Midjourney macht aus einem Satz vier Bildvarianten und lässt den Look anschließend über Stilreferenzen, Personalisierungsprofile und Parameter steuern. Jedes Standbild kann zu einem fünf Sekunden langen Video werden.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Midjourney ist ein generativer Dienst für Bilder und Videos, der geschriebene Beschreibungen in fertige Visuals verwandelt. Man tippt einen Satz darüber, was zu sehen sein soll, und das Modell liefert daraufhin ein Raster aus vier Bildern zurück. Ab diesem Punkt wird die Arbeit iterativ: Man greift sich das Motiv heraus, das der eigenen Vorstellung am nächsten kommt, erzeugt Variationen davon, vergrößert es, übermalt einen Bildbereich, erweitert die Leinwand oder animiert das Ergebnis zu einem kurzen Videoclip. Die offizielle Dokumentation bezeichnet das Produkt schlicht als Portal, um Text in Bilder und Videos zu verwandeln — und diese Formulierung trifft den Umfang ziemlich genau. Es handelt sich nicht um einen Bildretuschierer, der nebenbei ein paar KI-Funktionen mitbringt, sondern um eine Generierungsmaschine, deren sämtliche Bearbeitungswerkzeuge Pixel neu erzeugen statt sie zu verschieben.
Innerhalb eines dicht besetzten Marktes besetzt der Dienst eine sehr eigene Position. Während manche Konkurrenten über rohe Steuerbarkeit oder über die Einbettung in eine bestehende Design-Suite punkten, konkurriert Midjourney seit Jahren konsequent über Ästhetik. Die Standardausgabe neigt zu dramatischem Licht, selbstbewusster Komposition und einer klaren Haltung — mitunter auf Kosten wörtlicher Prompt-Treue. Die jüngeren Modellveröffentlichungen machen das explizit. Version V8.2 wurde am 24. Juli 2026 zum Standardmodell; die Dokumentation beschreibt sie als Aktualisierung mit Fokus auf Ästhetik, Bildqualität und Personalisierung, deren Ergebnisse kreativer, mutiger, raffinierter und kantiger ausfallen. Genau dieser Hausstil ist der wichtigste Anziehungspunkt des Produkts — und bei bestimmten Aufträgen zugleich seine größte Einschränkung.
Zwei Dinge unterscheiden den Alltag mit diesem Werkzeug von den meisten Alternativen. Erstens wird der Zugang als GPU-Zeit verkauft und nicht als Anzahl von Credits pro Bild: Ein Abonnement kauft im Kern ein monatliches Kontingent an Rechenminuten, und die Dokumentation vergleicht dieses Kontingent ausdrücklich mit dem Datenvolumen eines Mobilfunktarifs. Zweitens läuft der Dienst an zwei Orten gleichzeitig — als vollwertige Web-Anwendung unter midjourney.com und als Bot innerhalb von Discord —, wobei beide Oberflächen auf dieselben Modelle zugreifen und ein einziges Abonnement beide abdeckt.
Die typische Nutzerschaft besteht aus Illustratorinnen und Illustratoren, Concept Artists, Art Direktorinnen, Marketingteams, die Kampagnenmotive produzieren, sowie Vorproduktionsteams aus Spiele- und Filmentwicklung, die Stimmungsbilder aufbauen. Dazu kommen unabhängige Kreative, die eine hohe Menge eigener Bildwelten brauchen, ohne sie einzeln beauftragen zu können. Für all diese Gruppen verschiebt der Dienst den Engpass: Nicht mehr die Herstellung eines einzelnen Bildes kostet Zeit, sondern die Auswahl aus einer plötzlich überreichen Menge an Möglichkeiten.
Historisch lohnt ein kurzer Blick zurück, weil die Versionsgeschichte erklärt, warum bestimmte Funktionen dort sitzen, wo sie sitzen. V7 erschien am 3. April 2025 und brachte unter anderem die Ablösung der früheren Character Reference durch die Omni Reference mit. Niji 7, das gemeinsam mit Spellbrush entwickelte Modell für Anime und ostasiatisch geprägte Ästhetik, startete am 9. Januar 2026. V8.1 wurde am 14. April 2026 veröffentlicht, war vom 10. Juni bis 23. Juli 2026 Standard und führte HD-Bilder in 2K ein, ohne dass dafür ein separater Upscaling-Schritt nötig wäre. Seit dem 24. Juli 2026 steht V8.2 an dieser Stelle.
