Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Text-to-3D

Text-to-3D ist die Aufgabe, aus einem geschriebenen Prompt ein 3D-Objekt oder eine 3D-Szene zu erzeugen. Image-to-3D tut dasselbe aus einem oder mehreren Fotos. Das Ergebnis lässt sich aus jedem Winkel betrachten.

Auch: image-to-3D, 3D generation, AI 3D model generator

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Wo Text-to-Image ein flaches Bild liefert, erzeugt Text-to-3D etwas, das du drehen, beleuchten und in einer Game-Engine oder AR-Szene platzieren kannst. Ausgabeformate sind etwa Meshes, Neural Radiance Fields (NeRFs) und Gaussian Splats.

So funktioniert es

Gute 3D-Trainingsdaten sind im Vergleich zu Bildern knapp, daher bedienten sich frühe Methoden bei 2D-Modellen. DreamFusion von Google aus dem Jahr 2022 optimierte ein NeRF so, dass Renderings aus zufälligen Winkeln für ein vortrainiertes 2D-Bild-Diffusionsmodell richtig aussahen. Es brauchte keine 3D-Trainingsdaten, aber jedes Objekt erforderte einen langen Optimierungslauf. Neuere Systeme werden auf 3D-Datensätzen trainiert oder erzeugen zuerst mehrere konsistente Ansichten und rekonstruieren dann die Form, was viel schneller ist. Image-to-3D funktioniert genauso, startet aber mit einem Foto statt einem Prompt.

Einsatzzwecke

Requisiten für Spiele, Produktvorschauen, AR-Filter, schnelles Prototyping und Concept Art. Viele Tools exportieren ein Mesh, das du in Blender bereinigen kannst. Verwandte Arbeiten zum Erzeugen ganzer begehbarer Szenen behandelt World Model.

Grenzen

Die Ausgabe muss vor dem Produktiveinsatz oft bereinigt werden: unsaubere Topologie, eingebackene Beleuchtung, unscharfe Texturen und gelegentlich ein Objekt mit einem Gesicht auf beiden Seiten. Feine mechanische Details und exakte Maße sind Schwachstellen, daher eignet es sich besser für Entwürfe als für Teile, die passen müssen.

Verwandte Begriffe

Text-to-Image
Text-to-Image ist die Aufgabe, aus einer geschriebenen Beschreibung, dem Prompt, ein neues Bild zu erzeugen. Die meisten aktuellen Text-to-Image-Modelle sind Diffusionsmodelle, die durch den Text gesteuert werden.
Diffusionsmodell
Ein Diffusionsmodell (Diffusion Model) ist ein generatives Modell, das lernt, zufälliges Rauschen in Daten wie ein Bild zu verwandeln, indem es über viele Schritte jeweils ein wenig Rauschen entfernt.
Image-to-Image
Image-to-Image (Bild-zu-Bild) ist die Aufgabe, aus einem vorhandenen Bild und einem Prompt ein neues Bild zu erzeugen, das einen Teil der Struktur des Originals behält und dabei Stil, Details oder Inhalt ändert.
World Model
Ein World Model (Weltmodell) ist ein KI-Modell, das gut genug lernt, wie eine Umgebung funktioniert, um vorherzusagen, was als Nächstes passiert, oft aus Video- oder Sensordaten, sodass ein Agent in der Simulation planen oder trainieren kann.
Multimodales Modell
Ein multimodales Modell ist ein KI-Modell, das mehr als eine Art von Daten aufnehmen und manchmal auch erzeugen kann, etwa Text, Bilder, Audio oder Video, und zwar in einem einzigen Modell statt über getrennte Systeme.

Quellen