Klassisches Resampling ist nicht KI-Upscaling

Klassisches Resampling — Lanczos, Bicubic, Bilinear — interpoliert vorhandene Pixel und erzeugt keine neuen Details. Wer ein 200 × 200-Pixel-Bild auf 1000 × 1000 hochrechnet, bekommt ein matschiges Bild. Mehr dazu in unserer Skalier-Anleitung.

KI-Upscaling tut etwas anderes: ein neuronales Netz wurde auf Millionen Paaren „klein/groß" trainiert und hat gelernt, was wahrscheinliche Details auf der höheren Auflösung wären. Das Resultat ist halluziniertes Detail — das im Original-Pixel-Raster nicht steckt, aber statistisch plausibel ist.

Die Modelle 2026

  • Real-ESRGAN (2021, weiterentwickelt 2024): Open-Source-Standard. Funktioniert browser-lokal via ONNX, Speed mit WebGPU akzeptabel. Beste Allgemein- Qualität für Foto-Inhalte.
  • ESRGAN-Anime / waifu2x: spezialisiert auf Anime, Manga, Pixel-Art. Hervorragend bei Strich-Inhalten, scheitert bei realen Fotos.
  • Topaz Gigapixel AI: kommerziell, 99 € einmalig. Beste verfügbare Qualität für Foto-Restauration. Lokal, GPU-beschleunigt.
  • BSRGAN (Microsoft Research, 2021): Open-Source-Alternative zu Real-ESRGAN mit anderer Trainings-Pipeline. Bei Texten oft besser, bei Fotos vergleichbar.
  • SUPIR (2024): generative Variante, die mit Diffusion-Modellen arbeitet. Beeindruckend, aber neigt zu Halluzinationen — ein Gesicht kann eine andere Person werden.

Wann KI-Upscaling die richtige Wahl ist

  • Foto-Restauration alter Aufnahmen. Familienfotos aus den 80ern, die ursprünglich mit niedriger Auflösung gescannt wurden. Real-ESRGAN oder Gigapixel liefern oft beeindruckende Resultate.
  • Web-Bild-Upgrades für Retina. Bestehende Web-Assets, die ursprünglich für 96-dpi-Displays gedacht waren, auf Retina-Qualität bringen — wenn das Original nicht mehr verfügbar ist.
  • Anime-/Manga-Vergrößerung. waifu2x schlägt jedes klassische Resampling.
  • Stock-Foto-Upgrades. Ein gekauftes Stock-Foto in 800 × 600 ist für eine Druck-Anzeige zu klein; Gigapixel rettet es.

Wann KI-Upscaling die falsche Wahl ist

  • Forensische Identifikation. KI-Upscaling halluziniert — das entstehende Gesicht ist nicht das des Originals. Strafverfolgung darf die Ergebnisse nicht nutzen.
  • Dokumente und Schrift in nicht-trainierten Schriften. Real-ESRGAN wurde primär auf Foto-Daten trainiert. Bei seltenen Schriften (kursiv, asiatisch, handgeschrieben) entstehen Pseudo-Zeichen.
  • Bilder mit feinen Mustern (Stoff, Holz, Marmor). Wo klassisches Bilinear einfach weichgespült, halluziniert Real-ESRGAN sichtbar falsche Muster.
  • Bei extremer Vergrößerung (10×+). Die meisten Modelle sind für 2×–4× trainiert. Bei 10× wird das Resultat zunehmend „surreal".

Browser-lokales Upscaling 2026

Real-ESRGAN läuft 2026 zuverlässig browser-lokal via onnxruntime-webund WebGPU. Performance:

  • 500 × 500 → 2000 × 2000: ~3 Sekunden auf M2 mit WebGPU.
  • 1000 × 1000 → 4000 × 4000: ~15 Sekunden.
  • 2000 × 2000 → 8000 × 8000: oft >1 Minute, Memory wird kritisch.

Browser-lokales Upscaling hat zwei strategische Vorteile: Datenschutz(siehe unseren Background-Removal-Beitrag) und kein Subscription-Lock-in. Modell-Größen 50–200 MB werden beim ersten Besuch heruntergeladen und gecacht.

Hybrid-Workflow: KI + klassisches Sharpening

Profi-Tipp: KI-Upscaling produziert manchmal weiche Resultate. Nach dem Upscaling ein klassisches Unscharfmaskierungs-Pass (Photoshop, Lightroom) liefert oft das beste Endergebnis. Real-ESRGAN selbst hat „GAN"-Varianten (mit zusätzlichem Sharpening), aber das verstärkt auch Artefakte. Bessere Praxis: konservatives Real-ESRGAN + manuelle Schärfung mit Kontrolle über Stärke und Radius.

Vergleich zu Lanczos

Für Web-Auslieferung im 2×–3×-Bereich auf hochwertige Foto-Inhalte liefert Real-ESRGAN messbar bessere Resultate als Lanczos. Für UI-Sprites und Pixel-Art ist Lanczos dagegen oft die richtige Wahl — KI-Modelle interpretieren Pixel-Linien als zu glättende Kanten.

Entscheidungs-Regel:

  • Foto-Inhalt, 2×–4×: Real-ESRGAN.
  • UI-Icon, Pixel-Art, 2×–4×: Lanczos.
  • Logo (Vektor verfügbar): niemals upscalen — SVG nutzen.
  • Anime, Manga: waifu2x.
  • Bei extremer Vergrößerung (4×+): Topaz Gigapixel oder SUPIR mit Vorsicht.

Datei-Größen-Implikationen

Wer ein Bild upscaled, bekommt eine größere Datei. Ein 4000 × 4000-AVIF ist bei gleicher Qualität typisch 6–10× größer als ein 1000 × 1000-AVIF. Das macht Upscaling im Web nur sinnvoll, wenn die höhere Auflösung sichtbar einen Mehrwert bringt — etwa Retina-Anzeige oder Druck-Vorbereitung. Mehr zu Format-Optimierung in unserem AVIF-vs.-WebP-vs.-JPEG-XL-Beitrag.

Ehrliche Limitationen 2026

KI-Upscaling ist 2026 erstaunlich gut — aber kein Wundermittel. Ein zu stark komprimiertes JPG (Qualität 30) lässt sich auch mit Real-ESRGAN nicht in „Original- Qualität" zurückführen. Die Block-Artefakte werden teils kaschiert, aber das Bild wird nie das vom Original-RAW erzielbare Resultat erreichen.

Wer ein wertvolles Foto in der bestmöglichen Qualität haben will: Original-RAW aufbewahren, daraus nach Bedarf neu in höhere Auflösung exportieren. KI-Upscaling ist eine Rettung, kein Ersatz für ordentliche Archivierung.

Tooling-Empfehlung 2026

  • Einmalig, alles Foto: Topaz Gigapixel (99 €, lokal).
  • Open-Source, Foto: Real-ESRGAN via chaiNNer (GUI) oder Kommandozeile.
  • Browser-lokal, ohne Installation: Real-ESRGAN-Web-Apps mit onnxruntime-web.
  • Anime und Pixel-Art: waifu2x.
  • Massen-Pipeline: Real-ESRGAN-Docker in der CI/CD.

Quellen

Real-ESRGAN auf GitHub · Topaz Gigapixel AI · BSRGAN · waifu2x · SUPIR · chaiNNer (GUI) · ONNX Runtime Web · Real-ESRGAN Paper (arXiv).