Foto ohne Qualitätsverlust vergrößern

So vergrößern Sie ein Foto

Ein Foto mit KI zu vergrößern erfolgt in drei Schritten. Keine Software zu installieren, kein Konto zu erstellen — der gesamte Prozess läuft in Ihrem Browser.

1. Laden Sie Ihr Foto hoch. Ziehen Sie Ihr Bild per Drag-and-Drop in den Upscaler oben oder tippen Sie auf „Bild auswählen“, um eine Datei von Ihrem Gerät auszuwählen. Das Tool akzeptiert JPG, PNG, WebP, BMP und TIFF bis 20 MB. Bilder mit einer längeren Seite über 1.500 px werden zunächst auf 1.500 px verkleinert.
2. Wählen Sie Skalierung und Qualität. Wählen Sie eine 2x- oder 4x-Vergrößerung. Eine 2x-Skalierung verdoppelt jede Seite (ein Bild mit 1000×750 wird zu 2000×1500). Eine 4x-Skalierung vervierfacht sie (auf 4000×3000). Wählen Sie dann den Modus Schnell (2x oder 4x) für zügige Ergebnisse oder den Modus Qualität für maximale Details. Qualität vergrößert immer 4x und verwendet ein größeres neuronales Netz, das bei Haaren, Haut, Stoff und natürlichen Texturen ein schärferes Ergebnis liefert.
3. Laden Sie das vergrößerte Foto herunter. Die Verarbeitungszeit hängt vom Modell und von der Bildgröße ab. Danach erhalten Sie einen direkten Vergleich von Original und vergrößerter Version. Klicken Sie auf „Herunterladen“, um das Ergebnis in voller Auflösung auf Ihrem Gerät zu speichern.

Warum normales Vergrößern scheitert

Jedes digitale Foto ist ein Raster aus Pixeln. Wenn Sie ein Bild in einem Standard-Fotoeditor vergrößern, muss die Software neue Pixel erzeugen, die im Original nicht existierten. Traditionelle Algorithmen lösen das, indem sie die Werte benachbarter Pixel mitteln — und genau deshalb sieht das Ergebnis schlecht aus.

Nächste-Nachbar-Interpolation ist der einfachste Ansatz: Jeder neue Pixel übernimmt den Wert des nächstgelegenen Original-Pixels. Das Ergebnis ist ein klotziges Treppenmuster-Bild, in dem man die einzelnen Pixelquadrate sieht. Das ist die klassische „Pixelierung", die man beim Hineinzoomen in ein kleines Bild erhält.

Bilineare und bicubic-Interpolation sind intelligenter. Sie berechnen gewichtete Mittelwerte von 4 oder 16 umgebenden Pixeln, um weichere Übergänge zu erzeugen. Der pixelige Treppeneffekt verschwindet, wird aber durch etwas wohl Schlimmeres ersetzt: gleichmäßige Weichzeichnung. Jede Kante im Bild wird unscharf. Haare werden zu einem glatten Schmieren. Text wird zu unlesbarem Matsch. Stoff verliert sein Webmuster. Das Foto sieht aus, als wäre es durch ein schmutziges Fenster aufgenommen.

Das grundlegende Problem ist, dass Mittelwertbildung keine Information erzeugen kann. Wenn Sie ein Bild von 1000 auf 2000 Pixel Breite verdoppeln, sind 75 % der Pixel in der Ausgabe erfunden. Mittelwertbildung liefert die mathematisch sicherste Schätzung für jeden neuen Pixel, aber „sicherste Schätzung" bedeutet „verschwommene Mitte" — nie eine scharfe Kante, nie eine knackige Textur, nie ein klares Detail. Das „Zoom und Verbessern"-Klischee aus Krimiserien war jahrzehntelang reine Science-Fiction, weil echte Software kein Detail erzeugen konnte, das der Kamerasensor nie aufgenommen hatte.

Das änderte sich mit Deep Learning. Neuronale Netze, die mit Paaren aus scharfen und verschlechterten Bildern trainiert wurden, lernten vorherzusagen, wie scharfe Details bei einem niedrig aufgelösten Eingangsbild aussehen müssten — und machten aus Science-Fiction ein praktisches Werkzeug.

Wie KI Fotos anders vergrößert

Unser Vergrößerer nutzt Real-ESRGAN (Enhanced Super-Resolution Generative Adversarial Network), eine Architektur eines neuronalen Netzes, die speziell für reales Bild-Upscaling entwickelt wurde. Im Gegensatz zu traditioneller Interpolation, die jeden Pixel unabhängig behandelt, verarbeitet Real-ESRGAN das gesamte Bild durch Dutzende von Faltungsschichten, die die Beziehung zwischen Bildmerkmalen auf verschiedenen Skalen verstehen.

Beim Training wurden dem Netz Bildpaare vorgelegt: ein hochauflösendes Original und eine verschlechterte, niedrig aufgelöste Kopie davon. Das Netz lernte, aus der niedrig aufgelösten Eingabe die hochauflösende Ausgabe vorherzusagen — nicht durch Auswendiglernen bestimmter Bilder, sondern durch das Erlernen allgemeiner Muster. Es lernte, wie scharfe Haare aussehen, wenn es unscharfe Haare sieht. Wie klarer Text aussieht, wenn es verschmierten Text sieht. Wie detaillierte Ziegelmauern aussehen, wenn es nur glatte Farbflecken sieht.

Wenn Sie ein Foto hochladen, führt die KI mehrere Operationen gleichzeitig aus:

• Mustererkennung. Das Netz identifiziert Strukturen im Bild — Kanten, Texturen, glatte Farbverläufe, wiederholende Muster — und klassifiziert sie intern. Ein Bereich grüner Unschärfe nahe brauner Linien wird als Gras und Zweige erkannt. Ein rosa Fleck mit dunklen Punkten wird als Haut mit Poren identifiziert.
• Detailsynthese. Auf Basis dieser erkannten Muster generiert die KI neue Pixel, die plausibles, realistisches Detail enthalten. Anstatt zwei grüne Pixel zu einem unscharfen dritten zu mitteln, erzeugt sie Grashalme mit einzelnen Kanten und Schattenvariationen. Anstatt ein Gesicht zu verwischen, erzeugt sie Hauttextur mit natürlichen Porenmustern und subtilen Tonvariationen.
• Kantenschärfung. Das Netz erzeugt tatsächlich scharfe Kanten dort, wo das Originalbild sie hatte, anstatt die künstlichen Halos zu erzeugen, die traditionelles Schärfen produziert. Die Grenze zwischen einem Motiv und seinem Hintergrund bleibt knackig und natürlich.
• Artefaktunterdrückung. JPEG-Kompressionsblöcke, Farbbanding und Rauschen aus dem Originalbild werden während des Vergrößerungsprozesses bereinigt. Die KI unterscheidet echte Bildmerkmale von Kompressionsschäden, sodass die vergrößerte Ausgabe oft sauberer ist als das Original, nicht nur größer.

Das Ergebnis ist ein vergrößertes Foto, das aussieht, als wäre es mit einer höher auflösenden Kamera aufgenommen worden, und nicht wie ein Bild, das durch eine mathematische Formel gestreckt und weichgezeichnet wurde. Wenn das Foto zusätzlich komprimiert oder verrauscht ist, erfahren Sie hier, wie Sie die Bildqualität mit KI verbessern.

Vergrößerung nach Anwendungsfall

Unterschiedliche Situationen erfordern unterschiedliche Vergrößerungsstrategien. Hier sind die häufigsten Szenarien und die empfohlenen Einstellungen für jedes.

Dateigröße nach der Vergrößerung

Das Vergrößern eines Bildes erhöht die Anzahl der Pixel dramatisch, was direkt die Dateigröße beeinflusst. Diese Beziehung zu verstehen hilft Ihnen, Speicherplatz, Upload-Grenzen und Download-Zeiten zu planen.

Wenn Sie ein Foto 2x vergrößern, verdoppelt sich jede Dimension: Ein Bild mit 1000×750 wird zu 2000×1500. Das sind 4-mal so viele Pixel (von 750.000 auf 3.000.000). Wenn Sie 4x vergrößern, vervierfacht sich jede Dimension und erzeugt 16-mal so viele Pixel (von 750.000 auf 12.000.000).

Die Dateigröße skaliert nicht linear mit der Pixelanzahl, weil Kompressionsalgorithmen bei größeren Bildern effizienter arbeiten. Aber die Zunahme ist dennoch erheblich:

• Die Ausgabe ist ein PNG. PNG ist verlustfrei, daher ist die vergrößerte Datei meist um ein Mehrfaches größer als ein JPG mit denselben Abmessungen.
• Die Größe wächst mit der Pixelzahl. Ein 2x-Ergebnis enthält 4-mal und ein 4x-Ergebnis 16-mal so viele Pixel, und die Dateigröße steigt ungefähr im selben Maß.
• Auch die Details spielen eine Rolle. Unruhige Motive (Blattwerk, Menschenmengen, Stoff) lassen sich schlechter komprimieren als Himmel und einfarbige Hintergründe.

Wenn die vergrößerte Datei für Ihre Zwecke zu groß ist, haben Sie mehrere Möglichkeiten. Prüfen Sie erstens, ob 2x statt 4x ausreicht — die Datei wird dann etwa 4-mal kleiner. Konvertieren Sie zweitens ein PNG in JPG, um die Größe deutlich zu verringern. Schneiden Sie drittens das Bild vor dem Vergrößern auf den benötigten Bereich zu, was sowohl die Verarbeitungszeit als auch die Ausgabegröße reduziert. Wenn Sie das Ergebnis als JPG speichern, erfahren Sie hier, wie Sie die JPEG-Dateigröße ohne Qualitätsverlust verringern.

So vergrößern Sie ein Foto in Photoshop, in der Vorschau und auf dem Handy

Photoshop

1. Öffnen Sie Bild → Bildgröße.
2. Aktivieren Sie Neu berechnen und wählen Sie Details erhalten 2.0.
3. Geben Sie die neue Breite in Pixeln oder Prozent ein und klicken Sie auf OK. Für Fotos verdoppelt Verbessern → Superauflösung in Camera Raw Breite und Höhe mit KI.

Vorschau auf dem Mac

Öffnen Sie Werkzeuge → Größenkorrektur, geben Sie eine größere Breite ein und lassen Sie „Proportional skalieren“ aktiviert. Die Vorschau interpoliert, daher wirken starke Vergrößerungen weich.

iPhone und Android

Die integrierten Foto-Apps können zuschneiden und verkleinern, aber nicht vergrößern. Öffnen Sie diese Seite im Browser Ihres Smartphones, laden Sie das Foto hoch und laden Sie das vergrößerte PNG herunter.