Bilder mit ChatGPT zu erstellen ist längst keine Nebenfunktion mehr, sondern eine der Sachen, die das Tool am besten kann. Seit April 2026 läuft die Bilderzeugung über ChatGPT Images 2.0, ein natives Modell, das DALL·E endgültig abgelöst hat — abgeschaltet im Mai desselben Jahres — und das das hartnäckigste Problem jeder Bild-KI gelöst hat: Text im Bild ohne Buchstabenfehler zu schreiben.
Das verändert, was möglich ist. Poster mit lesbarem Titel, Infografik mit korrekten Zahlen, Cover mit Markennamen, Comicseite mit Sprechblasen, Verpackungsmockup mit Etikett — all das kam vorher verzerrt heraus und ist jetzt bei den meisten Versuchen sauber.
Dieser Guide deckt den kompletten Weg ab: wie man das erste Bild erzeugt, wie man den Prompt so schreibt, dass ChatGPT ihn am besten versteht, wie man bearbeitet ohne alles neu zu erzeugen, wie man denselben Charakter über mehrere Bilder hinweg beibehält, was sich zwischen kostenlosem und bezahltem Plan unterscheidet, und was das Tool noch nicht gut kann.
Was sich bei der Bilderzeugung von ChatGPT geändert hat
Bis 2025 erzeugte ChatGPT Bilder, indem es DALL·E als separates System ansteuerte: Man schrieb einen Text, ChatGPT übersetzte die Anfrage in einen internen Prompt und schickte ihn an ein anderes Modell. Das Ergebnis war unregelmäßig, weil dazwischen eine Übersetzung stattfand, die man nicht kontrollieren konnte.
Heute ist das Bildmodell nativ und teilt sich den Kontext mit dem Sprachmodell. In der Praxis bedeutet das: Es versteht die Anfrage genauso, wie es eine Textfrage versteht. Sagt man "erstelle ein Poster für ein Café, das um 7 Uhr in Porto Alegre öffnet", muss man nicht jedes visuelle Element beschreiben — das Modell leitet Layout, Hierarchie und Inhalt selbst ab.
Drei praktische Konsequenzen zählen mehr als der Rest:
- Text im Bild funktioniert. Titel, Absätze, Labels, Bildunterschriften und sogar Text in mehreren Sprachen kommen lesbar heraus. Das war die größte Schwachstelle von Bild-KIs.
- Komplexes Layout ist möglich. Infografiken, Magazin-Spreads, Charakterbögen und Seiten mit mehreren Panels sind keine Glückssache mehr.
- Konsistenz zwischen Bildern hat sich verbessert. Man kann eine Bilderserie erzeugen und dabei denselben Charakter oder dasselbe Produkt beibehalten.
💡 Gut zu wissen: Die Limits für die Bilderzeugung im kostenlosen Plan werden nicht offiziell bekannt gegeben und ändern sich je nach Nachfrage auf der Plattform. Behandle jede Zahl, die dir dazu begegnet, als Schätzung, nicht als feste Regel.
So erzeugst du dein erstes Bild, Schritt für Schritt
Der Ablauf ist so einfach wie möglich — es gibt kein separates Panel und keine vorherige Konfiguration.
- Öffne eine neue Unterhaltung. Du musst keinen speziellen Modus auswählen; frag einfach.
- Beschreibe das Bild in natürlicher Sprache. Schreib, als würdest du es einem Designer erklären, in vollständigen Sätzen. Verwende keine mit Kommas getrennte Wortliste: Dieses Format stammt aus anderen Tools und bringt hier weniger.
- Nenne das Seitenverhältnis. "Vertikales Format für Stories", "quadratisch für Instagram", "horizontal 16:9". Sagst du es nicht, wählt das Modell selbst.
- Warte auf die Erzeugung. Bilder brauchen länger als Textantworten, besonders bei dichtem Layout.
