Ein 3D-Modell auf Knopfdruck aus nur einem Foto mit KI erstellen – was vor kurzem noch futuristisch klang, wird dank KI inzwischen Realität. Moderne Webplattformen versprechen, aus 2D-Bildern automatisch 3D-Meshes mit Textur zu erstellen. Diese Dienste analysieren ein hochgeladenes Bild (oder mehrere) per KI und rekonstruieren daraus ein dreidimensionales Objekt, inklusive farbiger Oberflächentextur.
Die grundlegende Idee hinter allen Diensten ist ähnlich: Ein neuronales Netz analysiert das eingereichte Bild und generiert daraus ein 3D-Objekt. Manche Plattformen akzeptieren zusätzlich Textprompts oder mehrere Bilder. Daraus werden volumetrische Repräsentationen berechnet, die in ein Polygonnetz umgewandelt und mit Texturen versehen werden. Exportiert werden die Modelle typischerweise in Formaten wie OBJ, FBX, GLTF oder STL.
Tripo AI war Ende 2023 eine der ersten öffentlich verfügbaren KI-Plattformen für generative 3D-Modelle. Der Dienst wirbt mit extrem schneller Konvertierung: In weniger als 10 Sekunden soll aus einem Foto oder einer Textbeschreibung ein vollständiges 3D-Modell entstehen. Die KI von Tripo wurde laut eigenen Angaben mit Millionen Datensätzen aus Animation und Videospiel-Assets trainiert, um hohe Detailtreue zu erreichen. Tatsächlich verspricht Tripo „hohe geometrische Komplexität und fotorealistische Texturen“ in den generierten Modellen. In der Praxis bedeutet das: Gibt man z. B. ein Foto eines Stuhls ein, erhält man ein Mesh mit sehr vielen Polygonen, das feine Formen nachbildet, sowie eine Farbtextur, die dem Foto stark ähnelt (inklusive Schattierungen und Materialien).
Für den Export stellt Tripo gängige Formate bereit – darunter GLB, FBX, OBJ, USD (Universal Scene Description), STL und sogar Minecraft-Schematics. Damit zielt Tripo darauf, die erzeugten Modelle direkt in verschiedensten Umgebungen nutzbar zu machen, von Game Engines und AR/MR-Anwendungen bis hin zu 3D-Druck und sogar spezifischen Ökosystemen wie Roblox oder Minecraft. In der Benutzeroberfläche von Tripo kann man neben dem Upload eines Bildes auch stattdessen eine Texteingabe machen (Text-zu-3D) oder – für bessere Ergebnisse – mehrere Bilder aus verschiedenen Perspektiven hochladen. Letzteres hilft, Lücken zu füllen: Hat man z. B. Vorder- und Rückansicht eines Objekts, kann die KI viel genauer rekonstruieren als nur mit einer Ansicht.
Tripo bietet zudem einfache Editierwerkzeuge an, um das generierte Modell noch anzupassen. So lässt sich das Ergebnis vor dem Download direkt im Browser z. B. skalieren, rotieren oder in gewissem Rahmen verfeinern, falls etwas nicht ideal getroffen wurde. Die Modelle aus Tripo sind „professional-grade“ genug, dass man sie laut Hersteller unmittelbar in 3D-Pipelines weiterverwenden kann – etwa in einer Game Engine animieren oder in Blender weiterbearbeiten.
Für die Nutzung hat Tripo ein Freemium-Modell: Aktuell erhält man mit dem kostenlosen Account 10 Generierungen pro Monat frei. Darüber hinaus gibt es kostenpflichtige Pakete mit höherem Kontingent (z. B. 100 Modelle/Monat). Außerdem stellt Tripo eine API in Aussicht, was auf Integrationen in eigene Apps und Workflows abzielt. Insgesamt positioniert sich Tripo als Allzweck-Tool für schnelle 3D-Content-Erzeugung. Besonders eindrucksvoll ist die Geschwindigkeit – in Tests ist tatsächlich nach ein paar Sekunden Rechenzeit das 3D-Modell verfügbar, was gegenüber klassischen Photogrammetrie-Tools (die oft Minuten bis Stunden brauchen) ein Quantensprung ist.
