KI-Workflow für wissenschaftliches Zeichnen: vom Whiteboard-Foto zur Paper-Abbildung
Vom Sketch zum editierbaren Vektorbild: ein KI-Workflow für Forschungsabbildungen, ohne die Wissenschaft auf dem Weg zu verlieren.
Sonntagabend vor der Figur-Deadline. Dein:e Betreuer:in hat das Modell während eines 30-minütigen Meetings ans Whiteboard gemalt, du hast ein Handyfoto gemacht. Das Foto ist unscharf, zwei Pfeile könnten in beide Richtungen zeigen, und ob die Schleife oben Feedback oder Abbau bedeuten sollte — keine Ahnung. Entweder du rätst und riskierst eine falsche Abbildung, oder du schreibst eine Mail und verlierst die Nacht.
Ein KI-Workflow für wissenschaftliches Zeichnen ersetzt nicht das saubere Mitschreiben. Aber er nimmt dir das Neuzeichnen ab — kein Pixelschubsen mehr in Illustrator um 23 Uhr. Diese Anleitung ist der Workflow, den Forschende wirklich nutzen: Foto oder Sketch rein, strukturierter Prompt in der Mitte, editierbares SVG raus.
KI-Output als finale Figur behandeln. Das Modell liefert ein poliertes Bild, das aussieht wie fertig; die wissenschaftlichen Beziehungen darin verantwortest weiter du. Immer als SVG exportieren, damit Labels und Pfeile editierbar bleiben.
Weitere Beiträge
Erstellen Sie Ihre wissenschaftlichen Abbildungen mit KI
Tausende Forschende nutzen SciDraw AI, um in Minuten publikationsreife Abbildungen für Paper, Anträge und Journaleinreichungen zu erstellen – ganz ohne Designkenntnisse.
Ein Handyfoto ohne Beschreibung füttern. Image-to-image-Modelle malen, was sie sehen, und das heißt meist: sie erfinden Verbindungen, die wie verschwommene Pixel aussehen. Die Wissenschaft muss in Worten neben dem Foto stehen.
"Mach es wie eine Nature-Figur." Das liefert Dekoration, keine Klarheit. Erst die strukturellen Beziehungen festlegen.
Den Verifikationsschritt überspringen. KI-Figuren erfinden regelmäßig Labels und Komponenten, die nie im Sketch waren. Vor dem Export immer mit dem Original abgleichen.
Echtes Vorher/Nachher auf einem Whiteboard-Foto einer Kinase-Kaskade:
Zu kurz — produziert einen stilisierten, aber nicht verifizierbaren Cartoon:
Turn this whiteboard photo into a clean scientific figure.
Strukturiert — produziert eine editierbare Figur, der du trauen kannst:
Convert the attached whiteboard photo into a clean schematic of a kinase signaling cascade.The sequence is: extracellular ligand → membrane receptor → MAPKKK → MAPKK → MAPK → nuclear transcription factor → target gene.Use right-arrows for phosphorylation steps, dashed arrows for translocation across the nuclear membrane, and a separate panel for the inhibitor (small molecule blocking MAPKK).Preserve the exact node names from the photo: do not invent additional proteins or substrates.Style: clean vector schematic, white background, room for editable labels, no 3D rendering.Output as a layered SVG so I can correct labels in Illustrator.
Der strukturierte Prompt leistet zwei Dinge, die der kurze nicht kann: er nennt jeden Knoten (Modell kann keine erfinden) und er definiert jede Pfeilart (Modell kann nicht raten).
Hinweis: Prompts bleiben auf Englisch. Aktuelle Bildmodelle reagieren am stabilsten auf englische Tokens. Text auf Deutsch, Prompt auf Englisch ist in der Wissenschaftscommunity Standard.
Alles in der rechten Spalte gehört in den Prompt, auch wenn es im Foto steht. Modelle lesen wissenschaftliche Strukturen aus unscharfen Sketches nicht zuverlässig.
Das Beispiel zeigt die drei Stufen explizit: roher Sketch, KI-Entwurf, editierbare Figur. Inhaltlich bleibt die Wissenschaft gleich; die visuelle Grammatik wird auf jeder Stufe klarer. Der KI-Entwurf ist nicht das Endprodukt — die editierbare Schicht ist es.
