OpenAI hat am 21. April 2026 leise eines der wichtigsten Bildmodell-Updates des Jahres ausgerollt: ChatGPT Images 2.0 mit dem neuen Modell gpt-image-2. Drei Aenderungen stechen heraus: natives Reasoning vor jedem Bild, 2K-Aufloesung als Default und die Faehigkeit, acht zusammenhaengende Bilder aus einem einzigen Prompt zu liefern. Das ist mehr als ein klassisches Modell-Update — es positioniert ChatGPT-Bildgenerierung erstmals als ernsthaften Midjourney-Konkurrenten fuer Storyboards, Marketing-Karussells und Charakter-Konsistenz.
Wir haben gpt-image-2 zwei Tage lang gegen DALL-E 3, Midjourney v7, Microsoft MAI-Image-2, Imagen 4 und Flux Pro getestet. Hier die wichtigsten Befunde — inklusive einer ehrlichen Einschaetzung, wo das Modell trotz aller Verbesserungen noch hakt.
Die wichtigsten Neuerungen im Ueberblick
| Feature | gpt-image-2 (neu) | DALL-E 3 (alt) |
|---|---|---|
| Standard-Aufloesung | 2048x2048 (2K) | 1024x1024 (1K) |
| Native Reasoning | Ja (“ImageGen Thinking”) | Nein |
| Multi-Image-Output | Bis zu 8 konsistent | Max. 4 unabhaengig |
| Text-in-Bild | Mehrsprachig (DE, EN, FR) | Nur Englisch zuverlaessig |
| Verfuegbarkeit | Free, Plus, Pro, Business | Alle Plaene |
| API-Status | Codex / Selektive Beta | Public |
1. Native Reasoning: Das Modell denkt vor dem Pinselstrich
“ImageGen Thinking” ist OpenAIs neue Inferenz-Schicht: Vor der eigentlichen Bildgenerierung plant das Modell den Output, ueberprueft Konsistenz mit dem Prompt und korrigiert problematische Elemente. In der Praxis bedeutet das:
- Komposition wird vorab verifiziert. Wenn du “drei Personen am Konferenztisch, je ein Laptop, Sonnenlicht durchs Fenster” promptest, prueft das Modell vor der Generierung, ob alle Elemente sinnvoll platzierbar sind.
- Hand- und Text-Probleme werden vor dem Render gefixt. Klassische DALL-E-3-Fehler (sechs Finger, vertauschte Buchstaben) treten deutlich seltener auf.
- Selbstkorrektur in Iterationen. Wenn das Modell ein Element als problematisch erkennt, generiert es alternative Skizzen und waehlt die staerkste.
Der Preis: Reasoning-Outputs brauchen 2-4 Sekunden laenger als der klassische Direkt-Render. Fuer Production-Workflows lohnt sich das aber fast immer.
2. 2K-Aufloesung als Default
Bisher war 1K Standard, 2K nur via Upscaler oder Edit-Loops. Jetzt ist 2048x2048 die Default-Aufloesung — ohne Aufpreis fuer Plus/Pro/Business-User. Das bedeutet:
- Print-Tauglichkeit fuer A5-Marketing-Materialien direkt aus dem Modell
- Keine separaten Upscaling-Tools mehr noetig (bisher oft Topaz Gigapixel oder Magnific)
- Bessere Detailaufloesung in Texturen und Hintergruenden
Wer noch hoeher braucht (4K, 8K), muss weiter ueber Upscaler oder Stable Diffusion lokal arbeiten — Details dazu in unserer Stable-Diffusion-Anleitung.
3. Multi-Image-Konsistenz: Bis zu 8 Bilder aus einem Prompt
Das ist der Game-Changer fuer Marketing- und Content-Workflows: Acht zusammenhaengende Bilder aus einem einzigen Prompt, mit konsistenten Charakteren, Lichtverhaeltnissen und Stil. Anwendungsfaelle:
- Instagram-Karussells (klassisch 8-10 Slides)
- Comic-Strips und Storyboards
- E-Learning-Bildserien (Schritt-fuer-Schritt-Anleitungen)
- Charakter-Konsistenz ueber mehrere Szenen
Vergleich: Midjourney v7 bietet Character-Reference-Mode, aber die Konsistenz bleibt limitiert. DALL-E 3 hatte gar keine Multi-Image-Konsistenz — pro Prompt waren die Outputs unabhaengig. gpt-image-2 schliesst diese Luecke.
Praxis-Test: Wie gut ist gpt-image-2 wirklich?
Wir haben fuenf typische Use-Cases durchgespielt:
Test 1: Marketing-Plakat mit deutschem Text
Prompt: “Plakat fuer einen Produkt-Launch, Headline ‘Endlich da: Der neue WeCanDoer 3000’, moderner Stil, Cyan und Violett, isometrische Illustration.”
- gpt-image-2: Headline korrekt, Komposition sauber, isometrische Perspektive konsistent
- DALL-E 3: Text mit zwei Tippfehlern, Komposition okay
- Midjourney v7: Text fehlerhaft (Midjourney war noch nie stark im deutschen Texthandling), Aesthetik allerdings schoener
- MAI-Image-2: Text korrekt, aber generischere Komposition
Sieger: gpt-image-2
Test 2: Charakter-Storyboard (4 Szenen)
Prompt: “Vier Bilder einer Comic-Heldin: 1) sie betritt ein Cafe, 2) sie bestellt einen Kaffee, 3) sie liest ein Buch, 4) sie verlaesst das Cafe. Konsistenter Charakter, gleiche Kleidung, Aquarell-Stil.”
