere Nutzer am häufigsten bearbeiten.

Adobe Firefly, trainiert auf lizenzierten Adobe-Stock-Inhalten, glänzt bei kommerziellen Bildern und bietet die stärkste textgesteuerte Generierung. Es erzeugt stimmige Ergebnisse aus beschreibenden Prompts, mit denen andere Modelle Mühe haben. Googles Imagen-Familie, einschließlich der Variante hinter Magic Editor, liefert die fotorealistischsten Ergebnisse bei Naturszenen und das stärkste semantische Szenenverständnis. Sie bleibt exklusiv den eigenen Produkten von Google vorbehalten, ohne API-Zugang für Dritte.

Wohin Generative Fill als naechstes geht

Drei Trends prägen die nächste Phase. Die Verarbeitung auf dem Gerät weitet sich von einfachen Operationen auf Flaggschiff-Telefonen hin zu hochwertigeren Füllungen ohne Cloud-Umweg aus, mit erheblichen Folgen für den Datenschutz. Videonatives Generative Fill — das Wahren zeitlicher Kohärenz über Einzelbilder hinweg — ist die nächste Grenze. Das derzeitige Füllen Bild für Bild funktioniert, flackert aber, und an zeitlichen Modellen wird bei Adobe, Google und mehreren Forschungslaboren aktiv gearbeitet.

Der dritte Trend ist die hybride Verfeinerung von Mensch und KI: Die KI erzeugt eine Füllung, der Nutzer benennt Probleme in bestimmten Bereichen. Die KI generiert nur diese Bereiche neu. Diese kollaborative Schleife existiert in Photoshop auf einfachem Niveau und breitet sich anderswo aus. Der Endzustand ist nicht, dass die KI das menschliche Auge ersetzt, sondern dass die KI die schwere Generierung übernimmt, während der Mensch die Ermessensentscheidungen trifft. Für Fotografen, Designer und Alltagsnutzer ist Generative Fill von der Spielerei zum zentralen Werkzeug geworden. Und das richtige Setup hängt von Ihrem Workflow, Ihrem Gerät und den Bildern ab, mit denen Sie am meisten arbeiten.