Visuelle Geschichtenerzählung ist eine Aufgabe, bei der relevante und interessante Geschichten für gegebene Bildsequenzen generiert werden sollen. In dieser Arbeit zielen wir darauf ab, die Vielfalt der generierten Geschichten zu erhöhen, ohne dabei den informativen Gehalt der Bilder zu verlieren. Wir schlagen vor, die Vielfalt und Informationsdichte einer generierten Geschichte durch einen Konzeptauswahlmodul zu fördern, das eine Reihe von Konzeptkandidaten vorschlägt. Anschließend nutzen wir ein großskaliges vortrainiertes Modell, um Konzepte und Bilder in vollständige Geschichten umzuwandeln. Um die Kandidatenkonzepte zu bereichern, erstellen wir für jede Bildsequenz einen gemeinsinnbasierten Wissensgraphen, aus dem die Konzeptkandidaten abgeleitet werden. Um geeignete Konzepte aus dem Graphen zu extrahieren, schlagen wir zwei neuartige Module vor, die sowohl die Korrelation zwischen den Konzeptkandidaten als auch die Korrelation zwischen Bild und Konzept berücksichtigen. Umfangreiche automatisierte sowie menschliche Evaluierungsergebnisse zeigen, dass unser Modell sinnvolle Konzepte generieren kann. Dadurch erreicht unser Modell im Vergleich zu früheren Ansätzen eine deutlich bessere Leistung hinsichtlich Vielfalt und Informationsdichte der Geschichten, während gleichzeitig die Relevanz der Geschichten gegenüber der Bildsequenz gewahrt bleibt.