- Fordere Anpassungen direkt in der Unterhaltung an. "Mach den Hintergrund dunkler", "vergrößere den Titel", "ändere die Jackenfarbe zu Rot". Das Modell behält das Bild bei und ändert nur, was du verlangt hast.
- Lade in voller Auflösung herunter. Nutze den Download-Button, keinen Screenshot — der Screenshot verliert Qualität und kommt in der Größe deines Fensters heraus.
Dieser letzte Punkt ist wichtiger, als er klingt. Viele speichern das Bild per Rechtsklick auf die Miniaturansicht und landen bei einer kleinen, neu komprimierten Datei.
Die zwei Modi: Sofort und Denken
ChatGPT Images 2.0 arbeitet in zwei Modi, und den Unterschied zu verstehen erspart Frustration.
Der Sofortmodus erzeugt direkt aus deiner Anfrage. Er ist schnell, in allen Plänen inklusive dem kostenlosen verfügbar und deckt einfache Bilder gut ab: eine Szene, ein Porträt, eine Illustration, einen Hintergrund.
Der Denkmodus — das "Thinking" — lässt das Modell planen, bevor es zeichnet: Es prüft die Anzahl der Objekte, kontrolliert die von dir verlangten Einschränkungen, organisiert das Layout und recherchiert bei Bedarf im Web, um aktuelle Informationen ins Bild zu bringen. Dieser Modus liefert korrekte Infografiken, Poster mit echten Daten und Kompositionen mit vielen ausgerichteten Elementen. Er ist den bezahlten Plänen vorbehalten.
In der Praxis: Hat deine Anfrage nur eine Szene, reicht der Sofortmodus. Geht es um Zählungen ("genau fünf Icons"), Textstruktur oder Daten, die stimmen müssen, macht der Denkmodus einen echten Unterschied.
So schreibst du Prompts, die ChatGPT am besten versteht
Hier liegt der größte Unterschied zwischen ChatGPT und Tools wie Midjourney: Es bevorzugt Fließtext gegenüber Tag-Listen. "Frau, 35 Jahre, graues Blazer, Büro, 85mm, Bokeh" funktioniert, bringt aber weniger als dieselbe Information in Sätzen.
Beginne mit dem Zweck des Bildes, nicht mit der Beschreibung
Zu sagen, wofür das Bild ist, verändert das gesamte Ergebnis. "Ein Werbeposter für den Fotografie-Workshop am 12." erzeugt etwas deutlich Brauchbareres als "ein Bild mit einer Kamera und einem Text". Das Modell nutzt den Zweck, um über Hierarchie, Raum und Stil zu entscheiden.
Schreibe den genauen Text in Anführungszeichen
Wenn das Bild Wörter enthalten muss, schreibe sie wörtlich und in Anführungszeichen: den Titel "Frühstück", den Untertitel "jeden Samstag, 8 bis 11 Uhr". Ohne Anführungszeichen kann das Modell umformulieren oder erfinden. Und sag, wo jeder Text steht: oben, unten, unten rechts.
Beschreibe die Struktur vor dem Stil
Die funktionierende Reihenfolge ist: was erscheint und wo → dann wie es aussieht. "Drei gleiche Spalten, oben in jeder ein Icon, darunter ein Titel und ein kurzer Absatz; minimalistischer Stil mit beigem Hintergrund und serifenloser Typografie." Struktur zuerst spart deutlich Nacharbeit.
Sei explizit, was du nicht willst
ChatGPT hat kein Feld für negative Prompts. Die Einschränkung gehört in die eigentliche Anfrage und funktioniert besser in bejahender Form: "saubere Komposition, kein Text außer dem Titel" bringt mehr als "kein Text".
Iteriere, statt neu zu schreiben
Das ist der größte Vorteil der Konversationsoberfläche. Schreib den Prompt nicht von Grund auf neu, wenn etwas schiefgeht: Bitte um die Korrektur. "Behalte alles, aber ändere den Hintergrund zu Marineblau" bewahrt, was schon gut war. Den ganzen Prompt neu zu schreiben erzeugt ein neues Bild ohne Bezug zum vorherigen.
