---
title: "Visuelle Inhalte: Wie Bild und Text in Social Media zusammenwirken"
description: "Visuelle Inhalte in Social Media: was Studien zu Text auf Bildern, Bildunterschriften und überraschenden Motiven zeigen und wie du einen Bildpost baust."
author: "Felix Schmitz"
author_url: https://felixshmtz.de/ueber-mich/
published: 2026-11-10
category: "Personal Branding"
canonical: https://felixshmtz.de/artikel/visuelle-inhalte/
language: de
---

# Visuelle Inhalte: Wie Bild und Text in Social Media zusammenwirken

Von Felix Schmitz, Digital Growth Hacker aus Köln: Gründer und Geschäftsführer der quik UG, Gründer von ai-website.com, baut den KI-Workspace quik OS.

## Kurz gesagt

- Visuelle Inhalte wie Fotos, Grafiken und Text auf Bildern wirken in Social Media vor allem über das Zusammenspiel von Bild und Text.
- In einer Auswertung von 34.610 Markenposts hatten Beiträge mit viel Text und wenig Bild tendenziell weniger Likes und Kommentare.
- Ein großer, mittig platzierter Text auf einem bewegten Bild senkte in mehreren Studien das Engagement, weil der Post unruhig wirkt.
- Bildunterschriften, die über das Sichtbare hinausgehen, steigerten in 95.155 Posts das Interesse, solange die Marke den Menschen nicht fern vorkommt.
- Bild und Text sollten entweder beide zur Kernbotschaft passen und erwartbar sein oder beide bewusst überraschen, Mischformen wirkten schwächer.

Visuelle Inhalte sind Fotos, Grafiken, Videos und Bilder mit eingeblendetem Text, die in Social Media vor allem über das Auge wirken. Ob ein Bildpost Reaktionen auslöst, hängt laut aktueller Forschung weniger am Bild allein als am Zusammenspiel von Bild und Text: wie viel Text auf dem Bild steht, wo er steht, was die Bildunterschrift ergänzt und ob beides zur selben Botschaft passt.

Mich beschäftigt das Thema, weil ich selbst viel mit Bildern arbeite. In meinen Artikeln stehen Grafiken, die einen Ablauf oder einen Vergleich zeigen sollen. Auf meiner Website setze ich auf echte Fotos aus dem Arbeitsalltag statt auf Stockfotos. Bei jeder Grafik und jedem Foto stelle ich mir dieselbe Frage: Hilft das Bild beim Verstehen, oder ist es nur Dekoration.

Vier Studien habe ich dazu genauer gelesen. Sie stammen aus großen Marketing-Fachzeitschriften und werten zusammen über hunderttausend Posts von Marken aus. Für Selbstständige muss ich übertragen, denn eine Personal Brand ist keine Konsumgütermarke. Die Mechanismen halte ich aber für gut übertragbar, weil sie beschreiben, wie Menschen im Feed Bilder und Text verarbeiten.

## Was visuelle Inhalte in Social Media leisten

Im Feed entscheidet der erste Blick. Ein Bild fällt auf oder nicht, und erst danach liest jemand den Text. Visuelle Inhalte haben deshalb zwei Aufgaben: Sie sollen den Blick anhalten und zugleich die Botschaft tragen oder vorbereiten.

Für Selbstständige sind vor allem diese Formen relevant:

- **Fotos von dir und deiner Arbeit.** Sie zeigen den Menschen hinter dem Angebot.
- **Grafiken und Diagramme.** Sie machen einen Ablauf, einen Vergleich oder eine Zahl sichtbar.
- **Text auf dem Bild.** Eine Aussage, ein Zitat oder eine Überschrift direkt im Bild.
- **Karussells und Folien.** Mehrere Bilder hintereinander, oft mit viel Text.
- **Kurze Videos.** Bewegtbild mit oder ohne eingeblendeten Text.

