KI-Design-Tools 2026 im Vergleich: Ideogram, Flux, Firefly & Co.

Wir haben zwei Testaufträge durch gpt-image-2 laufen lassen – einmal ein Editorial-Poster mit lesbarem Titelschriftzug, einmal eine reine Stimmungs-Illustration ohne Text. Beide Ergebnisse sind unbearbeitet, direkt aus dem Modell, hier eingebettet:

Der Text sitzt sauber, ist ohne Nachbearbeitung lesbar, und die Komposition hält sich an die Bildaufteilung aus dem Prompt – genau der Bereich, an dem viele Bildgeneratoren noch scheitern: Schrift, die aussieht wie Schrift, aber kein echtes Wort ergibt. Hier stimmt sie exakt.

Was dieser Test zeigt und was nicht

Zwei Bilder aus einem Modell sind kein Benchmark, und so sollen sie auch nicht gelesen werden. Sie zeigen, was ein aktueller Generator bei zwei typischen redaktionellen Aufgaben ohne Nachbearbeitung liefert: einmal ein Motiv, bei dem ein bestimmtes Wort lesbar im Bild stehen muss, einmal eine freie Stimmung, bei der es nur um Farbe, Licht und Form geht. Beim zweiten Bild ist die Aufgabe dankbarer. Abstrakte Formen verzeihen viel, weil niemand weiß, wie sie "richtig" aussehen müssten. Beim Poster dagegen fällt jeder Fehler sofort auf, ein vertauschter Buchstabe genügt.

Was man den Bildern nicht ansieht: Beide sind im ersten oder zweiten Durchlauf entstanden, nicht als bestes von zwanzig Versuchen. Bei anderen Motiven, etwa mit mehreren Personen, Händen, die Gegenstände halten, oder längeren Texten mit Umlauten, sieht das Verhältnis von brauchbaren zu unbrauchbaren Ergebnissen erfahrungsgemäß schlechter aus. Und wir haben gpt-image-2 genommen, weil es in unserer Bild-Pipeline ohnehin im Einsatz ist, nicht weil es in einem Vergleich gewonnen hätte. Die übrigen Werkzeuge in diesem Artikel beschreiben wir anhand ihrer dokumentierten Eigenschaften, Versionen und Lizenzen, nicht anhand eigener Testbilder.

Ein Detail, das beim Einbau in diese Seite auffiel, betrifft die Kennzeichnung. OpenAI versieht nach eigenen Angaben jedes über ChatGPT, Codex oder die API erzeugte Bild mit einem C2PA-Manifest, also eingebetteten Herkunftsdaten, und zusätzlich mit Googles unsichtbarem SynthID-Wasserzeichen. Die beiden Dateien oben haben wir für die Website ins AVIF-Format umgewandelt, und ein Blick in die fertigen Dateien zeigt: Das C2PA-Manifest ist dabei verloren gegangen. Genau davor warnt auch OpenAI selbst, weil Plattformen, Bearbeitungsprogramme und Formatumwandlungen solche Metadaten oft entfernen. Deshalb steht die Herkunft hier in der Bildunterschrift, wo sie keine Konvertierung verlieren kann.

Was gpt-image-2 anders macht

gpt-image-2 ist das aktuelle Bildmodell von OpenAI, im April 2026 für API und Codex am 21. und für ChatGPT am 22. freigeschaltet, in allen ChatGPT-Tarifen. Der wichtigste Unterschied zu den Vorgängern: Das Modell denkt, bevor es zeichnet. Es verarbeitet den Prompt erst in einem Zwischenschritt und erzeugt dann das Bild. Das merkt man vor allem bei Aufträgen mit mehreren Bedingungen gleichzeitig, etwa "Titel oben, Silhouette links, Motiv im Rahmen rechts, kein weiterer Text". Frühere Generatoren haben solche Listen gern zur Hälfte ignoriert.

Laut OpenAI gibt das Modell Bilder mit bis zu 2K Auflösung aus und kann bis zu acht zusammenhängende Varianten auf einmal liefern. Wie bei allen Chat-integrierten Generatoren liegt die eigentliche Stärke weniger im einzelnen Bild als im Hin und Her: Man kann ein Ergebnis nehmen und in natürlicher Sprache nachsteuern, "Schrift etwas kleiner, Hintergrund dunkler", statt jedes Mal einen neuen Prompt von Grund auf zu schreiben.

