Generierte Bilder produktiv einsetzen

Ein gutes Bild ist ein Experiment. Zwanzig zusammengehörige Assets sind ein Produktionssystem.

Ein Produktionssystem beginnt mit Entscheidungen: welche Fakten du nennen darfst, wer die Zielgruppe ist, welche visuellen Regeln gelten, wer das Ergebnis freigibt und wohin die Dateien kommen. Die API kommt später. Automatisierung ist erst sinnvoll, wenn sich diese Entscheidungen nicht mehr alle fünf Minuten ändern.

Dieser letzte Teil baut auf dem Erstellungs-Workflow und dem Bearbeitungs-Workflow auf. Das menschliche Urteil bleibt massgebend, während Kopieren, Umbenennen und das wiederholte Zusammenstellen von Briefings entfallen.

Wähle zuerst die richtige Oberfläche

GPT Image 2 kann hinter verschiedenen Produkten stecken. Das Modell ist vielleicht dasselbe, der umgebende Workflow aber nicht.

Einsatz	Bester Ausgangspunkt	Warum
Lernen, ausprobieren oder eine Handvoll Assets erstellen	ChatGPT	Es vereint Gespräch, Bildgenerierung, einen Auswahl-Editor, eine Bildbibliothek und nachträgliche Bearbeitungen an einem Ort.
Mehrere Bild- oder Videomodelle mit einem einzigen Abo vergleichen	Poe	Du kannst einfach zwischen Modellen wechseln. Der GPT-Image-2-Bot ist eine schlankere Oberfläche mit drei Seitenverhältnissen, Qualitätseinstellungen, Anhängen und einer optionalen Maske.
Ein Bild in deinem eigenen Produkt oder Script generieren oder bearbeiten	Image API	Dein Code ruft gpt-image-2 direkt auf und steuert Prompt, Abmessungen, Qualität, Format und Dateiverwaltung.
Einen dialogbasierten oder mehrstufigen Workflow bauen	Responses API	Ein GPT-Modell kann das Briefing durchdenken, das Tool zur Bildgenerierung nutzen, den Gesprächskontext behalten und die Bearbeitung über mehrere Runden fortsetzen.

Meine Empfehlung ist klar: Mach die Arbeit manuell, bevor du sie automatisierst. Wenn du in ChatGPT nicht zuverlässig drei gute Assets erstellen kannst, produziert Code schlechte Assets schneller und in grösserer Menge.

Der Produktionskreislauf in sechs Schritten

Der kleinste sinnvolle Workflow hat sechs Schritte:

1. Gib Briefing und Fakten frei. Lege Zielgruppe, Zweck, Texte, Zahlen, Quellen, Einschränkungen und erforderliche Formate fest.
2. Definiere das visuelle System. Bestimme Regeln für Komposition, Farbpalette, Typografie, Materialien und Licht sowie die Merkmale, die über alle Assets hinweg erkennbar bleiben müssen.
3. Generiere günstige Entwürfe. Erstelle einige unterschiedliche Richtungen in niedriger Qualität, bevor du für finale Renderings bezahlst und auf sie wartest.
4. Führe formale Prüfungen durch. Prüfe Abmessungen, Dateinamen, erwartete Texte und erforderliche Kennzeichnungen. Diese Prüfungen finden offensichtliche Fehler, aber keine ästhetischen Probleme.
5. Hol eine menschliche Freigabe ein. Eine klar verantwortliche Person prüft Fakten, Markenpassung, Rechte, seltsame Details und ob das Asset tatsächlich gut ist.
6. Veröffentliche und dokumentiere. Speichere das freigegebene Bild zusammen mit Briefing, Ausgangsmaterial, Prompt, Modell, Datum und freigebender Person.

Die menschliche Freigabe ist keine Formalität. Eine automatisierte Prüfung kann dir sagen, dass eine Folie die Zeichenfolge 42 % enthält. Sie kann nicht erkennen, ob die Zahl irreführend ist, die Visualisierung einen kausalen Zusammenhang suggeriert oder die Person im Hintergrund plötzlich sechs Finger hat.

Präsentationsvisuals und Infografiken: Zuerst die Informationen festlegen

Bildmodelle beherrschen Typografie und Layout inzwischen gut genug, um überzeugende Business-Visualisierungen zu erstellen. Genau dieses «überzeugend» ist gefährlich.

Nutze zwei getrennte Dokumente:

1. Einen freigegebenen Inhaltsblock mit exaktem Titel, Beschriftungen, Zahlen, Quelle und Vorbehalten.
2. Ein visuelles Briefing, das festlegt, wie dieser Inhalt dargestellt wird.

