Viktor Bossert ist Gründer des KI-Visual-Studios nexframe und auf generative Bild- und Videoproduktion spezialisiert. Für BuchMarkt analysiert er, was die KI-Bildgenerierung für Selfpublisher:innen und Verlage bedeutet.
J. G. Rose hatte keinen Verlag. Trotzdem stieg der dritte Band ihrer „Mr. & Mrs. Rodríguez“-Reihe über Books on Demand (BoD) in die SPIEGEL-Taschenbuch-Bestsellerliste ein — Dark Romance, groß geworden auf TikTok, ohne Grafikabteilung, ohne Vertriebsapparat. Ein Einzelfall ist das längst nicht mehr. Selfpublishing bleibt mit einem geschätzten Anteil von rund drei Prozent am Publikumsmarkt (https://www.selfpublisherbibel.de/schaetzung-wie-gross-der-marktanteil-von-selfpublishing-titeln-in-deutschland-ist/) ein kleines Segment, und knapp 78 Prozent der verlagsunabhängigen Autor:innen setzen laut der Selfpublisher:innen-Umfrage weniger als 200 Euro im Monat um (https://www.selfpublisher-verband.de/auswertung-der-selfpublisher-umfrage-2026-teil-1/). Aber an der Spitze konkurrieren sie bei Auflage und Reichweite auf Augenhöhe mit etablierten Häusern.
Nach wie vor gibt es zwischen Selfpublishing- und Verlagstiteln zahlreiche Unterschiede. Auf einen Punkt, bei dem sich bislang die Spreu vom Weizen trennte, möchte ich gerne genauer eingehen: die visuelle Produktion. Gemeint ist damit weit mehr als das Cover. Ein wesentlicher Vorsprung der Verlage lag bisher im gesamten Bildapparat rund ums Buch — Cover, Promotionsgrafik, Anzeigenmotive und, zunehmend entscheidend, Bewegtbild: der Trailer, das Reel, der kurze Clip, über den auf TikTok und Instagram heute ein erheblicher Teil der Buchentdeckung läuft. Diesen Apparat unterhielten Verlage mit Grafikabteilungen und Agenturbudgets. Für Selfpublisher:innen war er schlicht zu teuer.
Der Kostenbruch
Genau diese Schwelle fällt gerade. Ein professionell beauftragtes Buchcover kostet je nach Aufwand von mehreren hundert bis über 2.000 Euro und braucht Wochen; ein Werbeclip oder eine animierte Promo-Grafik lag früher in einer Größenordnung, die für einen Einzeltitel kaum darstellbar war. KI-Bildgeneratoren wie Midjourney, Adobe Firefly oder Ideogram — und, für Bewegtbild, die neue Generation der Video-Modelle — erzeugen dasselbe Material heute in Minuten, für den Preis eines Monatsabos.
Der Unterschied liegt weniger im fertigen Bild als im Weg dorthin. Ein klassischer Produktionsauftrag durchläuft Briefing, Entwürfe, Korrekturschleifen und Reinzeichnung — ein Prozess über Wochen, der mit jeder Variante teurer wird. Ein Generator liefert die erste Fassung in der Zeit, die ein Briefing-Telefonat dauert. Für Autor:innen, die Lektorat, Satz, Vertrieb und Marketing ohnehin selbst schultern, verschiebt das die Reihenfolge: Die visuelle Vermarktung ist nicht länger der Posten, an dem zuerst gespart wird.
Noch nutzt nicht die Mehrheit der Selfpublisher:innen diesen Weg voll aus. Laut Selfpublisher-Umfrage 2025 setzen 21 Prozent KI gezielt fürs Cover-Design ein, während KI-Werkzeuge insgesamt bereits von der Mehrheit für Recherche, Grafik, Übersetzung oder Social Media verwendet werden. Die Richtung ist eindeutig — der Kostenvorsprung etablierter Häuser bei der visuellen Produktion schmilzt schneller, als die Marktzahlen allein andeuten.
