KI-Bildgenerierung: Midjourney, DALL-E, Flux & Co.

Was KI-Bildgenerierung eigentlich macht

Ein KI-Bildgenerator verwandelt eine Textbeschreibung (einen “Prompt”) in ein neues Bild, das es vorher nicht gab. Das Modell hat beim Training Millionen von Bild-Text-Paaren gesehen und dabei gelernt, welche visuellen Muster zu welchen Woertern gehoeren - Komposition, Farben, Licht, Stil. Es “erinnert” sich nicht an ein konkretes Trainingsbild, sondern erzeugt bei jeder Anfrage eine neue Kombination aus gelernten Mustern.

Das ist im Kern dieselbe Idee wie beim Text-Modell: Statt Woerter vorherzusagen, sagt das Modell Pixel-Muster voraus, ausgehend von einem Rauschbild, das es Schritt fuer Schritt in Richtung deines Prompts “entrauscht” (Diffusion). Mehr zu multimodalen Faehigkeiten generell steht unter Multimodale KI.

Die wichtigsten Tools im Ueberblick (Stand: 2026-07)

Der Markt bewegt sich schnell, aber vier Namen tauchen immer wieder auf. Sie unterscheiden sich vor allem darin, wie zugaenglich sie sind und wie viel Kontrolle sie dir ueber das Ergebnis geben.

Midjourney

Der Klassiker fuer kuenstlerisch-aesthetische Bilder. Laeuft ueber einen eigenen Webclient (frueher ausschliesslich ueber Discord) und ist bekannt fuer seinen “typischen” Look - stimmungsvoll, oft leicht stilisiert, auch ohne viel Prompt-Aufwand sehr ansehnlich.

• Reines Abo-Modell, kein kostenloser Test mehr: Einstieg ab ca. 10 USD/Monat (Basic), gestaffelt bis zu teureren Plaenen mit mehr Rechenzeit.
• Staerken: aesthetisch sehr ueberzeugende Standardergebnisse, starke Community mit riesigem Erfahrungsschatz zu Prompts und Parametern.
• Schwaechen: kein natives Text-in-Bild-Rendering auf DALL-E-Niveau, weniger praezise Steuerung bei sehr spezifischen Kompositionsvorgaben, kein kostenloses Kontingent.

DALL-E / GPT-Bildgenerierung (OpenAI)

OpenAI hat die Bildgenerierung inzwischen direkt in die GPT-Modellfamilie integriert, statt ein separates DALL-E-Nachfolgemodell zu bauen - die Bildgenerierung ist heute eine native Faehigkeit von ChatGPT. Der grosse Vorteil: Du chattest einfach weiter, um das Bild iterativ anzupassen (“mach den Hintergrund dunkler”), ohne den Prompt komplett neu schreiben zu muessen.

• Zugang direkt ueber ChatGPT (Free-Konten mit taeglichem Limit, Plus/Pro mit deutlich mehr Kontingent) oder ueber die OpenAI-API.
• Staerken: sehr gutes Rendering von Text innerhalb des Bildes (Poster, Diagramme, Logos mit Schriftzug), einfache konversationelle Bearbeitung im selben Chat.
• Schwaechen: der visuelle Stil wirkt fuer manche weniger “kuenstlerisch” als Midjourney, API-Nutzung wird pro generiertem Bild abgerechnet.

Flux (Black Forest Labs)

Flux stammt von Black Forest Labs, gegruendet von ehemaligen Stability-AI-Entwicklern, und hat sich seit 2024 zu einem der technisch staerksten Modelle entwickelt - oft mit Ergebnissen auf Augenhoehe mit Midjourney, aber mit deutlich mehr Optionen fuer eigenes Hosting.

• Erscheint in mehreren Varianten: eine gehostete Profi-Variante (API/Cloud, kostenpflichtig), eine schlankere Variante fuer eigene Server, und eine kleine, quelloffene Variante fuer Consumer-Hardware.
• Staerken: gute Bildqualitaet und Textrendering, teilweise unter offener Lizenz nutzbar (dann kostenlos, aber auf eigener Hardware), integriert in viele Drittanbieter-Tools und Bild-KI-Plattformen.
• Schwaechen: die volle Variante braucht relativ starke Grafikkarten-Hardware zum lokalen Betrieb; ohne Vorkenntnisse ist der Einstieg technischer als bei Midjourney oder ChatGPT.

Stable Diffusion

Der Urvater der offenen Bildmodelle (urspruenglich von Stability AI, mit Wurzeln bei denselben Forschern, die spaeter Flux gruendeten). Laeuft komplett lokal auf dem eigenen Rechner ueber Oberflaechen wie Automatic1111 oder ComfyUI - kostenlos, aber mit Einarbeitungsaufwand.