Hier ist das fiktive Beispiel aus Teil eins:

FREIGEGEBENER INHALT — NICHT VERÄNDERN

Titel: WARUM KUNDEN ABSPRINGEN
Langsame Einrichtung: 42 %
Unklarer Nutzen: 31 %
Fehlende Integrationen: 27 %
Fusszeile: Fiktive Beispieldaten

VISUELLE RICHTUNG

16:9-Folie für die Geschäftsleitung. Warmer, cremeweisser Hintergrund,
anthrazitfarbene Typografie, indigoblaue horizontale Balken, ein dezentes
Kaffeemotiv in gebranntem Orange. Keine weiteren Statistiken, Beschriftungen, Quellen oder erklärenden Texte hinzufügen.

Bei einer echten Präsentation würde ich das finale Diagramm normalerweise in PowerPoint, Keynote, Figma oder einem Diagramm-Tool nachbauen. Die generierte Version eignet sich hervorragend, um eine visuelle Richtung zu finden und grafische Elemente zu erstellen. Bearbeitbare Texte und Daten gehören weiterhin in eine Datei, deren Inhalt sich verlässlich reproduzieren lässt.

Diese Grenze ist auch für die Barrierefreiheit wichtig. In Pixel eingebetteter Text lässt sich schwerer aktualisieren, übersetzen, durchsuchen und mit assistiven Technologien lesen. Lass den zugrunde liegenden Text nach Möglichkeit in der Folie oder auf der Seite stehen.

Definiere vor einer Serie ein visuelles System

Konsistenz entsteht durch einige wenige explizite Regeln und stabile Referenzen. Dieselben Adjektive in zwanzig Prompts einzufügen reicht nicht.

Für die fiktive Kaffeemarke könnte das System so aussehen:

Stabile Identität:
- handgefertigte Espressotasse in gebranntem Orange
- sichtbare Unregelmässigkeiten in der Glasur und haptische Materialien
- anthrazitfarbener Stein, natürliches Leinen, gedeckte blaugraue Umgebung

Komposition:
- ein unverwechselbares Hauptobjekt
- ruhige freie Fläche für Text
- Kamera auf Tischhöhe und zurückhaltende Tiefenschärfe

Licht und Stimmung:
- weiches Morgenlicht von links
- eine warme Reflexion
- ruhig, editorial, nie wie glänzende Stockfotografie

Vermeiden:
- verstreute Kaffeebohnen
- beliebiges Café-Durcheinander
- Logos oder Text im generierten Bild
- übermässiger Dampf, Lens Flare oder Luxusklischees

Erstelle dann einen kleinen Kontaktbogen, bevor du die finalen Versionen produzierst: Hero-Bild, quadratischer Ausschnitt, vertikale Story, Aufmacher für eine Präsentation und eine Detailaufnahme. Betrachte sie gemeinsam. Eine schwache Familie besteht oft aus fünf einzeln attraktiven Bildern, die offensichtlich von fünf verschiedenen Marken stammen.

Speichere den freigegebenen System-Prompt und zwei oder drei visuelle Referenzen. Weise jeder Referenz eine Rolle zu: Identität, Komposition, Licht oder Textur. Wenn du nur «Orientiere dich an diesen Bildern» sagst, muss das Modell erraten, welcher Teil jedes Bildes wichtig ist.

Direkte Generierung mit der Image API automatisieren

Der OpenAI-Guide zur Bildgenerierung empfiehlt die Image API für direkte Generierungen und Bearbeitungen. Dieses minimale JavaScript-Beispiel generiert einen WebP-Entwurf im Querformat und speichert ihn lokal:

import OpenAI from "openai";
import fs from "fs";

const openai = new OpenAI();

const result = await openai.images.generate({
  model: "gpt-image-2",
  prompt: visualBrief,
  size: "1536x1024",
  quality: "low",
  output_format: "webp",
});

const imageBase64 = result.data[0].b64_json;
fs.writeFileSync(
  "coffee-campaign-draft.webp",
  Buffer.from(imageBase64, "base64")
);

Das SDK liest OPENAI_API_KEY aus der Umgebung. Setze diesen Key nie in Browser-Code, ein öffentliches Repository oder den Prompt selbst. Ruf die API von einem Server oder einer vertrauenswürdigen Automatisierungsumgebung aus auf.

GPT Image 2 unterstützt flexible Abmessungen innerhalb der dokumentierten Grenzen. OpenAI empfiehlt derzeit quality: "low" für schnelle Entwürfe und danach medium oder high für finale Assets. PNG ist der Standard; JPEG und WebP sind ebenfalls verfügbar, mit optionaler Komprimierung. Eine aktuelle Einschränkung ist leicht zu übersehen: GPT Image 2 unterstützt in der API keine transparenten Hintergründe. Plane deshalb einen separaten Schritt ein, wenn du ein freigestelltes Bild brauchst.