💡 Nützlicher Trick: Bitte ChatGPT selbst, deinen Prompt vor der Erzeugung zu verbessern. "Schreibe diese Anfrage als detaillierten Bild-Prompt um, ohne schon etwas zu erzeugen" bringt oft Details ans Licht, an die du nicht gedacht hast.
Seitenverhältnis und Auflösung: was du verlangen solltest
Das Modell akzeptiert eine breite Palette an Formaten, von ultra-breit bis ultra-hoch, und erzeugt bis zu 2K. Das Seitenverhältnis vor der Erzeugung festzulegen vermeidet späteren Zuschnitt — und späterer Zuschnitt kostet immer Komposition.
| Ziel | Wie du fragst | Seitenverhältnis |
|---|---|---|
| Instagram-Feed | quadratisches Format | 1:1 |
| Vertikaler Feed / Porträt | Porträtformat für Feed | 4:5 |
| Stories und Reels | vertikales Story-Format | 9:16 |
| YouTube-Thumbnail | horizontales Breitbildformat | 16:9 |
| Website-Banner | breites Panoramaformat | 3:1 |
| E-Book-Cover | vertikales Buchcover-Format | 2:3 |
| Desktop-Wallpaper | horizontales Breitbildformat | 16:9 |
Brauchst du eine bestimmte Auflösung — zum Beispiel 1920 mal 1080 — erzeuge im richtigen Seitenverhältnis und passe danach mit dem Bildgrößen-Ändern-Tool an. Exakte Pixelmaße im Prompt zu verlangen wird selten wortgetreu eingehalten.
Bilder bearbeiten: die Befehle, die funktionieren
Bearbeitung ist der Bereich, in dem ChatGPT sich von reinen Erzeugungstools abhebt. Du brauchst keine Maske, keine Ebene, keine Auswahl — du beschreibst es in Worten.
Ein bestimmtes Element ändern
"Behalte die Komposition und ändere nur die Wandfarbe zu Salbeigrün." Je expliziter du sagst, was gleich bleiben soll, desto weniger fasst das Modell den Rest an. Das Wort "behalte" leistet hier überraschend viel.
Objekte hinzufügen oder entfernen
"Entferne die Pflanze in der rechten Ecke und lass die Wand glatt." Funktioniert gut bei klar abgegrenzten Objekten. Entfernungen in stark texturierten Hintergrundbereichen hinterlassen manchmal Spuren — in dem Fall ist eine Neuerzeugung meist besser als auf der Bearbeitung zu beharren.
Stil ändern, Szene beibehalten
"Gleiche Komposition, gleiche Elemente, aber im Aquarellstil." Nützlich, um verschiedene visuelle Sprachen zu testen, ohne den bereits abgesegneten Bildausschnitt zu verlieren.
Von einem eigenen Bild aus bearbeiten
Du kannst ein Foto hochladen und Änderungen verlangen: Hintergrund ändern, Beleuchtung anpassen, in eine Illustration verwandeln, Varianten erzeugen. Wichtig zu wissen: Das Ergebnis ist ein neues Bild, das aus deinem erzeugt wird, keine pixelgenaue Bearbeitung des Originals.
Den Bildausschnitt erweitern
"Erweitere dieses Bild ins horizontale Format und führe die Szenerie natürlich zu den Seiten fort." Das ist das konversationelle Äquivalent zum Outpainting und löst den klassischen Fall, ein vertikales Bild in ein Banner zu verwandeln.
Wie du denselben Charakter über mehrere Bilder hinweg beibehältst
Das war das schwierigste Problem der Bild-KIs und ist jetzt deutlich beherrschbarer. Drei Ansätze, vom einfachsten zum zuverlässigsten.
