Spickzettel für KI-Bildgeneratoren: Nano Banana, ChatGPT und mehr

Alles, was du wissen musst – ohne dich zu überfordern.

Irgendwann zwischen „KI-Bilder sehen unheimlich aus“ und „Moment, ist das ein echtes Foto?“ haben wir unbemerkt eine Grenze überschritten. Diese Tools wurden schnell wirklich gut und sind inzwischen überall. Das Problem ist jetzt nicht mehr die Leistungsfähigkeit. Es ist die Entscheidungsmüdigkeit beim Vergleich von zehn verschiedenen Tools, die alle behaupten, die besten zu sein – und meistens technisch gesehen auch recht haben, je nachdem, was du tatsächlich erstellst.

Dieser Spickzettel verzichtet auf das Format eines Laborberichts. Er erklärt dir, wofür jedes Tool tatsächlich gedacht ist, wo es an seine Grenzen stößt und wie du es richtig mit Prompts versiehst.

Google Gemini (Nano Banana Pro): Am besten insgesamt

Googles Flaggschiffmodell holte sich 2025 die Krone und hat sie behalten.

Nano Banana Pro ist der vielseitigste von allen großen Publikationen getestete Bildgenerator – fotorealistisch, hochauflösend und auf einzigartige Weise in der Lage, lesbaren Text in Bildern zu erzeugen. Er kann außerdem mehrere hochgeladene Bilder kombinieren, die Konsistenz von Figuren über mehrere Panels hinweg bewahren und Ausgaben mit 2K- oder 4K-Auflösung erstellen. Die kostenlose Version ist brauchbar, die kostenpflichtigen Tarife sind herausragend.

• Max. Auflösung: 4K 
• Text im Bild: Ja 
• Bildbearbeitung: Ja
• Eingabe mehrerer Bilder: Ja 
• Tägliche Limits (keine Credits)
• Auf Android vorinstalliert

OpenAI ChatGPT (GPT Image 2): Am besten kostenlos

OpenAI läutete mit DALL·E die moderne Ära der Text-zu-Bild-Generierung ein.

Nachdem sie überholt worden waren, GPT Image 2 hat sie wieder fest ins Rennen gebracht. Seine größte Stärke ist die Fähigkeit, komplexe, mehrschichtige Prompts zu verstehen und Referenzbilder mit ungewöhnlicher Genauigkeit umzusetzen. Lade ein Foto hoch und bitte um eine Version im Stil von Studio Ghibli oder Vermeer – und es liefert tatsächlich. 

Ist in ChatGPT integriert, daher gibt es praktisch keine Lernkurve. Adobe Express und Photoshop sind für die Bearbeitung im Chat integriert.

• Max. Auflösung: Nativ 2K (bis zu 2048×2048), höhere Auflösungen bis zu 4K (3840×2160) sind über die API als Beta verfügbar.
• Adobe-Integration: Ja 
• Chatbasierte Bearbeitung: Ja 
• 1 Bild pro Generierung 
• Autoregressives Modell

Adobe Firefly: Kommerziell unbedenklich

Das einzige KI-Bildtool, das Werbeagenturen und Unternehmensteams verwenden können, ohne einen Anwalt auf Kurzwahl zu haben.

Firefly wird mit Adobe Stock, lizenzierten Inhalten und gemeinfreien Materialien trainiert. Deine Ausgaben bergen kein Urheberrechtsrisiko. Firefly dient außerdem als Plattform für andere Modelle (Nano Banana, GPT Image, FLUX, Ideogram und mehr), sodass du viele Generatoren an einem Ort testen kannst. Seine eigentliche Superkraft steckt in Photoshop: Generative Fill und Generative Expand passen den Kontext deines bestehenden Bildes mit unheimlicher Genauigkeit an.

• Max. Auflösung: 2304×1792 
• Kommerziell unbedenklich: Ja 
• Photoshop-Integration: Ja 
• Plattform für mehrere Modelle 
• Trainiert nicht mit deinen Arbeiten

Midjourney: Am künstlerischsten

Wenn du ein Bild möchtest, das aussieht, als wäre es von einem wirklich talentierten Künstler geschaffen worden – mit reichen Texturen, bewusster Farbgestaltung und kompositorischem Gespür –, Midjourney hat nach wie vor keinen ebenbürtigen Konkurrenten.

Andere Tools haben Midjourney bei der Genauigkeit von Prompts überholt, doch keines erreicht seine visuellen Instinkte. Die Web-App ist inzwischen ausgezeichnet (Discord ist optional). Die Personalisierungsfunktion stimmt die Ergebnisse mit der Zeit auf deinen ästhetischen Geschmack ab. Die laufende Klage von Disney und Universal wegen der Vervielfältigung urheberrechtlich geschützter Figuren sollte kommerzielle Nutzer im Auge behalten.

