Bilder mit KI-Agenten generieren: Post und Header in einem Durchlauf

Kurzantwort: Um Blog-Bilder über AI-Agent-Tasks zu generieren, packen Sie das Briefing, die Bildspezifikationen und die Review-Zuständigkeit in einen einzigen Task. Der Agent verfasst den Beitragsentwurf, ruft eine Bild-API wie MiniMax H3-Image mit einem Schlüssel aus seiner Umgebung auf, hängt beide Dateien wieder an den Task an und stoppt beim Review. Ein Mensch genehmigt das Ganze oder fordert Änderungen an.

Sie können schon heute Blog-Bilder über AI-Agent-Läufe generieren, ohne dafür eine eigene Content-Plattform aufzubauen. Auf Modellseite ist das Ganze diese Woche deutlich einfacher geworden: Am 10.11.2026 hat MiniMax H3-Image veröffentlicht – ein Open-Weight-Bildmodell, das 16-Megapixel-Bilder ausgibt, laut MiniMax in rund 10 Sekunden. Die eigentliche Herausforderung war nie der API-Aufruf. Die Kunst besteht darin, den Textentwurf, das Bild, den dafür genutzten Prompt und die Entscheidung über beides an einem zentralen Ort zusammenzuhalten.

Dieser Leitfaden zeigt genau diesen Workflow anhand eines einzigen Tasks. Sie erfahren, was im Briefing stehen sollte, wo der API-Key hinterlegt wird, welches Skript der Agent ausführt und worauf Reviewer achten müssen. Wenn Sie Coding-Aufgaben bereits an Agenten delegieren, bietet Sharkly für Content-Aufgaben denselben Loop aus Task, Run und Review.

Warum ein einziger Agent beide Aufgaben übernehmen sollte

Wenn Texterstellung und Bildgenerierung getrennte Schritte sind, klaffen Header-Grafik und Beitrag schnell auseinander. Beim dritten Entwurf ändert der Autor den Blickwinkel – das Bild zeigt aber immer noch den ersten Entwurf. Jemand kopiert einen Prompt in eine Web-App, lädt eine Datei herunter, benennt sie um und legt sie in einem freigegebenen Ordner ab. Später kann niemand mehr nachvollziehen, welcher Prompt zu welchem Bild gehörte.

Ein einziger Task löst dieses Problem, indem beide Ergebnisse denselben Verantwortlichen und denselben Verlauf teilen:

• Der Agent liest den finalen Entwurf, bevor er den Bild-Prompt formuliert – so passt das Header-Bild exakt zum fertigen Beitrag.
• Prompt, Modell-ID, Bildgröße und Kosten landen im selben Task wie der Beitragsentwurf.
• Reviewer sehen Text und Bild gemeinsam vor sich und können direkt entscheiden.
• Änderungswünsche erreichen den Agenten mit vollem Kontext, statt in einem neuen Chat von vorn beginnen zu müssen.

Die Rollenverteilung zwischen Mensch und Agent bleibt simpel: Der Agent entwirft, generiert, hängt Dateien an und erstattet Bericht. Menschen entscheiden, bearbeiten und veröffentlichen.

Was MiniMax H3-Image bietet

H3-Image ist das Text-to-Image- und Bildbearbeitungsmodell von MiniMax. Ein einziger Checkpoint deckt beide Modi ab, und der Bearbeitungsmodus akzeptiert 1 bis 16 Referenzbilder. Hier sind die Kennzahlen, die MiniMax in seinem Leitfaden zur Bildgenerierung und auf der Model Card angibt:

Der Einführungsrabatt gewährt 50 % Nachlass, wenn das ausgegebene Bild mindestens 16.600.000 Pixel aufweist. Laut MiniMax’ Preisseite gilt diese Aktion bis zum 17. November 2026 um 16:00 Uhr UTC. Ein Blog-Header benötigt jedoch selten 16 Megapixel, weshalb 2K im Format 16:9 der sinnvollste Standard ist.

Sollten Sie die offenen Modellgewichte selbst hosten?

Für die meisten Teams lautet die Antwort: Nein. Die Modellgewichte unterliegen der MiniMax-H3-Image Community License, keiner standardmäßigen Open-Source-Lizenz. Lesen Sie die Lizenz am besten selbst: Sie schließt mehrere Regionen vom Lizenzgebiet aus und verlangt ab einem annualisierten Umsatz von 1 Million US-Dollar oder für jeden gehosteten Dienst eine gesonderte schriftliche Genehmigung. Zudem ist der Download riesig: 66,28 GB für den Diffusion Transformer plus 66,7 GB für den Text Encoder. Für einen Blog-Workflow ist die API schlicht der pragmatischere Weg.

