Wir zeigen, dass die explizite Modellierung von Kompositionsregeln der Bildausschnittbildung zugutekommt. Die Bildausschnittbildung gilt als vielversprechende Methode zur Automatisierung ästhetischer Kompositionen im professionellen Fotografiebereich. Bisherige Ansätze modellieren dieses fachliche Wissen jedoch nur implizit, beispielsweise durch Rangfolgen auf Basis vergleichender Kandidaten. Ausgehend von der Beobachtung, dass natürliche Kompositionsmerkmale stets einer bestimmten Regel folgen, schlagen wir vor, diese Regeln diskriminativ zu lernen und insbesondere die erlernten Kompositionsmerkmale explizit in das Modell einzubinden. Dazu führen wir den Begriff der Schlüssel-Kompositions-Karte (Key Composition Map, KCM) ein, um Kompositionsregeln zu kodieren. Die KCM kann die gemeinsamen Gesetzmäßigkeiten hinter unterschiedlichen Kompositionsregeln aufdecken und dem Ausschnittmodell vermitteln, was in der Komposition von Bedeutung ist. Mit Hilfe der KCM präsentieren wir ein neuartiges Paradigma für die Kompositions-orientierte Bildausschnittbildung und implementieren ein Netzwerk zur Realisierung einer kompositionsbedachten Bildausschnittbildung. Umfassende Experimente an zwei Benchmarks belegen, dass unser Ansatz eine effektive, interpretierbare und schnelle Bildausschnittbildung ermöglicht.