Imagen 4 im Test: KI für Produktfotos

Imagen 4 von Google DeepMind: fotorealistische Studiofotos bis 2K, scharfe Typografie, SynthID-Wasserzeichen. Vergleich mit Nano Banana und Flux 2.

Ich bin Lena, Art Director bei Flami. Wenn mir ein Shop-Betreiber ein Handyfoto schickt, auf dem das Produkt einfach auf dem Flurteppich liegt, und mich bittet, „das für den Listing-Eintrag ordentlich zu machen“, öffne ich meistens als Erstes Imagen 4. Nicht etwa, weil es das klügste Modell am Markt ist, sondern weil Imagen genau diesen cleanen Studio-Shot liefert: ein Cremetiegel auf glattem grauem Hintergrund, weiches, gleichmäßiges Licht, wie aus einem Katalog-Shooting und nicht aus einem Generator.

Ich gehe durch, wo das Modell für mich den Job erledigt und wo ich unauffällig zu etwas anderem wechsle. Ohne Schönfärberei: Ich arbeite täglich mit diesem Modell.

Woher das Modell kommt

Imagen stammt von Google DeepMind, demselben Labor, das auch Gemini entwickelt. Google stellte die vierte Version auf der Google I/O am 20. Mai 2025 vor, im August 2025 wurde sie über die Gemini API allgemein verfügbar, zusammen mit Imagen 4 Fast.

DeepMind selbst hält sich mit der Einschätzung nicht zurück.

„Imagen 4 ist unser bislang bestes Text-zu-Bild-Modell, mit fotorealistischen Bildern, nahezu Echtzeit-Geschwindigkeit und schärferer Klarheit.“
Google DeepMind, Imagen-Produktseite

Klingt nach Marketing-Text, klar. Aber bei der Fotorealismus-Behauptung übertreiben sie nicht.

Warum es in meinem Werkzeugkasten bleibt

Cleane Studio-Hintergründe. Das ist der große Punkt. Wenn ich einen Hero-Shot für ein Listing mit gleichmäßigem Hintergrund, weichem Licht und ordentlichem Schatten brauche, kommt Imagen fast ohne Prompt-Kämpfe dorthin. Andere Modelle schmuggeln gern „Stimmung“ hinein: eine zufällige Spiegelung, Tischstruktur, einen warmen Farbstich. Imagen liefert mir meist genau den sterilen Lightbox-Shot, den ich eigentlich wollte.

Materialtextur. TechCrunch wies darauf hin, dass das Modell feine Details beherrscht: Stoff, Wassertropfen, Tierfell. Bei Produktfotos zeigt sich das sofort. Mattes Plastik wirkt matt, Glas wirkt wie Glas, eine Kuscheldecke sieht tatsächlich flauschig aus.

Typografie. Das ist der zweite Grund, warum Leute zu Imagen greifen. Google hat die Textdarstellung gezielt optimiert, kleine Schrift auf einem Poster oder Banner bleibt tatsächlich lesbar. Bei lateinischen Buchstaben läuft das besonders gut. Bei anderen Schriftsystemen sieht es anders aus, dazu gleich mehr.

Auflösung. Bis zu 2K bei Imagen 4 und Ultra, bestätigt in der Ankündigung zur allgemeinen Verfügbarkeit. Für ein Marketplace-Listing völlig ausreichend. Geht der Shot in einen Printkatalog oder ein großes Banner, helfen die zusätzlichen Pixel.

Drei Stufen für drei unterschiedliche Aufgaben

Die Modellreihe teilt sich in drei Versionen, jede mit eigener Aufgabe. Googles eigene Preisliste zur Gemini API zeigt die Logik recht klar:

Imagen 4 Fast. Etwa 2,7 Sekunden pro Bild, 0,02 $ laut Googles Preisliste. Ich greife dazu, wenn ich schnell zwanzig Hintergrundvarianten durchspielen und den Gewinner auswählen muss.
Imagen 4 Flagship. Ausgewogene Qualität und Geschwindigkeit, 0,04 $. Das deckt vielleicht 80 % meiner Anfragen ab.
Imagen 4 Ultra. Höchste Prompt-Treue, 0,06 $, dafür langsamer. Den setze ich für den finalen Shot ein, der in die Produktion geht.

Flami arbeitet mit Credits statt einer API-Rechnung pro Bild, dieselben drei Stufen, ohne Gemini-API-Konsole. Bei der Anmeldung gibt es kostenlose Start-Credits, Testen kostet also erst mal nichts.

SynthID: Das solltest du vorab wissen

Jedes Bild, das Imagen erzeugt, trägt ein unsichtbares SynthID-Wasserzeichen. Mit bloßem Auge ist es nicht zu erkennen, die Bildqualität leidet nicht darunter, aber es erlaubt jedem, programmatisch zu prüfen, ob ein Bild KI-generiert wurde.

Für Marken und Agenturen, die auf Transparenz achten, ist das ein Plus. Für jemanden, der ein Produkt listet, macht es beim fertigen Bild meist keinen Unterschied. Trotzdem erwähne ich es lieber vorab, als dass später jemand fragt, was es mit diesem Wasserzeichen auf sich hat.

Wo ich es umgehe

Jetzt zum weniger schmeichelhaften Teil, sonst wäre das hier nur Werbung.

Nicht-lateinische Schriften. Imagen stellt lateinische Buchstaben wunderbar dar, aber Schriften wie Kyrillisch können wackelig ausfallen, mit zusätzlichen Strichen oder verstümmelten Buchstaben. Ehrlich gesagt bin ich mir nicht sicher, ob das eine feste Grenze des Modells ist oder ob ich den Prompt falsch formuliere, aber das Muster zeigt sich jedes Mal: Steht nicht-lateinischer Text im Zentrum des Bildes, wechsle ich zu Ideogram 3.0 oder Nano Banana.