Alle Studien unten untersuchen Bilder, die zusammen mit Text erscheinen. Das ist auch der Normalfall auf LinkedIn und Instagram. Wie Bilder auf einer Website oder in einem Shop wirken, behandle ich im Artikel über [Produktbilder](https://felixshmtz.de/artikel/produktbilder/). Was dein Profilfoto über dich sagt, steht im Artikel über das [Profilbild](https://felixshmtz.de/artikel/profilbild/).

## Bild oder Text: welche Mischung im Feed zieht

Dang, Kwan, Jia und Shi (2026) haben im Journal of Marketing Research eine Frage untersucht, die sich jeder stellt, der Grafiken für Social Media baut: Wie viel Text verträgt ein Bild. Sie haben 34.610 organische Posts von Marken auf Facebook und Instagram mit Verfahren der Bilderkennung und Sprachanalyse zerlegt. Ausgewertet wurde mit einem statistischen Modell, das gezielt Ursache und Wirkung trennen soll.

Das Ergebnis: Posts, bei denen der Text auf dem Bild gegenüber dem eigentlichen Bildinhalt überwiegt, haben tendenziell weniger Likes und Kommentare. Textlastige Posts schnitten aber besser ab, wenn

- der Text eher mittig steht,
- der Text informativ ist,
- der Text positiv formuliert ist,
- Text und Bild zueinander passen,
- das Bild wenige auffällige Objekte und wenig zusätzliche Information enthält, etwa soziale Hinweise.

Für mich steckt darin eine einfache Regel. Wenn du viel Text brauchst, mach das Bild ruhig. Ein Text auf einem vollen Foto konkurriert mit allem, was dort sonst passiert.

## Text auf dem Bild: groß, mittig und bewegt ist zu viel

Eine zweite Studie schaut noch genauer auf den eingeblendeten Text. Farace, Villarroel Ordenes, Herhausen, Grewal und de Ruyter (2026) haben im Journal of Marketing drei Gestaltungsmerkmale untersucht, die in der Praxis oft genutzt werden, um aufzufallen: wie viel Bewegung ein Bild andeutet, wie groß der Text ist und wie zentral er platziert ist. Sie haben dafür Feldstudien, Online-Experimente und Interviews mit Managern kombiniert.

Ihr Befund: Ein Text, der zu groß und zu zentral steht, schadet dem Engagement, wenn er auf einem dynamischen Bild liegt. Diese Kombination lässt den Post optisch unattraktiv wirken. Aus den Ergebnissen haben die Autoren eine interaktive Anwendung entwickelt, mit der Manager ihre Posts vorab prüfen können.

Auf den ersten Blick widerspricht das der Studie von Dang und Kollegen, in der mittiger Text half. Ich lese beide zusammen so: Die mittige Lage allein schadet nicht. Kritisch wird es, wenn alles gleichzeitig laut ist, also großer Text, zentrale Lage und ein Bild voller Bewegung. Auf einem ruhigen Bild darf der Text in der Mitte stehen. Auf einem bewegten Bild sollte er kleiner sein oder an den Rand rücken.

![Vergleichsgrafik zu visuellen Inhalten nach Dang und Kollegen sowie Farace und Kollegen 2026: Viel Text auf vollem, bewegtem Bild bremst, informativer und passender Text auf ruhigem Bild hilft](https://felixshmtz.de/grafiken/visuelle-inhalte/visuelle-inhalte-text-auf-bild.webp)

*Text auf dem Bild, was eher bremst und was eher hilft: Viel Text funktioniert nur, wenn das Bild dafür Ruhe lässt.*

Beide Studien arbeiten mit Posts von Unternehmen. Ob ein Foto von dir mit einem Zitat darauf genauso wirkt wie ein Markenbild, kann ich nicht sicher sagen. Ich würde die Regeln trotzdem anwenden, weil sie aus der Wahrnehmung im Feed kommen und nicht aus der Art des Absenders.

