Das Versprechen
Spitzenmodelle wie Gemini 3.0 Pro und GPT-5 können komplexe räumliche Aufgaben nativ noch immer nicht lösen, etwa die Nummerierung eines spiralförmigen Spielbretts mit 50 Feldern (Quelle: samcollins.blog). Die Underdrawing-Methode erstellt mit deterministischen SVG- oder Python-Skripten ein strukturelles Gerüst, bevor ein einziges Pixel generiert wird. Indem Entwickler Logik und Ästhetik trennen, erreichen sie 100 % Genauigkeit bei Text und Nummerierung. Natives One-Shot-Prompting schafft das im Mai 2026 noch immer nicht.
Unter der Haube
Gemini 3.0 Pro und ChatGPT Images 2 scheitern nativ regelmäßig daran, 50 aufeinanderfolgende Elemente in einer Spirale korrekt zu nummerieren (Quelle: samcollins.blog). GPT-5 um die Nummerierung einer Spirale zu bitten, ist derzeit der schnellste Weg, ein Logikproblem in ein surrealistisches Gemälde zu verwandeln. Die Methode beseitigt diese Halluzination mit einem zweistufigen Workflow: Ebene 1 ist ein deterministischer Umriss auf Basis von SVG oder Python, Ebene 2 trägt mit generativen Image-to-Image-Modellen die Texturen auf (Quelle: Blog von Sam Collins).
Forschungsergebnisse der WACV 2026 zeigen, dass aktuelle KI-Editoren nur rund 33 % präziser Bearbeitungsanfragen korrekt umsetzen. Das bestätigt eine anhaltende Lücke im Stack von 2026, die externe geometrische Vorgaben erfordert (Quelle: WACV 2026 Paper #2231-2241). Die Hacker-News-Community sieht darin eine ausgefeilte Weiterentwicklung früher img2img-Workflows von Stable Diffusion, jetzt angepasst an das Reasoning von VLMs (Quelle: HN-Kommentar von vunderba).
Aktuelle Grenzen und offene Fragen:
- Hohe technische Hürde, die Kenntnisse in SVG, Python oder Mermaid erfordert.
- Mögliche „Prompt Neglect“: Modelle ignorieren beschreibende Stiladjektive (Quelle: HN).
- Höhere agentische Latenz durch die mehrstufige Ausführung von Code und Vision.
- Es gibt noch keine öffentliche Bibliothek, die Ebene 1 für Nicht-Ingenieure automatisiert.
- Leistungsunterschiede zwischen Claude 4.5 Opus und Gemini 3.0 Pro sind derzeit nicht dokumentiert.
Unsere Einschätzung
Im Mai 2026 ist dies der einzige gangbare Weg, um produktionsreife Assets mit Datenvisualisierung oder präzisen räumlichen Layouts auszuliefern. Wenn Ihr Produkt darauf baut, dass GPT-5 intuitiv 50 Zahlen richtig platziert, liefern Sie fehlerhafte Funktionen aus. Der Workflow ist umständlich und erhöht Latenz und Aufwand. Doch solange Vision-Modelle nicht wirklich zählen können, müssen Sie ihn für jedes Projekt nutzen, bei dem Genauigkeit nicht verhandelbar ist.