Hyper3D ist eine weitere KI-Plattform, die ähnlich wie Tripo allgemeine 3D-Modelle aus Bildern und Texten generiert. Hinter Hyper3D steht das Unternehmen Deemos, das seine KI-Technologie Rodin nennt. Ein besonderes Highlight von Hyper3D ist das Modul ChatAvatar – ein spezialisierter Generator für 3D-Gesichter und -Avatare. ChatAvatar kann aus einem Porträtfoto (oder auch aus einer textuellen Beschreibung einer Person) ein hyperrealistisches 3D-Gesichtsmodell erstellen. Laut Anbieter sind diese digitalen Köpfe „produktionstauglich“ und mit PBR-Texturen versehen, also bereit für den Einsatz in Spielen, Film oder VR. Technisch basiert ChatAvatar auf aktueller Forschung, die progressive Verbesserungen des 3D-Gesichts vornimmt. Das Ergebnis ist ein animierbares 3D-Modell des Gesichts – inklusive realistischer Hautdetails, Haare und Gesichtszüge. Solche Avatare lassen sich z. B. mit Blendshape-Morphs oder per Rig animieren, um Mimik darzustellen. Hyper3D bietet hier sogar direkte Plugins für gängige Tools an: Für Daz3D, Unity, Blender, Maya, Cocos, Unreal, Omniverse und iClone gibt es Integrationen, um die erzeugten 3D-Avatare nahtlos zu übertragen.
Doch Hyper3D kann nicht nur Köpfe: Die Plattform Rodin generiert auch allgemeine 3D-Objekte aus Text oder Bild, ähnlich wie Tripo und Meshy. Ein Beispiel wäre die Eingabe „ein futuristischer Roboter“ als Textprompt – Hyper3D erzeugt daraus ein vollständiges Robotermodell. Die Benutzeroberfläche bietet Optionen wie Symmetrie-Erzwingung (etwa um bei frontalen Bildern symmetrische Modelle zu bekommen) und unterstützt ebenfalls Multi-View-Input für präzisere Ergebnisse. Die Geschwindigkeit liegt im Bereich einige Sekunden bis wenige Minuten, abhängig von Modellkomplexität. Interessant ist, dass Hyper3D sich durch fortlaufende Versionen ihres KI-Modells hervorhebt: Aktuell ist Rodin Gen-1.5 verfügbar, das signifikante Verbesserungen bei Topologie und Textur bringt (unter anderem eine Option für Quad-Meshes mit sauberer Topologie).
Hyper3D’s Geschäftsmodell beruht auf einem Credit-System. Man kann begrenzt kostenlos testen, danach sind Abos in verschiedenen Stufen erhältlich (Creator, Business etc.), die ein Kontingent an Credits pro Monat bieten. Eine innovative Idee ist das „Pay-by-Result“-Prinzip: Man darf mehrere Versuche generieren und zahlt nur für das endgültig akzeptierte Modell. So muss man keinen Credit verschwenden, wenn ein erster Durchlauf noch nicht passt – ein klarer Hinweis darauf, dass iterative Anläufe oft nötig sind. Neben ChatAvatar (Version 0.7 Beta) plant Hyper3D auch einen Service namens HyperHuman, der in Zukunft vollständige Körper und digitale Charaktere generieren soll. Schon jetzt lassen sich aber mittels Rodin + ChatAvatar auch digitale Doubles erstellen: z. B. einen Kopf via ChatAvatar generieren und diesen auf einen generischen Körper montieren.
Insgesamt zielt Hyper3D auf professionelle Anwender ab, die hochwertige, animierbare 3D-Avatare und Objekte brauchen und dafür leichte Abstriche bei der Geschwindigkeit in Kauf nehmen (etwa im Vergleich zu Tripo).
Meshy bezeichnet sich selbstbewusst als “#1 AI 3D Model Generator for Creators” und richtet sich an Game-Entwickler, 3D-Druck-Enthusiasten und XR-Creators gleichermaßen. Das Besondere an Meshy ist die Vielzahl an Funktionen unter einem Dach:
Bild-zu-3D: Aus Einzelbildern oder Konzept-Artworks lassen sich detaillierte 3D-Modelle generieren. Dabei gibt Meshy an, nur “wenige Sekunden” pro Modell zu benötigen – meist unter einer Minute.
Text-zu-3D: Wie bei den anderen kann man stattdessen auch eine textuelle Beschreibung als Input verwenden, um ein Objekt zu erzeugen.
Text-zu-Textur: Hier kann man ein bestehendes Mesh hochladen und die KI mit einem Textprompt neue Material-Texturen dafür erstellen lassen. Zum Beispiel könnte man einen untexturierten 3D-Baum hochladen und mit “bemooste, alte Eichenrinde” beschreiben – Meshy würde entsprechende Diffuse-/Normalmaps generieren. Dieses Feature ist nützlich, um retrofitting bei eigenen Modellen zu machen.
