KI-Bildgenerator und KI-Videogenerator: Alle Anbieter im Überblick

Wer aktuell nach einem KI-Bildgenerator sucht, stößt schnell auf ein Problem: Es gibt nicht „den einen" Anbieter, sondern ein Dutzend Namen, die sich teilweise überschneiden, teilweise gegenseitig einbinden. Häufige Fragen sind dabei: Welches Tool ist gerade das beste? Was kostet ein KI-Bildgenerator im Monat wirklich? Gibt es kostenlose Alternativen, die trotzdem gute Ergebnisse liefern? Und – gerade bei neueren Plattformen – nutzt der Anbieter überhaupt ein eigenes Modell, oder generiert er die Bilder in Wahrheit über die Schnittstelle eines anderen Herstellers?

Bei der Videogenerierung kommt eine weitere Unsicherheit hinzu: Der Markt bewegt sich schnell, einzelne Dienste werden abgekündigt oder umbenannt, und wer ein Tutorial von vor einem Jahr liest, landet mit hoher Wahrscheinlichkeit bei einem Tool, das es in dieser Form nicht mehr gibt. Genau deshalb lohnt sich eine nüchterne Bestandsaufnahme: welcher Anbieter macht Bilder, welcher Videos, welcher beides – und wer baut sein Angebot auf fremden Modellen auf, statt selbst zu entwickeln.

Inhalt dieses Beitrags:

1. Die Anbieter im Überblick
2. Welcher Anbieter ist wofür besonders stark?
3. Wie streng prüfen die Anbieter Prompts?
4. Web- und App-Design mit KI: mehr als nur ein Bild
5. Bild- und Videogenerierung selbst hosten statt über die Cloud

Die Anbieter im Überblick

Die folgende Liste ist nach Bekanntheit und Marktbedeutung sortiert, nicht alphabetisch. Oben stehen die Anbieter, an denen kaum jemand vorbeikommt, der sich mit KI-Bildern oder -Videos beschäftigt; unten stehen spezialisierte Werkzeuge und reine Sammelplattformen.

Bei den Preisen handelt es sich um die günstigsten regulären Einstiegstarife der Anbieter zum Zeitpunkt der Recherche (Juli 2026). Fast alle Dienste rechnen zusätzlich über Credits oder Guthaben ab, sodass der tatsächliche Preis stark von der Nutzungsmenge abhängt – die Angabe „ab" bezieht sich auf den niedrigsten bezahlten Zugang, nicht auf einen Pauschalpreis für unbegrenzte Nutzung.

Sora ist kein aktives Angebot mehr

Wer in älteren Vergleichen oder Anleitungen auf Sora von OpenAI stößt, sollte wissen: Das Produkt wird abgewickelt. Die Sora-App und die Weboberfläche wurden bereits am 26. April 2026 eingestellt, die dazugehörige Programmierschnittstelle (API) folgt am 24. September 2026. Nutzer, die dort Inhalte gespeichert hatten, wurden aufgefordert, diese vor den jeweiligen Stichtagen zu exportieren – nach Ablauf der Fristen werden die Daten gelöscht. OpenAIs eigenes Bildmodell GPT Image 2 ist von der Einstellung nicht betroffen und bleibt weiterhin verfügbar.

Wer nutzt wen? Eigene Modelle versus eingekaufte Technik

Ein Punkt, der bei vielen Vergleichen untergeht: Nicht jeder Anbieter mit einem eigenen Namen und eigener Oberfläche hat auch ein eigenes KI-Modell dahinter. Ein echter Modellhersteller wie OpenAI, Google, Black Forest Labs, Midjourney, Kuaishou (Kling) oder Alibaba (Wan) trainiert die zugrunde liegende KI selbst und trägt dafür die Rechenkosten. Plattformen wie fal.ai oder Replicate sind dagegen reine Zugangspunkte: Sie hosten fremde Modelle und rechnen die Nutzung nach Rechenzeit ab, ohne selbst ein Basismodell zu entwickeln.

Dazwischen liegt eine dritte Gruppe, zu der etwa ImagineArt, Freepik oder Poe gehören. Diese Dienste bündeln mehrere fremde Modelle unter einer eigenen Oberfläche und einem eigenen Abo-Preis. Das kann praktisch sein, wenn man verschiedene Modelle ausprobieren möchte, ohne bei jedem Hersteller einzeln ein Konto anzulegen – der Preis liegt dann aber in der Regel über dem, was man beim jeweiligen Originalanbieter direkt zahlen würde, und man ist von dessen Verfügbarkeit und Konditionen abhängig. Bei Recraft ist die Videofunktion ein konkretes Beispiel dafür: Die Bildgenerierung stammt aus eigener Entwicklung, die Videogenerierung läuft dagegen über ein eingebundenes Modell von xAI.