Wo die anderen großen Namen stehen

gpt-image-2 ist nur eines von mehreren ernstzunehmenden Werkzeugen, die 2026 im Umlauf sind – jedes mit einer anderen Stärke:

• Ideogram gilt als das zuverlässigste dedizierte Tool speziell für Text-in-Bild – Schilder, Poster, Logos mit echtem, lesbarem Schriftzug. Seit Juni 2026 gibt es Ideogram 4.0 auch als herunterladbares Modell.
• Flux von Black Forest Labs aus Freiburg ist offen und lässt sich lokal betreiben, ohne Tageslimit. Die aktuelle Generation heißt FLUX.2, mit dem großen [dev]-Modell und der kleineren, schnellen [klein]-Familie.
• Google Gemini liefert mit seinem Bildmodell, das unter dem Namen Nano Banana bekannt wurde, für die meisten Alltagsfälle solide Ergebnisse, auch im kostenlosen Zugang.
• Stable Diffusion bleibt die offene Basis für fotorealistische Stile und eigene, trainierte Varianten.
• Midjourney ist weiterhin das Werkzeug mit der ausgeprägtesten eigenen Ästhetik, seit Juni 2026 standardmäßig mit V8.1.
• Recraft sticht bei Vektor-Output hervor – mit der V4-Reihe erzeugt es echte SVG-Dateien, relevant für UI- und Icon-Arbeit.
• Adobe Firefly ist über Photoshop, Illustrator und Express integriert, mit Ausgaben, die explizit auf kommerzielle Unbedenklichkeit ausgelegt sind.

Ideogram: Schrift als Kerndisziplin

Ideogram hat sich von Anfang an auf das spezialisiert, woran andere Generatoren lange gescheitert sind: lesbaren Text im Bild. Version 3.0 vom März 2025 brachte bessere Fotorealistik, Stil-Referenzen aus hochgeladenen Bildern und Bearbeitungswerkzeuge wie Magic Fill und Extend. Der größere Schritt kam am 3. Juni 2026 mit Ideogram 4.0: Zum ersten Mal hat das Unternehmen sein bestes Modell mit offenen Gewichten veröffentlicht. Es hat laut Hersteller 9,3 Milliarden Parameter, erzeugt nativ 2048 Pixel pro Seite und versteht strukturierte JSON-Prompts, in denen man Layout, Farben und die Position von Textblöcken einzeln festlegen kann.

Für Designer ist genau dieser letzte Punkt interessant. Ein Prompt in Fließtext ist für Layout-Aufgaben ein ungenaues Werkzeug, weil Sprache Positionen nur ungefähr beschreibt. Strukturierte Angaben kommen der Arbeitsweise in einem Layoutprogramm näher. Beim Wort "offen" muss man allerdings genau lesen: Der Inferenz-Code steht unter Apache 2.0, die Modellgewichte aber unter einer nicht-kommerziellen Vereinbarung von Ideogram. Wer kommerziell arbeitet, nutzt die gehostete Version über Website oder API.

Flux und Stable Diffusion: offene Modelle auf dem eigenen Rechner

Black Forest Labs, gegründet von Entwicklern, die zuvor an Stable Diffusion gearbeitet hatten, hat im November 2025 FLUX.2 [dev] veröffentlicht, ein Modell mit 32 Milliarden Parametern für Bilderzeugung und Bildbearbeitung. Im Januar 2026 folgte die FLUX.2 [klein]-Familie, deren Varianten auf Tempo getrimmt sind und Bilder in weniger als einer Sekunde erzeugen können. Die Lizenzen unterscheiden sich innerhalb der Familie deutlich. Die 4B-Varianten von [klein] stehen unter Apache 2.0 und sind damit ohne Einschränkung nutzbar. Die 9B-Varianten und das große [dev]-Modell fallen unter die "FLUX Non-Commercial License".

Diese Lizenz ist weniger streng, als ihr Name vermuten lässt, aber auch nicht so großzügig, wie manche Vergleichsseiten behaupten. Laut Lizenztext darf man die erzeugten Bilder ausdrücklich für jeden Zweck nutzen, auch kommerziell, solange man sie nicht verwendet, um konkurrierende Modelle zu trainieren. Eingeschränkt ist der Einsatz des Modells selbst, etwa wenn man es in ein Produkt einbauen oder als Dienst anbieten will. Wer hier unsicher ist, sollte den Originaltext auf der Website von Black Forest Labs lesen und nicht die Zusammenfassung eines Dritten.