• Kostenlos und quelloffen nutzbar, volle Kontrolle ueber Modell-Varianten, eigene “Trainingsergaenzungen” (LoRAs) und Erweiterungen.
• Staerken: keine laufenden Kosten, maximale Anpassbarkeit, Daten bleiben komplett auf dem eigenen Geraet (relevant fuer Lokale LLMs & Datenhoheit - dasselbe Prinzip gilt auch fuer Bildmodelle).
• Schwaechen: Installation und Bedienung sind fuer Einsteiger deutlich anspruchsvoller, brauchst eine dedizierte Grafikkarte fuer brauchbare Geschwindigkeit.

Bild-Prompting: Wie du gute Prompts schreibst

Ein Bild-Prompt funktioniert anders als ein Text-Prompt. Statt Anweisungen zu geben (“schreib mir…”), beschreibst du eine Szene wie eine Bildunterschrift - konkret, mit visuellen Details, nicht mit abstrakten Wuenschen.

Der Grundaufbau, der bei fast allen Tools funktioniert:

[Hauptmotiv] + [Umgebung/Kontext] + [Stil/Medium] + [Licht/Stimmung] + [Kameraperspektive/Komposition]

Ein Beispiel, aufgebaut nach diesem Schema:

Schwacher Prompt:
"Ein Hund im Park"

Starker Prompt:
"Ein goldener Retriever, der einen Ball im Sprung faengt, in einem
herbstlichen Stadtpark mit bunten Blaettern, fotorealistisch,
warmes Nachmittagslicht, Tiefenschaerfe mit unscharfem Hintergrund,
Weitwinkel-Perspektive von unten"

Je konkreter die visuellen Details, desto weniger “generisch” wirkt das Ergebnis. Vage Adjektive wie “schoen” oder “cool” bringen kaum etwas, weil das Modell damit visuell wenig anfangen kann - beschreib stattdessen, was genau du siehst, wenn du dir das fertige Bild vorstellst.

Nuetzliche Prompt-Bausteine

Iteratives Verfeinern

Kein Prompt ist beim ersten Versuch perfekt. Der effizienteste Weg ist, in kleinen Schritten anzupassen statt jedes Mal komplett neu zu formulieren:

1. Basis-Prompt generieren
2. "Genau wie das erste Bild, aber der Himmel soll bewoelkt sein
   statt klar"
3. "Behalte die Komposition, aendere nur die Farbpalette auf
   kuehle Blautoene"

Bei DALL-E/ChatGPT geht das direkt im Chat-Verlauf. Bei Midjourney und Flux nutzt du dafuer meist “Variationen” oder Bild-Referenzen (ein bestehendes Bild als zusaetzlichen Input mitgeben, oft “Image Prompt” oder “Reference Image” genannt).

Stile und Seed: Reproduzierbarkeit steuern

Zwei Konzepte sind zentral, wenn du konsistente Ergebnisse ueber mehrere Generierungen hinweg willst:

Seed: Eine Zahl, die den “Zufallsstart” der Bildgenerierung festlegt. Derselbe Prompt mit demselben Seed erzeugt (bei gleichem Modell und gleichen Einstellungen) ein sehr aehnliches oder identisches Bild. Das ist nuetzlich, wenn du eine Variante leicht abaendern willst, ohne komplett neu zu wuerfeln.

/imagine prompt: ein rotes Fahrrad vor einer Backsteinmauer --seed 12345

Stil-Parameter: Die meisten Tools bieten Regler, wie stark sich das Modell an deinen Wortlaut haelt versus wie viel “kuenstlerische Freiheit” es nimmt. Bei Midjourney heisst das z. B. “Stylize” (--stylize oder --s, hoehere Werte = mehr eigene Interpretation), bei anderen Tools “Guidance Scale” oder “Prompt Adherence”.

/imagine prompt: ein rotes Fahrrad vor einer Backsteinmauer --stylize 750 --ar 16:9

Fuer einen wiedererkennbaren, konsistenten Stil ueber mehrere Bilder hinweg (z. B. eine Bilderserie fuer eine Praesentation) lohnt es sich, Stil-Beschreibung, Seed und Parameter in einer Notiz festzuhalten und bei jedem neuen Prompt wiederzuverwenden.

Rechte und Kennzeichnung

Das ist der Bereich, in dem viele stolpern - die Rechtslage ist noch in Bewegung und unterscheidet sich je nach Land.

Urheberrecht an KI-generierten Bildern: In der Schweiz und in Deutschland gilt aktuell: Ein Bild ist nur dann urheberrechtlich geschuetzt, wenn ein Mensch erkennbar kreativ mitgewirkt hat. Ein Bild, das komplett von einer KI ohne nennenswerte eigene gestalterische Leistung erzeugt wurde, geniesst in der Regel keinen eigenen Urheberrechtsschutz - weder fuer dich noch fuer den Tool-Anbieter. Das heisst aber nicht automatisch, dass du es frei verwenden darfst: Die Nutzungsbedingungen des jeweiligen Anbieters (AGB) regeln oft zusaetzlich, was du mit den generierten Bildern tun darfst, etwa kommerzielle Nutzung nur ab einem bezahlten Abo.

