Bildhintergrund entfernen: 7 Tools getestet (Kostenlos, ohne Anmeldung, Browser-basiert)

Wie KI-Hintergrundentfernung tatsachlich funktioniert

Hintergrundentfernung ist eines dieser Probleme, das einfach aussieht, bis man es automatisieren will. Ein Mensch kann einen Blick auf ein Foto werfen und sofort wissen, was Vordergrund und was Hintergrund ist. Fur einen Computer ist jedes Pixel nur eine Zahl — Rot-, Grun-, Blau-Intensitaten ohne semantische Bedeutung.

Der Durchbruch kam mit Convolutional Neural Networks (CNNs), die auf enormen Datensatzen von Bildern mit ihren Ground-Truth-Masken trainiert wurden. Diese Netzwerke lernen, Muster zu erkennen: Kanten, Texturen, Farbverlaufe und — entscheidend — den Kontext, der dem Modell sagt, dass eine unscharfe Form hinter einer Person Hintergrund ist, nicht Teil von ihr.

Moderne Hintergrundentfernungsmodelle verwenden Architekturen wie U²-Net, IS-Net und MODNet. Dies sind Segmentierungsmodelle: fur jedes Pixel im Eingabebild sagen sie eine Wahrscheinlichkeit zwischen 0 (definitiv Hintergrund) und 1 (definitiv Vordergrund) voraus. Das Ergebnis ist eine Graustufenmaske, die auf das Originalbild angewendet wird.

Was diese Modelle zu einem Sprung nach vorn machte, war ihre Fahigkeit, Dinge zu verarbeiten, mit denen altere Algorithmen nicht klarkamen:

• Haare: Traditionelles Chroma-Key (Greenscreen) versagt bei Haaren, weil einzelne Strähnen mit dem Hintergrund verschmelzen. CNNs, die auf Haardatensatzen trainiert wurden, können strähnengenaue Masken vorhersagen.
• Fell: Gleiches Problem wie bei Haaren, aber schlimmer — Fell hat tausende einzelner Grenzpixel. Das Modell benötigt hochauflösende Feature-Maps, um ein "rasiertes" Aussehen zu vermeiden.
• Transparente Objekte: Glas, Wasser und Kunststoff haben keine feste Farbe oder Textur. Das Modell muss die Form aus Reflexionen, Brechungen und Kanten-Highlights ableiten — etwas, das CNNs können, aber weniger zuverlässig als bei festen Objekten.

Alle browserbasierten Tools (einschlieslich unserem auf iluv.tools) führen diese Modelle lokal über WebAssembly oder WebGL aus. Die Modelldatei (typischerweise 5-15 MB) wird einmal heruntergeladen und im Browser zwischengespeichert. Jede weitere Entfernung läuft vollständig auf dem Gerät des Benutzers — keine Bilddaten verlassen jemals seinen Rechner. Cloud-Tools führen größere Modelle auf GPU-Servern aus und geben das Ergebnis über HTTP zurück.

Testmethodik — 50 Bilder, 6 Kategorien

Wir haben 50 Testbilder aus lizenzfreien Sammlungen (Unsplash, Pexels) und eigener Fotografie bezogen. Jedes Bild wurde mit allen 7 Tools mit Standardeinstellungen verarbeitet. Keine manuelle Nachbearbeitung, keine Kanten-Pinsel-Retusche, kein "Haare verfeinern"-Durchgang. Dies misst, was das Tool out of the box leistet — denn das ist, was die meisten Benutzer verwenden werden.

Kategorieübersicht:

Jedes Ergebnis wurde von drei Bewertern unabhängig auf einer Skala von 1-5 bewertet und dann gemittelt. Kriterien für jede Bewertung:

• 5,0 — Perfekt oder nahezu perfekt. Keine sichtbaren Artefakte. Saubere Kanten.
• 4,0-4,9 — Hervorragend. Minimale Probleme nur bei 200% Zoom sichtbar.
• 3,0-3,9 — Gut. Einige Kantenunschärfen oder kleine übersehene Bereiche. Für die meisten Zwecke nutzbar.
• 2,0-2,9 — Befriedigend. Deutliche Artefakte, fehlende Teile oder raue Kanten. Manuelle Nachbearbeitung nötig.
• 1,0-1,9 — Schwach. Erhebliche Fehler. Ohne größere manuelle Korrektur nicht zu gebrauchen.

Die 7 getesteten Tools

Ergebnisse: Bewertungen nach Kategorie im Vergleich

Jede Zelle zeigt die durchschnittliche Bewertung über alle Bilder dieser Kategorie. Fett markiert ist die beste Bewertung in dieser Zeile.

Remove.bg hat jede Kategorie gewonnen — nicht überraschend, da es eine dedizierte Hintergrundentfernungs-API ist, die ein großes proprietäres Modell auf GPU-Infrastruktur ausführt. Es ist aus gutem Grund der Maßstab. Allerdings macht die Preisgestaltung (nur einmal kostenlos, dann kostenpflichtig) es für den regelmäßigen Gebrauch unpraktisch.

