ChatGPT Bilder erstellen: was geht, was nicht und was es kostet

ChatGPT erzeugt in Sekunden ein Bild, das brauchbar aussieht. Das ist der Grund, warum in Deutschland monatlich zehntausende Leute danach suchen — und es stimmt auch. Die Schwierigkeiten kommen erst danach, und zwar immer an denselben drei Stellen: Auflösung, Schrift im Bild und die Frage, wie du ein zweites Bild bekommst, das zum ersten passt.

Was hier steht, gilt für das Erzeugen von Bildern im Chat allgemein. Wenn du ein vorhandenes Foto ändern willst statt ein neues zu erzeugen, steht das im Beitrag zur ChatGPT-Bildbearbeitung.

Kurz gesagt. Zum Ausprobieren und für Einzelbilder ist der Weg über den Chat der schnellste. Sobald Format, Auflösung, Schrift im Bild oder ein einheitlicher Look über mehrere Motive hinweg dazukommen, kostet der Chat mehr Zeit, als er spart.

Wie du eine Beschreibung schreibst, die funktioniert

Der Unterschied zwischen einem brauchbaren und einem beliebigen Ergebnis liegt fast immer in vier Angaben, die die meisten weglassen.

Motiv. Was genau zu sehen ist. „Eine Kaffeetasse" ist zu wenig. „Eine weiße Keramiktasse mit Espresso, halb voll, auf einem Holztisch" ist brauchbar.

Licht. Das ist die Angabe, die den größten Unterschied macht und am seltensten vorkommt. „Weiches Fensterlicht von links", „harter Blitz von vorn", „Abendsonne von hinten" ändern das Ergebnis mehr als jede Stilangabe.

Bildausschnitt. Nahaufnahme, Halbtotale, Draufsicht. Ohne Angabe bekommst du eine mittlere Distanz, die selten die ist, die du brauchst.

Stimmung oder Bildstil. Nüchtern und produktnah, warm und häuslich, dokumentarisch. Markennamen von Fotografinnen oder Studios sind hier wenig hilfreich und rechtlich heikel — beschreib lieber, was du siehst.

Ein Beispiel für den Unterschied:

Ein Produktfoto einer Kaffeetasse

gegen

Eine weiße Keramiktasse mit Espresso, halb voll, auf einem hellen Eichentisch. Weiches Fensterlicht von links, sanfter Schatten nach rechts. Nahaufnahme leicht von oben, unscharfer heller Hintergrund. Nüchtern und produktnah.

Beides dauert gleich lang. Das zweite liefert etwas, das du verwenden kannst.

Die drei Grenzen

Auflösung

Die erzeugten Bilder sind für den Bildschirm gemacht. Für einen Social-Post reicht das, für eine Produktseite mit Zoomfunktion oder einen Druck reicht es meistens nicht.

Das lässt sich lösen, aber nicht im Chat: Das fertige Bild muss anschließend hochskaliert werden. Zwei- bis vierfach ist der verlässliche Bereich — ausreichend für Anzeigen, Produktseiten und Druck bis A3.

Schrift im Bild

Bildmodelle zeichnen Buchstabenformen, sie setzen keinen Text. Kurze Wörter funktionieren inzwischen erstaunlich gut, ganze Sätze fast nie, und Fließtext praktisch nie. Bei deutschen Texten kommt hinzu, dass Umlaute und lange zusammengesetzte Wörter besonders oft verunglücken.

Der verlässliche Weg ist derselbe wie in jeder professionellen Produktion: Bild ohne Text erzeugen, Schrift danach setzen. Das ist kein Umweg, sondern die Reihenfolge, in der auch eine Agentur arbeitet.

Wiederholbarkeit

Das ist die Grenze, die im Marketing am meisten wehtut. Dieselbe Beschreibung liefert beim zweiten Mal ein anderes Bild. Für ein Einzelbild egal, für eine Kampagne mit acht Motiven ein echtes Problem: Die Bilder passen untereinander nicht zusammen.