• Beste visuelle Qualität 
• Personalisierung des Stils 
• Referenzen für Figuren 
• Öffentliche Galerie (Standard) 
• Derzeit keine kostenlose Testversion

xAI Grok Imagine: Die ungefilterte Option

Grok sitzt an der Schnittstelle eines KI-Assistenten und eines Bildgenerators, die beide in X und der Grok-App stecken. Es ist das einzige große Tool, das standardmäßig die Generierung expliziter/NSFW-Inhalte erlaubt, auch mit realen Personen – und genau hier zeigen sich erhebliche ethische und rechtliche Warnsignale. Für die Nutzung ohne NSFW-Inhalte ist es ein solides und unkompliziertes Tool. xAI informiert transparent über die kommerziellen Nutzungsrechte. 

Der Grok Image Generator verfügt nicht mehr über ein funktionierendes, eigenes kostenloses Kontingent für die Generierung von Bildern und Videos. Während xAI früher kostenlosen Zugang zur Bildgenerierung anbot, ist sie nun hinter einem kostenpflichtigen Abo gesperrt, konkret X Premium oder Premium+. Wenn du nur Bilder möchtest, steigen die Kosten schnell.

• Max. Auflösung: 2048×2048 
• NSFW aktiviert: Ja 
• Integration in die X-Plattform
• Videogenerierung: Ja

FLUX.2: Der Open-Source-Champion

FLUX ist das Ergebnis eines Neustarts des ursprünglichen Stable-Diffusion-Teams. Black Forest Labs hat eine Modellfamilie entwickelt, die professionelle Kontrolle in den Vordergrund stellt: mehrere Referenzbildeingaben, außergewöhnliche Prompt-Treue, saubere Typografie sowie konsistente Darstellung von Figuren und Produkten über verschiedene Varianten hinweg. 

Das Angebot umfasst mehrere Varianten; wähle je nach Arbeitsaufkommen zwischen Geschwindigkeit und Qualität. Nicht anfängerfreundlich, aber für Unternehmen, die in großem Umfang markengerechte Visualisierungen produzieren, die Option mit industrieller Stärke. Verfügbar über den BFL-Playground oder integriert in Magnific (ehemals Freepik) und andere Plattformen.

• Max. Auflösung: 2048 x 2048 
• Eingabe mehrerer Referenzen 
• 4 Modellvarianten 
• Beste Texterkennung und -darstellung
• Enterprise-Tarif verfügbar

Ideogram: Bester Text in Bildern

Jedes andere Tool auf dieser Liste behandelt Text im Bild als Bonusfunktion, die meist fehlschlägt.

Ideogram wurde von Anfang an entwickelt, um dieses Problem zu lösen. Für Grafiken in sozialen Medien, Veranstaltungsplakate, Präsentationsfolien, Werbemittel – überall dort, wo Wörter Teil des Bildes sein müssen –, ist Ideogram die einzige zuverlässige Wahl. Insgesamt ist es auch einfach ein wirklich guter Bildgenerator mit konkurrenzfähiger Qualität bei stilisierten und künstlerischen Prompts. Der kostenlose Tarif ist ungewöhnlich großzügig.

• Max. Auflösung: bis zu 8K 
• Beste Textrendering-Qualität 
• Generator für Stapelverarbeitung 
• Figurenerstellung 
• Canvas-Funktion 
• Kostenlos: 10 Credits/Woche

Recraft: Bester Designer

Recraft ist wie ein Designtool aufgebaut, das zufällig auch KI-Bildgenerierung umfasst – nicht wie ein KI-Tool, dem nachträglich einige Designfunktionen hinzugefügt wurden.

Allein die SVG-Ausgabe hebt es von allem anderen auf dieser Liste ab: tatsächlich bearbeitbare Vektordateien statt lediglich gerasterter PNGs. Dazu kommen: Mockup-Builder, Hintergrundentfernung, Vorgaben für Farbpaletten, wiederverwendbare Markenstile sowie der Export in Formate für Illustrator und Photoshop. Für alle, die im visuellen Design arbeiten, ist dies die vollständigste Plattform.

• Max. Auflösung: 2048×2048 
• SVG-Vektorausgabe: ✓ 
• Steuerung des Markenstils 
• Produkt-Mockups 
• KI und Design in einem

Stable Diffusion: Ideal für umfassende Kontrolle

Das Basismodell, das die KI-Bildgenerierung demokratisiert hat.

Als Open Source frei verfügbar und vollständig auf der eigenen Hardware ausführbar: Deine Prompts und Ausgaben gelangen nie auf den Server eines anderen. Nutzung über DreamStudio (Web) oder lokal via Automatic1111 beziehungsweise ComfyUI. Das Ökosystem ist riesig: Tausende von Community-Modellen, LoRAs und benutzerdefinierten Checkpoints. Lokal wird eine leistungsfähige GPU benötigt, außerdem ein gewisses technisches Verständnis. Die jüngsten Turbulenzen bei Stability AI haben für Unsicherheit rund um das Projekt gesorgt, doch die Community ist weiterhin enorm.