Animation: Meshy bietet eine One-Click-Rigging-Lösung für bipede oder quadrupede Figuren. Wenn man z.B. ein 3D-Modell eines Charakters generiert hat, kann das System automatisch ein Skelett einfügen und sogar einen einfachen Gehzyklus animieren. So erhält man schnell eine laufende Figur, ohne manuelles Rigging. Für Entwickler, die Prototypen bauen, ist das eine enorme Zeitersparnis.
Die Plattform überzeugt ferner mit einigen Quality-of-Life Features: PBR-Unterstützung (es werden automatisch mehrere Maps erzeugt für realistischere Darstellung), Stil-Optionen (man kann vorab festlegen, ob der Output realistisch, cartoonhaft, voxelartig, im Anime-Stil etc. sein soll), Mehrsprachige Oberfläche (Prompts können z.B. auch auf Deutsch eingegeben werden), API-Zugriff für Entwickler und Plugins (für Blender und Unity sind Plugins verfügbar, um Meshy direkt dort zu nutze). Auch an die brandneue Apple Vision Pro wird gedacht – es gibt eine VisionOS-App, um 3D-Modelle in AR zu erkunden. Beim Export zeigt sich Meshy ebenso großzügig: Neben OBJ/FBX/GLB/STL werden sogar USDZ (Apple AR-Format) und BLEND (Blender-Projektdatei) angeboten, was sehr entgegenkommend für diverse Workflows ist.
Von der Performance her hat Meshy in Community-Tests oft mit hoher Qualität gepunktet. In einem Vergleich von Reddit-Nutzern wurde z.B. ein identisches Bild durch verschiedene Generatoren gejagt – Meshy lieferte hier bereits bessere Ergebnisse als so manche Konkurrenz, kam aber in einem Fall nicht ganz an Tripo heran. Die Entwickler von Meshy betonen jedoch, dass sie ständig an Verbesserungen arbeiten und Feedback aus solchen Tests nutzen. Tatsächlich hat Meshy kürzlich einen speziellen “Hard Surface Mode” eingeführt, um klarere Topologie und Details bei technischen bzw. kantigen Objekten zu erzielen. Dieser Modus bringt laut Meshy einen “signifikanten Sprung in der Mesh-Qualität” und erzeugt wesentlich sauberere Modelle aus Fotos z.B. von Gebäuden oder Maschinen. Das zeigt, dass die Plattform die typischen Schwächen der KI-Modelle aktiv angeht.
Wie nahe kommen die automatisch generierten Modelle an handgefertigte 3D-Assets heran? Diese Frage stellt sich jedem Profi sofort. Die kurze Antwort: Erstaunlich nahe – aber mit Einschränkungen. Im besten Fall erhält man in Sekunden ein Modell, das für Prototyping, Konzeptvisualisierung oder einfache Anwendungen direkt nutzbar ist. Für High-End-Produktionen hingegen sind oft noch manuelle Nacharbeiten nötig. Hier einige typische Aspekte der Qualität:
Polygonanzahl: Die KI neigt dazu, sehr hochaufgelöste Meshes zu erzeugen. Schließlich versucht das Modell, jedes kleinste Detail des Bildes geometrisch nachzubilden. Das Resultat können Meshes mit hunderttausenden Dreiecken sein. Für Echtzeitanwendungen (Games, XR) ist das oft zu viel – eine manuelle Retopology oder Decimation ist ratsam, um das Modell „game-ready“ zu machen. Hyper3D hat dies erkannt und mit Rodin Gen-1.5 einen Schritt in Richtung automatische Topologie-Optimierung getan (Stichwort AI Quad Mesh). Trotzdem: Aktuell sind die Modelle meist nicht Low-Poly.
Topologie und Sauberkeit: Eng damit verbunden ist die Netzqualität. Generative Modelle kümmern sich wenig um schöne Edge-Loops oder Animierbarkeit; sie spucken Dreiecksgeflechte aus, die intern evtl. nicht manifold oder unlogisch aufgebaut sind. Unsaubere Topologie zeigt sich z.B. in Form von unnötig zerklüfteten Flächen, doppelt gelegten Polygonen oder wirren Dreiecken an eigentlich glatten Stellen. Für statische Objekte mag das egal sein – will man aber ein Charaktermodell riggen und animieren, stößt man schnell an Grenzen, weil die Deformation unsauberer Topologie Artefakte verursacht. Hier muss dann meist ein 3D-Artist nacharbeiten.
