Der Stand der KI-Bildgenerierung

Die Bilderzeugung ist deutlich gereift. Jedes Modell hat je nach Anwendungsfall unterschiedliche Stärken.

GPT Image 2.6 (OpenAI)

  • Stärken: Gute Prompttreue, die beste Textwiedergabe im Bild in dieser Gruppe, standardmäßig sicher.
  • Schwächen: Langsamer als Flux, eingeschränkte Stilkontrolle, kein NSFW.
  • Beste für: Marketingmaterialien, Präsentationen, Produkt-Mockups.
  • Preisgestaltung: 30 $ pro Million Ausgabe-Bildtoken, also rund 0,05 $ für ein Bild mit 1024x1024 in mittlerer Qualität (OpenAI-Preisdokumentation, geprüft am 2026-11-10). DALL-E 3 wurde am 2026-05-12 aus der API entfernt; die alten Preise gelten nicht mehr.

Midjourney v7

  • Stärken: Beeindruckende Ästhetik, künstlerische Stile, Gemeinschaftsinspiration.
  • Schwächen: Nur Discord-Schnittstelle, keine API, schwerer zu integrieren.
  • Am besten für: Konzeptkunst, Branding, kreative Erkundung.
  • Preis: 10-60 $ pro Monat, Abonnement.

Flux (Black Forest Labs)

  • Stärken: Open-Weight, schnell, hochwertig, kontrollierbar.
  • Schwächen: Kleineres Ökosystem als Stable Diffusion.
  • Am besten für: Entwickler, die selbstgehostete, hochwertige Generierung wünschen.
  • Preis: Kostenlos selbstgehostet, API-Preise variieren.

Stable Diffusion 3.5

  • Stärken: Vollständig Open Source, riesiges Ökosystem, Unterstützung von ControlNet.
  • Schwächen: Erfordert mehr technische Einrichtung, variable Qualität.
  • Best für: Individuelle Pipelines, Feinabstimmung, Batch-Generierung.
  • Preisgestaltung: Kostenlos selbstgehostet, nur GPU-Kosten.

Entscheidungsleitfaden

  • API-Integration benötigt? → GPT Image 2.6 oder Flux
  • Brauchst du künstlerische Qualität? → Midjourney
  • Brauchst du volle Kontrolle und Selbsthosting? → Stable Diffusion oder Flux
  • Brauchst du Text in Bildern? → GPT Image 2.6
  • Brauchst du Geschwindigkeit im großen Maßstab? → Flux oder SD3.5 mit optimierter Pipeline

Praktische Tipps für bessere Ergebnisse

  • Sei konkret beim Stil: Statt „eine Katze“ sag „eine Aquarellillustration einer getigerten Katze auf einer Fensterbank, weiches Nachmittagslicht, gedämpfte Erdtöne“.
  • Nutze negative Prompts: Die meisten Generatoren unterstützen negative Prompts. Nutze sie, um unerwünschte Elemente auszuschließen („unscharf, geringe Qualität, zusätzliche Finger“).
  • Iteriere mit Seeds: Erzeuge mehrere Bilder, finde das, das deiner Vorstellung am nächsten kommt, und nutze seinen Seed mit leichten Prompt-Variationen zum Feintunen.
  • Das Seitenverhältnis zählt: Erzeuge im Seitenverhältnis, das du tatsächlich verwendest. Ein quadratisches Bild, das auf 16:9 hochskaliert wird, sieht oft ungeschickt aus.

Kostenvergleich

Midjourney (10–60 $/Monat) bietet die beste künstlerische Qualität. GPT Image 2.6 (rund 0,05 $ pro Bild in mittlerer Qualität) ist die bequemste API-Option für gelegentliche Nutzung. Stable Diffusion (kostenlos selbst gehostet oder rund 0,0043 $/Bild auf Replicate mit SDXL) ist bei Skalierung am günstigsten. Adobe Firefly (ein kostenpflichtiges Angebot in Creative Cloud) ist am besten für kommerziell sichere Generierung. Preise am 2026-11-10 erneut geprüft; die Seiten von Midjourney und Firefly blockieren automatisierte Zugriffe, prüfe die aktuellen Tarife vor der Budgetplanung.

Kontrolle ist das Merkmal, das entscheidet

Die Bildqualität ist so weit konvergiert, dass Unterschiede zwischen den Spitzenmodellen meist Geschmackssache sind; was sie in der Praxis trennt, ist Kontrolle. Kannst du einen Seed fixieren und zweimal dasselbe Bild bekommen? Kannst du die Komposition mit einer Referenz, einer Maske oder einer Pose einschränken? Bekommst du Text korrekt im Bild gerendert? Kannst du eine Region neu generieren, ohne den Rest zu stören? Diese vier Fragen entscheiden, ob ein Modell für Produktfotos, Marketing-Assets und UI-Mockups taugt, und eine Rangliste beantwortet sie selten.

Lizenzierung gehört zum technischen Vergleich

Wo das Modell trainiert wurde und was seine Bedingungen erlauben, zählt so viel wie seine Ausgabe. Ein Modell, das schöne Bilder erzeugt, aber kommerzielle Nutzung verbietet, ist kein Kandidat für eine bezahlte Kampagne. Prüfe die Bedingungen für den konkreten geplanten Einsatz, nicht für Bilder allgemein, und halte fest, welche Modellversion du für jedes veröffentlichte Asset verwendet hast. Ein Key Visual später neu zu erzeugen ist viel leichter, wenn du genau weißt, was das Original erzeugt hat.

Text im Bild bleibt die Schwachstelle

Lesbaren, korrekt geschriebenen Text in einem generierten Bild zu rendern bleibt über alle Modelle unzuverlässig, und die Fehler sind selbstsicher statt offensichtlich. Behandle jedes Asset mit Text als etwas, das eine menschliche Korrektur in voller Auflösung braucht, und ziehe es vor, den Text in einem Designwerkzeug zu compositen, statt das Modell ihn zeichnen zu lassen. Diese eine Workflow-Entscheidung entfernt eine ganze Klasse peinlicher Defekte.

Mit eigenen Prompts evaluieren

Baue ein Set aus zehn Prompts, die deine echte Arbeit repräsentieren, erzeuge je vier Varianten und bewerte sie blind. Das ist eine halbtägige Übung, die deinem Team ein nützlicheres Ranking liefert als jeder veröffentlichte Vergleich, weil sie genau das misst, was du dem Modell tatsächlich abverlangst.