Im Chat lässt sich das nur mildern, indem du ein erzeugtes Bild als Referenz mitgibst und darum bittest, im selben Stil weiterzuarbeiten. Das funktioniert oft, aber nicht zuverlässig, und du merkst erst nach dem achten Bild, dass der Look abgedriftet ist.

Wann der Chat der richtige Weg ist

Es gibt Fälle, in denen der Weg über ChatGPT klar der schnellste ist:

• Ein einzelnes Bild, das heute gebraucht wird und morgen nicht mehr
• Ideen durchspielen, bevor eine Richtung feststeht
• Bildideen beschreiben lassen, wenn du selbst noch nicht weißt, wonach du suchst — das ist der eigentliche Vorteil eines Chatfensters gegenüber einem reinen Bildgenerator
• Ungewöhnliche Motive, die es in keiner Bilddatenbank gibt

Wann ein anderer Weg schneller ist

Und die Fälle, in denen der Chat mehr Zeit kostet, als er spart:

• Feste Formate. Ein Instagram-Post ist 1080 × 1350 px, ein YouTube-Thumbnail 1280 × 720. Im Chat bekommst du ein Standardformat und schneidest danach zu — was bedeutet, dass du beim Beschreiben schon wissen musst, wo später beschnitten wird.
• Eine Serie mit einheitlichem Look. Acht Motive, die zusammenpassen müssen.
• Nachbessern statt neu erzeugen. Wenn an einem Bild nur eine Ecke stört, ist ein neuer Durchgang die teuerste Lösung.
• Bildbestandteile, die feststehen. Dein tatsächliches Produkt, dein Logo, eine Person aus deinem Team.

Für diese vier Fälle ist ein Werkzeug sinnvoller, das das Format vorher kennt und das Ergebnis danach änderbar lässt. Der KI-Bildgenerator legt das Format vor dem Erzeugen fest und legt das Ergebnis auf eine Arbeitsfläche, auf der du einzelne Elemente anklicken und ändern kannst, statt neu zu würfeln.

Nach dem Erzeugen

Unabhängig davon, womit du das Bild erzeugt hast, kommen meistens dieselben drei Schritte:

Format anpassen. Die Maße der Plattformen stehen in der Formatübersicht; Zuschneiden bringt dasselbe Motiv in mehrere davon.

Auflösung erhöhen, wenn es gedruckt oder gezoomt wird.

Komprimieren, bevor es hochgeladen wird — ein erzeugtes Bild ist oft größer als nötig, und das Komprimieren senkt die Dateigröße spürbar, ohne dass man es sieht.

Rechtliches, kurz

Zwei Punkte, die in Deutschland regelmäßig übersehen werden.

Eigentum an den Bildern. Nach den Bedingungen von OpenAI gehören dir die Ergebnisse. Das ist aber eine vertragliche Zusage und keine Aussage über Urheberrecht: Ob ein rein maschinell erzeugtes Bild überhaupt urheberrechtlich geschützt ist, ist eine andere und in Deutschland eher verneinte Frage. Praktisch heißt das: Du darfst es verwenden, aber du kannst anderen kaum verbieten, ein ähnliches zu erzeugen.

Was im Bild zu sehen ist. Markenlogos, geschützte Designs und erkennbare Personen unterliegen ihren eigenen Regeln, egal wer das Bild gemacht hat. Ein KI-Bild, das das Logo eines Wettbewerbers zeigt, ist genauso problematisch wie ein Foto davon.

Was bleibt

Für ein Bild ist der Chat der schnellste Weg. Für eine Serie ist er der langsamste, weil die Wiederholbarkeit fehlt. Schrift gehört nach dem Erzeugen ins Bild, nicht hinein. Und wenn das Ergebnis gedruckt oder gezoomt wird, plan den Schritt zum Hochskalieren von vornherein ein.