Text-zu-Bild in Vierergruppen: Ein einzelner Prompt liefert vier Kandidaten statt eines einzigen Bildes, wodurch aus der Generierung eine Auswahlübung wird statt einer Lotterie. Der offizielle Einstiegsablauf beschreibt das direkt: Nach dem Drücken der Eingabetaste erzeugt Midjourney einen Satz von vier Bildern, die man auf der Create-Seite in Echtzeit entstehen sieht; bei 100 Prozent ist das Raster fertig. In Vierergruppen zu arbeiten macht es deutlich billiger, eine unerwartete Richtung zu entdecken, als sie vorab präzise zu spezifizieren.
Style Reference und Stilgewichtung: Mit dem Parameter --sref verweist man das Modell auf ein bestehendes Bild, dessen Anmutung übernommen werden soll, während --sw regelt, wie stark diese Referenz am Ergebnis zieht. Das ist der eigentliche Mechanismus, um eine visuelle Sprache über eine ganze Kampagne oder Serie hinweg konstant zu halten, statt die Ästhetik jedes Mal aufs Neue in Prosa zu beschreiben. Wer mit mehreren Teams arbeitet, kann so eine Bildsprache weitergeben, ohne einen Styleguide in Prompt-Form zu verfassen.
Omni Reference für gleichbleibende Motive: Während die Style Reference den Look trägt, transportiert die Omni Reference (--oref) das Subjekt — das Erscheinungsbild einer Person oder die Form eines konkreten Objekts —, sodass dieselbe Figur oder dasselbe Produkt in vielen Bildern auftauchen kann. Ab V7 hat sie die ältere Character Reference abgelöst. Damit adressiert sie das schwierigste Problem der Produktionsarbeit: eine Hauptfigur über eine ganze Sequenz hinweg wiedererkennbar zu halten.
Personalisierungsprofile und Moodboards: Der Dienst lernt den individuellen Geschmack aus abgegebenen Bewertungen und aus selbst zusammengestellten Moodboards und richtet Generierungen über den Parameter --p daran aus. Die Veröffentlichungsnotizen zu V8.2 halten fest, dass die Personalisierung ästhetische Vorlieben deutlich besser erfasst, besonders bei Profilen mit vielen Datenpunkten, und dass Profile für V8.2 aus einem erheblich größeren und verbesserten Bildbestand schöpfen.
Bild-zu-Video-Animation: Jedes Standbild — ob in Midjourney erzeugt oder selbst hochgeladen — lässt sich in einen fünfsekündigen Videoclip verwandeln, wobei das Ausgangsbild als erstes Einzelbild dient und ein Textprompt die Bewegung optional lenkt. Die Bewegungsstärke wählt man über --motion low und --motion high, Endlosschleifen entstehen mit --loop, ein eigenes Schlussbild setzt man über --end, und --bs steuert die Stapelgröße. Standardmäßig entstehen vier Videos pro Prompt; diese Zahl lässt sich auf eins oder zwei reduzieren.
Generative Bearbeitungswerkzeuge: Jenseits der Erstgenerierung umfasst der Werkzeugkasten Variations, Upscaler, Pan zum gerichteten Erweitern des Bildausschnitts, Zoom Out zum Zurückfahren der Kamera, Remix zum Verändern eines Prompts mitten im Prozess sowie einen Editor, der einzelne Regionen neu malt. So lässt sich ein fast stimmiges Bild an Ort und Stelle fertigstellen, statt es komplett neu zu erzeugen und dabei zu verlieren, was bereits funktionierte.
