Bilder mit Nano Banana Pro bearbeiten, ohne dass der Rest neu entsteht

Nano Banana Pro ist Googles gemini-3-pro-image und die Bildfamilie, zu der LUVI standardmäßig greift. Auf LUVI gibt es sie als Text zu Bild und als Bearbeitung, darüber noch die Stufe edit-ultra, in 1k, 2k oder 4k, ab 175 Credits pro Bild in 1k und 300 Credits in 4k. Die Bearbeitung nimmt bis zu zehn Referenzbilder und ist zugleich der Modus, in dem die meisten Credits verloren gehen. Dafür gibt es einen strukturellen Grund.

Warum hat die Bearbeitung Dinge verändert, nach denen ich nicht gefragt habe?

Weil eine Bearbeitung in dieser Familie das ganze Bild neu erzeugt. Es gibt keinen maskierten Bereich und keine Pixelsperre: Das Modell liest deine Anweisung und erzeugt ein neues Bild, das dem alten plus deiner Änderung ähneln soll. Alles, was du nicht festgehalten hast, darf abdriften – ein Gesicht, ein Schatten, die Schrift auf einem Schild.

Die Lösung ist ein Erhaltungssatz, und Googles eigene Dokumentation verwendet einen in ihrem Beispiel für mehrstufige Bearbeitung: „Update this infographic to be in Spanish. Do not change any other elements of the image.“

LUVI setzt dieselbe Regel deterministisch um. Die Prompt-Prüfung sucht nach einem Bearbeitungsverb (change, replace, swap, remove, delete, erase, recolor, relight) und hängt, wenn der Prompt keine Erhaltungsformel trägt, selbst eine an:

Replace the plain white mug in Image 1 with a matte black ceramic mug, same size and position. Keep everything else in the image exactly the same.

Dieser Schlusssatz ist kein Schmuck. Ohne ihn ist dieselbe Anweisung eine Einladung, Theke, Licht und die Hand an der Tasse neu zu zeichnen.

Wie zeigt man auf das richtige Referenzbild?

Über die Ordnungszahl, geschrieben als Image 1, Image 2 und so weiter: groß, mit Leerzeichen und ohne @. Nano Banana bindet Referenzen über die Ordnungszahl statt über ein Symbol, deshalb wird ein kleingeschriebenes image 1 vor dem Absenden in die kanonische Form umgeschrieben.

In eine Bearbeitung passen bis zu zehn Bilder. Googles Dokumentation beschreibt, wofür dieses Kontingent in dieser Generation taugt: „Up to 10 images of objects with high-fidelity to include in the final image“, also bis zu zehn Objektbilder, die mit hoher Treue ins Ergebnis wandern, dazu kleinere Kontingente für Figurenkonstanz und Stilreferenz. Praktisch heißt das: Eine Bearbeitung kann eine Montage sein, das Objekt aus einem Foto in die Szene eines anderen, solange jedes Bild in dem Satz genannt wird, der es verwendet.

Warum funktioniert „keine Autos“ nicht?

Es gibt bei Nano Banana kein Feld für einen negativen Prompt, und der Leitfaden der Familie sagt deutlich, was passiert, wenn du dir einen improvisierst: Beschreibe positiv („eine leere, verlassene Straße“, nicht „keine Autos“). Zu benennen, was du nicht willst, kann es ins Bild holen.

Das ist die Gewohnheit, die fast alle von Stable Diffusion mitbringen, und hier ist sie die teuerste. Jeder Ausschluss muss als Anwesenheit seines Gegenteils neu geschrieben werden.

• „keine Autos“ wird zu eine leere, verlassene Straße
• „kein Text“ wird zu eine saubere Fläche ganz ohne Buchstaben
• „nicht unscharf“ wird zu durchgehend scharf, klare Kanten
• „nicht unaufgeräumt“ wird zu drei Objekte auf einer leeren Theke, viel Freiraum

Diese Umformung nimmt dir die Prüfung nicht ab. Korrigiert wird nur, was sich belegen lässt – die Referenzform, der Erhaltungssatz, die Gewichtungssyntax, die hier nichts bewirkt. Die Ermessensfragen bleiben bei dir.