Stable Diffusion von Stability AI ist die ältere offene Basis, um die herum ein riesiges Ökosystem entstanden ist: eigene, feinjustierte Varianten, LoRAs für bestimmte Stile und Oberflächen wie ComfyUI, in denen man den Erzeugungsprozess als Node-Graphen zusammensteckt. Die aktuellen Modelle der 3.5-Reihe stehen unter der Stability AI Community License, die kommerzielle Nutzung für Einzelpersonen und Organisationen mit weniger als einer Million US-Dollar Jahresumsatz erlaubt.

Der praktische Vorteil lokaler Modelle ist nicht nur der Preis. Man hat kein Tageslimit, keine Moderation, die harmlose Motive wegen eines missverstandenen Wortes ablehnt, und die Prompts verlassen nie den eigenen Rechner, was bei Kundenprojekten unter Verschwiegenheitsvereinbarung ein echtes Argument ist. Der Nachteil ist die Hardware: Für die großen Modelle braucht man eine Grafikkarte mit viel Videospeicher, und die Einrichtung ist deutlich aufwendiger als ein Browserfenster.

Gemini und Midjourney: die großen Plattformen

Googles Bildmodelle sind in die Gemini-App eingebaut, das aktuelle Spitzenmodell wurde im November 2025 als "Nano Banana Pro" vorgestellt. Im kostenlosen Zugang ist die Nutzung des Pro-Modells stark begrenzt, und die Bilder tragen ein sichtbares Gemini-Wasserzeichen. Alle Bilder, auch die aus bezahlten Tarifen, enthalten zudem das unsichtbare SynthID-Wasserzeichen von Google DeepMind. Für Alltagsaufgaben, schnelle Entwürfe und Bildbearbeitung per Sprachbefehl ist Gemini eine sehr zugängliche Wahl, vor allem für alle, die ohnehin im Google-Umfeld arbeiten.

Midjourney geht einen anderen Weg. Das Werkzeug hat eine erkennbare eigene Bildsprache, die viele Nutzer gerade deshalb schätzen, und eine Community, die sich über Stile und Moodboards austauscht. V8 startete am 17. März 2026 als Alpha mit laut Midjourney fünfmal schnellerer Erzeugung, nativer 2K-Auflösung und deutlich besserer Textdarstellung. V8.1 folgte im April und ist seit Juni das Standardmodell. Midjourney hat keinen kostenlosen Zugang und eignet sich weniger für Aufgaben, bei denen es um exakte Vorgaben geht, dafür umso mehr für Stimmungsbilder und Konzeptarbeit.

Recraft und die Frage nach Vektoren

Fast alle Bildgeneratoren erzeugen Rastergrafik, also Pixel. Für Logos, Icons und Illustrationen, die in verschiedenen Größen funktionieren müssen, ist das eine grundsätzliche Schwäche. Recraft ist hier die Ausnahme. Die im Februar 2026 erschienene V4-Reihe, im Mai durch V4.1 ergänzt, umfasst eigene SVG-Modelle, die echte Vektordateien mit bearbeitbaren Pfaden ausgeben. Laut Recraft stehen alle V4-Varianten auch im kostenlosen Tarif zur Verfügung.

Aus der Praxis mit Vektordateien lässt sich ergänzen: Eine KI-generierte SVG ist ein Ausgangspunkt, keine fertige Datei. Wer ein Logo professionell weiterverwenden will, sollte die Pfade in einem Vektorprogramm öffnen, überflüssige Knoten entfernen und Formen sauber schließen. Dafür muss man kein Geld ausgeben: Inkscape ist dafür kostenlos und bestens geeignet. Welche freien Programme sich darüber hinaus zum Zeichnen und Nachbearbeiten eignen, vergleichen wir im Überblick über kostenlose Zeichenprogramme.

Adobe Firefly: der Weg für bestehende Pipelines

Adobe hat seine Firefly-Modelle nach eigenen Angaben ausschließlich mit lizenzierten Inhalten aus Adobe Stock und mit gemeinfreien Werken trainiert, nicht mit den Dateien seiner Nutzer. Das ist das Argument, mit dem Adobe die Ausgaben als "kommerziell sicher" bewirbt. Für Kunden mit berechtigten Tarifen kommt eine Freistellung beim geistigen Eigentum dazu: Wird ein Firefly-Ergebnis wegen einer Urheberrechtsverletzung beanstandet, steht Adobe dafür ein. Für Agenturen, deren Kunden genau danach fragen, ist das oft wichtiger als jeder Qualitätsvergleich.