In derselben Unterhaltung weitermachen. Das ist die einfachste und im Alltag effektivste Methode. Nachdem du den Charakter erzeugt hast, verlange die nächste Szene, ohne ihn neu zu beschreiben: "zeig jetzt denselben Charakter in einem Café sitzend". Das Modell übernimmt den Kontext der Unterhaltung und behält die Merkmale bei.
Feste Merkmale schriftlich beschreiben. Erstelle eine kurze, unveränderliche Beschreibung — Haare, Augen, charakteristische Kleidung, auffälliges Accessoire — und wiederhole exakt dieselben Worte bei jeder Anfrage. Synonyme stören: "beige Jacke" und "sandfarbener Mantel" erzeugen unterschiedliche Kleidungsstücke.
Zuerst ein Referenzblatt anfordern. Erzeuge einen Charakterbogen mit demselben Gesicht aus verschiedenen Winkeln und Ausdrücken und nutze dieses Bild als Referenz für die folgenden Erzeugungen. Das ist der aufwendigste und zugleich konsistenteste Weg, besonders für lange Serien.
Dieselbe Logik gilt für Produkte und Markenidentität: Je fester die Beschreibung, desto stabiler das Ergebnis.
Kostenlos oder bezahlt: was sich wirklich unterscheidet
Die Bilderzeugung ist in allen Plänen verfügbar, auch im kostenlosen. Was variiert, sind Volumen, Geschwindigkeit und Zugang zum Denkmodus.
| Aspekt | Kostenloser Plan | Bezahlte Pläne |
|---|---|---|
| Bilderzeugung | Verfügbar, Sofortmodus | Verfügbar, Sofort und Denken |
| Volumen | Begrenzt, Kontingent nicht veröffentlicht | Deutlich höher |
| Geschwindigkeit | Langsamer, mit Warteschlange | Priorität zu Stoßzeiten |
| Websuche während der Erzeugung | Nein | Ja, im Denkmodus |
| Komplexe Layouts und Infografiken | Unregelmäßiges Ergebnis | Deutlich zuverlässiger |
| Konsistente Bilderserien | Begrenzt | Ja |
Für gelegentliche private Nutzung — ein Wallpaper, eine Illustration für einen Post, ein unterstützendes Bild — reicht der kostenlose Plan. Für wiederkehrende Arbeit mit Layout, Text und Volumen zeigt sich der Unterschied schnell. Willst du vor dem Abschluss mit anderen Optionen vergleichen, stellt der Guide zu den besten KI-Tools zur Bilderstellung die wichtigsten Namen nebeneinander, und der Gemini-Guide zum Bilder erstellen deckt die wichtigste Alternative ab.
Was ChatGPT noch nicht gut kann
Die Grenzen zu kennen spart Zeit. Keine davon ist ein Prompt-Fehler: Es sind Grenzen des Tools.
- Reale Personen. Bilder identifizierbarer Personen zu erzeugen, besonders von öffentlichen Figuren, ist blockiert. Eine Umformulierung der Anfrage bringt nichts.
- Marken und lizenzierte Figuren. Logos bestehender Unternehmen und urheberrechtlich geschützte Figuren werden ebenfalls abgelehnt.
- Echte Vektoren. Die Ausgabe ist immer gerastert, in Pixeln. Brauchst du eine editierbare Kurven-Datei, dient das Ergebnis als Referenz zum Nachzeichnen, nicht als finale Datei.
- Zuverlässig transparenter Hintergrund. Selbst bei ausdrücklicher Bitte kommt das Bild meist mit einem soliden Hintergrund. Die Transparenz lässt sich danach schneller lösen, indem man den Hintergrund entfernt.
- Auflösung über 2K. Für großen Druck oder 4K-Monitore muss danach vergrößert werden.
- Exakte Reproduktion eines eigenen Fotos. Beim Bearbeiten eines hochgeladenen Bildes erzeugt das Modell die Szene neu. Feine Details des Originals verändern sich.