Nutze die direkte API, wenn die Aufgabe bereits klar definiert ist: ein Thumbnail aus einem freigegebenen Briefing generieren, ein bereitgestelltes Bild bearbeiten, drei erforderliche Formate erstellen oder eine vorbereitete Serie rendern. Bewahre Eingabe, Ausgabe, Request-ID, gegebenenfalls den Modell-Snapshot und den Freigabestatus zusammen auf. Ohne diese Dokumentation wird die Fehlersuche bei einem schlechten Asset zur Archäologie.

Die Responses API für Workflows nutzen, die denken und weiterarbeiten

Die Responses API eignet sich besser, wenn eine Aufgabe Reasoning oder mehrere Gesprächsrunden braucht: ein Briefing prüfen, Widersprüche erkennen, ein Bild generieren, Feedback erhalten und es dann im bestehenden Kontext überarbeiten.

import OpenAI from "openai";
import fs from "fs";

const openai = new OpenAI();

const first = await openai.responses.create({
  model: "gpt-5.6",
  input: `Prüfe dieses freigegebene visuelle Briefing und generiere dann den ersten Entwurf:\n\n${visualBrief}`,
  tools: [{ type: "image_generation" }],
});

const imageData = first.output
  .filter((item) => item.type === "image_generation_call")
  .map((item) => item.result);

if (imageData.length > 0) {
  fs.writeFileSync("draft.png", Buffer.from(imageData[0], "base64"));
}

const revision = await openai.responses.create({
  model: "gpt-5.6",
  previous_response_id: first.id,
  input: "Behalte das visuelle System bei. Verschiebe die Tasse weiter nach rechts und ändere sonst nichts.",
  tools: [{ type: "image_generation" }],
});

Das genaue GPT-Hauptmodell wird sich mit der Zeit ändern. Prüfe deshalb die aktuelle Modelldokumentation, bevor du Code produktiv einsetzt. Der wichtige Unterschied bleibt bestehen: Die Image API ruft das Bildmodell direkt auf. Die Responses API gibt einem Reasoning-Modell ein Tool zur Bildgenerierung und behält den Gesprächskontext.

Verwechsle mehr Autonomie nicht mit mehr Befugnissen. Der Workflow kann entscheiden, wie er ein Briefing erfüllt. Er darf nicht entscheiden, dass ungeprüfte Aussagen, vertrauliche Eingaben oder das Abbild einer realen Person veröffentlicht werden dürfen.

Was du automatisiert prüfen kannst und was du nicht als geprüft ausgeben solltest

Sinnvolle automatisierte Prüfungen umfassen:

• erwartete Breite, Höhe, Format und Dateigrösse
• Dateiname und Speicherort
• ob der erforderliche Text vorhanden ist, wobei OCR nur ein Warnsignal und kein Beweis ist
• ob beim Asset der erforderliche Quellenhinweis oder die nötige Kennzeichnung steht
• ob der Prompt eine freigegebene Version des Briefings verwendet hat
• ob die freigebende Person für das Ergebnis dokumentiert ist

Menschen müssen weiterhin Folgendes prüfen:

• die sachliche Bedeutung und nicht nur übereinstimmende Zeichen
• visuelle Qualität und Markenpassung
• verzerrte Objekte, Anatomie, Reflexionen, Schatten und Perspektive
• Produkt- und Charakteridentität
• unbeabsichtigt abgebildete Marken oder irreführende Ähnlichkeiten
• Einwilligung, Lizenzierung und angemessene Kennzeichnung

Baue nie eine Automatisierung, die aus «Die Datei existiert» den Zustand «Das Asset ist freigegeben» macht. Das sind zwei verschiedene Zustände mit unterschiedlichen Verantwortlichen.

Wasserzeichen und Herkunftsnachweise: Die sichtbare Markierung ist nicht die ganze Geschichte

OpenAI schreibt, dass von ChatGPT, Codex und seiner API generierte Bilder C2PA-Metadaten und ein unsichtbares SynthID-Wasserzeichen enthalten. C2PA-Metadaten können durch Screenshots oder Plattformen verschwinden, die Metadaten entfernen. Das unsichtbare Signal soll gängige Veränderungen besser überstehen.

Poes Seite zu GPT-Image-2 bestätigt, dass der Bot einen von OpenAI verwalteten Server nutzt. Poe dokumentiert aber nicht öffentlich, ob die heruntergeladene Datei OpenAIs C2PA-Metadaten bewahrt. Aus dem Fehlen eines sichtbaren Hinweises würde ich nicht auf «ohne Wasserzeichen» schliessen. Die sichere Aussage ist enger: Das sichtbare Ergebnis kann gleich aussehen, während der Umgang der Oberfläche mit Herkunftsinformationen nicht dokumentiert ist.