Der Hebel verschiebt sich zum Bewegtbild
Am deutlichsten wird der Umbruch dort, wo Bücher heute entdeckt werden. Auf TikTok und in Instagram-Reels entscheidet ein fünfzehn Sekunden kurzer Clip mit, ob ein Titel Reichweite findet — die #BookTok-Bewegung hat Backlist-Titel über Nacht zu Bestsellern gemacht, und J.G. Roses Aufstieg ist selbst ein Kind dieser Mechanik. Ein solcher Clip war für einen einzelnen Selfpublishing-Titel bislang kaum darstellbar: Motion Design, Sprecher:innenstimme, Schnitt und Vertonung summieren sich schnell auf vierstellige Beträge und mehrere Wochen. Die neue Generation generativer Video- und Bildmodelle senkt auch diese Schwelle drastisch — aus Agenturhonoraren werden Stunden und ein Abo. Damit rückt nicht nur das Cover, sondern die gesamte Kampagnenästhetik eines Titels in Reichweite einer Einzelperson. Genau hier, im Bewegtbild, war der Abstand zwischen Verlag und Selfpublisher:in meiner Meinung nach zuletzt am größten — und genau hier schließt er sich jetzt am schnellsten.
Nicht das einzelne Bild zählt, sondern das System dahinter
Die eigentliche Verschiebung ist größer, als es die Rede vom günstigen Generator nahelegt. Wer ein einzelnes Bild promptet, nutzt nur die schwächste Stufe der Technik. Die starke entsteht, wenn mehrere Werkzeuge zu einem System verbunden werden: eine Agentenumgebung wie Claude Code, gesteuert von einem leistungsfähigen Modell wie Fable 5 oder OpenAIs GPT-5.6Sol, über Konnektoren an die eigene Bildwelt, Markenvorgaben und Referenztitel angebunden und durch spezialisierte Fähigkeiten (»Skills«) für Genre, Typografie und Reihenlogik ergänzt. Ein solcher Aufbau steuert die eigentlichen Bild- und Videogeneratoren nicht mit einem einzelnen Befehl. Er liefert nicht ein Motiv, sondern entwickelt, verwirft und variiert Dutzende —nach Regeln, die ein Mensch einmal definiert und das System dann konsequent durchhält.
Ein solches System erreicht — und übertrifft in Tempo und Bandbreite — das, was klassische Cover-Baukästen und ein Großteil der gängigen Auftragsproduktion für Selfpublisher:innen liefern. Nicht, weil das Talent guter Coverdesigner:innen entwertet würde; ihr Urteil darüber, was ein Motiv trägt, bleibt der Maßstab. Sondern weil ein agentischer Aufbau die Fläche des Ausprobierens vertausendfacht und über Genre, Reihe und Format hinweg konsistent bleibt, wo eine einzelne Hand ermüdet. Der Engpass verschiebt sich: weg vom Zugang zu gestalterischer Kraft, hin zu der neuen Fähigkeit, ein solches System zu bauen und zu dirigieren — und die ist nicht mehr an eine Grafikabteilung gebunden.
Damit verschiebt sich der Vorteil, er verschwindet nicht. Wer die Werkzeuge beherrscht und den letzten gestalterischen Schritt sicher geht, produziert heute allein, wofür früher eine Abteilung nötig war — auf einem Niveau, das ein Buch nicht länger als Selbstverlag verrät. Wer nur auf „Generieren“ klickt, bekommt ein Bild, aber nicht denselben Effekt.
Was das für Verlage bedeutet
Der Cover-Vorteil bröckelt also nicht, weil KI die Qualität nivelliert, sondern weil sie die Eintrittskosten in professionelle Bild- und Bewegtbildproduktion einreißt. Verlage verlieren nicht ihr gestalterisches Können — sie verlieren die Exklusivität des Zugangs zu den Mitteln. Der Vorsprung wandert von demmit Grafikabteilung, zu dem, der das beste Produktionssystem baut und dirigiert. Und diese Fähigkeit ist erstmals nicht mehr an ein Verlagshaus gebunden — sie kann ebenso bei einer einzelnen Person liegen, die versteht, wie sich Modelle, Daten und Gestaltungsregeln zu einem Werkzeug verbinden, das jede klassische Coverproduktion in Tempo und Bandbreite hinter sich lässt.
Viktor Bossert