Schritt 1: Das Briefing als Task verfassen

Die Task-Beschreibung fungiert als Briefing. Hier gehört alles hinein, was der Agent benötigt, um die Aufgabe ohne Rückfragen abzuschließen. Ein gelungenes Briefing sieht etwa so aus:

**Post:** How we cut CI time by 40% with test sharding
**Audience:** platform engineers
**Length:** 1,400 words
**Header image:** 16:9, 2K, MiniMax-H3-Image
**Image direction:** abstract, no text in the image, brand blues
**Deliver:** article.md + header.jpg + prompt.txt attached to this Task
**Reviewer:** Maria (approves both before anything is published)

Einmalige Details gehören direkt in den Task. Regeln, die für jeden Beitrag gelten – wie Tonalität, Bildstil und Dateinamen –, lagern Sie am besten in einen Skill aus. In Sharkly bündelt ein Skill wiederverwendbare Anweisungen sowie unterstützende Dateien, und ein Agent lädt die ihm zugewiesenen Skills bei jedem Durchlauf. Unser Leitfaden darüber, was ein Coding-Agent-Skill ist, erklärt das genaue Format.

Schritt 2: Dem Agenten den API-Key für die Bildgenerierung bereitstellen

Der Ausführungslauf benötigt MINIMAX_API_KEY in seinen Umgebungsvariablen. In Sharklys Agent-Einstellungen lassen sich sowohl Klartext- als auch Secret-Umgebungsvariablen verwalten. Ein task-basierter Lauf übernimmt die konfigurierten Variablen und Secret-Bindings direkt beim Start.

Beachten Sie den Hinweis in dieser Ansicht: Werte im Klartext sind für autorisierte Agent-Manager sichtbar und stellen keinen sicheren Speicher für Secrets dar. Ein API-Key, über den Kosten abgerechnet werden, gehört daher zwingend in die Secret-Konfiguration. Fügen Sie Keys niemals in die Task-Beschreibung oder in Kommentare ein. Unsere Secrets-Checkliste für Coding-Agenten fasst alle weiteren Details zusammen.

In Sharkly gibt es keinen integrierten MiniMax-Bild-Konnektor. Der Agent ruft die API genauso auf wie jeden anderen HTTP-Dienst: über ein Skript auf dem Computer, auf dem er ausgeführt wird. Allerdings führt Sharkly MiniMax Code (mcode) seit dem Changelog vom 26.10.2026 als Runtime auf, sodass Teams, die MiniMax Code bereits nutzen, den Agenten direkt dort ausführen können. Testen Sie die Bildgenerierung vorab in einem Headless-Lauf, bevor Sie sich im Produktivbetrieb darauf verlassen.

Schritt 3: Das Skript, das der Agent ausführt

Liefern Sie dieses Skript direkt im Skill mit, damit jeder Durchlauf dasselbe Anfrageformat verwendet. Es orientiert sich an der Request-Struktur aus der MiniMax-Dokumentation:

# make_header.py: generate one 16:9 header with MiniMax H3-Image
import os, sys, json, requests

prompt = open(sys.argv[1]).read().strip()   # prompt.txt written by the Agent
resp = requests.post(
    "https://api.minimax.io/v1/images/generations",
    headers={"Authorization": f"Bearer {os.environ['MINIMAX_API_KEY']}"},
    json={
        "model": "MiniMax-H3-Image",
        "prompt": prompt,
        "aspect_ratio": "16:9",
        "area": "2K",
        "n": 1,
        "response_format": "url",
    },
    timeout=600,
)
resp.raise_for_status()
result = resp.json()
item = result["data"][0]
if "error" in item:
    sys.exit(f"Image failed: {item['error']['message']}")

with open(f"header.{result['output_format']}", "wb") as f:
    f.write(requests.get(item["url"], timeout=120).content)

json.dump({"size": item["size"], "revised_prompt": item["revised_prompt"]},
          open("image-meta.json", "w"), indent=2)

Drei Details sind bei der Teamarbeit besonders wichtig:

1. Keine automatischen Wiederholungsversuche (Retries): MiniMax weist in der Dokumentation darauf hin, dass der Aufruf nicht idempotent ist. Ein erneuter Versuch kann also ein weiteres Bild in Rechnung stellen. Lassen Sie den Agenten den Fehler lieber melden, anstatt Schleifen zu drehen.
2. revised_prompt beibehalten: Die Prompt-Optimierung ist standardmäßig aktiv, und die API-Antwort enthält den tatsächlich verwendeten Prompt. Wenn Sie diesen speichern, kann der Reviewer gezielte Anpassungen anfordern, ohne raten zu müssen.
3. Die Datei herunterladen: Laut Dokumentation sollten Bilder heruntergeladen und selbst gespeichert werden. Reichen Sie Reviewern daher nicht bloß die temporäre Rückgabe-URL weiter.

Schritt 4: Beide Dateien anhängen und beim Review anhalten

Sobald Entwurf und Bild vorliegen, hängt der Agent beide Dateien an den Task an und erstattet Bericht über seine Arbeit. Das Sharkly CLI erledigt beides mit einem einzigen Befehl:

sharkly task comment "$TASK_ID" \
  --body-file run-summary.md \
  --attachment article.md \
  --attachment header.jpg \
  --attachment image-meta.json

Die Zusammenfassung listet die Wortanzahl, die Modell-ID, die Bildabmessungen, den usage-Block der API-Antwort sowie alle Punkte auf, die nicht verifiziert werden konnten. Anschließend übergibt der Agent den Verlauf zur Überprüfung zurück. Diese Übergabe wird im Task-Chats-Modul der Seitenleiste angezeigt und geht somit nicht unter.