## Die Bildunterschrift: mehr als beschreiben

Der dritte Baustein ist der Text unter dem Bild. Adam (2026) hat im Journal of Interactive Marketing einen Begriff eingeführt, den ich sehr brauchbar finde: die Erweiterung der Bildunterschrift. Gemeint ist, wie weit eine Unterschrift über das hinausgeht, was auf dem Bild ohnehin zu sehen ist, etwa durch eine neue Perspektive, eine Deutung oder etwas Vorstellungskraft.

Die Datenbasis ist groß. Ausgewertet wurden 95.155 Posts mit je einem Bild von 402 Marken aus 33 Branchen, ergänzt um ein Online-Experiment mit 1.200 Teilnehmenden. Das Ergebnis: Je stärker die Unterschrift das Bild erweitert, desto größer das Interesse der Betrachter und desto höher das Engagement.

Dieser Effekt hat eine Grenze. Er wird schwächer, je ferner und unnahbarer eine Marke den Menschen vorkommt. Ist dieser Abstand besonders groß, kann er sich sogar umkehren.

Für Personal Brands finde ich das eine gute Nachricht. Ein Mensch wirkt in der Regel nahbarer als eine anonyme Marke. Ein Beispiel: Angenommen, eine Architektin postet ein Foto von einer Baustelle. Die beschreibende Unterschrift wäre „Rohbau in Köln fertig“. Eine erweiternde Unterschrift wäre „Hier wird in zwei Jahren eine Familie frühstücken, und genau diese Ecke haben wir dafür dreimal umgeplant“. Das Foto ist dasselbe. Die zweite Unterschrift gibt ihm eine Geschichte.

Wer sehr distanziert auftritt, sollte laut der Studie vorsichtiger mit solchen Erweiterungen sein. Für eine Personal Brand, die nahbar sein will, sehe ich darin eher eine Einladung.

## Passend oder überraschend: wie Bild und Text zusammengehören

Die vierte Studie verbindet die drei vorherigen Gedanken. Liu, Wang, Fang und Wu (2025) haben in Production and Operations Management einen großen Datensatz von Unternehmensposts mit Bild und Text ausgewertet. Sie messen zwei Dinge: Wie relevant sind Bild und Text für die Kernbotschaft, und wie erwartbar oder überraschend ist die Kombination.

![Matrix-Grafik zu visuellen Inhalten nach Liu und Kollegen 2025: Relevant und erwartbar sowie wenig relevant und überraschend wirkten am besten, die beiden Mischformen schwächer](https://felixshmtz.de/grafiken/visuelle-inhalte/visuelle-inhalte-relevanz-erwartbarkeit.webp)

*Visuelle Inhalte nach Relevanz und Erwartbarkeit: Am besten wirken klare Fälle, entweder passend und erwartbar oder bewusst überraschend.*

Die Ergebnisse: Am besten wirkten zwei Kombinationen. Entweder ist der Inhalt hoch relevant und gut erwartbar, oder er ist wenig relevant und wenig erwartbar. Die beiden Mischformen funktionierten nicht so gut. Bei den Kommentaren waren die beiden starken Formen gleich wirksam. Nur die relevante und erwartbare Kombination förderte zusätzlich das Weiterleiten.

Die Beispiele in der Grafik sind von mir, die Studie arbeitet mit Messwerten aus Sprachmodellen und Themenanalysen. Wie groß der Datensatz ist und von welcher Plattform er stammt, nennt das Abstract nicht. Ich ziehe daraus trotzdem eine klare Lehre: Entscheide dich. Ein Bild, das ein bisschen überrascht und ein bisschen passt, ist die schwächste Wahl. Wie stark Gefühle dabei mitspielen, beschreibe ich im Artikel über [Emotionen in Social Media](https://felixshmtz.de/artikel/emotionen-in-social-media/). Warum auffällige Bilder sich manchmal weiter verbreiten, steht im Artikel über [virale Inhalte](https://felixshmtz.de/artikel/virale-inhalte/).

## So baue ich visuelle Inhalte für meinen nächsten Post

Aus den vier Studien leite ich fünf Regeln ab, die ich vor jedem Bildpost durchgehe:

1. **Das Bild trägt.** Wenn ich mehr Text als Bild brauche, mache ich lieber einen Textpost oder ein Karussell.
2. **Ruhe für Text.** Text kommt nur auf ruhige Flächen. Bei bewegten Motiven bleibt er klein oder am Rand.
3. **Informativ und positiv.** Der eingeblendete Text sagt etwas Konkretes und passt zum Bild.
4. **Die Unterschrift erweitert.** Sie erzählt, was man nicht sieht: warum, wofür, was danach passiert.
5. **Klar entscheiden.** Entweder zeigt das Bild genau, worum es geht, oder es überrascht bewusst.

**Selbstcheck für deinen nächsten Bildpost**

- [ ] Das Bild trägt die Botschaft, der Text ergänzt nur
- [ ] Eingeblendeter Text steht auf einer ruhigen Fläche
- [ ] Bei einem bewegten Motiv ist der Text klein oder am Rand
- [ ] Der Text auf dem Bild ist konkret und positiv formuliert
- [ ] Die Bildunterschrift sagt etwas, das man auf dem Bild nicht sieht
- [ ] Bild und Text passen klar zusammen oder überraschen bewusst
- [ ] Das Bild ist echt und zeigt dich oder deine Arbeit

Bei der siebten Frage weiche ich von den Studien ab. Sie untersuchen keine Echtheit, und in der Studie von Dang und Kollegen schnitten textlastige Posts sogar besser ab, wenn das Bild weniger soziale Hinweise enthielt. Ich setze trotzdem auf echte Fotos, weil Menschen von Menschen kaufen und weil ein Bild aus deinem Alltag schwer zu kopieren ist. Wie ich KI-generierte Bilder dagegen einordne, beschreibe ich im Artikel über [KI-Bilder in der Werbung](https://felixshmtz.de/artikel/ki-bilder-werbung/).

> Ein gutes Bild hält den Blick an, ein guter Text sagt, warum es sich lohnt, hinzuschauen.

Visuelle Inhalte ersetzen außerdem keinen Rhythmus. Ein hervorragender Bildpost alle zwei Monate bringt dir vermutlich weniger als ein ordentlicher jede Woche. Wie du einen Takt findest, den du hältst, steht im Artikel über die [Posting-Frequenz](https://felixshmtz.de/artikel/posting-frequenz/).

## Typische Fehler bei visuellen Inhalten

Wenn ich mir Bildposts von Selbstständigen ansehe, fallen mir immer wieder dieselben Muster auf. Fast alle lassen sich mit den Studien oben erklären.

- **Die Folie als Bild.** Ein Screenshot aus einer Präsentation mit zehn Zeilen Text ist ein Textpost im falschen Format. Hier überwiegt der Text so deutlich, dass das Bild nichts mehr trägt.
- **Alles auf einmal.** Ein buntes Foto mit viel Bewegung, darauf eine riesige Überschrift in der Mitte. Genau diese Kombination wirkte bei Farace und Kollegen unattraktiv.
- **Die Unterschrift wiederholt das Bild.** „Ich auf der Bühne“ unter einem Foto, auf dem man dich auf der Bühne sieht, verschenkt den Platz, an dem du erzählen könntest, warum dieser Moment wichtig war.
- **Ein bisschen überraschend.** Ein Motiv, das weder klar zum Thema passt noch bewusst irritiert, wirkt beliebig. Die Studie von Liu und Kollegen spricht dafür, sich zu entscheiden.
- **Bilder ohne Absender.** Austauschbare Stockfotos sehen ordentlich aus, sagen aber nichts über dich. Das sagen die Studien nicht, das ist meine eigene Haltung.