Texturqualität: KI-Texturen sind oft überraschend gut im Auffüllen von Details, können aber auch verwischte oder ungleichmäßige Bereiche aufweisen. Beispielsweise sind Schriftzüge oder feine Muster auf dem Originalbild für die KI schwer exakt zu rekonstruieren – sie erscheinen dann verwaschen. Auch können Belichtungseffekte des Fotos (Glanzlichter, Schatten) in die Textur „einbrennen“, da die KI diese nicht immer perfekt von tatsächlichen Farbdetails trennt. Einige Dienste empfehlen daher, möglichst gleichmäßig beleuchtete Fotos zu nutzen (z.B. ChatAvatar: “klare Porträts mit heller Ausleuchtung und ohne Schatten funktionieren am besten). Positiv ist, dass PBR-Texturen teils mitgeliefert werden – etwa Normalmaps, wodurch die Feinstruktur nicht voll ins Mesh gebacken werden muss, sondern per Bump-Mapping dargestellt wird. Meshy z.B. generiert automatisch komplette PBR-Map-Sets für realistischere Resultate. Insgesamt sind die Farbetexturen der KI-Modelle oft brauchbar als Ausgangspunkt, aber für photorealistische Ansprüche würde man sie noch in Photoshop oder Substance painter nachbessern.
Spezialfälle (Gesichter und Co.): Besonders anspruchsvoll sind menschliche Gesichter oder überhaupt organische Lebewesen. Während ein KI-Modell eines Schuhs oder Stuhls schon sehr ordentlich ausfallen kann, wirken generierte Menschen/Charaktere häufig noch etwas unheimlich oder fehlerhaft. Gesichter könnten asymmetrisch sein, Augen und Zähne wirken manchmal „verwaschen“ auf der Textur, und Haare sind ein bekanntes Problem (oft nur als grobe Masse ohne feine Strähnen dargestellt). Genau deshalb existieren spezialisierte Lösungen wie Hyper3D’s ChatAvatar, die mit eigens trainierten Modellen solche Fälle besser lösen wollen. Aber auch hier gilt: Nicht jedes generierte Gesicht überzeugt auf Anhieb für den Einsatz als animierter Hauptcharakter – für Nebenfiguren oder Hintergrund-NPCs in einer Simulation können sie jedoch durchaus reichen.
Geometrie der nicht sichtbaren Seiten: Ein Bild zeigt meistens nur eine Ansicht eines Objekts; die KI muss also die verborgenen Flächen halluzinieren. Dabei kommt es vor, dass Rückseiten oder Unterseiten sehr einfach oder falsch geraten sind – z.B. ein Fotomodell eines Sessels hat hinten plötzlich keine richtige Lehne, weil auf dem Foto nur die Front zu sehen war. Manche Tools versuchen, mit allgemeinen priors hier etwas Sinnvolles zu erzeugen (etwa symmetrisch die Rückseite analog zur Front), aber garantieren kann es keiner. Deshalb liefern mehrere Inputbilder (Rundum-Fotos) bessere Ergebnisse, oder man muss nachträglich selbst Hand anlegen, um Lücken oder Fehler in verdeckten Bereichen auszubessern.
Trotz dieser Schwächen muss man hervorheben: Die Qualität hat in kurzer Zeit riesige Fortschritte gemacht. Noch 2022 waren KI-3D-Modelle meist klumpig und extrem begrenzt; heute sehen wir teils echt beeindruckende Details und Strukturen, die man auf den ersten Blick einem handgemachten Asset gleichsetzen könnte. Für stilisierte Assets (z.B. Cartoon-Stil, Voxel-Look) funktioniert die Generierung oft besonders gut, da hier kleinere Ungenauigkeiten weniger ins Gewicht fallen oder sogar zum Charme beitragen. Aber auch realistische Objekte – etwa ein komplexer Motor oder eine Figur in Rüstung – lassen sich inzwischen von KI erstaunlich gut vorkonstruieren. Wichtig ist, die Erwartungen richtig zu managen: Ein 100% perfektes, optimiertes Produktionsmodell bekommt man (noch) nicht. Aber man spart womöglich 80% der Zeit, weil man ein grobes Grundgerüst schon von der KI erhält, das man dann nur noch optimieren muss
Wie bei KI-generierten 2D-Bildern gilt auch hier: Die Resultate können von Durchgang zu Durchgang variieren. Startet man die gleiche Anfrage zweimal, kann die KI unterschiedliche Interpretationen ausgeben – mal ist Version A gelungener, mal Version B. Faktoren wie leichte Unterschiede im Prompt oder im Bildzuschnitt können bereits Einfluss haben. Daher ist es üblich, mehrere Anläufe einzuplanen. Viele User berichten, dass sie z.B. ein Motiv mehrmals hochladen, evtl. mit etwas anderen Einstellungen, um dann das beste Ergebnis auszuwählen. Die Plattformen selbst erkennen dieses Bedürfnis: Hyper3D etwa erlaubt es, so oft neu zu generieren, bis man zufrieden ist, und berechnet erst dann einen Credit. Man könnte sagen, die Nutzung fühlt sich manchmal an wie ein Glücksspiel mit sehr hoher Gewinnchance – man würfelt so lange neue KI-Modelle, bis eines dabei ist, das die Anforderungen erfüllt. Gerade wenn man ein sehr spezifisches Objekt will, muss man eventuell den Textprompt verfeinern oder andere Referenzbilder ausprobieren, um das KI-Modell in die gewünschte Richtung zu lenken.
