KI die Bilder analysieren kann, kostenlos: ChatGPT erlaubt 3 am Tag, Claude und Copilot 20 pro Chat

Welche KI kann Bilder kostenlos analysieren, und wie viele?

Die Größenlimits streuen noch weiter als die Anzahl, von 20 MB pro Bild bei ChatGPT bis zu 500 MB pro Datei bei Claude. Jede Zeile unten stammt von der Hilfeseite des jeweiligen Anbieters, gelesen am 12. Oktober 2026.

ChatGPT ist der knappste Fall. Das Datei-Upload-FAQ von OpenAI sagt: "Free users are limited to 3 file uploads per day", und ein Foto zählt als Datei-Upload wie jeder andere. Das allgemeine Limit liegt bei 80 Dateien alle 3 Stunden, und OpenAI behält sich vor, es zu Spitzenzeiten zu senken.

Claude und Copilot bieten am meisten Platz. Der Upload-Artikel von Anthropic erlaubt 20 Dateien pro Chat und Bilder bis 8.000 mal 8.000 Pixel. Auch die Upload-Seite von Copilot erlaubt 20 Dateien pro Unterhaltung mit bis zu 50 MB je Datei und sagt, dass das kostenlose Copilot Chat dazugehört. Gemini nimmt 10 Dateien in einem Prompt und bis zu 100 MB pro Datei. Googles Gemini-Upload-Seite nennt zusätzlich "rolling limits" dafür, wie viel du analysieren kannst, und gibt dazu keine Zahl an.

Wie lässt du eine KI ein Bild analysieren und Fragen beantworten?

Du hängst das Bild an und stellst dann eine konkrete Frage dazu. Auf ein nacktes "Was ist das?" kommt nur eine nackte Bildunterschrift zurück.

1. Öffne ChatGPT, Gemini, Claude oder Copilot und klicke im Nachrichtenfeld auf das + oder die Büroklammer. Bei Claude kannst du eine Datei auch hineinziehen oder einen Screenshot aus der Zwischenablage einfügen.
2. Schneide auf den Teil zu, nach dem du fragst. Anthropic empfiehlt Bilder von mindestens 1.000 mal 1.000 Pixeln, und OpenAI rät, kleinen Text im Bild zu vergrößern.
3. Gib der Frage eine Aufgabe: was gelesen, verglichen oder geprüft werden soll.
4. Bitte das Modell, aufzulisten, was es sieht, bevor es etwas folgert.
5. Prüfe jede Zahl, Summe und jeden Namen selbst am Bild nach.

Diese fünf Prompts decken das meiste ab, was Leute hochladen. Fülle die Klammern aus.

Text lesen: "Transcribe every word in this image exactly as written, line by line. Mark anything you can't read as [unclear] instead of guessing."

Diagramm lesen: "Turn this chart into a table with one row per data point. Give the axis labels and units. Say which values are printed on the chart and which you estimated from the gridlines."

Fehler beheben: "This is a screenshot of an error. Quote the error text, tell me which app shows it, and give me the three likeliest fixes in order."

Unterschiede finden: "These two photos show the same [room, product, document]. List every difference you can see and where it is in each image."

Etwas bestimmen: "What is this [plant, part, dish]? Give your best guess, two alternatives, and the visible features that tell them apart."

Der letzte Satz jedes Prompts leistet die Arbeit. Wer zuerst sichtbare Belege verlangt, hält das Modell davon ab, voreilig zu antworten, und unser Leitfaden zu multimodaler KI baut einen ganzen Workflow um diese Gewohnheit.

Was kann KI auf einem Bild nicht sehen?

KI kann die Metadaten eines Fotos nicht lesen, und bei Zahlen rät sie. Der Vision-Leitfaden von OpenAI nennt im Oktober 2026 elf Einschränkungen. Die meisten gelten für jeden Chatbot, den du probierst:

• Dateinamen und Metadaten werden nicht verarbeitet, Datum und GPS-Ort, die deine Kamera gespeichert hat, bleiben also ungelesen.
• Bei Objekten im Foto kann sie "may give approximate counts" liefern, also nur ungefähre Anzahlen.
• Gedrehten oder auf dem Kopf stehenden Text und solche Bilder liest sie womöglich falsch.
• Bei Schriften wie Japanisch oder Koreanisch kann sie ins Stolpern geraten, ebenso bei Diagrammen, deren Linien sich nur durch Farbe oder Strichart unterscheiden.
• Panorama- und Fisheye-Aufnahmen bereiten ihr Mühe, ebenso exakte Positionen, etwa die Figuren auf einem Schachbrett.
• OpenAI blockiert CAPTCHA-Bilder komplett.