- gpt-image-2: Charakter zu 95% konsistent ueber alle vier Szenen, Aquarell-Stil sauber durchgezogen
- Midjourney v7: Mit Character-Reference: ca. 80% konsistent, aber separate Generierungen noetig
- DALL-E 3: Konnte Multi-Image-Konsistenz nicht — vier voellig unabhaengige Outputs
Sieger: gpt-image-2 (klar)
Test 3: Aesthetisches Portrait
Prompt: “Portrait einer japanischen Konzeptkuenstlerin, dramatisches Licht, filmisch, 35mm Filmkorn, melancholische Stimmung.”
- Midjourney v7: Beste Aesthetik, dramatischste Lichtfuehrung, ueberzeugendster Filmkorn
- gpt-image-2: Saubere Komposition, aber etwas glatter und “polished”
- Flux Pro: Sehr stark, fast auf Midjourney-Niveau
Sieger: Midjourney v7
Test 4: UI-Mockup
Prompt: “Dashboard-UI fuer SaaS-Tool, dunkler Hintergrund, Cyan-Akzente, drei KPI-Karten oben, Liniendiagramm in der Mitte, Tabelle unten.”
- gpt-image-2: Klare Hierarchie, lesbare Labels, realistische UI-Conventions
- Midjourney v7: Schoene Aesthetik, aber UI-unrealistisch (zB Knoepfe ohne klare Funktion)
- DALL-E 3: Akzeptabel, aber verschwommene Texte
Sieger: gpt-image-2
Test 5: Komplexe Szenenbeschreibung
Prompt: “Eine Familie packt ihr Auto fuer den Urlaub, drei Kinder helfen, der Vater steht auf einer Leiter und befestigt eine Dachbox, die Mutter haelt einen Hund an der Leine, Sonnenuntergang, Vorstadt.”
- gpt-image-2: Alle Elemente korrekt platziert, plausible Interaktionen
- Midjourney v7: Schoene Szene, aber drei Kinder wurden zu vier, Hund fehlte
- Imagen 4: Solide, aber Vater nicht auf Leiter
Sieger: gpt-image-2
Was gpt-image-2 fuer DACH-Workflows aendert
Drei konkrete Workflow-Folgen:
1. Marketing-Bildproduktion vereinfacht sich massiv
Wer bisher fuer ein Karussell vier separate Bilder generieren und mit Photoshop nachjustieren musste, kommt jetzt mit einem einzigen Prompt aus. Fuer kleine Marketing-Teams in DACH-Mittelstand bedeutet das: Bildproduktion-Kosten sinken um schaetzungsweise 40-60%, Time-to-Publish faellt von Stunden auf Minuten.
2. Multi-Tool-Stacks werden duenner
Bisheriger typischer Stack fuer Content-Marketing: Midjourney fuer Hero-Bilder, DALL-E fuer Text-Bilder, Photoshop fuer Korrekturen, Canva fuer Karussell-Layouts. Mit gpt-image-2 wird das zu: ChatGPT Plus + finale Politur in Canva. Ersparnis pro Monat: 30-60 EUR Tool-Kosten plus 10-15 Stunden Arbeitszeit.
3. Rechtliche Klarheit bleibt offen
OpenAIs Standard-Terms erlauben kommerzielle Nutzung der Outputs — aber der EU AI Act bringt ab Q3 2026 neue Kennzeichnungspflichten fuer KI-generierte Inhalte. Wer professionell mit gpt-image-2 produziert, sollte die Regeln zur kommerziellen Nutzung von KI-Bildern checken und mindestens die C2PA-Metadaten erhalten.
Wann lohnt der Wechsel — und wann nicht
Wechsle zu gpt-image-2, wenn:
- Du bereits ChatGPT Plus oder Pro nutzt
- Du regelmaessig Bilder mit Text brauchst (Plakate, UI, Diagramme)
- Multi-Image-Konsistenz dein Workflow ist (Karussells, Storyboards, E-Learning)
- Du eine All-in-One-Loesung statt drei spezialisierter Tools willst
Bleib bei Midjourney, wenn:
- Aesthetische Cover-Art, Konzeptkunst oder Fashion-Editorials dein Hauptoutput sind
- Du das Discord-Workflow magst und Stilreferenzen taeglich kuratierst
- Du die feinste Kontrolle ueber Stylization brauchst
Bleib bei Stable Diffusion / Flux lokal, wenn:
- Du sensible Daten verarbeitest (Markenarbeit, NDA-Kunden)
- Volumen und Custom-LoRAs entscheidend sind
- Du keine API-Abhaengigkeit willst — siehe unsere Stable-Diffusion-Anleitung
Fazit: Der DALL-E-3-Nachfolger schliesst die letzte grosse Luecke
gpt-image-2 macht ChatGPT zum ersten echten Allround-Bildgenerator: stark in Text, stark in Multi-Image-Konsistenz, gut bei komplexen Szenen, native Reasoning fuer Konsistenz-Pruefung. Das nimmt Midjourney den Workflow-Vorteil bei Marketing- und Storyboard-Tasks und macht den Tool-Stack fuer kleine Teams deutlich schlanker.
Was offen bleibt: API-Pricing (vermutlich Anfang Mai 2026 kommuniziert), Rate-Limits fuer Free-User und die finale Form der EU-AI-Act-Kennzeichnung. Aber als Day-1-Eindruck: Das ist das wichtigste OpenAI-Bild-Update seit DALL-E 3.
Weiterlesen:
