Löse den Reasoning-Durchlauf aus, erkenne, welche Prompts er tatsächlich verbessert, und schreibe geerdete Prompts, die live visuelle Referenzen heranziehen.

Ein Bildmodell, das nachdenkt, bevor es zeichnet

gpt-image-2 – die Consumer-Marke heißt ChatGPT Images 2.0, veröffentlicht am 21. April 2026 – ist OpenAIs erstes Bildmodell mit nativem Reasoning. Bevor es irgendetwas rendert, durchläuft es eine Gedankenkette: Es plant die Komposition, prüft die räumlichen Beziehungen zwischen Objekten, validiert, dass jeglicher Text im Bild korrekt geschrieben wird, und korrigiert sich selbst, bevor es sich auf Pixel festlegt. Der praktische Gewinn ist eine geringere Fehlerquote beim ersten Versuch und weniger von diesem „sieht sofort nach KI aus“-Gefühl, das frühere Modelle plagte.

Das Detail, das die meisten Nutzer übersehen: Dies ist eine zweistufige Funktion. Kostenlose ChatGPT-Nutzer erhalten den Instant-Modus – schnell, ohne Reasoning-Durchlauf. Der thinking mode, mit dem Planungsschritt und der Verankerung per web search, ist Plus-, Pro- und Business-Abonnenten vorbehalten. Wenn deine Ergebnisse so gar nicht wie die Launch-Demos aussehen, prüfe, auf welcher Stufe du tatsächlich generierst, bevor du deinem Prompt die Schuld gibst.

So löst du den Thinking Mode aus

Es gibt zwei Wege hinein. Der explizite ist der Reasoning-Schalter in ChatGPT: Schalte ihn ein, und jede Bildanfrage durchläuft den Planungsschritt. Der Weg auf Prompt-Ebene ist die Formulierung – das Hinzufügen einer Zeile wie „think through this carefully“ zu einer Bildanfrage schubst das Modell auf den Reasoning-Pfad. Die Phrase kostet nichts, also nimm sie bei jedem Prompt, der zählt, mit hinein.

Ändert der Modus die Ausgabe wirklich? In den Hands-on-Tests von The Decoder lieferte die Thinking-Version bei anspruchsvollen Prompts wie „DSLR-quality photorealistic portrait“ sichtbar bessere Details als derselbe Prompt im Instant-Modus. Bei leichten Prompts schrumpft der Abstand; bei schweren ist es der Unterschied zwischen einer brauchbaren Aufnahme und drei Wiederholungen.

Think through this carefully before generating: a DSLR-quality photorealistic portrait of a ceramicist in her studio, soft window light from the left, shallow depth of field, hands dusted with dried clay, honest skin texture — no beauty-filter smoothing.

Eine Trigger-Phrase plus ein anspruchsvoller fotorealistischer Brief – der Prompt-Typ, bei dem Thinking sichtbar besser abschneidet als Instant.

Welche Prompts messbar profitieren

Reasoning ist Overhead, und Overhead zahlt sich nur dort aus, wo Planung zählt. Drei Prompt-Familien profitieren messbar:

Textlastige Bilder – Poster, Etiketten, UI-Mockups. Das Modell validiert Rechtschreibung und Layout während des Reasoning-Durchlaufs, statt nach dem Rendern verstümmelte Schrift zu entdecken.
Räumlich komplexe Szenen – viele Objekte mit definierten Beziehungen, bei denen frühere Modelle Elemente still fallen ließen oder verschmolzen.
Mehrbild-Sequenzen – alles, was über mehrere Bilder hinweg dieselbe Figur, Beleuchtung und denselben Stil braucht (mehr dazu weiter unten).

Die Zahlen aus der Community untermauern das. Simon Willisons Test im Stil von „Wo ist Walter?“ – „where is the raccoon holding a ham radio“ – bestand bei der maximalen Auflösung von 3840x2160 (berichtet werden rund 0,40 $ pro Bild und 13.342 Output-Tokens), wo Vorgängermodelle scheiterten; sein Fazit war, dass es „takes the crown from Gemini, at least for the moment“ (Gemini zumindest im Moment die Krone abnimmt). Der Community-Benchmark GenAI Showdown bewertete gpt-image-2 bei strikt befolgten Prompts mit 12/15 und übertraf damit die bisherigen Spitzenreiter. OpenAI selbst behauptet, es führe jede Image-Arena-Bestenliste an, mit einem Text-to-Image-Vorsprung von +242 Punkten, den es als den größten in der Geschichte dieser Bestenliste beschreibt – eine Herstelleraussage, aber richtungsmäßig konsistent mit den unabhängigen Ergebnissen.

Eine ehrliche Einschränkung aus dem Launch-Thread auf Hacker News: Im 8x8-Pokémon-Raster-Test eines Nutzers mit bedingten Stilregeln gewann GPT Image 2 bei der visuellen Qualität, aber Nano Banana Pro folgte der bedingten Logik besser. Wenn dein Prompt im Grunde ein Regelwerk ist – „every third cell in grayscale, water types get a blue border“ –, teste beide, bevor du eine Pipeline auf eines von beiden festlegst.

Per web search verankerte Generierung

Die größere Freischaltung innerhalb des Thinking Mode ist der Abruf. Während seines Reasoning-Durchlaufs kann das Modell in Echtzeit eine web search nach visuellen Referenzen durchführen, sodass es aktuell angesagte Stile oder jüngste reale Fakten anvisieren kann, statt sie aus Trainingsdaten zu approximieren, die Monate zuvor eingefroren wurden. Es ist das erste Mal, dass RAG-artiger Abruf in eine Bildgenerierungs-Pipeline einzieht – parallel zu Googles Ansatz mit Nano Banana Pro – und The Decoder nennt es einen Durchbruch, der die Grafikgenerierung grundlegend umgestalten könnte. Wie das Reasoning selbst ist auch dies auf zahlende Abonnenten beschränkt.

Einen verankerten Prompt zu schreiben bedeutet, ihn an etwas zu binden, das das Modell nachschlagen sollte, statt es sich auszudenken. Das Muster: Benenne eine aktuelle, beobachtbare visuelle Referenz und beschreibe dann dein Motiv.

„A product shot in the style currently trending on Instagram for skincare brands“ – das Modell sucht zuerst und generiert dann.
„A UI mockup that matches the visual language of modern fintech apps“ – verankert in dem, wie diese Apps gerade tatsächlich aussehen.

Vage Gesten („a modern-looking website“) lösen keinen nützlichen Abruf aus; eine überprüfbare Referenz („currently trending“, „this season's campaign look“) schon.

Mehrbild-Konsistenz: bis zu 8 Bilder pro Prompt

Der Thinking Mode kann aus einem einzigen Prompt bis zu 8 Bilder generieren und dabei Figur, Objekte, Beleuchtung und Stil über die Bilder hinweg konsistent halten. Hier rechtfertigt der Reasoning-Durchlauf seine Kosten am sichtbarsten: Das Modell plant die gesamte Sequenz, bevor es das erste Bild rendert, statt jedes Panel als unabhängigen Würfelwurf zu behandeln.

Generate an 8-panel manga sequence of the same silver-haired detective walking through a rainy Tokyo street at night. Keep the character design, trench coat, facial features and umbrella identical in every panel. Maintain the same neon-reflection lighting and ink-wash style across all 8 frames. Panel flow: wide establishing shot, medium follow, close-up on the eyes, reflection in a puddle, turning into an alley, noticing a clue, picking it up, final wide shot from behind.

Ein Prompt für eine 8-Bild-Sequenz – die Konsistenzklausel wird als explizite Vorgabe formuliert und nicht implizit gelassen.

Formuliere die Konsistenzanforderung explizit – „keeping the character design, outfit and lighting consistent across all panels“ – statt anzunehmen, das Modell folgere sie. Der Reasoning-Durchlauf behandelt sie als zu verifizierende Vorgabe, und genau das willst du.

Instant oder Thinking: eine einfache Entscheidungsregel

Instant reicht für Moodboards, Wegwerf-Konzepte und Einzelmotiv-Bilder ohne Text. Wechsle zu Thinking – oder formuliere deinen Prompt so, dass er es auslöst – in dem Moment, in dem dein Bild Wörter enthält, mehr als drei oder vier Objekte mit definierten Beziehungen, oder irgendeine Anforderung an Konsistenz über mehrere Bilder hinweg. Das ist die Grenze, an der der Planungsschritt aufhört, Overhead zu sein, und anfängt, das Produkt zu sein.

Wenn du den Unterschied spüren willst, bevor du dich für ein Abo entscheidest: GPT Image 2 ist kostenlos zum Einstieg – du bekommst 20 Credits bei der Anmeldung, ohne Kreditkarte. Füge einen der obigen Prompts ein oder führe deinen eigenen textlastigen Poster-Test durch, auf https://gpt-img2.com.

GPT Image 2 Thinking Mode: Leitfaden für Reasoning + web search