KI-Bild und -Video 2026: Die Modelle sind fertig, jetzt zählt Geschmack

TL;DR. Generierung kostet Cents. Bei Google kostet ein Bild laut Preisliste zwischen 3,36 und 13,4 Cent, Video rund 10 Cent je Sekunde. Text im Bild und glaubwürdige Bewegung sind weitgehend gelöst. Der Engpass ist nicht mehr das Rendern, sondern die Auswahl: Wenn ein Bild ein paar Cent kostet, ist teuer nur noch die Entscheidung, welches davon zur Marke passt. Und die Modelle sind unbeständig. OpenAI hat Sora 2026 eingestellt, Preise und Modellnamen wechseln laufend. Wer sich an ein Modell kettet, baut auf Sand. Die Pipeline muss modellunabhängig sein.

Die Preisliste, die die Rechnung umdreht

Wer zuletzt 2024 auf die Kosten von Bild- und Videogenerierung geschaut hat, sollte neu rechnen. Die Preisliste von Google zeigt den Stand: Nano Banana Pro, Googles stärkstes Bildmodell, kostet 13,4 Cent je Bild in 1K- oder 2K-Auflösung. Nano Banana 2 liegt bei 6,7 Cent, Nano Banana 2.1 und die Lite-Variante bei 3,36 Cent je Bild in 1K. Über die Batch-Schnittstelle halbieren sich die meisten dieser Preise. Für Video nennt Google bei Gemini Omni Flash rund 10 Cent je Sekunde in 720p.

Die Konsequenz für die Kalkulation: Das Rendern selbst ist kein nennenswerter Kostenblock mehr. Zehn Kandidaten für ein Motiv kosten mit dem teuersten Google-Modell 1,34 $. Ein komplettes Set an Kampagnenmotiven kostet in der Generierung weniger als eine Stunde Arbeit eines Menschen, der es prüft.

Was 2026 tatsächlich gelöst ist, und was nicht

Die beiden klassischen Quellen für Blamagen in der Bildgenerierung, unlesbarer Text und unglaubwürdige Physik, sind weitgehend abgeräumt. Google stellt Nano Banana Pro als Modell für korrekt gesetzten, lesbaren Text im Bild vor, auch mehrsprachig. Das ist eine Herstellerangabe. Auch bei Video bewegen sich Körper und Objekte inzwischen meist glaubwürdig.

Und doch heißt „weitgehend gelöst“ nicht „gelöst“. Gravierte Ziffern, Handschrift, feine Skalen, also alles, was wie Text aussieht, aber keiner ist, bleibt eine zuverlässige Fehlerquelle. Dazu kommen Hände, Spiegelungen und Stoffe. Die Modelle sind gut genug, um meistens zu überzeugen. Das Problem sind die Fälle, die durchrutschen, wenn niemand hinschaut.

Das Sora-Aus: Warum Ihre Pipeline kein Lieblingsmodell haben darf

Am 24. März 2026 hat OpenAI angekündigt, Sora einzustellen. Die App und die Website liefen bis zum 26. April, die Schnittstelle mit allen Sora-2-Modellen wurde am 24. September abgeschaltet. Einen Nachfolger in der Schnittstelle gibt es nicht. Wer seine Videoproduktion auf Sora-Prompts, Sora-Eigenheiten und Sora-Preise optimiert hatte, musste mitten im Geschäftsjahr umziehen.

Das ist kein Einzelfall, sondern das Muster des Marktes. Auch Google kündigt ab: Das Bildmodell Gemini 2.5 Flash Image wird laut Preisliste am 15. März 2027 abgeschaltet, Nutzer sollen auf Nano Banana 2 Lite umziehen. Neue Modelle erscheinen im Takt von Monaten, Preise ändern sich laufend.

Die betriebswirtschaftliche Konsequenz ist unbequem, aber klar: Alles, was Sie an Wissen und Prozessen aufbauen, muss oberhalb der Modellebene liegen. Ihre Gestaltungsregeln, Ihre Qualitätskriterien, Ihre Freigabeprozesse sind die Werte mit Bestand. Das konkrete Modell dahinter ist austauschbare Infrastruktur, wie ein Hosting-Anbieter. Eine modellunabhängige Pipeline legt fest, was ein gutes Ergebnis ist, und kann den Renderer wechseln, ohne dass die Marke es merkt.

Der neue Engpass: Niemand prüft, was rauskommt

Die Verbreitung ist da. Laut dem State of Marketing Report 2026 von Salesforce, für den rund 4.450 Marketer im Oktober und November 2025 befragt wurden, nutzen 75 % der Marketing-Organisationen mindestens eine Form von KI, etwa um Inhalte zu personalisieren oder Bilder zu erzeugen. Die Produktionsseite skaliert also längst.

Die Kontrollseite hinkt hinterher. Wenn ein Bild ein paar Cent kostet, ist es wirtschaftlich trivial, zehn Kandidaten zu rendern und neun wegzuwerfen. Teuer ist nicht mehr die Erzeugung, sondern die Entscheidung: Welches der zehn passt zur Marke? Wer trifft diese Entscheidung, nach welchen Kriterien, und wie skaliert das über Hunderte Motive? Die Antwort kann nicht lauten, dass der Geschäftsführer kurz drüberschaut. Dafür ist der Ausstoß zu hoch. Sie muss lauten: festgeschriebener Geschmack plus automatische Prüfung.

