Bild- und Video-Modelle 2026: was wofür taugt

Bild- und Videomodelle haben sich 2026 stark differenziert: Eines kann Text im Bild, eines maximale Kontrolle, eines Tempo. Ein pauschales "bestes Modell" gibt es nicht mehr.

Bild-Generierung

• Nano Banana Pro (Google, Gemini 3 Pro Image): starke Textdarstellung im Bild und Reasoning über den Bildinhalt, Auflösungen bis 4K. Erste Wahl, wenn Schilder, Infografiken oder Beschriftungen stimmen müssen.
• FLUX 3 (Black Forest Labs): die deutsche Bildlinie mit Fokus auf realistische Ausgabe und technische Kontrolle; mit FLUX 3 Action existiert eine offene 7B-Variante für lokale Nutzung. Gut für Wiederholbarkeit und Stilsteuerung.
• GPT-Image 2 (OpenAI): Standard-Bildmodell in ChatGPT mit gutem Text-Rendering und Mehrsprachigkeit. Bequem, wenn du ohnehin im Chat arbeitest.
• Midjourney: weiterhin stark bei stilisierter, ästhetischer Ausgabe; weniger Steuerung, dafür konsistenter Look.

Praktische Reihenfolge für einen Auftrag: erst beschreiben, was im Bild stehen muss (Text, Logos, Proportionen), dann das Modell wählen, das genau das beherrscht. Text im Bild ist der häufigste Grund für Nachgenerierungen.

Video-Generierung

• Veo 3.1 (Google): aktuelle Referenz bei Videogenerierung, mit günstiger Lite-Variante für Tests.
• Kling 3.0 (Kuaishou): native 4K-Auflösung und Director-artige Regie-Steuerung; in Vergleichstests auf Augenhöhe mit Veo.
• Sora (OpenAI): Berichten zufolge wurde die Sora-App im April 2026 abgeschaltet und die API im September - wer auf Sora gesetzt hat, migriert zu Veo oder Kling.

Videogenerierung bleibt teuer: Preise hängen an Sekunden und Auflösung, und die ersten Generationen eines Clips sind selten die letzten. Für Bewegtbild gilt deshalb stärker als bei Bildern: kurze Szenen planen, Dialog und Sound getrennt denken, Generierungen als Rohmaterial verstehen.

Kosten und Rechte einordnen

Drei Punkte, die im Alltag mehr zählen als Benchmarks:

1. Abrechnung: Bildmodelle rechnen meist pro Bild oder per API-Token, Videomodelle pro Sekunde. Für Serienaufgaben (Produktbilder, Thumbnails) ist ein Festpreis-Abo oft günstiger; für Einzelbilder reicht die API.
2. Rechte: Die Nutzungsbedingungen der Anbieter regeln, was du mit generierten Medien tun darfst - kommerzielle Nutzung ist je nach Tarif eingeschränkt. Zugleich sind generierte Gesichter und Marken im Bild rechtlich heikel: keine erkennbaren Personen ohne Einwilligung, keine Logos und Markenzeichen ohne Erlaubnis.
3. Kennzeichnung: Generierte Inhalte in der Kommunikation als solche zu kennzeichnen ist bei Werbung in der EU Pflicht und ist gute Praxis, wo es keine Pflicht gibt.

Workflow-Tipps

Halte einen Prompt-Baustein-Satz für deinen Stil (Licht, Perspektive, Farbwelt) und hänge pro Auftrag nur die Motivbeschreibung an - so bleiben Ergebnisse über Wochen konsistent. Speichere zu jedem finalen Bild den kompletten Prompt plus Modell und Parameter; ein Bild ohne Prompt ist in drei Monaten nicht reproduzierbar. Und bei Videos: erst mit der Lite- oder Billig-Variante komponieren, dann den finalen Lauf in voller Qualität generieren.