Eine Parametersprache für Feinsteuerung: Prompts akzeptieren einen dokumentierten Satz von Schaltern, die hinten angehängt werden — Seitenverhältnis (--ar), Stilisierungsstärke (--stylize), Unkonventionalität (--weird), Varianz (--chaos), Ausschlüsse (--no), nahtlose Kachelung (--tile), reproduzierbare Startwerte (--seed) und der Raw-Modus, der die Standardstilisierung abschaltet. Die Syntax ist streng: Parameter stehen am Ende des Prompts, brauchen ein Leerzeichen vor den Bindestrichen und dürfen keine Satzzeichen enthalten.
Concept Art und Vorproduktion: Kunstabteilungen in Spielen, Film und Animation müssen einen visuellen Möglichkeitsraum schnell abklopfen, bevor teure Produktionsentscheidungen fallen. Vier Varianten pro Prompt zu erzeugen und die Richtung anschließend über eine Style Reference festzuzurren, verdichtet das, was früher tagelanges Skizzieren von Miniaturen war, auf einen Nachmittag. Die Omni Reference hält eine gewählte Figur konstant, während sich die Erkundung zu einer vollständigen Bildfolge ausweitet. Für Pitches bedeutet das: Man zeigt eine Welt statt eine Absichtserklärung.
Marketing- und Kampagnenmotive: Social-Posts, Displaywerbung, Header auf Landingpages und saisonale Kampagnenbilder verlangen einen stetigen Strom markenkonformer Bildwelten. Ein Team legt den Look einmal fest, sichert ihn als Stilreferenz oder Personalisierungsprofil und produziert danach Dutzende Varianten mit gemeinsamer visueller Identität. Das umgeht sowohl die Beliebigkeit von Stockfotos als auch die Kosten eines eigenen Fotoshootings für jeden einzelnen Kampagnenschritt. Gerade bei A/B-Tests zahlt sich die Menge unmittelbar aus.
Redaktionelle Illustration und Publishing: Blogs, Newsletter, Reports und Buchprojekte brauchen regelmäßig Illustrationen zu abstrakten Themen, für die schlicht keine Fotografie existiert. Weil die Generierung prompt-getrieben ist, kann eine Redaktion innerhalb von Minuten ein metaphorisches Bild für einen sperrigen Begriff beauftragen, den Tonfall über Stilisierungswerte nachjustieren und am Ende etwas verwenden, das zum konkreten Text gehört — statt zu einem Stockmotiv zu greifen, das alle anderen ebenfalls schon eingesetzt haben.
Produkt- und Verpackungsexploration: Industriedesign- und Markenteams visualisieren mit dem Modell Produktformen, Materialien, Farbvarianten und Verpackungen im Kontext, lange bevor ein Prototyp existiert. Die Omni Reference erlaubt es, eine Produktform stabil zu halten und gleichzeitig Umgebung und Beleuchtung zu variieren. Das ist nützlich, um zu prüfen, wie ein Entwurf in unterschiedlichen Präsentationssituationen wirkt — im Regal, in der Hand, in einer Anzeigenstrecke.
Kurze Bewegtbild-Assets für soziale Kanäle: Fünfsekündige Clips, die aus einem starken Standbild animiert werden, füllen eine echte Lücke zwischen statischem Post und vollständiger Videoproduktion. Weil die Animation von einem bereits freigegebenen Bild ausgeht, erbt der Bewegungsschritt Komposition und Art Direction, statt beides erneut zur Diskussion zu stellen. Schleifenfähige Ausgabe passt zudem zu den Autoplay-Konventionen der Feeds. Berichte Dritter (TechCrunch, Juni 2025) beschrieben für das V1-Videomodell vier Fünfsekünder, die sich viermal um je vier Sekunden verlängern lassen, also auf rund 21 Sekunden.
Persönliche kreative Praxis und Stilentwicklung: Unabhängige Künstlerinnen und Künstler nutzen das Werkzeug als Skizzenbuch für visuelle Einfälle — sie testen Kompositionen, entwickeln über die Personalisierung eine wiedererkennbare Handschrift und bauen sich einen eigenen Referenzfundus auf. Die Community-Dimension spielt hier ebenfalls hinein, da öffentliche Generierungen standardmäßig sichtbar und remixbar sind. Die Galerie wird dadurch zu einer laufenden Quelle für Technik und Prompt-Ideen.