Adobe Express und Canva Pro teilten sich je nach Kategorie den zweiten Platz. Beide profitieren von großen Trainingsdatensätzen und serverbasierter Rechenleistung. Adobes Modell verarbeitete Kanten mit geringem Kontrast geringfügig besser als Canva.

iluv.tools (browserbasiert) landete im Mittelfeld — hinter den kostenpflichtigen Cloud-Diensten, aber vor den Freemium-Diensten (Erase.bg, Removal.ai). Bei Produktfotos und Porträts mit moderater Haarkomplexität lag das Browser-Modell innerhalb von 0,3-0,5 Punkten von Remove.bg. Die Lücke wird bei Fell- und Torturtest-Bildern größer, wo die höhere Parameteranzahl der Cloud-Modelle einen sichtbaren Unterschied macht.

Geschwindigkeitsvergleich

Die Geschwindigkeit wurde auf einem 2023 MacBook Pro (M2 Pro, 32 GB RAM) für Browser-Tools und auf demselben Rechner mit Chrome für Uploads zu Cloud-APIs gemessen. Netzwerk: 200 Mbit/s Glasfaser.

Wichtig: Die Geschwindigkeit pro Bild ist bei Stapelverarbeitung irreführend. Cloud-Tools verarbeiten Bilder nacheinander (Upload → warten → Download → nächster). Browser-Tools verarbeiten sie parallel — jedes Bild läuft als eigenständige WebAssembly-Instanz. Bei einem Stapel von 20 Bildern benötigt iluv.tools etwa die gleiche Zeit wie für ein einzelnes Bild (Modell bleibt geladen, Bilder werden in die Warteschlange gestellt). Cloud-Tools benötigen das 20-fache der Zeit pro Bild.

Datenschutzanalyse: Browser vs. Cloud

Dies ist das wichtigste Unterscheidungsmerkmal — und das, das die meisten Vergleichsartikel übergehen.

Wir haben die Datenschutzrichtlinien jedes Cloud-Tools überprüft:

• Remove.bg — Bilder werden "innerhalb von 24 Stunden" automatisch gelöscht. Werden zur "Verbesserung unserer Modelle" verwendet, es sei denn, Sie widersprechen. DSGVO-konform mit Auftragsverarbeitungsvertrag für Geschäftskonten verfügbar.
• Adobe Express — Adobes Bedingungen beanspruchen das Recht, hochgeladene Inhalte "zur Verbesserung von Adobe-Produkten und -Dienstleistungen" zu verwenden. Widerspruch möglich über das Adobe-Datenschutzcenter. Inhalte können von Menschen zu Sicherheits-/Moderationszwecken überprüft werden.
• Photoroom — Behält Bilder für 30 Tage. "Kann anonymisierte Daten für Forschungszwecke weitergeben." Bilder der kostenlosen Stufe sind mit Wasserzeichen versehen, was manche als Datenleck betrachten (das Wasserzeichen enthält Metadaten zu Ihrem Konto).
• Erase.bg — Behauptet automatische Löschung nach der Verarbeitung. Die Datenschutzrichtlinie ist vage bezüglich der Verwendung für Modelltraining.
• Removal.ai — Behält Bilder für "bis zu 7 Tage". Die Datenschutzrichtlinie erlaubt die Verwendung zur "Serviceverbesserung".
• Canva — Canvas Datenschutzrichtlinie behandelt hochgeladene Inhalte als Teil Ihrer Kontodaten. Canva-Mitarbeiter "können auf Inhalte zugreifen" aus Support- und Sicherheitsgründen. Ein Widerspruch für KI-Training ist nicht klar verfügbar.

Randfälle im Detail

Unsere Torturtest-Bilder zeigten, wo die Modellarchitektur jedes Tools ihre Grenzen hat.

Haare und Fell: wo die Lücke am größten ist

Remove.bg glänzt hier, weil sein proprietäres Modell auf Zehntausenden von haar-spezifischen Beispielen trainiert wurde. Das Modell sagt Alpha-Masken mit höherer effektiver Auflösung voraus als Browser-Modelle und erzeugt saubere Übergänge zwischen einzelnen Strähnen und Hintergrund. Browser-Modelle (IS-Net-basiert) verarbeiten blockartige Haarformen gut — ein Pferdeschwanz oder eine Glatze liefert saubere Ergebnisse — kämpfen aber mit fliegenden Strähnen vor komplexem Hintergrund. Bei lockigem Haar (engen Locken, bei denen der Hintergrund zwischen den Strähnen sichtbar ist) hinterlassen Browser-Tools deutliche "Lichthöfe", wo das Modell nicht zwischen Vorder- und Hintergrund entscheiden konnte.

Transparente Objekte: schwer für alle

Kein Tool erreichte über 4,0 bei transparenten Objekten. Das grundlegende Problem: Wenn man den Hintergrund einer Glasflasche entfernt, was ersetzt ihn? Das Glas selbst hat keine Farbe — es ist eine brechende Oberfläche, die den dahinterliegenden Hintergrund verzerrt zeigt. Eine perfekte Hintergrundentfernung eines Weinglases erzeugt eine weitgehend transparente Form, bei der nur die Glanzlichter und der Rand übrig bleiben. Jedes getestete Tool hinterlässt Artefakte — entweder behält es zu viel (ein weißer "Geist" um das Glas) oder zu wenig (das Glas verschwindet in einem Loch). Remove.bg's 4,0 war das beste Ergebnis, erzielt durch die Erhaltung von Kanten-Highlights und die Füllung des Inneren mit einer subtilen Tönung, die der Glasfarbe entspricht.

Netz, Speichen und Spitze: der Torturtest

Fahrradspeichen, Netzbürostühle und Spitzenstoff sind pathologische Fälle für Segmentierungsmodelle. Diese Objekte haben auf Pixelebene wiederholte Löcher — der Hintergrund ist überall durch den Vordergrund sichtbar. Die meisten Modelle behandeln die Löcher als Hintergrund und entfernen sie, wodurch Ihr Netzstuhl zu einem festen Klumpen wird. Remove.bg erzielte 4,2, indem es einen Großteil der Netzstruktur erhielt, obwohl es einige Lücken füllte. Browser-Tools (3,0) verwandelten Netz in eine feste Form mit ausgefransten Kanten. Spitzenstoff war noch schwieriger — jedes Tool zerriss die feinen Muster.

Baumäste vor Himmel: das Himmel-Problem

Fünf Bilder von Baumästen vor hellem Himmel offenbarten eine universelle Schwäche: das Himmel-durch-Äste-Problem. Äste sind dünn und unregelmäßig, und der Himmel zwischen ihnen hat die gleiche Farbe wie der Himmel darüber. Jedes Modell hinterließ einige Himmelpixel zwischen den Ästen — das Modell identifiziert korrekt "dieser Bereich ist Himmel", kann aber nicht herausfinden, welche Himmelpixel zwischen Ästen sind und welche darüber. Für perfekte Ergebnisse ist unabhängig vom Tool eine manuelle Nachbearbeitung erforderlich.

Geringer Kontrast: der stille Fehler

Weiße Keramik auf weißem Tisch. Dunkle Jacke auf dunklem Sofa. Dies sind überraschend häufige Szenarien und sie bringen Modelle durcheinander, die auf Farbtrennung angewiesen sind. Remove.bg hat sie am besten verarbeitet (4,6), indem es Kantenerkennung als sekundäres Signal verwendet — das Modell findet das Objekt anhand seiner Kanten, selbst wenn die Farben übereinstimmen. Browser-Modelle (4,0) verloren etwas Kantendefinition, besonders wo Schattenverläufe das Objekt mit dem Hintergrund verschmelzen ließen.

Fazit: Welches Tool sollten Sie verwenden?

Es gibt kein einzelnes "bestes" Tool, weil die Abwägungen real sind — Qualität vs. Preis, Geschwindigkeit vs. Datenschutz, Bequemlichkeit vs. Kontrolle. Hier ist unser Entscheidungsrahmen:

Verwenden Sie das browserbasierte Tool (iluv.tools), wenn:

• Sie unbegrenzte kostenlose Entfernung ohne Anmeldung benötigen
• Datenschutz wichtig ist — Ausweise, medizinische Bilder, Rechtsdokumente
• Sie viele Bilder stapelverarbeiten (Browser parallelisiert)
• Ihre Bilder Produktaufnahmen, Porträts mit einfachen Haaren oder alles mit klarer Motiv-Hintergrund-Trennung sind
• Sie Garantien wollen, dass keine Bilder gespeichert werden (nichts verlässt Ihr Gerät)

Zahlen Sie für Remove.bg, wenn:

• Sie professionelle Ergebnisse bei komplexen Kanten (Haare, Fell, Netz) benötigen
• Sie einzelne hochwertige Bilder bearbeiten (z. B. ein Hero-Bild für eine Produkteinführung)
• Sie die Kosten pro Bild in Ihrem Workflow rechtfertigen können
• Es Ihnen nichts ausmacht, dass Bilder auf einem Server verarbeitet werden (mit den damit verbundenen Datenschutzimplikationen)

Verwenden Sie Adobe Express oder Canva, wenn:

• Sie bereits ein Creative Cloud- oder Canva Pro-Abonnement haben
• Sie die Entfernung als Teil eines größeren Bearbeitungs-Workflows benötigen (Compositing, Design)
• Die Qualitätsanforderungen moderat sind

überspringen Sie Erase.bg und Removal.ai, wenn:

• Sie gleichbleibende Qualität benötigen — beide schnitten bei komplexen Bildern deutlich schlechter ab als die Browser-Tools, erfordern aber dennoch einen Upload auf einen Server und haben Nutzungsbeschränkungen. Die kostenlosen Stufen dieser Tools bieten schlechtere Qualität mit schlechterem Datenschutz als die kostenlose, unbegrenzte, datenschutzsichere Browser-Option.

Probieren Sie es selbst aus — kostenlos, ohne Anmeldung, in Ihrem Browser:
Bildhintergrund entfernen →
Sehen Sie sich auch Bildkompression und Hintergrundunschärfe an.