Ein Beispiel, wie eine Korrektur aussehen kann: Angenommen, ein Steuerberater postet ein Foto seines vollen Schreibtischs mit dem Text „5 Tipps für deine Steuererklärung“ groß in der Mitte. Nach den Regeln oben würde er den Text kleiner an den Rand setzen oder die Tipps in die Unterschrift verschieben. Die Unterschrift könnte erzählen, welcher Fehler ihm in dieser Woche dreimal begegnet ist. Das Bild bleibt, die Botschaft wird klarer.

## Fazit

Visuelle Inhalte wirken in Social Media über das Zusammenspiel von Bild und Text. Die Studien zeigen vier Muster: Zu viel Text auf dem Bild kostet Reaktionen. Großer, zentraler Text auf einem bewegten Bild wirkt unruhig. Bildunterschriften, die über das Sichtbare hinausgehen, wecken Interesse, besonders bei nahbaren Absendern. Und Bild und Text sollten entweder klar zusammenpassen oder bewusst überraschen.

Mein Vorschlag für den nächsten Schritt: Nimm deine letzten fünf Bildposts, streich gedanklich den Text auf dem Bild und lies nur die Unterschrift. Wenn sie nur beschreibt, was zu sehen ist, schreib sie neu, mit einem Gedanken, den das Bild allein nicht zeigt. Was ich bei meinen eigenen Posts ausprobiere, teile ich in den [Unternehmer Thoughts](https://felixshmtz.de/unternehmer-thoughts/).

## Häufige Fragen

### Was sind visuelle Inhalte?

Visuelle Inhalte sind alle Inhalte, die vor allem über das Auge wirken: Fotos, Grafiken, Infografiken, Illustrationen, Videos und Bilder mit eingeblendetem Text. In Social Media treten sie fast immer zusammen mit Text auf, etwa als Bildunterschrift.

### Wie viel Text gehört auf ein Social-Media-Bild?

Eher wenig. Eine Studie mit 34.610 Markenposts fand weniger Likes und Kommentare, wenn der Text gegenüber dem Bild überwog. Wenn Text nötig ist, hilft es, wenn er informativ, positiv und passend zum Bild ist und das Bild selbst ruhig bleibt.

### Warum sind visuelle Inhalte wichtig?

Weil der Blick im Feed zuerst am Bild hängen bleibt und erst danach am Text. Ein Bild entscheidet also, ob jemand überhaupt weiterliest. Wie gut ein Bildpost wirkt, hängt laut Forschung aber stark davon ab, wie Bild und Text zusammenspielen.

### Was macht eine gute Bildunterschrift aus?

Eine gute Bildunterschrift geht über das hinaus, was ohnehin zu sehen ist, und ergänzt eine Deutung, eine Perspektive oder eine Geschichte. In einer Studie mit über 95.000 Posts steigerte das das Interesse und das Engagement, außer bei Marken, die den Menschen sehr fern vorkommen.

## Quellen

- [Dang, Kwan, Jia et al. (2026): When Words Meet Visuals: How Content Composition Drives Social Media Engagement for Marketer-Generated Content. Journal of Marketing Research](https://doi.org/10.1177/00222437251373042)
- [Farace, Villarroel Ordenes, Herhausen et al. (2026): Standing Out While Fitting In: Visual Design of Text Overlays in Social Media Communication. Journal of Marketing](https://doi.org/10.1177/00222429251322773)
- [Adam (2026): How Do Image Captions Drive Consumer Engagement on Social Media? Journal of Interactive Marketing](https://doi.org/10.1177/10949968251352408)
- [Liu, Wang, Fang et al. (2025): The Impact of Verbal and Visual Content on Consumer Engagement in Social Media Marketing. Production and Operations Management](https://doi.org/10.1177/10591478251349892)

Quelle: https://felixshmtz.de/artikel/visuelle-inhalte/