Zuerst abonnieren, dann erzeugen. Anders als bei vielen Konkurrenzangeboten gibt es keinen dauerhaft kostenlosen Einstieg zum Ausprobieren. Der offizielle Einstiegsleitfaden stellt das Abonnieren vor das Erstellen — die Planwahl ist also tatsächlich Schritt eins und nicht ein späteres Upselling. Wer nur einmal etwas testen will, sollte diese Hürde von vornherein einkalkulieren.
Bei midjourney.com anmelden und die Create-Seite öffnen. Dort liegt der eigentliche Arbeitsbereich, in dem Generierungen beim Rendern in Echtzeit erscheinen. Wer ursprünglich über Discord eingestiegen ist, meldet sich über die entsprechende Discord-Option an, damit beide Oberflächen ein gemeinsames Konto und eine gemeinsame Galerie teilen.
Den Prompt in die Imagine-Leiste schreiben. Die Leiste sitzt oben auf der Create-Seite; man tippt eine Beschreibung des gewünschten Motivs und drückt die Eingabetaste. Midjourney erzeugt daraufhin einen Satz von vier Bildern, und sobald der Fortschritt 100 Prozent erreicht, ist das Raster vollständig und bereit zur Weiterverarbeitung.
Referenzen und Parameter zum Steuern ergänzen. Eine Stilreferenz gleicht die Anmutung an ein vorhandenes Bild an, eine Omni Reference trägt ein Subjekt über mehrere Bilder, und angehängte Parameter wie --ar für das Seitenverhältnis oder --stylize für die künstlerische Intensität justieren das Ergebnis. Wichtig bleibt die Syntaxregel: Parameter gehören ans Ende des Prompts, mit Leerzeichen vor den Bindestrichen und ohne Satzzeichen im Inneren.
Das gewählte Bild verfeinern. Variations erkunden die nähere Umgebung eines vielversprechenden Motivs, Upscale erhöht die Auflösung, Pan und Zoom Out erweitern die Komposition, und der Editor übermalt einen konkret markierten Bereich. Hier passiert der Großteil der eigentlichen Arbeit — das erste Raster ist ein Ausgangspunkt, kein Liefergegenstand.
Animieren oder exportieren. Um aus einem Standbild Bewegung zu machen, öffnet man das Bild und nutzt die Animate-Schaltflächen mit der Wahl zwischen geringer und starker Bewegung; ein eigenes Foto lässt sich über das Bildpanel als Startbild einsetzen. Fertige Arbeiten werden auf der Organize-Seite heruntergeladen, sortiert und abgelegt, wo auch Ordner und Filter zu finden sind.
Das Bild beschreiben, nicht die Bitte formulieren. Prompts funktionieren am besten als Beschreibung eines fertigen Bildes — Motiv, Schauplatz, Licht, Kameraführung, Medium — und nicht als Anweisung an eine Assistenz. Höflichkeitsformeln kosten Platz, ohne visuelle Information beizusteuern.
Immer nur eine Variable ändern. Wenn ein Ergebnis nah dran, aber falsch ist, sollte man dem Impuls widerstehen, den kompletten Prompt neu zu schreiben. Besser ist es, die Stilisierung anzupassen, die Stilreferenz zu tauschen oder das Seitenverhältnis leicht zu verschieben, während alles andere konstant bleibt — nur so lernt man, welcher Hebel die Ausgabe tatsächlich bewegt hat.
Parameter sauber ans Ende setzen. Die dokumentierte Syntax ist unnachgiebig: hinter den Prompt-Text, ein Leerzeichen vor den Bindestrichen, keine Satzzeichen innerhalb der Parameter. Ein vergessenes Komma oder ein fehlendes Leerzeichen führt regelmäßig dazu, dass ein Schalter stillschweigend ignoriert wird und das Ergebnis rätselhaft danebenliegt.
Seeds für Reproduzierbarkeit notieren. Wer --seed festhält, kann eine gefundene Ausgangslage später erneut ansteuern und gezielt kleine Änderungen darauf aufsetzen. Für Serienarbeit ist das die Differenz zwischen kontrollierter Iteration und ständigem Neuanfang.
Stilreferenz und Motivreferenz getrennt denken. --sref transportiert die Anmutung, --oref das Subjekt. Wer beides in einem einzigen Referenzbild zu erledigen versucht, bekommt in der Regel ein unentschlossenes Mischergebnis. Die Trennung sauber zu halten spart im Produktionsalltag viele Runden.
GPU-Budget bewusst einteilen. Ein Bildprompt kostet ungefähr eine Minute GPU-Zeit, ein Videoprompt rund acht Minuten. Ein SD-Satz aus vier Bildern schlägt mit 0,8 Minuten zu Buche, ein HD-Satz mit 1,3 Minuten. Wer erst im schnellen Modus grob sucht und die Feinarbeit sparsam ansetzt, kommt mit einem kleineren Plan weiter, als die reinen Stundenzahlen vermuten lassen.
Den Relax-Modus für Massenarbeit nutzen. Ab dem Standard-Tarif sind Bilder im Relax-Modus unbegrenzt. Für breite Explorationsphasen, in denen Wartezeit egal ist, gehört diese Betriebsart in den Alltag, während die schnelle GPU-Zeit für zeitkritische Feinabstimmungen reserviert bleibt.
Filterblockaden nicht als Fehler des eigenen Prompts missverstehen. Auch harmlos wirkende Formulierungen können von der Moderation blockiert werden. Der Dokumentation zufolge kosten blockierte Aufträge keine Credits, das Umformulieren ist also risikofrei — häufig hilft es, ein einzelnes mehrdeutiges Wort zu ersetzen, statt die ganze Idee zu verwerfen.
Art Direktorinnen und Art Direktoren, die eine visuelle Richtung schnell greifbar machen müssen, bevor Budget für eine Produktion freigegeben wird. Die Kombination aus Vierergruppen und Stilreferenzen liefert Entscheidungsvorlagen statt Beschreibungen.
Concept Artists in Spiele- und Filmvorproduktion, für die Menge und Tempo in der Explorationsphase über die Qualität des Endergebnisses mitentscheiden. Omni Reference macht Figurenkonsistenz über Bildfolgen hinweg praktikabel.
Marketing- und Social-Teams, die kontinuierlich markenkonforme Motive brauchen und weder auf Stockmaterial noch auf ein Shooting pro Kampagnenschritt zurückgreifen wollen. Ein einmal etabliertes Profil trägt über Monate.
Redaktionen und Verlage, die Illustrationen zu abstrakten Themen benötigen und dafür bislang Kompromisse eingehen mussten. Prompt-getriebene Bebilderung erlaubt Motive, die exakt zum jeweiligen Text gehören.
Selbstständige Illustratorinnen und Designer, die ihre eigene Handschrift über Personalisierungsprofile schärfen und einen Referenzfundus für spätere Auftragsarbeiten aufbauen möchten.
Produkt- und Verpackungsdesign-Teams, die Formen, Materialien und Kontexte durchspielen wollen, bevor ein physischer Prototyp entsteht — inklusive Varianten für unterschiedliche Präsentationssituationen.
Weniger geeignet ist der Dienst für Teams mit harten Vorgaben an Detailtreue, etwa exakte Typografie im Bild, präzise technische Zeichnungen oder produktfotografische Genauigkeit auf Katalogniveau. Wer diese Anforderungen hat, sollte den Ausgabestil vorab an echten Aufgaben testen, statt ihn anzunehmen.
Web-App unter midjourney.com: Die vollständige Oberfläche mit Create-Seite, Imagine-Leiste, Organize-Seite samt Ordnern und Filtern, dem Editor für regionales Übermalen sowie den Personalisierungseinstellungen. Für neue Nutzerinnen und Nutzer ist das inzwischen der naheliegende Einstieg.
Discord-Bot: Der historische Ursprung des Dienstes läuft weiter. Generierungen entstehen in Discord-Kanälen oder per Direktnachricht an den Bot; die offizielle Dokumentation führt viele Anleitungen parallel als Web- und Discord-Variante.
