KI-Bildgenerator von Google: Ablauf, Beispiel, Grenzen

„Googles KI-Bildgenerator" heißt eigentlich anders: Nano Banana, Googles Bildmodell in der Gemini-App, in der Suche und in Google Fotos. Wer in der Gemini-App einen Bildwunsch eintippt, bekommt heute automatisch Nano Banana, ohne das Wort je auswählen zu müssen. Was im Alltag zählt, ist weniger der Name als der Ablauf: ein klarer Prompt, ein geprüftes Ergebnis, und das Wissen, wo das Modell zuverlässig ist und wo nicht.

Wo der Bildgenerator in der Gemini-App steckt

In der Gemini-App reicht ein Satz wie „Erstelle ein Bild von …", und das Modell erzeugt ein Ergebnis direkt im Chat, ohne Umschalten in ein separates Werkzeug. Google beschreibt genau dieses Zusammenspiel von Text und Bild in einem Schritt als Kernidee des Modells: Bild erzeugen, im nächsten Satz eine Änderung nennen, ohne von vorn zu beginnen. The Decoder berichtete im Oktober 2026, dass die neueste Version zusätzlich in der KI-Suche, in Flow und in Google Ads ausgerollt wird – dieselbe Technik taucht also an mehreren Stellen auf, nicht nur im Chatfenster. Wie sich diese Version preislich von der Vorgängerversion unterscheidet, steht separat in Nano Banana 2.1 Preis – das betrifft allerdings die API, nicht die kostenlose Nutzung in der App.

Wofür sich das eignet – und wofür nicht

• —Ein Titelbild oder eine Illustration für eine interne Präsentation, wenn kein passendes Fotomaterial existiert.
• —Ein Icon- oder Illustrationsset im einheitlichen Stil für mehrere Folien oder eine Dokumentation.
• —Ein erster visueller Entwurf für eine Idee, bevor ein Grafikteam oder eine echte Fotoproduktion beauftragt wird.
• —Ein Social-Media-Motiv zu einem allgemeinen Thema, das keine echte, identifizierbare Person oder Marke zeigen muss.

Nicht geeignet ist es für ein Bild, das als exakter Beleg gelten muss – ein Produktfoto mit echten Maßen, ein Beweisfoto, ein Bild, das eine reale Person oder einen realen Ort naturgetreu zeigen soll. Dafür bleibt ein echtes Foto oder eine bewusste Bild-zu-Bild-Bearbeitung die richtige Wahl, nicht ein komplett neu erzeugtes Motiv.

Ein Ablauf mit Beispielprompt

Nimm eine Aufgabe, die öfter vorkommt: ein Titelbild für eine interne Präsentation zum Thema „Teamevent im Herbst", ohne echtes Fotomaterial zur Hand.

1. 01Beschreibe Motiv, Stil und Stimmung in einem Satz statt in einem Wort – „Illustration, warme Herbstfarben, eine Gruppe am Lagerfeuer, keine erkennbaren Gesichter" liefert ein anderes Ergebnis als „Herbstbild".
2. 02Lass dir mehrere Varianten zeigen, bevor du eine übernimmst – die Ergebnisse unterscheiden sich in Bildaufbau und Farbwahl merklich.
3. 03Gib im nächsten Satz nur eine Änderung vor, etwa „Mach den Himmel wärmer, der Rest bleibt gleich" – so bleibt nachvollziehbar, was sich geändert hat und was nicht. Bild zu Bild KI geht genau diese enge Änderungsregel an einem eigenen Foto ausführlicher durch.
4. 04Vergrößere das gewählte Bild, bevor du es einfügst, und prüfe gezielt jede Stelle mit Text, einer Hand oder einem Gesicht.

Ein zweites Beispiel: ein Icon-Set in einem Satz

Nimm eine zweite, kleinere Aufgabe: fünf Icons für eine interne Folie, die Themen wie „Kommunikation", „Planung" und „Budget" darstellen sollen, in einem einheitlichen Stil. Schwacher Ablauf: für jedes Icon einen eigenen, kurzen Prompt eingeben, etwa nur „Icon Kommunikation". Ergebnis: fünf Bilder mit unterschiedlicher Linienstärke, unterschiedlicher Farbwelt und unterschiedlichem Hintergrund – nebeneinander auf einer Folie wirken sie wie aus fünf verschiedenen Quellen.