Welcher Anbieter ist wofür besonders stark?

„Der beste KI-Bildgenerator" gibt es nicht – die Antwort hängt davon ab, wofür das Bild oder Video gebraucht wird. Ein Modell, das bei fotorealistischen Produktbildern überzeugt, muss bei lesbarem Text im Bild nicht zwangsläufig gut sein, und ein Video-Tool für kurze Social-Clips verfolgt ein anderes Ziel als eines für einen mehrsekündigen Werbespot mit Ton. Die folgende Einordnung fasst zusammen, wofür einzelne Anbieter in aktuellen Tests und Vergleichen besonders häufig empfohlen werden:

Diese Einordnung beruht auf aktuellen Testberichten und Vergleichsportalen, nicht auf eigenen Messwerten – bei einem so schnelllebigen Markt kann sich die Rangfolge innerhalb weniger Monate verschieben.

Wie streng prüfen die Anbieter Prompts?

Ein Ärgernis, das in Nutzerforen immer wieder auftaucht, hat mit Kreativität gar nichts zu tun: abgelehnte Prompts. Gerade bei alltäglichen, völlig legitimen Anfragen – etwa Produktfotos für einen Katalog – melden manche Dienste einen Verstoß gegen die Inhaltsrichtlinien, ohne dass für den Nutzer nachvollziehbar ist, welcher Teil der Beschreibung das ausgelöst hat. Die Prüfung läuft dabei oft in einer vorgeschalteten Filterstufe, bevor das eigentliche Bildmodell die Anfrage überhaupt sieht – entsprechend wenig hilfreich fallen die Fehlermeldungen aus.

Wie streng diese Prüfung ausfällt, unterscheidet sich zwischen den Anbietern spürbar:

• Adobe Firefly gilt als besonders vorsichtig eingestellt. Da das Modell ausschließlich mit lizenziertem Adobe-Stock-Material und gemeinfreien Werken trainiert wurde und Adobe eine kommerzielle Rechtszusage gibt, sind die Inhaltsrichtlinien entsprechend eng gefasst – wer im Unternehmenskontext rechtlich auf der sicheren Seite sein will, gewinnt dadurch Absicherung, verliert aber an kreativem Spielraum.
• Midjourney setzt ebenfalls auf eine mehrstufige Prüfung aus Schlagwort-Filtern und einer zusätzlichen KI-Klassifizierung; die Community-Regeln verlangen durchgehend jugendfreie Inhalte.
• Leonardo.ai wird in aktuellen Vergleichen als spürbar lockerer beschrieben als Midjourney oder Adobe Firefly, insbesondere für künstlerische Motive in den kostenpflichtigen Tarifen.
• Offene Modelle wie FLUX und Stable Diffusion unterliegen im Eigenbetrieb keiner Anbieter-seitigen Prompt-Prüfung mehr, weil keine zentrale Plattform mehr dazwischengeschaltet ist. Für die kommerzielle Nutzung ist dabei allerdings die jeweilige Lizenz entscheidend: Während die schnellere FLUX.1-Schnell-Variante unter Apache 2.0 auch geschäftlich frei nutzbar ist, verlangt die hochwertigere FLUX.1-Dev-Variante für den kommerziellen Einsatz eine separate Lizenz von Black Forest Labs.

Für den Alltag lässt sich daraus eine einfache Faustregel ableiten: Je stärker ein Anbieter mit rechtlicher Absicherung und Markenreputation wirbt (Adobe, aber auch Midjourney durch seine Community-Ausrichtung), desto enger fällt in der Regel auch die Prompt-Prüfung aus. Wer öfter an falsch-positiven Ablehnungen bei eigentlich harmlosen Motiven scheitert, findet bei offenen, selbst gehosteten Modellen oder bei etwas freizügiger eingestellten Cloud-Anbietern wie Leonardo.ai häufiger eine Alternative – muss dafür aber selbst genauer hinschauen, was rechtlich zulässig ist, weil die Haftung dann stärker beim Nutzer liegt.

Web- und App-Design mit KI: mehr als nur ein Bild

Neben klassischen Bildgeneratoren hat sich ein eigener Werkzeugtyp etabliert, der nicht auf einzelne Bilder zielt, sondern auf tatsächlich funktionierende Weboberflächen und App-Ansichten aus echtem HTML, CSS und JavaScript. Wer nach KI-Unterstützung für Webseiten- oder App-Design sucht, meint in der Regel genau das: einen Entwurf, der sich direkt im Browser anschauen lässt und nicht nur als statisches Bild einer möglichen Oberfläche dient. Die wichtigsten Anbieter in diesem Bereich unterscheiden sich deutlich darin, wie viel sie automatisieren und wie nah das Ergebnis am fertigen Code ist.