Welche Einstellungen ändern das Ergebnis wirklich?

Fünf Parameter, und die beiden folgenreichsten verwechselt man leicht.

• resolution, mit den Werten 1k, 2k und 4k in Kleinbuchstaben. Die Liste unterscheidet Groß- und Kleinschreibung, 2K ist also nicht dieselbe Zeichenfolge wie 2k, und ein nicht passender Wert fällt weg – übrig bleibt der Standard 1k.
• aspect_ratio, mit zehn Werten: 1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9. Diese Werte decken sich exakt mit Googles veröffentlichter Liste. Das Seitenverhältnis stattdessen in den Prompt zu schreiben bewirkt nichts.
• output_format, png oder jpeg.
• media_resolution, das steuert, wie deine Eingabebilder gelesen werden, nicht wie die Ausgabe geschrieben wird. Niedriger verbraucht weniger Tokens pro Eingabebild und kann Details der Referenz kosten.
• enable_web_search, ab Werk aus, lässt das Modell die Generierung auf aktuelle Informationen stützen.

Diese Familie hat keinen Seed, zwei identische Anfragen ergeben also zwei verschiedene Bilder. Wenn ein Ergebnis nah dran, aber nicht richtig ist, führt der Weg über eine weitere Bearbeitung dieser Ausgabe und nicht über denselben Prompt noch einmal.

Was wir geprüft haben

• Modelle: google/nano-banana-pro/text-to-image, google/nano-banana-pro/edit und google/nano-banana-pro/edit-ultra.
• Einstellungen: 1k, 2k und 4k; die zehn Seitenverhältnisse aus dem Schema; Bearbeitung mit Referenzbildern.
• Datum und Quellen: 22. September 2026. Die Modellschemata und Credit-Schätzungen auf LUVI, der Prompting Guide für diese Familie und die unten verlinkte Google-Dokumentation zur Bildgenerierung.
• Ergebnisse: 175 Credits pro Bild in 1k und 300 Credits in 4k. Bei einer kurzen Bearbeitungsanweisung gab die Prüfung zwei Korrekturen zurück: image 1 wurde zu Image 1, und der Erhaltungssatz kam ans Ende. Die zehn Seitenverhältnisse im LUVI-Schema decken sich mit Googles veröffentlichter Liste.
• Grenzen: Für diesen Beitrag wurde nichts generiert, er behauptet also nichts über die Qualität der Ergebnisse. Credits ändern sich, wenn der Anbieter neu bepreist – schau vor einer 4k-Serie auf die Schätzung im Arbeitsbereich.

Auf LUVI

Öffne den Arbeitsbereich, wähl Nano Banana Pro Edit, leg dein Bild in den Referenzplatz und schreib die Anweisung. Drück vor dem Generieren auf den Feder-Button daneben: Das ist LuviTransLex, die kostenlose Prüfung, die den Prompting Guide dieser Familie anwendet.

Bei einem Bearbeitungsprompt zahlt sie sich sofort aus. Replace the plain white mug in image 1 with a matte black ceramic mug, same size and position. kommt mit zwei Korrekturen zurück: Die Referenz wird zu Image 1 normalisiert, und der Erhaltungssatz wird angehängt. Beides kostet keine Credits.

Dir wird auffallen, dass im Panel kein Feld für einen negativen Prompt steht. Das ist eine Eigenschaft des Modells und keine Einstellung, die du ausgeschaltet hättest: Wann es dieses Feld gibt, entscheidet das Modell. Dieselbe Bearbeitung lässt sich aus Claude oder ChatGPT steuern, über den LUVI-Connector – praktisch, wenn das Ausgangsbild schon in deiner Bibliothek liegt.

Neu hier? Leg ein LUVI-Konto an und mach deine erste Bearbeitung in 1k, bevor du dich auf 4k festlegst.

Quellen

• Image generation with Gemini – Google AI for Developers, API-Dokumentation (auf Englisch). Abgerufen am 22. September 2026.