Ein Abonnement für beide Oberflächen: Konten lassen sich zwischen Web und Discord verknüpfen, sodass Galerie und Kontingent geteilt werden. Man muss sich also nicht für eine Seite entscheiden, sondern kann je nach Aufgabe wechseln.
Browserbasiert und damit weitgehend plattformunabhängig: Da die Web-App im Browser läuft, spielt das Betriebssystem für die Nutzung praktisch keine Rolle. Eine dedizierte native Desktop-Anwendung ist in den offiziellen Unterlagen nicht dokumentiert (noch zu verifizieren).
Keine dokumentierte öffentliche Generierungs-API: In der offiziellen Dokumentation findet sich kein öffentlich beschriebener Programmierzugang für automatisierte Generierung (basierend auf öffentlichen Informationen). Wer Automatisierung plant, sollte diesen Punkt vorab direkt prüfen, statt ihn vorauszusetzen.
Laut offizieller Website im August 2026 gibt es vier Tarifstufen: Basic, Standard, Pro und Mega zu 10, 30, 60 beziehungsweise 120 US-Dollar pro Monat. Bei jährlicher Vorauszahlung greift ein Rabatt von 20 Prozent, wodurch sich rechnerisch etwa 8, 24, 48 und 96 US-Dollar pro Monat ergeben. Der zentrale Unterschied zwischen den Stufen ist die monatliche schnelle GPU-Zeit: 3,3 Stunden bei Basic, 15 Stunden bei Standard, 30 Stunden bei Pro und 60 Stunden bei Mega. Zusätzliche schnelle Zeit lässt sich für 4 US-Dollar pro Stunde nachkaufen. Wichtig für die Planung ist, dass nicht verbrauchte schnelle Zeit nicht ins nächste Abrechnungsintervall übertragen wird — sie wird bei jeder Verlängerung zurückgesetzt. Ab dem Standard-Tarif steht zusätzlich der Relax-Modus mit unbegrenzten Bildern zur Verfügung, der Stealth-Modus für nicht öffentliche Arbeiten bleibt Pro und Mega vorbehalten. Einen kostenlosen Tarif gibt es nicht; ein Abonnement ist Voraussetzung, um überhaupt etwas zu erzeugen.
Das Abrechnungsmodell wird offiziell mit einem Mobilfunktarif verglichen: Man kauft Rechenzeit, kein festes Bildkontingent. Als grobe Orientierung nennt die Dokumentation rund eine Minute GPU-Zeit pro Bildprompt und ungefähr acht Minuten pro Videoprompt. Ein Satz von vier Bildern in Standardauflösung kostet 0,8 Minuten, derselbe Satz in HD 1,3 Minuten, ein Stapel von vier Videos in Standardauflösung acht Minuten. VentureBeat berichtete, dass Videoaufgaben ungefähr das Achtfache von Bildaufgaben kosten — wer regelmäßig animiert, verbraucht sein Kontingent also erheblich schneller, als reine Bildarbeit vermuten lässt. Beim Video gelten außerdem einige Tarifgrenzen: Alle Stufen können im Fast-Modus Videos erzeugen, im Relax-Modus jedoch nur Pro und Mega und dort ausschließlich in Standardauflösung; HD-Video setzt mindestens den Standard-Tarif voraus und funktioniert nur im Fast-Modus. Für eine ehrliche Kostenschätzung lohnt es sich deshalb, den erwarteten Anteil an Videoarbeit vorab zu beziffern, statt die Stundenzahlen allein auf Bilder umzurechnen.
Adobe Firefly: Setzt auf enge Integration in die Adobe-Werkzeuge und auf Trainingsdaten, die Adobe im Hinblick auf kommerzielle Nutzung positioniert — für Teams interessant, die ohnehin in Photoshop und InDesign arbeiten und den Bildschritt nicht aus dem Werkzeugkasten herauslösen wollen.
Stable-Diffusion-Ökosystem: Offene Modelle, die lokal oder auf eigener Infrastruktur laufen, mit einer großen Landschaft aus Oberflächen, feinjustierten Modellen und Erweiterungen. Der Preis für diese Kontrolle ist erheblicher Einrichtungs- und Wartungsaufwand.