Zudem kann es zwischen verschiedenen Plattformen Unterschiede geben, welches Modell mit welchem Motiv besser zurechtkommt. In einem Reddit-Vergleich wurde z.B. festgestellt, dass bei einem bestimmten Bild Tripo das überzeugendste Modell lieferte, während bei einem anderen Meshy vorne lag. Es schadet also nicht, mehrere Tools zu testen – zumal alle hier vorgestellten einen kostenlosen Nutzungsumfang bieten.
Insgesamt sollte man sich bewusst sein, dass Generative AI immer ein Stück weit Experiment bedeutet. Die Modelle sind probabilistisch – das heißt, es gibt nicht die eine richtige Lösung, sondern eine Bandbreite an möglichen 3D-Ausgaben zu einem gegebenen Input. Diese Varianz kann frustrierend sein, wenn man es eilig hat, ist aber auch Teil des kreativen Potenzials: Man erhält vielleicht unerwartet eine Variante, die neue Ideen weckt. Wichtig ist, genügend Zeit für Iterationen einzuplanen, anstatt blind dem ersten Output zu vertrauen.
Die Fähigkeit, aus 2D-Bildern per KI vollwertige 3D-Modelle zu erzeugen, steht erst am Anfang, revolutioniert aber schon jetzt die Content-Erstellung. Für Fachleute im XR- und 3D-Bereich bieten Tools wie Tripo, Hyper3D und Meshy einen spannenden Produktivitätsschub – Routineaufgaben der Modellierung können beschleunigt werden, erste Entwürfe entstehen in Minuten statt Tagen. Besonders in frühen Konzeptphasen oder für Prototypen in VR/AR-Anwendungen sind die generativen 3D-Modelle Gold wert. Statt aufwändig selber zu modellieren oder auf vorgefertigte Assets zurückzugreifen, lässt sich schnell etwas Passendes generieren und austauschen, bis es stimmig ist. Auch Nicht-Experten erhalten so Zugang zur 3D-Welt: Ein UX-Designer kann z.B. seinen Sketch eines Objekts von der KI in 3D übersetzen lassen, ohne selber 3D-Software bedienen zu können.
Gleichzeitig muss man realistisch bleiben: Produktionsreife im Sinne von Plug-and-Play für finale Projekte ist noch nicht erreicht. Wer höchste Qualität oder optimierte Performance braucht, kommt um manuelles Nacharbeiten derzeit kaum herum. Die KI dient als Assistent, nicht als vollständiger Ersatz eines 3D-Artists. Aber wie bei KI-Bildgeneratoren sehen wir einen schnellen Fortschritt. Jährlich (wenn nicht quartalsweise) erscheinen Updates, die Auflösung, Topologie und Materialtreue verbessern. Es ist absehbar, dass in ein paar Jahren viele der heutigen Schwächen deutlich gemindert sein werden – ähnlich wie frühe Digitalfotos einst pixelig und farbarm waren und heute hochauflösend und klar sind.
Unterm Strich ziehen wir eine vorsichtig optimistische Bilanz: Die vorgestellten Plattformen Tripo, Hyper3D/ChatAvatar und Meshy zeigen, was bereits möglich ist, und ebnen den Weg für eine neue Art der 3D-Content-Creation. Für die XR-Branche, die einen immensen Hunger an 3D-Inhalten hat, ist das ein potenzieller Game Changer. Noch ist die Technik nicht perfekt und manchmal launisch in den Ergebnissen – aber die Richtung stimmt. Es lohnt sich, diese Entwicklungen im Auge zu behalten und schon jetzt experimentell in Projekte einzubinden. Die Zukunft der 3D-Erstellung ist KI-gestützt, und wir stehen erst am Anfang dieser aufregenden Reise.
Sie sind interessierst in die Entwicklung einer Virtual Reality oder 360° Anwendung? Sie haben vielleicht noch Fragen zum Budget und Umsetzung. Melden sie sich gerne bei mir.
Ich freue mich auf Sie
Clarence Dadson CEO Design4real
