Microsoft veröffentlichte im März MAI-Image-2, sein zweites eigenes Modell zur Generierung von Bildern aus Text. Das Modell belegte fast sofort den dritten Platz in der globalen Rangliste von Arena.ai, knapp hinter Google und OpenAI.
Microsoft galt lange vor allem als größter Investor von OpenAI. Copilot, Bing Image Creator und die gesamte visuelle Seite seiner Produkte basierten auf fremden Grundlagen. MAI-Image-2 ändert all das. Das von Mustafa Suleyman geleitete Microsoft-AI-Superintelligence-Team entschied sich für einen eigenen Weg, und das Ergebnis überraschte selbst Skeptiker. Das Modell entstand in enger Zusammenarbeit mit Fotografen, Designern und visuellen Kreativen. Es wurde direkt aus der Praxis heraus entwickelt. Und das merkt man ihm an.
Was kann das neue MAI-Image-2 alles?
Drei Bereiche, in denen das Modell besonders überzeugt: Fotorealismus, die Generierung von Text in Bildern und komplexe Szenen.
Fotorealismus ist nicht nur ein Marketingbegriff. Microsoft hat ein Problem gelöst, das generative KI von Anfang an plagte: die sogenannte „Plastikhaut“. Die Zusammenarbeit mit professionellen Fotografen half dabei, die Algorithmen für eine naturgetreue Darstellung von Texturen und Lichtphysik zu optimieren. Porträts aus MAI-Image-2 sehen aus wie aus dem Fotostudio und nicht wie aus dem Computer.
Hinzu kommt die Typografie. Eine Steigerung um 115 Punkte im Benchmark für Textgenauigkeit ist eine Zahl, die Grafikdesigner sofort zu schätzen wissen. Infografiken, Banner und Plakate mit lesbarem Text direkt im Bild. Und was für tschechische Nutzer besonders wichtig ist: Das Modell beherrscht tschechische diakritische Zeichen nativ. Hatscheks, Akzente, keine verstümmelten Zeichen. Das war bislang das größte Problem beim Einsatz von KI im tschechischen Marketing.
Die dritte Stärke sind komplexe Szenen. Surrealistische Konzepte, filmische Kompositionen, detailreiche Welten. MAI-Image-2 bewältigt sie problemlos.
Technisch betrachtet: Flow-Matching und bis zu 50 Milliarden Parameter
Unter der Haube arbeitet eine Architektur, die auf der Methode der Flow-Matching-Diffusion basiert und einen fließenderen Übergang von digitalem Rauschen zu einem klaren Bild ermöglicht als herkömmliche Modelle. Die geschätzte Anzahl der Parameter liegt bei 10 bis 50 Milliarden, die Ausgabeauflösung ist derzeit auf 1024x1024 Pixel festgelegt und das Kontextfenster umfasst 32.000 Token. Dadurch lassen sich auch sehr detaillierte und komplexe Vorgaben ohne Verlust der logischen Konsistenz verarbeiten.
Die kostenlose Version innerhalb von Copilot hat einige Einschränkungen: 30 Sekunden Wartezeit zwischen den Generierungen, ein Limit von 15 Bildern pro Tag und ausschließlich das quadratische Format 1:1. Das volle Potenzial wird in Microsoft Foundry freigeschaltet, wo Unternehmen das Modell mit eigenen Markendaten optimieren können.
Wo ist MAI-Image-2 verfügbar und wie viel kostet es?
Das Modell ist über den MAI Playground auf microsoft.ai verfügbar und wird schrittweise in Copilot und Bing Image Creator eingeführt; bei uns ist es bislang nicht verfügbar. Der API-Zugang für Unternehmen steht derzeit nur ausgewählten Kunden zur Verfügung. Ein breiterer Zugang über Microsoft Foundry soll bald folgen. Zu den Preisen: Einzelne Kreative zahlen für Copilot Pro etwa 3.499 CZK pro Jahr und erhalten dafür 100 priorisierte Generierungen pro Tag. Kleine und mittlere Unternehmen können Microsoft 365 Copilot bis Juni 2026 bei jährlicher Zahlung für 15,60 EUR pro Monat erhalten.
MAI-Image-2 vs. Midjourney: Wer gewinnt?
Das hängt davon ab, was Sie benötigen.
Midjourney v7 liegt bei ästhetischer Kohärenz und künstlerischem Ausdruck weiterhin vorn. Wenn Sie traumhafte Visualisierungen oder abstrakte Konzepte suchen, ist es nach wie vor das richtige Werkzeug. Sobald Sie jedoch ein Marketingbanner mit exaktem Text, eine Infografik mit tschechischen diakritischen Zeichen oder Produktfotos mit natürlicher Beleuchtung benötigen, hat MAI-Image-2 derzeit keine vergleichbare Konkurrenz.
Die Generierungsgeschwindigkeit ist mit dem Draft-Modus von Midjourney vergleichbar, allerdings bei voller Auflösung. Laut Microsoft ist das Modell zudem energieeffizienter als die vorherige Generation, was zu den Nachhaltigkeitszielen des Unternehmens passt.
Datensicherheit für Unternehmen
Microsoft hat MAI-Image-2 nach dem Prinzip der Tenant Isolation entwickelt: Ihre Unternehmensdaten verbleiben in einer isolierten Umgebung und werden niemals zum Trainieren öffentlicher Modelle verwendet. Sämtliche Ein- und Ausgaben unterliegen dem Schutz durch Enterprise Data Protection.
Darüber hinaus enthält jedes generierte Bild Metadaten nach dem C2PA-Standard sowie unsichtbare Wasserzeichen, die gegen Zuschneiden und Komprimierung resistent sind. Das ist eine direkte Antwort auf den bevorstehenden EU AI Act, dessen zentraler Artikel 50 im August 2026 in Kraft tritt.
Microsoft hat außerdem seine Verpflichtung im Rahmen des Customer Copyright Commitment ausgeweitet: Wenn ein Nutzer die integrierten Sicherheitsfilter beachtet und im Rahmen einer kostenpflichtigen Lizenz arbeitet, übernimmt Microsoft die rechtliche Verantwortung für mögliche Streitigkeiten über geistiges Eigentum. Für tschechische Unternehmen ist dies eine Absicherung, die die Hürde für eine flächendeckende Einführung erheblich senkt.
Grafikdesigner werden nicht überflüssig, aber ihre Rolle verändert sich
Der Einsatz von MAI-Image-2 in PowerPoint verkürzt die Erstellung professioneller Präsentationen von durchschnittlich vier Stunden auf 45 Minuten. In Word fungiert das Modell als visueller Assistent, der den Kontext des Dokuments erfasst und automatisch passende Illustrationen vorschlägt. In Teams ermöglicht die Funktion Visual Canvas die gemeinsame Erstellung von Visualisierungen direkt während eines Gesprächs.
Grafikdesigner werden nicht überflüssig. Sie hören auf, Folien neu zu zeichnen, und beginnen, die visuelle Strategie zu definieren. An die Stelle manueller Ausführung tritt die Rolle des Managers.
Mustafa Suleyman prognostiziert, dass die meisten administrativen und kreativen Aufgaben innerhalb von 12 bis 18 Monaten vollständig automatisiert sein werden. Ob er recht hat, wird die Zeit zeigen. Doch MAI-Image-2 ist ein überzeugender erster Schritt in diese Richtung.