Ein Motiv über eine ganze Serie. Soll dasselbe Gesicht oder dasselbe Produkt über fünf verschiedene Szenen hinweg erkennbar bleiben, hält sich Imagen schlechter als Flux 2. Die Meinungen unter Designern gehen hier auseinander, aber in meinen eigenen Tests bleibt Flux über eine Serie konsistenter.

Lifestyle-Energie. Imagens steriler Look ist Stärke und Schwäche zugleich. Für einen Katalog-Hero-Shot kommt das nahe ans Ideal. Bei einer Lifestyle-Szene mit echter Emotion, jemand lacht, es soll eine Geschichte entstehen, kann es flach wirken. Dafür nehme ich Nano Banana oder baue die Szene in GPT Image 2.

Welches Modell zu welcher Aufgabe passt

Das wird mich dauernd gefragt, deshalb hier die Kurzfassung.

Cleaner Studio-Hero-Shot für ein Produkt: Imagen 4
Ehrliche Materialtextur, Glas, Plastik, Stoff: Imagen 4
Lateinische Typografie auf einem Poster: Imagen 4
Nicht-lateinischer Text als Hauptelement im Bild: Ideogram 3.0 oder Nano Banana
Ein Motiv durch eine ganze Szenenreihe: Flux 2
Lifestyle-Aufnahmen mit Emotion und Story: Nano Banana

Kurz gesagt: Bei Imagen geht es um Genauigkeit und ein cleanes Bild, für Produkte, die aussehen sollen, als wären sie in einem echten Studio fotografiert worden. Geht es um Text, eine ausgefeilte Story oder eine Figur, die durch eine ganze Serie trägt, schaue ich woanders hin.

Checkliste: Passt Imagen 4 zu deiner Aufgabe

Du brauchst einen cleanen Studio-Hero-Shot für ein Amazon- oder Etsy-Listing
Die Materialtextur muss echt wirken, kein „KI-Glanz“
Kleine lateinische Typografie auf einem Poster soll scharf bleiben
Du willst schnell viele Hintergrundvarianten durchspielen, dafür die Fast-Stufe
Nicht-lateinischer Text steht im Fokus, dann besser Ideogram oder Nano Banana
Ein Produkt oder Gesicht muss über eine Serie konsistent bleiben, Flux 2 ist die sicherere Wahl

Was als Nächstes kommt

Ich will Imagen 4, Flux 2 und Nano Banana mit denselben Produktprompts gegeneinander laufen lassen und den Unterschied nebeneinander zeigen, ohne weiteren Kommentar. Außerdem plane ich einen separaten Vergleich zur Darstellung nicht-lateinischer Schrift zwischen Ideogram 3.0, Seedream 5.0 und Qwen Image 2. Dazu sammeln sich bei mir schon Notizen an.

Teste Imagen 4 in Flami, mit kostenlosen Start-Credits bei der Anmeldung.

FAQ

Was ist Imagen 4?

Googles DeepMind-Modell für Bildgenerierung, entwickelt vom selben Team, das auch Gemini baut. Vorgestellt auf der Google I/O im Mai 2025, seit August 2025 über die Gemini API allgemein verfügbar. Stark bei Fotorealismus, cleanen Studio-Shots und Typografie. Flami bietet Ultra, Flagship und Fast an.

Was unterscheidet Ultra, Flagship und Fast?

Fast ist schnell, rund 2,7 Sekunden pro Bild, gedacht für viele Varianten in kurzer Zeit. Flagship ist der Allrounder, mit Balance aus Qualität und Geschwindigkeit. Ultra liefert die höchste Prompt-Treue für finale Shots, braucht dafür aber mehr Zeit.

Welche Auflösung liefert es?

Imagen 4 und Ultra kommen auf bis zu 2K. Unterstützt werden Formate wie 16:9, 9:16, 1:1, 4:3 und 3:4, damit ist alles von quadratischen Posts über Stories bis hin zu horizontalen Bannern abgedeckt.

Imagen 4 oder Flux 2?

Imagen gewinnt bei cleanen Studio-Shots und Materialtextur. Flux 2 ist verlässlicher, wenn ein Motiv oder Produkt über mehrere verschiedene Szenen hinweg erkennbar bleiben muss.

Wie gut stellt es nicht-lateinische Schrift dar?

Lateinische Buchstaben, sehr gut. Kyrillischer Text kann wackelig ausfallen, mit zusätzlichen Strichen oder verstümmelten Buchstaben. Steht nicht-lateinischer Text im Zentrum des Bildes, sind Ideogram 3.0 oder Nano Banana verlässlicher.

Was ist SynthID?

Ein unsichtbares digitales Wasserzeichen von Google, das in jedes generierte Bild eingebettet wird und programmatisch nachweisbar macht, dass es KI-generiert ist. Für das Auge nicht sichtbar, beeinträchtigt das Listing-Bild nicht und schränkt die kommerzielle Nutzung nicht ein.

Kann ich Imagen 4 ohne Google-Cloud-Konto nutzen?

Ja, über Flami. Bei der Anmeldung gibt es kostenlose Start-Credits, dieselben Stufen Fast, Flagship und Ultra stehen zur Verfügung, ohne direkt mit der Gemini-API-Konsole zu arbeiten.

Imagen 4 im Test: Cleaner Studio-Look statt Stimmungsbild für Produktfotos