Abgerechnet wird über sogenannte generative Credits, von denen jedes Creative-Cloud-Abo ein monatliches Kontingent enthält. Wie viele eine Aktion verbraucht, hängt von der Funktion ab. Inzwischen bindet Adobe in der Firefly-App auch Partnermodelle ein, darunter solche von Google und OpenAI. Wichtig dabei: Das Versprechen der kommerziellen Sicherheit bezieht sich auf Adobes eigene Modelle. Wer in Firefly ein Partnermodell auswählt, sollte nicht automatisch davon ausgehen, dass dieselben Zusagen gelten.

Wem gehört ein KI-Bild?

Die Frage nach der kommerziellen Nutzung hat zwei Seiten. Die erste ist die Lizenz des Werkzeugs: Darf ich das Ergebnis verwenden? Bei den meisten großen Anbietern lautet die Antwort Ja, bei offenen Modellen muss man den jeweiligen Lizenztext lesen, wie oben bei Flux und Ideogram beschrieben. Die zweite Seite ist unbequemer: Kann ich das Ergebnis schützen?

Nach deutschem Urheberrecht sind nur "persönliche geistige Schöpfungen" geschützt, so steht es in § 2 Absatz 2 des Urheberrechtsgesetzes. Nach verbreiteter Auffassung fällt ein Bild, das eine KI auf einen kurzen Prompt hin erzeugt hat, nicht darunter, weil die gestalterischen Entscheidungen nicht von einem Menschen getroffen wurden. Wo genau die Grenze liegt, wenn ein Mensch ein KI-Bild stark überarbeitet, mit eigenen Elementen kombiniert oder in ein Gesamtwerk einbaut, ist juristisch noch nicht abschließend geklärt. Für die Praxis bedeutet das: Ein reines KI-Logo kann man verwenden, aber möglicherweise nicht verhindern, dass jemand anderes es ebenfalls verwendet. Für ein Firmenlogo ist das ein ernstes Argument, eine KI-Idee von Hand nachzuzeichnen und weiterzuentwickeln. Eine Rechtsberatung ersetzt dieser Absatz nicht.

Kennzeichnung: was der AI Act seit August 2026 verlangt

Seit dem 2. August 2026 gilt Artikel 50 der europäischen KI-Verordnung, der die Transparenzpflichten regelt. Er verteilt die Pflichten auf zwei Gruppen. Anbieter von KI-Systemen, also etwa OpenAI, Google oder Black Forest Labs, müssen dafür sorgen, dass erzeugte Inhalte in maschinenlesbarer Form als künstlich erzeugt markiert sind. Für Systeme, die schon vor dem 2. August 2026 auf dem Markt waren, gilt diese Markierungspflicht erst ab dem 2. Dezember 2026.

Für Designer und Redaktionen wichtiger ist die zweite Gruppe, die sogenannten Betreiber, also alle, die solche Systeme beruflich einsetzen. Sie müssen Deepfakes offenlegen, also KI-Inhalte, die echten Personen, Orten, Gegenständen oder Ereignissen ähneln und fälschlich als echt erscheinen könnten. Bei offensichtlich künstlerischen, kreativen, satirischen oder fiktionalen Werken ist die Pflicht abgeschwächt: Dann genügt ein Hinweis in einer Form, die die Darstellung oder den Genuss des Werks nicht beeinträchtigt. Die EU-Kommission stellt dafür eigene, frei verwendbare Symbole zur Kennzeichnung bereit.

Ein abstraktes Stimmungsbild wie das zweite Beispiel oben ist nach dieser Definition kein Deepfake. Trotzdem kennzeichnen wir auf dieser Seite jedes KI-Bild in der Bildunterschrift. Das ist keine juristische Spitzfindigkeit, sondern schlicht die Information, die Leserinnen und Leser brauchen, um ein Bild richtig einzuordnen. Und wie die verlorenen C2PA-Daten zeigen, ist die maschinenlesbare Markierung des Anbieters kein Ersatz dafür, weil sie auf dem Weg ins Web leicht verschwindet.

Prompts, die in jedem Werkzeug funktionieren

So unterschiedlich die Generatoren sind, ein paar Grundregeln für gute Aufträge gelten fast überall. Die Prompts in den Bildunterschriften oben folgen ihnen, und man kann sie als Vorlage nehmen.