Wie wir das selbst lösen: Taste-Codex und drei Richter

Für unsere eigenen Kanäle betreiben wir eine Bild-Pipeline nach diesem Prinzip. Aus einem Bestand bewährter Referenzbilder haben wir einen Taste-Codex abgeleitet: einige wenige Gestaltungsachsen, etwa Lichtführung, Materialität und Bildruhe, plus harte Regeln, die nie verletzt werden dürfen. Je Motiv entstehen mehrere Kandidaten. Danach entscheiden drei unabhängige, automatische Prüfinstanzen, jede mit Ablehnung als Voreinstellung.

1. 1Taste-CodexGestaltungsachsen, harte Regeln
2. 2Kandidaten rendernmehrere Varianten je Motiv
3. 3Drei PrüferThema, Geschmack, KI-Artefakte
4. 4Freigabenur wer alle drei besteht

Die drei Fragen lauten: Passt das Bild zum Thema? Passt es zum Codex? Und zeigt es keine typischen KI-Artefakte, den sogenannten Slop? Nur ein Kandidat, der alle drei Prüfungen besteht, geht live.

Die Fehler, an denen Kandidaten scheitern, wiederholen sich: unleserlicher Schein-Text im Bild, KI-typische Fake-Handschrift, die auf den ersten Blick echt wirkt, und ein steriler Katalog-Look, der zwar sauber, aber austauschbar ist. Wenn die Ablehnungsgründe genau benannt sind, läuft die Schleife aus Ablehnen und Neu-Rendern rasch zusammen.

Was gehört in einen solchen Codex? Bei uns sind es wenige, klar prüfbare Punkte:

• Harte Ausschlüsse. Kein Text vom Bildmodell, keine nachgemalten Logos, keine Gesichter echter Personen, keine Farben außerhalb der Markenpalette.
• Gestaltungsachsen mit Beispielen. Für jede Achse, etwa Licht oder Materialität, ein gutes und ein schlechtes Referenzbild. Ein Prüfer kann nur gegen etwas prüfen, das er sehen kann.
• Typische Artefakte als Liste. Hände, Spiegelungen, Stoffe, Schein-Text, doppelte Gegenstände. Diese Liste wächst mit jeder Ablehnung.
• Eine klare Zuständigkeit. Wer den Codex ändert, entscheidet ein Mensch, nicht der Prüfer.

Drei Lehren lassen sich übertragen:

1. Motive ohne Text planen. Bildmodelle beherrschen gravierte Ziffern und echte Handschrift nicht zuverlässig. Setzen Sie Text lieber nachträglich, statt auf das nächste Modell-Update zu hoffen.
2. Klischees scheitern am Geschmack. Was der erste Reflex beim Prompt liefert, sieht aus wie bei allen anderen.
3. Ablehnung als Voreinstellung ist der Hebel. Ein Prüfer, der im Zweifel durchwinkt, ist wertlos. Drei Prüfer, die im Zweifel ablehnen, machen aus billigen Kandidaten Markenqualität.

Kennzeichnung: was seit August gilt

Zur Qualitätsfrage kommt eine rechtliche. Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50 der KI-Verordnung. Wer Bilder, Videos oder Töne veröffentlicht, die echte Personen, Orte oder Ereignisse täuschend echt nachbilden, muss sie als künstlich erzeugt kennzeichnen. Anbieter von Systemen, die solche Inhalte erzeugen, müssen ihre Ergebnisse zudem maschinenlesbar markieren. Für Systeme, die schon vor August am Markt waren, gilt dafür eine Übergangsfrist bis zum 2. Dezember 2026. Für die Pipeline heißt das: Die Kennzeichnung gehört als fester Schritt vor die Freigabe, genau wie die drei Prüfer.

Was das für Ihren Betrieb heißt

1. Generierung als Rohstoff rechnen, nicht als Kostenfaktor. Bei wenigen Cent je Bild ist Überproduktion mit harter Auswahl der richtige Modus, nicht das eine, mühsam erpromptete Einzelbild.
2. In die Auswahl investieren, nicht ins Rendern. Schreiben Sie fest, was für Ihre Marke „gut“ heißt, mit harten Ausschlusskriterien, nicht als Bauchgefühl einer Person. Erst dieses Dokument macht automatische Prüfungen möglich und Ihre Qualität unabhängig davon, wer gerade prüft.
3. Modellunabhängig bleiben. Das Sora-Aus wird nicht das letzte seiner Art sein. Verankern Sie Ihr Wissen in Regeln, Prüfprozessen und Referenzbeständen, die einen Modellwechsel überleben, und behandeln Sie das Modell als austauschbaren Zulieferer.
4. Erst messen, dann skalieren. Prüfen Sie Ihren veröffentlichten Bestand einmal gegen Ihre eigenen Regeln. Das ist an einem Nachmittag erledigt und zeigt sofort, wo Sie stehen.

Und weil KI-Inhalte zunehmend gekennzeichnet werden müssen, lohnt ein Blick auf unseren Beitrag zum unsichtbaren Zeichen in KI-Texten. Wenn Sie Ihre Bild- oder Video-Pipeline einmal mit uns durchgehen wollen, sprechen Sie uns gern an.