Kann GPT Image 2 wirklich nur eine kleine Stelle im Foto ändern?

Kurz gesagt: Maske ja, Pixelsperre nein

Eine Maske ist in diesem Zusammenhang eine visuelle Vorgabe: Sie zeigt dem Modell, welche Bildbereiche bearbeitet oder geschont werden sollen. OpenAI beschreibt in einem Entwicklerbeispiel, dass Nutzerinnen und Nutzer eine Maske bereitstellen können, wenn das Modell einen bestimmten Teil des Eingabebildes nicht verändern soll.

Der entscheidende Punkt steht in derselben Quelle: OpenAI weist darauf hin, dass das Modell trotz Maske weiterhin Teile des maskierten Bildbereichs verändern kann – es versucht lediglich, dies zu vermeiden. Wenn eine exakte Maske benötigt wird, empfiehlt OpenAI den Einsatz eines Bildsegmentierungsmodells.

Damit ist die sicherste Einordnung: GPT-Image-Werkzeuge können Masken nutzen, um lokale Änderungen zu lenken. Eine Maske ist aber keine harte Ebene wie in klassischer Bildbearbeitungssoftware, die alle übrigen Pixel zuverlässig einfriert.

Was die offiziellen Quellen tatsächlich belegen

Die vorhandenen offiziellen Informationen tragen drei Aussagen.

Erstens: GPT Image 2 ist in der OpenAI-API-Dokumentation als Modell aufgeführt. Das belegt die Existenz des Modells in den OpenAI-Unterlagen, sagt für sich genommen aber noch nicht, dass bei jeder Fotoretusche Gesicht, Licht, Komposition oder unmarkierte Bereiche stabil bleiben.

Zweitens: OpenAI zeigt für GPT Image einen Bearbeitungsablauf mit Maske. Die Dokumentation erklärt, dass eine Maske bereitgestellt werden kann, wenn bestimmte Teile des Eingabebildes nicht verändert werden sollen. Gleichzeitig bleibt ein Prompt nötig; Maske und Textanweisung steuern das Ergebnis also gemeinsam.

Drittens: OpenAI beschreibt die Maske nicht als pixelgenaue Garantie. Im Gegenteil: Die Dokumentation warnt, dass das Modell weiterhin Teile innerhalb der Maske verändern kann, und verweist bei exakten Anforderungen auf Bildsegmentierung.

Was das für Gesichter, Licht und Bildaufbau bedeutet

Wenn die Aufgabe lautet: Nur einen kleinen Fleck auf einem Hemd entfernen, aber Gesicht, Hautton, Lichtstimmung, Hintergrund und Bildausschnitt absolut unverändert lassen, reichen die vorliegenden offiziellen Angaben nicht für eine solche Garantie aus.

Eine Maske kann das Risiko senken, dass unerwünschte Bereiche verändert werden. Sie macht aus einem generativen Modell aber kein klassisches Retuschewerkzeug mit gesperrten Pixeln. OpenAI spricht sinngemäß von Vermeidung, nicht von Ausschluss.

Besonders sensibel sind daher Porträts, Produktkanten, Markenlogos, Verpackungstexte, Ausweisfotos und kommerzielle Bilder mit präziser Lichtführung. Dort sollte man ein KI-Ergebnis nicht nur danach beurteilen, ob es auf den ersten Blick gut aussieht. Sicherer ist ein Vorher-nachher-Abgleich: Gesichtszüge, Ränder, Schriften, Proportionen und Hintergrunddetails sollten einzeln geprüft werden.

Was Community-Berichte aussagen – und was nicht

In der OpenAI Developer Community gibt es mehrere Berichte zu gpt-image-1, die Probleme mit Maskenbearbeitung beschreiben. Genannt werden unter anderem schlecht erhaltene Maskenbereiche, Änderungen außerhalb des gewünschten Bereichs, Inpainting mit Ersetzung des ganzen Bildes sowie Fälle, in denen eine Maske offenbar ignoriert wurde.

Ein Community-Beitrag beschreibt das Masking bei GPT Image als promptbasiert: Das Modell generiere demnach weiterhin das ganze Bild neu und versuche, nicht bearbeitete Bereiche möglichst nah am Original zu halten. Derselbe Beitrag weist darauf hin, dass die exakte Maskenform möglicherweise nicht vollständig präzise befolgt wird.

Diese Community-Inhalte beziehen sich vor allem auf gpt-image-1 und sind keine formale Leistungszusage von OpenAI für GPT Image 2. Aus ihnen folgt also nicht automatisch, dass GPT Image 2 identische Probleme hat. Sie passen aber zur offiziellen OpenAI-Einschränkung, dass Masken nicht notwendigerweise exakt eingehalten werden – und sind deshalb für die Praxis ein ernstzunehmender Hinweis.

Vorsicht bei Versprechen wie „pixelgenaue chirurgische Bearbeitung“

Ein Drittanbieter bewirbt „GPT Image 2 Edit“ als Werkzeug, das Referenzbilder per natürlicher Sprache verändern könne, darunter auch „surgical pixel-level edits“, ohne Masken, Ebenen oder Photoshop.

Solche Aussagen können zeigen, wie Anbieter das Produkt vermarkten. Für die Entscheidung, ob wirklich nur ein winziger Bereich geändert und der Rest exakt bewahrt wird, sollten jedoch die Einschränkungen in den OpenAI-Unterlagen und eigene Tests stärker gewichtet werden.

Die nüchterne Linie lautet: Offizielle Quellen stützen lokale Bearbeitung mit Masken als Steuerung. Sie stützen nicht die Behauptung, dass unmarkierte oder geschützte Bildbereiche garantiert unverändert bleiben.

Praktische Empfehlung: Wann es passt – und wann Vorsicht nötig ist

Für schnelle Konzeptbilder, Varianten für Social Media, Hintergrundideen oder visuelle Exploration kann Maskenbearbeitung sinnvoll sein. OpenAI dokumentiert einen solchen Workflow ausdrücklich.

Für hochpräzise Porträts, Produkt-Hauptbilder, Ausweisfotos, Markenmaterial oder Bilder mit wichtigem Text sollte der Prüfprozess strenger sein:

1. Prompt klar formulieren. Auch mit Maske braucht das Modell eine Textanweisung. Beschreiben Sie genau, was geändert werden soll – und was erhalten bleiben muss.
2. Bei exakten Grenzen zuerst sauber segmentieren. OpenAI empfiehlt bei Bedarf an einer exact mask den Einsatz eines Bildsegmentierungsmodells.
3. KI-Ausgaben als Kandidaten behandeln, nicht automatisch als Finaldatei. Weil maskierte Bereiche trotzdem verändert werden können, sollten Gesichter, Produktkanten, Schriften und Markenelemente manuell kontrolliert werden.
4. Original sichern und vergleichen. Bei sensiblen Motiven lohnt sich ein systematischer Vorher-nachher-Vergleich von Licht, Komposition, Proportionen und Details – nicht nur ein schneller Blick auf die Natürlichkeit des Ergebnisses.

Die sicherste Formulierung

GPT Image 2 kann in einem Workflow für lokale Bildbearbeitung getestet werden. Die derzeit prüfbaren Quellen stützen aber keine Garantie, dass wirklich nur ein ausgewählter kleiner Bereich verändert wird und Gesicht, Licht oder Komposition vollständig unberührt bleiben. OpenAI dokumentiert Masken als Hilfsmittel zur lokalen Steuerung, weist aber zugleich auf mögliche Ungenauigkeiten hin. Für präzise Retusche sind Segmentierung, Vorher-nachher-Abgleich und menschliche Abnahme weiterhin nötig.