• Vollständig Open Source 
• Lokal ausführbar: Ja 
• Maximaler Datenschutz 
• Tausende Community-Modelle 
• Keine Cloud-Abhängigkeit

Canva Magic Media: Für Einsteiger geeignet

Wenn dir beim Gedanken an Modellvarianten und LoRA-Feinabstimmung die Augen zufallen, fang hier an und bleib dabei.

Der Generator Magic Media von Canva ist der zugänglichste auf dem Markt. Gib einen Prompt ein, erhalte ein Bild und ziehe es direkt in ein Canva-Design. Canva legt großen Wert auf Datenschutz: Die Plattform trainiert ihre KI nicht mit deinen Inhalten, und generierte Bilder sind immer privat. Der kostenlose Tarif hat ein festes Generierungslimit.

Die Ausgabequalität gewinnt damit keine Preise, aber für die meisten Anwendungsfälle in sozialen Medien und im privaten Bereich ist sie mehr als ausreichend.

• Standardmäßig privat: Ja 
• Kein KI-Training mit Inhalten
• Integration in die Designplattform 
• Mobile App: Ja 
• Festes Limit im kostenlosen Tarif

So funktionieren sie

Diffusionsmodelle

Verwendet von: Stable Diffusion, FLUX, Midjourney, Firefly, Ideogram, Recraft

• Starten mit reinem Zufallsrauschen
• Schrittweise in Richtung des Prompts entrauschen
• Jeder Schritt verfeinert Details und Kohärenz
• Schnellere Generierung, parallele Verarbeitung
• Können mehrere Bilder pro Anfrage generieren
• Besser bei vielfältigen stilistischen Ausgaben

Autoregressive Modelle

Verwendet von: ChatGPT (GPT Image), einigen Gemini-Varianten

• Bauen das Bild Stück für Stück von links nach rechts auf
• Jedes Stück wird durch das zuvor Erzeugte beeinflusst
• Langsamer, aber besser beim Rendern von Text
• Bessere Kontextkonsistenz bei komplexen Prompts
• Generieren normalerweise jeweils ein Bild
• Besser beim Befolgen detaillierter Anweisungen

Plattformen und Modelle

Wichtiger Unterschied, den du kennen solltest, bevor du Geld ausgibst

• Ein Modell ist der KI-Algorithmus, der die Arbeit erledigt
• Eine Plattform ist die Benutzeroberfläche, über die du darauf zugreifst
• Dasselbe Modell kann auf mehreren Plattformen verfügbar sein
• Firefly, Magnific (ehemals Freepik) und Shutterstock hosten zahlreiche Modelle
• Preise und Funktionen unterscheiden sich je nach Plattform
• Prüfe, welches Modell du tatsächlich verwendest

Testen der Modellqualität

So bewerten Tester Bildgeneratoren

• Einfache fotorealistische Szenen (Wohnräume, Menschen)
• Komplexe mehrteilige Comics mit Handlungsbogen
• Text im Bild: Beschriftungen, Diagramme, Anweisungen
• Historische Figuren in wiedererkennbaren Szenen
• Geschäftliche Nutzung: Grafiken für soziale Medien, Berichtstitelbilder
• Bearbeitung: lokale Änderungen statt vollständiger Neugenerierung

Bessere Prompts schreiben. Bessere Bilder erhalten

Eine funktionierende Struktur

[Motiv] + [Aktion/Pose] + [Umgebung] + [Beleuchtung] + [Stil] + [Stimmung] + [Format]

Jede Ebene sorgt für mehr Genauigkeit. Das Modell kann nur erraten, was du auslässt – und seine Vermutungen werden nicht deiner Vorstellung entsprechen.

Beispiel für einen starken Prompt

„Ein müder Astronaut sitzt um 3 Uhr morgens in einer Nische eines Diners, kaltes fluoreszierendes Licht, Regen an den Fenstern draußen, hyperrealistisch, filmisch, 16:9“

Motiv, Zustand, Umgebung, Beleuchtung, Wetter, Stil, Stimmung und Format sind alle vorhanden. Das Modell hat alles, was es braucht.

Beispiel für einen schwachen Prompt (vermeiden)

„Ein cooles Astronautenbild“

Das Modell füllt die Lücken mit dem statistisch durchschnittlichsten Ergebnis, das es kennt. Das Ergebnis wirkt banal wie ein Stockfoto.