Persoenlichkeitsrechte: Bilder von echten, identifizierbaren Personen zu generieren - besonders in kompromittierenden oder falschen Kontexten - kann Persoenlichkeitsrechte verletzen, unabhaengig vom Urheberrecht. Das gilt erst recht fuer Deepfakes, siehe Deepfakes erkennen.

Kennzeichnungspflicht (EU AI Act): Der EU AI Act verlangt in Artikel 50 eine Transparenzpflicht fuer KI-generierte Inhalte. Ab August 2026 muessen im beruflichen/professionellen Kontext erstellte, fotorealistische KI-Bilder sowie Deepfakes von realen Personen, Orten oder Ereignissen als KI-generiert gekennzeichnet werden - maschinenlesbar (z. B. ueber Metadaten-Standards wie C2PA) und nach Moeglichkeit auch fuer Menschen sichtbar (Hinweis im Bild oder in der Bildunterschrift). Klar erkennbare Kunst, Satire oder reine Illustrationen sind in der Regel ausgenommen, ebenso normale Farbkorrektur oder Retusche, wenn die Bildaussage dadurch nicht wesentlich veraendert wird. Fuer die Schweiz als Nicht-EU-Land gilt der AI Act nicht direkt, ist aber relevant, sobald du Inhalte fuer den EU-Markt oder EU-Kunden erstellst.

Typische Anwendungen

• Social-Media-Grafiken und Blogbilder: Schnell ein passendes Titelbild statt teurer Stockfotos, allerdings mit Kennzeichnungspflicht bei professioneller Nutzung beachten.
• Konzeptkunst und Ideenfindung: Mehrere visuelle Varianten einer Idee in Minuten statt Tagen, z. B. fuer Produktdesign, Innenarchitektur-Moodboards oder Illustrationen.
• Praesentationsgrafiken: Individuelle Diagramm-Illustrationen oder Icons, die exakt zum Thema passen statt generischer Clipart.
• Prototyping fuer Design: UI-Mockups, Logo-Ideen oder Verpackungsentwuerfe als schneller erster Entwurf vor der eigentlichen professionellen Umsetzung.
• Bildbearbeitung: Viele Tools koennen inzwischen auch bestehende Fotos gezielt veraendern (Hintergrund austauschen, Objekte entfernen oder hinzufuegen) statt nur komplett neue Bilder zu erzeugen.

Entscheidungsbaum: Welches Tool passt?

Brauchst du Text im Bild (Poster, Logo mit Schriftzug)?
  → Ja  → DALL-E / GPT Image (ChatGPT)

Willst du maximale aesthetische Qualitaet ohne viel Einarbeitung?
  → Ja  → Midjourney

Willst du das Modell lokal/selbst hosten oder brauchst API-Integration
in ein eigenes Produkt?
  → Ja  → Flux (je nach Variante) oder Stable Diffusion

Hast du keine Kosten, viel technisches Interesse und eine
brauchbare Grafikkarte?
  → Ja  → Stable Diffusion (lokal, kostenlos)

Sonst: Einfach mit dem KI-Chat starten, den du schon nutzt
(ChatGPT, Gemini, Copilot) - alle koennen inzwischen Bilder.

YouTube

Kurz zusammengefasst

• Midjourney punktet bei Aesthetik ohne viel Einarbeitung, DALL-E/GPT Image bei Text im Bild und einfacher Chat-Iteration, Flux und Stable Diffusion bei technischer Flexibilitaet und lokalem Betrieb.
• Gute Bild-Prompts beschreiben eine Szene konkret: Motiv, Umgebung, Stil, Licht, Perspektive - vage Adjektive bringen wenig.
• Seed-Werte machen Ergebnisse reproduzierbar, Stil-Parameter steuern, wie stark sich das Modell an deinen Wortlaut haelt.
• KI-generierte Bilder sind in der Schweiz und Deutschland in der Regel nicht urheberrechtlich geschuetzt - AGB der Anbieter regeln trotzdem, was du damit tun darfst.
• Ab August 2026 gilt in der EU eine Kennzeichnungspflicht (Art. 50 AI Act) fuer fotorealistische KI-Bilder und Deepfakes im professionellen Kontext.

Weiterlernen

• Midjourney: Offizielle Dokumentation
• OpenAI: DALL-E / Bildgenerierung
• Black Forest Labs: Flux-Modelle
• Stable Diffusion / Stability AI
• Artikel 50 EU AI Act im Detail (artificialintelligenceact.eu)
• Midjourney Tutorial Deutsch (YouTube)

Verwandte Artikel: Multimodale KI - Deepfakes erkennen - KI-Urheberrecht - KI-Video-Generierung

Videos

YouTube