Alle Ergebnisse landen direkt im Task. Niemand im Review-Team muss mühsam Terminal-Ausgaben, Download-Ordner oder Chat-Protokolle durchsuchen.

Schritt 5: Beitrag und Bild gemeinsam prüfen

Die prüfende Person öffnet den Task und gleicht beide Ergebnisse mit dem Briefing ab:

• Passt das Header-Bild zur finalen Ausrichtung des Beitrags und nicht zu einem früheren Entwurf?
• Enthält das Bild generierten Text? Bildmodelle machen hier nach wie vor Tippfehler, weshalb das Briefing Text ausschließen sollte.
• Zeigt das Bild eine echte Produktoberfläche? Falls ja, ersetzen Sie es durch einen echten Screenshot. Eine generierte UI ist lediglich ein Mockup.
• Stimmen die Fakten im Beitrag mit den zitierten Quellen überein?

Um Änderungen anzufordern, genügt ein Kommentar im Task. Der Agent nimmt den Faden mit dem Entwurf, dem Bild und dem gespeicherten Prompt im Kontext wieder auf. Ausführlichere Informationen dazu, an welchen Stellen menschliche Eingriffe sinnvoll sind, finden Sie in unserem Leitfaden über Human-in-the-Loop-Coding-Agenten.

Wann Sie auf diesen Workflow verzichten sollten

Verzichten Sie bei einmaligen Bildern darauf. Wenn Sie lediglich eine einzelne Grafik für eine Präsentationsfolie benötigen, geht der Weg über die Web-App schneller als das Verfassen eines Briefings.

Verzichten Sie bei Produkt-Screenshots, Diagrammen mit echten Daten und Fotos realer Personen oder Events komplett auf KI-Generierung. Hierfür sind reale Quellen unerlässlich. Generierung eignet sich für Concept Art, abstrakte Header-Grafiken und Diagramme, die man ohnehin manuell nachzeichnen würde. Wie Sie einen einheitlichen Look über viele Beiträge hinweg wahren, erfahren Sie in unserem Beitrag darüber, wie Sie Brand Visuals mit AI-Agenten konsistent halten.

Fazit

Das Bildmodell ist der einfache Teil. MiniMax H3-Image erzeugt laut eigener Preistabelle ein 2K-Header-Bild für etwa zwei Cent. Die eigentliche Zeitersparnis liegt in der Struktur drumherum: ein Task, ein Briefing, ein Agent-Lauf, ein Review.

Einmal eingerichtet, läuft der Prozess: Verbinden Sie einen Computer, erstellen Sie einen Agenten mit dem Bild-Key in der Secret-Konfiguration, statten Sie ihn mit dem Skill und dem obigen Skript aus und weisen Sie ihm den nächsten Blogbeitrag zu. Der Einstieg in Sharkly ist kostenlos – die aktuellen Tarife finden Sie auf sharkly.ai.

FAQ

Kann ein AI-Agent Blog-Bilder eigenständig generieren?

Ja, sofern der Ausführungslauf Zugriff auf einen Bild-API-Key sowie ein passendes Skript oder Tool hat. Der Agent formuliert den Prompt anhand des Beitragsentwurfs, ruft den Endpunkt auf, speichert die Datei und hängt sie zur Prüfung an den Task an.

Was ist MiniMax H3-Image?

H3-Image ist das am 10.11.2026 veröffentlichte Open-Weight-Modell von MiniMax für Text-to-Image und Bildbearbeitung. Es gibt Bilder mit rund 16 Megapixeln aus und unterstützt im Bearbeitungsmodus bis zu 16 Referenzbilder.

Wie viel kostet ein Header-Bild mit H3-Image?

Die Preisseite von MiniMax gibt 0,02333 $ für eine exemplarische 2K-Text-to-Image-Generierung und 0,06879 $ für 4K an. Die tatsächlichen Kosten variieren je nach Prompt-Länge, da erweiterte Prompt-Tokens ebenfalls abgerechnet werden.

Verfügt Sharkly über eine integrierte Bild-Anbindung an MiniMax?

Nein. Sharkly führt Ihren Agenten auf Ihrem Computer aus, und der Agent ruft die MiniMax-API mit Ihrem Schlüssel auf. MiniMax Code steht zwar als Sharkly-Runtime bereit, das ist jedoch nicht dasselbe wie ein Konnektor für Bildgenerierung.

Wo sollte der API-Key hinterlegt werden?

In der Secret-Konfiguration des Agenten. Sharklys reguläre Umgebungsvariablen sind für Agent-Manager sichtbar, und Task-Beschreibungen sowie Kommentare können von jedem eingesehen werden, der Zugriff auf den Task hat.

Sollte der Agent den Beitrag auch direkt veröffentlichen?

Nein. Die Veröffentlichung sollte immer in menschlicher Hand bleiben. Der Agent liefert Entwurf und Anhänge; der Reviewer prüft, gibt frei und veröffentlicht.