DALL·E in ChatGPT: Bildgenerierung im Dialog, bei der man Anpassungen im Gespräch formuliert statt in einer Parametersprache. Das senkt die Einstiegshürde deutlich, bietet dafür aber weniger explizite Feinsteuerung über Referenzen und Schalter.
Ideogram: Hat sich einen Ruf für lesbare Schrift innerhalb generierter Bilder aufgebaut — relevant überall dort, wo Plakate, Verpackungen oder Beschriftungen tatsächlich korrekten Text tragen müssen und nicht nur schriftähnliche Formen.
Runway: Kommt vom Bewegtbild her und behandelt Video als Hauptdisziplin statt als Erweiterung der Bildgenerierung, mit entsprechend ausgebauten Werkzeugen für Schnitt, Kamerabewegung und längere Sequenzen.
Kein kostenloser Einstieg: Vor der ersten Generierung steht ein Abonnement. Wer den Ausgabestil nur evaluieren möchte, muss dafür zunächst zahlen, was den Vergleich mit Anbietern erschwert, die eine kostenlose Probephase anbieten.
Öffentlichkeit als Standardeinstellung: Standardmäßig sind erzeugte Inhalte öffentlich sichtbar und für andere remixbar; Midjourney beschreibt sich selbst ausdrücklich als offene Community. Der Stealth-Modus für private Arbeit steht nur in den Tarifen Pro und Mega bereit — bei vertraulichen Kundenprojekten ist das ein handfestes Auswahlkriterium.
Rechte und kommerzielle Nutzung: Man besitzt die selbst erzeugten Bilder und Videos, auch nach einer Kündigung. Es gibt jedoch Ausnahmen: Wer das Bild einer anderen Person hochskaliert, erwirbt daran keine Rechte — es bleibt bei der ursprünglichen Urheberschaft. Unternehmen mit mehr als einer Million US-Dollar Jahresumsatz benötigen für kommerzielle Nutzung den Pro- oder Mega-Tarif. Midjourney erteilt ausdrücklich keine urheberrechtliche Beratung und empfiehlt, im Zweifel anwaltlichen Rat einzuholen.
Moderation kann unerwartet greifen: Auch scheinbar harmlose Prompts werden mitunter von Filtern blockiert. Immerhin kosten blockierte Aufträge nach offizieller Angabe keine Credits. Hochgeladene Bilder müssen rechtlich in der eigenen Verfügung stehen, und die missbräuchliche Manipulation von Abbildungen realer Personen ist untersagt.
Präzision bleibt der Schwachpunkt: Rückmeldungen auf G2 loben durchgehend Bildqualität, kreative Kontrolle und Zeitersparnis, benennen aber ebenso regelmäßig Frust darüber, exakte visuelle Details zu treffen, sowie Fehler, die Realismus und Konsistenz beeinträchtigen. Auf Product Hunt liegt die Bewertung bei etwa 4,7 von 5 aus rund 81 Rezensionen, bei der Beschreibung als Werkzeug zur Erzeugung KI-generierter Bilder aus einem Textprompt.
Nicht übertragbares GPU-Kontingent: Ungenutzte schnelle Zeit verfällt bei jeder Verlängerung. Wer in Schüben arbeitet, zahlt in ruhigen Monaten für Kapazität, die in intensiven Monaten fehlt — die Tarifwahl sollte sich deshalb am Spitzenbedarf orientieren, nicht am Durchschnitt.
Laufende Rechtsstreitigkeiten: Große Hollywood-Studios, darunter Disney und Universal, haben Midjourney wegen urheberrechtlich geschützter Figuren in Trainingsdaten und Ausgaben verklagt. Nach Medienberichten befand sich das Verfahren Mitte 2026 weiterhin im Prozess- beziehungsweise Beweiserhebungsstadium, Midjourney beruft sich auf Fair Use, eine abschließende Entscheidung stand noch aus. Das wird hier neutral als Berichtslage wiedergegeben, ohne rechtliche Bewertung; wer Ausgaben kommerziell einsetzt, sollte die Entwicklung im Blick behalten.