Convert the attached whiteboard photo into a clean scientific schematic of [topic].The components are: [list every node visible in the photo, in order].The connections are: [for each arrow, state source → target and what it means (activation, inhibition, translocation, conversion, transport)].Preserve exact labels from the photo: do not invent additional components.Style: clean vector schematic, white background, editable labels, no 3D rendering.Output as a layered SVG.
Create a methods figure from the following protocol notes: [paste protocol].Group steps into four blocks: [sample preparation], [treatment], [measurement], and [analysis].Use a horizontal workflow with numbered steps. Keep labels short enough to fit a single-column methods figure.Show the instrument or assay icon at the measurement step; use a simple bar chart or table icon at the analysis step (no real numbers).Do not invent missing protocol steps. If a step is unclear in the notes, leave it as a labeled placeholder I can fill in later.
Draw a conceptual scientific figure explaining [idea or hypothesis].Components to show: [main actor], [process they undergo], [output or readout], and [feedback or downstream effect].This is for a [grant panel / department seminar / public talk]. Keep labels readable from 2 meters away.Use schematic style, not photorealism. No real data values. No journal logos.
Use the attached figure from a published paper as a layout reference only.Recreate the structure for our own study on [topic]: keep the panel arrangement and arrow style, but replace [their component] with [our component], and update labels to: [list of labels].Do not copy the exact illustrations. The output must be original and not infringe the source figure.Style: editable vector, consistent with our previous figures.
Doktorand:in im ersten Jahr: Start mit Vorlage 2 (Methods aus Notizen). Dein Labornotizbuch ist bereits ein strukturierter Prompt — nur umformatieren.
PI beim Reviewen einer Studierendenfigur: Sketch und KI-Entwurf und editierbares SVG verlangen. Hat die Person nur den KI-Entwurf, wurde die Verifikation übersprungen.
Postdoc bei der Talk-Vorbereitung: Vorlage 3. Eine Konzeptfigur für einen 10-Minuten-Talk hat höchstens 4 Komponenten auf der Folie.
Lab-Manager:in oder PI mit Whiteboard-Kultur: Whiteboard am Meeting-Ende fotografieren und in derselben Woche mit Vorlage 1 verarbeiten. Je länger du wartest, desto mehr Interpretationsdrift schleicht sich in die Figur.
Sauber erfassen. Handyfoto des Sketches oder Whiteboards, gut beleuchtet, alle Komponenten sichtbar. Nicht croppen, bevor die KI das ganze Bild gesehen hat.
Prompt parallel zum Bild schreiben. Notes-Datei öffnen, jeden Knoten und jeden Pfeil auflisten. Das zwingt dich, die Wissenschaft vor dem Modell zu verifizieren.
Eine strukturierte Variante zuerst generieren. Mit dem Prompt vergleichen — nicht mit deinem Geschmack. Hat das Modell jeden Knoten erhalten? Zeigt jeder Pfeil in die richtige Richtung?
Prompt iterieren, nicht das Bild. Wenn die Figur falsch ist, fix den Prompt. Re-Generation mit demselben falschen Prompt ist Credit-Verschwendung.
In SVG exportieren und Labels editieren. Wenn das Modell nur Raster liefert: vectorize image. Finale Label-Edits in Illustrator, Inkscape, PowerPoint.
Mit der Quelle abgleichen. Original-Sketch und finale Figur nebeneinander. Jeder Knoten, jeder Pfeil muss übereinstimmen.
Nein. Der Sketch darf ein Handyfoto einer Marker-Zeichnung sein. Wichtig ist, dass du jede Komponente und jeden Pfeil verstehst. Aus deiner eigenen Mehrdeutigkeit kann die KI dich nicht retten.
Exakte Molekülstrukturen, klinische Aussagen, quantitative Werte, fachspezifische Symbole (griechische Buchstaben in der Mathematik, IUPAC-Strukturen in der Chemie, anatomische Landmarken in der Medizin). Immer manuell prüfen.
Output gegen Quelle diffen. Jeden Knoten und jeden Pfeil im KI-Output durchgehen und nachweisen, dass er aus Sketch oder Prompt stammt. Alles andere ist Halluzination.
Für den Entwurf ja, nie als finale Version. Klinische Figuren müssen vor Veröffentlichung oder Patient:innenverteilung von Kliniker:innen oder qualifizierten Medical Illustrators reviewed werden. Die KI ist ein Sketch-Tool, keine klinische Autorität.
Negative Constraint in den Prompt: "Do not include any components other than the ones listed above." Modelle respektieren explizite negative Constraints besser als implizite Minimalismus-Wünsche.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