Funktionierende Stilreferenzen

„im Stil eines National-Geographic-Fotos aus den 1970er-Jahren“ „auf 35-mm-Film aufgenommen, leicht überbelichtet“ „wie ein Vintage-Penguin-Taschenbuch illustriert“ „isometrische Vektorillustration, flache Farben“

Beziehe dich auf reale visuelle Bildsprachen statt auf Künstlernamen (um Urheberrechtsprobleme und uneinheitliche Ergebnisse zu vermeiden).

Für Text in Bildern

„Der Text ‘20 % RABATT’ in fetter schwarzer serifenloser Schrift auf einem gelben Badge in der oberen rechten Ecke“

Verwende Ideogram oder GPT Image für Text. Mache genaue Angaben zu Schriftstärke, Farbe, Position und Größe. Lies das Ergebnis immer Korrektur.

Strategie für die Überarbeitung

• Erster Prompt: Layout richtig hinbekommen 
• Zweiter Prompt: Beleuchtung verfeinern 
• Dritter Prompt: Stil/Farbe anpassen
• Zum Schluss: Bestimmte Details korrigieren

Versuche nicht, beim ersten Anlauf alles perfekt zu machen. Betrachte jede Generierung als Entwurf. Die meisten Profis erstellen 5–15 Versionen pro finalem Bild.

9 Dinge, die man wissen sollte

• Immer mehrere Versionen erstellen: Selbst die besten Tools versagen unvorhersehbar. Drei Arme, schwebende Objekte, verschwommene Gesichter – kein Modell ist davor gefeit. Erstelle mindestens 3–4 Versionen pro Prompt, bevor du entscheidest, dass du nicht weiterkommst.
• Kostenlose Tarife sind nützlicher, als sie wirken: Gemini, ChatGPT und Canva bieten allesamt einen brauchbaren kostenlosen Zugang. Teste sie gründlich, bevor du ein Abonnement abschließt. Kostenlose Tarife verwenden oft etwas leistungsschwächere Modelle, sind für eine gelegentliche Nutzung aber tatsächlich funktional.
• Credits und Tageslimits – den Unterschied verstehen: Credit-Systeme (FLUX, Recraft, Magnific (ehemals Freepik)) rechnen pro Bild ab und unterscheiden sich je nach Modellqualität. Systeme mit Tageslimits (Gemini) werden unabhängig von der Nutzung alle 24 Stunden zurückgesetzt. Tageslimits sind bei regelmäßiger Nutzung besser vorhersehbar.
• Text in Bildern muss fast immer Korrektur gelesen werden: Selbst Ideogram, das hierin beste Tool, macht bei längeren Texten, Zahlen oder komplexen Layouts Fehler. Verwende KI-generierten Text in Bildern niemals für fertige Kundenergebnisse, ohne jedes Wort manuell zu überprüfen.
• Prüfe vor der kommerziellen Nutzung die Eigentumsrechte: Die meisten kostenpflichtigen Tarife gewähren kommerzielle Nutzungsrechte. Viele kostenlose Tarife tun das nicht. Recrafts kostenloser Tarif überträgt das Eigentum an den Bildern tatsächlich an Recraft. Lies die Nutzungsbedingungen jedes Tools, bevor du seine Ergebnisse für Kundenprojekte oder monetarisierte Inhalte verwendest.
• Transparenz wird zum ethischen Standard: KI-Bilder sind inzwischen realistisch genug, um Journalisten, Anwälte und Familienmitglieder zu täuschen. Die Offenlegung der KI-Nutzung bei öffentlichen Beiträgen ist in den meisten Regionen zwar noch nicht gesetzlich vorgeschrieben, doch die Erwartung daran wächst rapide.
• Ein gefälschtes Bild lässt sich inzwischen nicht mehr immer erkennen: Traditionelle Erkennungsmerkmale wie seltsame Hände, ungewöhnliche Ohren und verschwommene Hintergründe verschwinden schnell. Tools wie die C2PA Content Credentials und Googles SynthID betten unsichtbare Wasserzeichen ein, sind aber nicht universell verfügbar.
• Unterschiedliche Tools, dieselben zugrunde liegenden Modelle: Shutterstock AI, Magnific und Adobe Firefly bieten allesamt Zugriff auf Modelle wie GPT Image, Nano Banana und FLUX. Vielleicht hast du bereits über eine Plattform, für die du ohnehin bezahlst, Zugriff auf Topmodelle.
• Das beste Modell heute wird in sechs Monaten nicht mehr das beste sein: Dieser Bereich entwickelt sich schneller als fast jeder andere. Sowohl Nano Banana Pro als auch FLUX.2 gab es vor zwei Jahren noch nicht. Was auf dieser Liste steht, wird Mitte 2027 teilweise bereits veraltet sein. Sieh dir die Ranglisten in der Image Arena von Artificial Analysis an.

Du möchtest mit jedem KI-Bildgenerator schärfere Ergebnisse erzielen? Lies unseren praxisnahen Leitfaden zum Schreiben besserer Prompts.