Medizinische Aufnahmen sind die harte Grenze. OpenAI sagt, sein Modell sei "not suitable for interpreting specialized medical images like CT scans" und dürfe nicht für medizinische Ratschläge dienen. Ein Röntgenbild oder das Foto eines Hautausschlags gehört zu einer Ärztin oder einem Arzt.

Auch lange PDFs verlieren ihre Bilder. Anthropic sagt, Claude lese die Diagramme und Bilder in einem PDF mit höchstens 100 Seiten. Von Seite 101 bis 1.000 liest es nur den Text.

Welche KI analysiert Bilder am besten?

Claude Opus liest Bilder im führenden öffentlichen Benchmark am besten, und für große Mengen sind Copilot oder Claude die beste kostenlose Wahl. Auf der MMMU-Pro-Rangliste von Artificial Analysis, gelesen am 12. Oktober 2026, erreicht Claude Opus 5.5 88% und OpenAIs GPT-6 Astra 87%. Beide stecken hinter bezahlten Tarifen.

MMMU-Pro lässt sich schwer austricksen. Der Test hat 3.460 Fragen aus 30 akademischen Fächern und streicht jede Frage, die ein reines Textmodell beantworten kann. Manche Fragen kommen nur als Screenshot oder Foto, das Modell muss das Bild also lesen, um zu punkten.

Für die kostenlose Nutzung gilt eine einfache Regel. Nimm Copilot oder Claude für einen Stapel von bis zu 20 Bildern in einem Chat. Nimm Gemini für große Dateien, bis zu 100 MB je Datei. Heb dir ChatGPT Free für das einzelne Foto auf, denn 3 Uploads am Tag sind bis zum Mittag weg. Wenn du ein Bild verändern statt lesen willst, sind Fotos mit KI bearbeiten ganz andere Werkzeuge.

Whizi, das diese Seite veröffentlicht, schickt ein angehängtes Foto an das Modell, das du auswählst, sodass du mit Pro Claude Opus und Gemini nebeneinander zum selben Bild fragen kannst. Bei der kostenlosen Frage verliert es. Ein kostenloses Whizi-Konto bekommt 10 reine Textnachrichten pro Tag mit Whizi AI, Auto oder Claude Haiku 5.5, ohne Datei-Uploads, für einen Stapel Fotos brauchst du also einen Tarif. Die Website nimmt bis zu 6 Dateien pro Nachricht, begrenzt aber jedes Bild auf 8 MB und 60 Bild-Uploads am Tag, lehnt GIFs ab und zeigt nicht an, welche ihrer 280+ Modelle Bilder sehen können. Unterstützte Dateitypen listet den Rest auf.

Kannst du Bilder per API statt per Chatbot analysieren?

Ja, und die großen Cloud-Vision-APIs enthalten ein kostenloses Monatskontingent. Google Cloud Vision gibt die ersten 1.000 Einheiten im Monat gratis und berechnet danach $1.50 pro 1.000 für die Label-Erkennung, laut Preisseite. Der kostenlose Tarif von Microsofts Azure AI Vision erlaubt 5.000 Transaktionen im Monat bei 20 pro Minute. Amazon Rekognition ist die dritte große Option.

Diese Dienste liefern Labels, Text und Objekt-Rahmen als Daten, nicht als Chat-Antworten. Das passt zu einer App, die Tausende Produktfotos verschlagwortet. Für einen einzelnen Screenshot ist es übertrieben.

DeepSeek kam spät. Am 21. August 2026 öffnete es die Bildeingabe in seiner API, und der Vision-Leitfaden akzeptiert bei seinem Flash-Modell bis zu 600 Bilder in einer Anfrage. Die Preisseite markiert Vision beim Flaggschiff V4 Pro weiterhin als "Not supported", und die Dokumentation von DeepSeek sagt nichts über Bilder in der eigenen Chat-App.