Sieben Fehler, die am meisten stören
- Im Tag-Format schreiben. Eine mit Kommas getrennte Wortliste ist die Sprache anderer Tools. Hier bringt Fließtext mehr.
- Das Seitenverhältnis nicht nennen. Ohne Angabe wählt das Modell selbst — und trifft fast immer das falsche Format für deinen Zweck.
- Den Prompt bei jedem Versuch neu schreiben. Du verlierst, was bereits stimmte. Verlange gezielte Korrekturen.
- Text lose in der Anfrage lassen. Ohne Anführungszeichen und Position formuliert das Modell um oder platziert nach Belieben.
- Per Screenshot speichern. Verliert Auflösung und fügt erneute Komprimierung hinzu. Nutze den Download.
- Alles auf einmal verlangen. Prompts mit zehn gleichzeitigen Anforderungen scheitern meist an zwei oder drei. Erzeuge die Basis und passe schrittweise an.
- Direkt ohne Optimierung veröffentlichen. Ein 2K-Bild als PNG wiegt mehrere Megabyte und verlangsamt jede Seite beim Laden.
Was du nach der Erzeugung mit dem Bild machen solltest
Dieser letzte Punkt verdient mehr Detail, denn hier scheitern die meisten. Das Bild, das aus ChatGPT kommt, ist bereit zum Betrachten, nicht zum Veröffentlichen.
Konvertiere ins richtige Format. PNG ist großartig für Transparenz und schlecht für Fotos im Web. Für Websites reduziert WebP das Gewicht meist um die Hälfte ohne sichtbaren Unterschied; für normalen Versand reicht JPG. Der Bildkonverter erledigt den Wechsel direkt im Browser, und der Guide zu Bildformaten hilft bei der Wahl.
Reduziere das Gewicht. Ein 2K-Bild kann leicht über 5 MB liegen. Der Bildkompressor schneidet einen Großteil davon ohne sichtbaren Verlust ab — und wenn die Datei wirklich groß ist, deckt die Anleitung Bild von MB in KB verkleinern die Details ab.
Isoliere das Objekt bei Bedarf. Für Logos, Produkte und Elemente auf farbigem Hintergrund ist den Hintergrund entfernen und als transparentes PNG speichern der fehlende Schritt.
Passe Auflösung und Bildausschnitt an. Kam das Bild kleiner als nötig heraus, lässt sich die Auflösung ohne Qualitätsverlust erhöhen. Stimmt das Seitenverhältnis nicht, bewahrt Zuschneiden mehr als Strecken.
Nutze die Farbpalette. Um visuelle Kohärenz zwischen Bildern aus verschiedenen Sitzungen zu erhalten, extrahiere die Farben des am besten gelungenen Bildes und nenne diese Töne in den nächsten Prompts.
💡 Reihenfolge, die funktioniert: in voller Auflösung herunterladen → zuschneiden oder Größe ändern → Format konvertieren → zuletzt komprimieren. Vor dem Größenändern zu komprimieren verschwendet Qualität.
Drei Beispiele für vollständige Anfragen
Zum Abschluss drei Anfragen, geschrieben so, wie ChatGPT sie am besten nutzt — beachte, dass alle den Zweck, den genauen Text und das Seitenverhältnis nennen.
Checkliste vor der Erzeugung
- Hast du gesagt, wofür das Bild ist, und nicht nur, was es zeigt?
- Ist das Seitenverhältnis angegeben?
- Steht der erscheinende Text in Anführungszeichen, mit festgelegter Position?
- Wurde die Struktur vor dem Stil beschrieben?
- Sind die Einschränkungen in bejahender Form geschrieben?
- Verlangst du eine Korrektur, statt alles neu zu schreiben?
- Lädst du in voller Auflösung herunter, statt per Screenshot?
Mach deine Bilder bereit zur Veröffentlichung
In 2K erzeugte Bilder liegen leicht über 5 MB. Reduziere das Gewicht ohne sichtbaren Qualitätsverlust, direkt im Browser.
Bild komprimieren