Claude Design (Anthropic)

Claude Design ist seit April 2026 als Forschungsvorschau für Pro-, Max-, Team- und Enterprise-Abos verfügbar. Beim Einrichten liest Claude auf Wunsch den bestehenden Code, vorhandene Figma-Dateien, die eigene Website oder frühere Präsentationen ein und leitet daraus ein Designsystem aus Farben, Schriftarten und wiederkehrenden Bausteinen ab. Dieses System wird automatisch auf jeden neuen Entwurf angewendet, sodass Landingpages, Dashboards oder App-Ansichten optisch zusammenpassen, statt bei jedem neuen Prompt bei null anzufangen. Änderungen lassen sich per Chat, über Kommentare direkt im Entwurf oder über Regler für Abstände und Farben vornehmen. Fertige Entwürfe lassen sich als HTML-Datei, PDF, PowerPoint-Datei oder direkt als Übergabepaket an Claude Code exportieren, das daraus lauffähigen Code baut.

Stärke: Die Fähigkeit, ein kohärentes Designsystem eigenständig aus einem bestehenden Code-Repository abzuleiten, statt nur einzelne Figma-Dateien zu importieren – das können vergleichbare Tools laut aktuellen Vergleichen nicht in dieser Form. Schwäche: Für mobile Bildschirme funktioniert das Tool zwar, gilt aber als eher allgemein gehalten, ohne spezialisierte Werkzeuge für native App-Besonderheiten. Zudem ist der Status als Forschungsvorschau zu beachten – Funktionsumfang und Verfügbarkeit können sich noch ändern.

Google Stitch

Stitch ist aus dem 2025 von Google übernommenen Galileo AI hervorgegangen und läuft inzwischen auf Gemini 3. Das Tool bietet eine unendliche Canvas-Fläche, kann mehrere Bildschirme gleichzeitig erzeugen, lässt sich auch per Sprache steuern und verknüpft einzelne Screens zu klickbaren, testbaren Abläufen. Der Codeexport deckt HTML, CSS, Tailwind CSS, Vue.js, Angular, Flutter und SwiftUI ab. Stitch ist kostenlos nutzbar.

Stärke: Sehr breiter Export in verschiedene Frontend- und App-Frameworks (u. a. Flutter und SwiftUI für native Apps) sowie die Möglichkeit, mehrere zusammenhängende Bildschirme direkt zu einem testbaren Klick-Prototyp zu verbinden – und das kostenlos. Schwäche: Anders als Claude Design leitet Stitch kein Designsystem automatisch aus einem bestehenden Code-Repository ab, sondern arbeitet stärker prompt- und canvas-getrieben.

ChatGPT / OpenAI

OpenAI bietet mit Canvas eine Arbeitsfläche für Text- und Code-Projekte, die sich öffnet, sobald ChatGPT längere Inhalte oder Code erzeugt. Für reine Bildoberflächen gibt es zudem Angebote, die auf dem hauseigenen Bildmodell GPT-Image-2 aufbauen und daraus interaktive Web-, iOS- und Android-Oberflächen ableiten. Die zugrunde liegenden Modelle der GPT-5.4-Reihe wurden gezielt für ansprechendere, produktionsnähere Frontends trainiert.

Stärke: Enge Verzahnung mit dem ohnehin verbreiteten ChatGPT sowie starke Bildqualität durch GPT-Image-2 als Basis. Schwäche: Nach aktuellem Vergleichsstand fehlt eine eigene, mit Claude Design vergleichbare Fähigkeit, produktionsreife Designsysteme direkt aus einem Code-Repository zu extrahieren und konsistent auf neue Entwürfe zu übertragen.

v0 (Vercel) und Lovable

Beide Tools kommen ursprünglich weniger aus der Design- als aus der Entwicklungsecke. v0 generiert produktionsreifen Next.js-Code, lässt sich direkt auf Vercel veröffentlichen und mit GitHub synchronisieren; Screenshots oder Figma-Designs können als Vorlage hochgeladen werden. Lovable beschreibt aus einer einfachen Textbeschreibung eine komplette Anwendung inklusive Frontend, Backend, Datenbank und Anmeldefunktion und importiert Figma-Entwürfe über einen geteilten Link.

Stärke: Beide Tools gehen über reines UI-Design hinaus und liefern direkt lauffähige, oft vollständige Anwendungen statt nur Oberflächenentwürfe. Schwäche: Beide können zwar bestehende Figma-Designs importieren, leiten aber kein eigenständiges Designsystem aus einem bestehenden Code-Repository ab – neue Entwürfe orientieren sich weniger automatisch an einer bereits etablierten visuellen Sprache.

Bild- und Videogenerierung selbst hosten statt über die Cloud

Wer nicht bei jedem Bild oder Video von den Abo-Grenzen und Preisen eines Cloud-Anbieters abhängig sein möchte, kann Bild- und Videomodelle auch auf eigener Hardware betreiben. Anders als bei klassischen Chat-LLMs, die sich mit Tools wie Ollama recht unkompliziert lokal starten lassen, braucht es dafür allerdings eine andere Software-Basis.