Nein. Ein Abonnement ist Voraussetzung, um überhaupt Bilder oder Videos zu erzeugen; der offizielle Einstiegsleitfaden stellt das Abonnieren vor den ersten Erstellungsschritt. Ein dauerhaft kostenloser Tarif existiert nicht, weshalb sich eine Evaluierung nur gegen Bezahlung durchführen lässt.
Standard ist V8.2, seit dem 24. Juli 2026. Die Aktualisierung konzentriert sich auf Ästhetik, Bildqualität und Personalisierung; die Ergebnisse werden als kreativer, mutiger, raffinierter und kantiger beschrieben. Der Vorgänger V8.1 war vom 10. Juni bis 23. Juli 2026 Standard und hatte HD-Bilder in 2K ohne separaten Upscaling-Schritt eingeführt.
Ein Prompt erzeugt standardmäßig ein Raster aus vier Bildern, die man auf der Create-Seite beim Rendern beobachtet. Sobald der Fortschritt 100 Prozent erreicht, ist der Satz fertig und kann über Variations, Upscale oder den Editor weiterverarbeitet werden.
Das Abonnement kauft ein monatliches Kontingent an Rechenminuten, offiziell verglichen mit dem Datenvolumen eines Mobilfunktarifs. Als Faustregel gilt: rund eine Minute pro Bildprompt und etwa acht Minuten pro Videoprompt. Ein Vierersatz in Standardauflösung kostet 0,8 Minuten, in HD 1,3 Minuten. Nicht verbrauchte schnelle Zeit wird bei jeder Verlängerung zurückgesetzt.
Im Fast-Modus können alle Tarifstufen Videos erzeugen. Im Relax-Modus geht das nur mit Pro und Mega und dort ausschließlich in Standardauflösung. HD-Video setzt mindestens den Standard-Tarif voraus und funktioniert allein im Fast-Modus. Standardmäßig entstehen vier Videos pro Prompt, die Anzahl lässt sich auf eins oder zwei reduzieren.
Dafür ist die Omni Reference (--oref) gedacht, die das Erscheinungsbild einer Person oder die Form eines Objekts über verschiedene Generierungen trägt. Sie hat ab V7 die frühere Character Reference abgelöst. Für die Anmutung statt des Motivs verwendet man stattdessen die Style Reference mit --sref und steuert deren Einfluss über --sw.
Parameter stehen immer am Ende des Prompt-Textes. Vor den Bindestrichen muss ein Leerzeichen stehen, und innerhalb der Parameter dürfen keine Satzzeichen vorkommen. Wird diese Syntax verletzt, ignoriert das System den betreffenden Schalter häufig stillschweigend, was zu schwer erklärbaren Ergebnissen führt.
Grundsätzlich besitzt man die selbst erzeugten Bilder und Videos, auch nach einer Kündigung des Abonnements. Zwei Ausnahmen sind zu beachten: Das Hochskalieren des Bildes einer anderen Person begründet kein Eigentum daran, und Unternehmen mit mehr als einer Million US-Dollar Jahresumsatz brauchen für kommerzielle Nutzung Pro oder Mega. Midjourney erteilt keine urheberrechtliche Beratung und verweist auf anwaltlichen Rat.
Standardmäßig nicht. Inhalte sind öffentlich sichtbar und für andere remixbar, da sich der Dienst ausdrücklich als offene Community versteht. Wer nicht öffentlich arbeiten möchte, braucht den Stealth-Modus, der nur in den Tarifen Pro und Mega enthalten ist — bei vertraulichen Kundenprojekten ist das entscheidend.
Die Moderationsfilter greifen gelegentlich auch bei Formulierungen, die harmlos wirken. Nach offizieller Angabe verbrauchen blockierte Aufträge keine Credits, sodass ein Umformulieren nichts kostet. Häufig genügt es, ein einzelnes mehrdeutiges Wort auszutauschen. Zusätzlich gilt: Hochgeladene Bilder müssen rechtlich verfügbar sein, und die missbräuchliche Bearbeitung von Abbildungen realer Personen ist untersagt.