Erst das Medium, dann das Motiv. "Editorial-Ausstellungsposter" oder "abstrakte Illustration" sagt dem Modell sofort, in welcher Bildwelt es suchen soll, und verhindert, dass aus einem Poster ein Foto einer Wand mit Poster wird. Danach kommen Motiv, Komposition und Licht, in dieser Reihenfolge. Begriffe aus der Fotografie und dem Grafikdesign wie "Gegenlicht", "Froschperspektive", "viel Weißraum" oder "Drittelregel" werden von allen großen Modellen verstanden.

Text in Anführungszeichen, und kurz. Wörter, die im Bild erscheinen sollen, gehören in Anführungszeichen, damit das Modell sie von der Beschreibung unterscheiden kann. Je kürzer der Text, desto zuverlässiger das Ergebnis. Ein einzelnes Wort wie "STADTLICHT" gelingt heute fast immer, ein ganzer Satz mit Umlauten schon seltener. Längere Texte setzt man ohnehin besser nachträglich in einem Layoutprogramm, wo sie korrigierbar bleiben.

Ausschlüsse ausdrücklich nennen. "Kein Text" beim zweiten Beispiel ist kein Zufall. Ohne diesen Zusatz neigen viele Generatoren dazu, leere Flächen mit Pseudo-Schrift, Logos oder Signaturen zu füllen. Dasselbe gilt für Rahmen, Wasserzeichen oder zusätzliche Personen, die man nicht haben will.

Farben benennen statt umschreiben. "Aubergine-violette Farbwelt" funktioniert besser als "düster und elegant", weil es eine konkrete Vorgabe ist statt einer Stimmung, die jedes Modell anders deutet. Wer eine feste Markenpalette hat, sollte sie bei jedem Auftrag gleich formulieren, damit eine Bildserie zusammenpasst.

Nachsteuern statt neu würfeln. Wenn ein Ergebnis zu 80 Prozent passt, ist eine gezielte Korrektur in den chatbasierten Werkzeugen fast immer schneller als ein neuer Prompt. In Midjourney und den lokalen Modellen, die jedes Bild neu erzeugen, hilft es, den Seed festzuhalten und jeweils nur eine Angabe zu ändern, damit man sieht, was welche Änderung bewirkt.

Die eigentliche Frage: welches Tool für welchen Job

Es gibt 2026 kein einzelnes "bestes" KI-Design-Tool mehr – die Werkzeuge haben sich ausdifferenziert. Für Text-lastige Layouts (Poster, Schilder) führt kaum ein Weg an Ideogram vorbei. Für freie, unlimitierte Experimente ohne Cloud-Abhängigkeit lohnt sich Flux lokal. Für alles, was am Ende in eine bestehende Adobe-Pipeline soll, bleibt Firefly die reibungsloseste Wahl. Und für schnelle, zuverlässige Ergebnisse ohne viel Tool-Wechsel – wie bei den beiden Bildern oben – reicht gpt-image-2 für die meisten redaktionellen Zwecke völlig aus.

Dazu kommen zwei Nischen, die man nicht übersehen sollte. Wer Icons oder Logos als Vektordatei braucht, landet bei Recraft und bearbeitet das Ergebnis in Inkscape nach. Wer Stimmungsbilder und Konzeptarbeit für Präsentationen braucht und eine eigene Bildsprache sucht, findet sie am ehesten bei Midjourney. Für Einsteiger ohne Budget ist Gemini der unkomplizierteste Anfang.

Dass es dabei längst nicht mehr um Spielerei geht, zeigt auch die etablierte Industrie: BMWs Designabteilung beschreibt in einer eigenen Publikation, wie generative KI-Werkzeuge bereits im frühen Entwurfsprozess eingesetzt werden, um Formideen schneller zu visualisieren, bevor ein einziges physisches Modell entsteht.

Die Modelle ändern sich schneller als jeder Artikel über sie. Allein zwischen März und Juni 2026 sind mit Midjourney V8, Recraft V4.1 und Ideogram 4.0 drei große neue Versionen erschienen, gpt-image-2 kam im April dazu. Bei der Wahl eines Werkzeugs lohnt es sich deshalb, weniger auf die Bildqualität von heute zu schauen, die sich in drei Monaten wieder verschoben hat, als auf die Dinge, die sich langsamer ändern: Lizenz, Datenschutz, Preismodell und die Frage, ob das Tool in den eigenen Arbeitsablauf passt.