Vollständiger Ablauf: einen einzigen Prompt mit der Liste aller fünf Begriffe und einer festgelegten Stilbeschreibung schicken, etwa „Erstelle fünf einfache Linien-Icons im selben Stil, dünne Linien, ein Akzentfarbton, transparenter Hintergrund, für die Themen Kommunikation, Planung, Budget, Team, Zeit." Das Modell verarbeitet die Vorgabe als ein Set statt als fünf getrennte Anfragen, und die Wahrscheinlichkeit, dass Linienstärke und Farbwelt zusammenpassen, steigt deutlich. Trotzdem lohnt sich derselbe Vergleich wie beim ersten Beispiel: alle fünf Icons nebeneinander prüfen, bevor sie auf die Folie kommen, nicht nur das erste.

Wo das Modell an Grenzen stößt

Lesbarer Text in einem Bild ist das klassische Beispiel: Ein Schriftzug auf einem Schild oder einer Flagge sieht aus der Ferne überzeugend aus, bei genauem Hinsehen fehlt oft ein Buchstabe oder er steht spiegelverkehrt. Bei einem Poster mit dem Namen „Teamevent im Herbst" als Bildtext, statt als später eingefügte Textebene, zeigt sich das besonders häufig: Der erste Buchstabe stimmt, der Rest wird zu einer Buchstabenfolge, die nur von Weitem wie das richtige Wort aussieht. Wie schnell sich generative Bildmodelle in solchen Details verbessern, verfolgt der Stanford AI Index über mehrere Jahre – die Fähigkeiten wachsen sichtbar, ohne dass Text und feine Details deshalb schon durchgängig stimmen. Für ein Bild mit einer echten, erkennbaren Person gilt zusätzlich die Regel aus KI-Bilder von Menschen: ohne deren Zustimmung nicht.

Ein Bild, das am Bildschirm überzeugt, ist nicht automatisch fehlerfrei. Der Text darin ist die Stelle, an der sich das am schnellsten zeigt.

Das Wasserzeichen, das jedes Bild bekommt

Jedes von Google erzeugte Bild trägt ein unsichtbares SynthID-Wasserzeichen, mit dem sich später nachweisen lässt, dass ein Bild von diesem Modell stammt. Das ist genau die maschinenlesbare Markierung, die seit diesem Jahr ohnehin vorgeschrieben ist, wenn ein Bild eine echte Person, einen echten Ort oder ein echtes Ereignis täuschend echt zeigen soll – mehr dazu, wann zusätzlich eine sichtbare Kennzeichnung nötig ist, steht in Urheberrecht bei KI. Für ein frei erfundenes Illustrationsmotiv wie das Lagerfeuer-Beispiel oben greift diese Pflicht nicht. Das Wasserzeichen ist trotzdem immer da.

Wie verbreitet solche Bildwerkzeuge im deutschen Berufsalltag inzwischen sind, hält der Bitkom laufend fest, und das Statistische Bundesamt erhebt zusätzlich, wie viele Betriebe KI-Anwendungen überhaupt einsetzen – beide Zahlen steigen seit Jahren, unabhängig davon, welches einzelne Werkzeug gerade dahintersteckt.

Kostenlos oder mit Abo

Die Basisnutzung in der Gemini-App ist kostenlos; ein Google-AI-Abo schaltet unter anderem mehr Anfragen pro Tag und das leistungsfähigere Pro-Modell frei. Welche Variante sich lohnt, hängt davon ab, wie oft du Bilder brauchst – für einen gelegentlichen Entwurf reicht die kostenlose Version meist aus, für ein Team, das jede Woche mehrere Foliensätze mit Illustrationen füllt, zahlt sich das Abo über die höhere Anzahl an Anfragen pro Tag eher aus. Sollen zwei eigene Fotos zu einem neuen Bild verschmolzen werden statt eines allein verändert zu werden, zeigt 2 Bilder mit KI kombinieren denselben Ablauf für diesen anderen Ausgangspunkt.

Was du am Montag ausprobierst

1. 01Nimm eine Aufgabe, bei der dir echtes Fotomaterial fehlt, und formuliere dafür einen vollständigen Satz statt eines Stichworts.
2. 02Lass dir mindestens drei Varianten zeigen und vergleiche sie nebeneinander, bevor du eine wählst.
3. 03Gib genau eine Änderung in einem zweiten Satz vor, statt alles im ersten Prompt unterzubringen.
4. 04Vergrößere jede Stelle mit Text oder einem Gesicht, bevor du das Bild irgendwo verwendest.

Der Prüfschritt selbst ist derselbe wie bei jeder anderen KI-Aufgabe im Büro, ausführlicher beschrieben in KI im Büro. Er kostet beim Bild dieselbe eine Minute wie bei einem Text – nur fällt eine fehlende Zeile im Fließtext seltener auf als ein verunglückter Buchstabe mitten auf einer Folie.

Genau diese Fähigkeit – einen Bildwunsch präzise formulieren und das Ergebnis vor der Verwendung prüfen – vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen, die zu einer echten Aufgabe passen, nicht zu einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.