Googles Ansatz zeigt denselben Unterschied. Die Gemini-Dokumentation zur Bildgenerierung sagt, dass generierte Bilder ein unsichtbares SynthID tragen. Googles Ankündigung zu Nano Banana Pro erklärt dagegen, dass das sichtbare Gemini-Funkeln vom Produkt und der Abostufe abhängt. Eine sichtbare Markierung kann verschwinden, während eine unsichtbare bestehen bleibt.

Bewahre für interne Workflows unabhängig von eingebetteten Metadaten deine eigene Herkunftsdokumentation auf: Ausgangsmaterial, Prompt, Modell, Datum, Bearbeitungen und freigebende Person. Eingebettete Signale helfen. Sie ersetzen keine Regeln und Aufzeichnungen, die du selbst kontrollierst.

Datenschutz, Rechte und kommerzielle Nutzung

Die Unterschiede zwischen den Produkten sind auch hier wichtig. OpenAIs FAQ zu Data Controls erklärt, wie du bei privater ChatGPT-Nutzung die Modellverbesserung deaktivierst oder Temporary Chat verwendest. Laut OpenAI werden Ein- und Ausgaben von Business, Enterprise und der API standardmässig nicht zur Verbesserung der Modelle verwendet. Poe hat eigene Bedingungen und einen eigenen Umgang mit Daten. Die Richtlinien deines Unternehmens können eine Oberfläche ausschliessen, selbst wenn das zugrunde liegende Modell identisch ist.

Bevor du Kundenmaterial, unveröffentlichte Produkte, Patienteninformationen, Mitarbeiterdaten oder vertrauliche Strategien hochlädst, prüfe den Vertrag und den genauen Produkttarif. Im Gesundheitswesen reicht «Der Anbieter nutzt OpenAI» bei Weitem nicht aus. Du musst wissen, welcher Anbieter die Daten in deinem Auftrag bearbeitet, wohin sie fliessen, was gespeichert wird, welche Vereinbarung gilt und ob die Nutzung überhaupt erlaubt ist.

Die Nutzungsbedingungen von OpenAI sagen, dass der Output im Verhältnis zwischen dir und OpenAI und soweit gesetzlich zulässig dir gehört. Sie weisen auch darauf hin, dass der Output möglicherweise nicht einzigartig ist und du die nötigen Rechte an den Eingaben besitzen musst. Das garantiert weder, dass dein generiertes Logo markenrechtlich unbedenklich ist, noch dass ein Referenzbild lizenziert war oder die Bearbeitung des Abbilds einer Person rechtmässig ist.

Hol bei realen Personen eine ausdrückliche Einwilligung für die geplante Nutzung ein. Führe bei einer Markenidentität vor der Festlegung eine Markenrecherche durch. Bei erheblichen urheberrechtlichen oder datenschutzrechtlichen Risiken brauchst du vor der Veröffentlichung eine fundierte Rechtsberatung und nicht erst, wenn die Kampagne bereits läuft.

Sinnvolle Ausbaustufen

Beginne nicht mit einer vollständig autonomen Kreativ-Pipeline. Baue zuerst die kleinste Version, die den nächsten Schritt rechtfertigt:

1. Manuell: Ein freigegebenes Briefing, drei ChatGPT-Entwürfe, eine menschliche Entscheidung.
2. Mit Vorlage: Verwende einen Block für das visuelle System und ein einheitliches Schema für Dateinamen wieder.
3. Unterstützt: Ein Script sendet freigegebene Briefings an die Image API und speichert Entwürfe in einem Prüfungsordner.
4. Geprüft: Ergänze Abmessungen, Format, OCR-Warnungen, Prompt-Version und Kostenerfassung.
5. Integriert: Verbinde das freigegebene Ergebnis mit deiner Präsentation, deinem CMS oder deinem Kampagnen-Workflow.

Hör auf, sobald der wirtschaftliche Nutzen nicht mehr steigt. Eine monatliche Kampagne mit sechs Bildern braucht vielleicht eine gute Vorlage und keine API. Ein Produkt, das Tausende personalisierte Visualisierungen generiert, braucht Warteschlangen, Rate Limits, Wiederholungsversuche, Monitoring, Missbrauchsschutz und ein durchdachtes Freigabemodell.

GPT Image 2 bietet neben Fotografie, Illustration, Design und Photoshop eine weitere Möglichkeit, visuelles Material zu steuern, zu erstellen, zu rekonstruieren und in grossem Umfang zu produzieren. Je genauer du dein Urteil formulierst, desto höher liegt die mögliche Qualität. Nimmst du den Menschen aus dem Prozess, sinkt sie.