Was ist ComfyUI?

ComfyUI ist eine kostenlose, quelloffene Bedienoberfläche für lokal betriebene Bild- und Videomodelle – das Gegenstück zu einer Cloud-Oberfläche wie bei Midjourney oder Runway, nur dass die Berechnung auf der eigenen Grafikkarte läuft statt auf fremden Servern. Statt eines einzelnen Eingabefelds arbeitet ComfyUI mit einzelnen „Nodes" (Knoten), die sich wie in einem Schaltplan miteinander verbinden lassen: Ein Knoten lädt das Modell, ein anderer nimmt den Prompt entgegen, ein weiterer steuert die Bildgröße oder das Nachschärfen. Das erlaubt sehr feine Kontrolle über jeden einzelnen Schritt der Generierung, bedeutet aber auch eine deutlich steilere Lernkurve als eine einfache Weboberfläche mit nur einem Textfeld. ComfyUI hat sich inzwischen als De-facto-Standard etabliert: Praktisch alle offenen Bild- und Videomodelle – darunter FLUX, Stable Diffusion, Wan, HunyuanVideo und LTX-Video – bringen offizielle oder von der Community gepflegte Anbindungen dafür mit.

Anbindung an Open WebUI

Open WebUI, die verbreitete Oberfläche für selbst gehostete Chat-Modelle, kann für Bildgenerierung direkt an ComfyUI angebunden werden – das ist offiziell dokumentiert und keine Bastellösung: ComfyUI läuft als eigener Dienst, wird per Konfigurationsschalter für Netzwerkzugriffe geöffnet, ein exportierter Workflow wird in Open WebUI importiert, und anschließend lassen sich Bilder direkt aus dem gewohnten Chat-Fenster heraus erzeugen. Für Videogenerierung existiert dagegen keine vergleichbare native Anbindung an Open WebUI – hier läuft die Bedienung direkt über ComfyUI selbst als eigenständige Oberfläche.

Welche Modelle sich lokal eignen

Bei den Modellen hat sich die Auswahl 2026 deutlich verbreitert:

• Für Bilder gelten FLUX.2 und Stable Diffusion 3.5 als die beiden zentralen Modellfamilien. Die kleinere FLUX.2-Variante (klein, 4B Parameter) läuft bereits mit rund 8 GB Grafikspeicher, während die hochwertigere FLUX.2-Dev-Variante etwa 32 GB benötigt. Als grobe Richtschnur gilt: 12 GB Grafikspeicher reichen für SDXL oder FLUX Schnell, ab 24 GB laufen auch FLUX Dev und die meisten Videomodelle.
• Für Videos sind Wan 2.2 (Alibaba), HunyuanVideo (Tencent) und LTX-Video (Lightricks) die verbreitetsten offenen Modelle. Wan 2.2 gilt dank Apache-2.0-Lizenz und vergleichsweise moderatem Speicherbedarf (die dichte TI2V-5B-Variante läuft auf einer einzelnen 24-GB-Grafikkarte) für die meisten als guter Einstieg; HunyuanVideo punktet eher bei der Ausgabequalität, benötigt in der aktuellen Version 1.5 aber ebenfalls nur noch rund 14 GB statt der ursprünglich 45 GB.

Lohnt sich eigene Hardware?

Ob sich die eigene Hardware finanziell lohnt, hängt stark von der Nutzungshäufigkeit ab. Eine gebrauchte RTX 3090 mit 24 GB Speicher gilt aktuell als bestes Preis-Leistungs-Verhältnis für den Einstieg (rund 700–900 US-Dollar gebraucht), eine RTX 4090 ist zwar deutlich schneller, kostet aber auch entsprechend mehr und zieht mehr Strom. Wer nur gelegentlich ein Bild oder Video braucht, ist mit einem Cloud-Abo in aller Regel günstiger unterwegs; erst bei regelmäßiger, hoher Auslastung amortisiert sich eigene Hardware gegenüber gemieteter Rechenleistung spürbar. Der Vorteil des Eigenbetriebs liegt daher weniger im Preis pro Bild, sondern in der vollständigen Kontrolle über Modell, Daten und Prompt-Freiheit, ohne von den Regeln eines Cloud-Anbieters abhängig zu sein.

Weiterführende Beiträge

• Claude Fable 5 ist zurück – und im Abo kostenlos testbar
• Claude Fable 5 kostenlos bis 12. Juli – steckt OpenAIs GPT-5.6 hinter der Verlängerung?
• GPT-5.6 (Sol, Terra, Luna) ist da: Verfügbarkeit, Preise – und warum es in deinem ChatGPT-Abo noch fehlt