Neue KI-Bildmodelle sorgen für mehr App-Downloads

Neue KI-Bild- und Videomodelle erweisen sind nach einer Auswertung von appfigures ein besonders starker Treiber für das Wachstum von KI-Apps. Sie übertreffen damit deutlich die Releases von neuen Textmodellen. Weil visuelle Werkzeuge für Nutzer deutlich einfacher zu verstehen, auszuprobieren und zu teilen sind als verbesserte Textmodelle, sind sie zum zuverlässigsten Weg geworden, um das Interesse der Verbraucher zu wecken. Ein generiertes Bild oder Video sticht sofort ins Auge und lässt sich leicht weiterverbreiten, während eine verbesserte Chatbot-Antwort auf einem Screenshot oft nur schwer zu erkennen ist.

Bildmodelle generieren starkes Download-Wachstum

Die Daten von appfigures zeigen einen eindeutigen Trend: Updates von Bild- und Videomodellen führen im Durchschnitt zu 6,5-mal mehr zusätzlichen App-Downloads als herkömmliche Textmodell-Releases.

Ein Beispiel dafür ist ChatGPT. Nach der Einführung der 4o-Bildgenerierung im März 2025 verzeichnete die App innerhalb von 28 Tagen schätzungsweise 12 Millionen zusätzliche Downloads über dem normalen Basiswert. Dieser Anstieg war etwa 4,5-mal höher als bei den durchschnittlichen Updates der Textmodelle GPT-4o, GPT-4.5 oder GPT-5.

Google Gemini übertraf dieses Wachstum sogar deutlich. Mit der Veröffentlichung von Nano Banana (Gemini 2.5 Flash Image) im August 2025 generierte Google in einem Zeitraum von 28 Tagen schätzungsweise 22 Millionen neue Downloads. Die Download-Basis der App stieg damit um mehr als das Vierfache an. Auch Meta AI profitierte von diesem visuellen Trend: Die Einführung des KI-Videofeeds „Vibes" brachte der App innerhalb von 28 Tagen immerhin 2,6 Millionen zusätzliche Downloads ein.

Abbildung 1: Image Tools und AI App Installs

Es gibt in dieser Statistik nur eine Ausnahme: das Reasoning-Modell DeepSeek R1, das nach seiner Veröffentlichung im Januar 2025 zu 28 Millionen zusätzlichen Downloads führte. Dieser Fall sollte jedoch nicht als Maßstab für normale Modellveröffentlichungen herangezogen werden. Der Erfolg von DeepSeek begründete sich primär auf das globale Medienereignis und der öffentlichen Diskussion darüber, ob die App etablierte Konkurrenten wie OpenAI oder Anthropic herausfordern könnte.

Abbildung 2: Die stärksten Downloads nach dem Release neuer KI-Modelle

Downloads bedeuten nicht gleich Umsatz

Obwohl visuelle KI-Funktionen Nutzer-Aufmerksamkeit in App-Installationen umwandeln können, muss das nicht automatisch zu mehr Umsatz führen.

ChatGPT ist derzeit die einzige App, die es erfolgreich schafft, das Interesse an einem visuellen Modell in zahlende Abonnenten zu konvertieren. Die 4o-Bildgenerierung brachte dem Unternehmen in den 28 Tagen nach dem Start schätzungsweise 70 Millionen US-Dollar an zusätzlichen Brutto-Verbraucherausgaben ein. Das ist der größte finanzielle Anstieg aller untersuchten Ereignisse.

Bei Google Gemini hingegen steht der massive Download-Erfolg in keinem Verhältnis zu den Einnahmen. Trotz der 22 Millionen neuen Downloads durch Nano Banana stiegen die Ausgaben der Verbraucher im selben Zeitraum lediglich um rund 181.000 US-Dollar. Auch Meta AI generierte durch seinen Vibes-Feed keine nennenswerten mobilen Umsätze.

Was ist mit Sora?

Trotz des augenscheinlichen Erfolges visueller Modelle bedeutet das nicht automatisch, dass diese fortgeführt werden. Das zeigt die KI-Video-App "Sora" von OpenAI. Damit ließen sich Videos in beeindruckender Qualität erzeugen. OpenAI hatte sogar schon Lizenz-Deals zur Verwendung von Charakteren in der App geschlossen, zum Beispiel mit dem Disney-Konzern. Dennoch entschloss sich OpenAI dazu, Sora einzustellen. Ein Grund dafür könnten die enormen Rechenkapazitäten sein, die für die Erstellung von KI-Videos benötigt werden. Diese möchte OpenAI sehr wahrscheinlich lieber in Geschäftsfelder mit besseren Gewinnmöglichkeiten investieren, vor allem im Bereich Coding.

Abschließende Bewertung

Visuelle KI bietet Entwicklern aktuell den besten Anreiz, um Nutzer dazu zu bringen, eine App direkt zu öffnen, anstatt Suchmaschinen oder Browser zu nutzen. Die große Herausforderung der Branche liegt darin, dieses gewonnene Interesse auch wirtschaftlich nutzbar zu machen. Das ist allerdings vor allem im Bereich Video aufgrund des hohen Bedarfs an Rechenkapazitäten schwierig.