Was ist Nano Banana? Googles Bildbearbeitungsmodell erklärt

Es war kein Produktname. Ein nicht beschriftetes Modell tauchte in öffentlichen Vergleichsarenen auf, in denen Menschen anonyme Ausgaben ohne Kenntnis des Systems gegenüberstellen, unter dem Platzhalter „nano banana“. Es gewann sehr häufig, fiel auf, und es wurde wochenlang gerätselt, wer dahintersteckt, bis Google es bestätigte.

Google tat dann Ungewöhnliches und behielt den Spitznamen — weshalb ein ernsthaftes Infrastrukturstück öffentlich unter einem scherzhaften Handle läuft. Formal ist es ein Gemini-Bildmodell; gesucht wird aber nach der Banane.

Diese Geschichte ist relevant, weil sie erklärt, warum sich der Begriff in der Suche so eigen verhält. Das Interesse war da, bevor Marketing existierte. Entsprechend lauten die Fragen wie bei einem Gerücht — was ist es, wer hat es gebaut, ist es echt — statt wie bei einem Produkt.

Die meisten Bildmodelle sind darauf ausgelegt, ein Bild aus einer Beschreibung zu erzeugen. Nano Banana ist darauf ausgelegt, ein vorhandenes Bild zu verändern — und das Schwierige ist alles, was Sie nicht ändern wollten.

Bitten Sie ein allgemeines Modell, die Person auf diesem Foto in einen roten Mantel zu stecken, bekommen Sie meist eine Person im roten Mantel, die nicht ganz dieselbe Person ist — leicht andere Kieferlinie, anderer Augenabstand, ein Gesicht wie ein Geschwister. Die Identität überlebt eine Bearbeitung und baut sich über mehrere ab. Genau diese Identität über eine Folge von Anweisungen zu halten, ist das Ziel von Nano Banana.

Daraus folgt das Interaktionsmodell. Sie schreiben keinen einen elaborierten prompt und nehmen hin, was zurückkommt; Sie führen ein Gespräch, in dem jede Runde das letzte Ergebnis justiert. Licht versetzen. Jetzt Abendstimmung. Jetzt nach draussen. Diese Schleife ist das Produkt.

Alles, bei dem dasselbe Motiv mehrmals auftauchen muss. Produktfotos in mehreren Umgebungen, eine Figur über eine Panel-Sequenz, Varianten eines Porträts, ein Mock-up, das denselben Raum in vier Farbwelten zeigen soll.

Zudem ist es ungewöhnlich fehlertolerant für Menschen, die keine prompt-Syntax lernen möchten. Weil die Anweisung eine Bearbeitung statt einer Spezifikation ist, funktionieren einfache Sätze — und der Fehlermodus einer vagen Bitte ist eine kleine Änderung statt eines unkenntlichen Bildes.

Schwächer passt es zum weissen Blatt. Wo es kein Ausgangsbild und kein zu bewahrendes Motiv gibt, hat die Konsistenz-Mechanik nichts zu tun, und auf Text-zu-Bild spezialisierte Modelle geben Ihnen aus dem Stand mehr Kontrolle über Bildaufbau, Optik und Stil.

Gegenüber Midjourney liegt die Trennlinie bei der ästhetischen Autorschaft. Midjourney legt einen starken Hausstil darüber und wird meist genutzt, um etwas Markantes zu schaffen; Nano Banana versucht, das Bild ausser an den gewünschten Stellen in Ruhe zu lassen. Das eine ist Stylist, das andere Retuscheur.

Gegenüber offenen Modellen — Stable Diffusion und FLUX — liegt die Trennlinie bei der Kontrolle. Offene Gewichte erlauben, ControlNet, LoRAs und inpainting-Pipelines anzuflanschen und so präzise Kontrolle zu erhalten — zum Preis des Pipeline-Aufbaus. Nano Banana legt einen schmaleren Ausschnitt dieser Kontrolle hinter einen Satz, schneller erreichbar und schwerer zu überschreiten.

Gegenüber gpt-image-1 liegen beide näher beieinander als zu allem anderen: geschlossen, anweisungsfolgend, konversationell und an einen Assistenten gekoppelt. Praktisch berichten die meisten als Unterschied, welches Gesicht über mehrere Runden besser gehalten wird — und das sollten Sie an Ihrem eigenen Material testen statt von Leaderboards abzulesen.

Geschäftlich nichts — wir sind weder mit Google affiliiert noch vertreiben wir dessen Modelle. Diese Seite existiert, weil Menschen fragen, was das ist, und die ehrliche Antwort kurz ist; ein Verzeichnis, das nur Modelle beschreibt, die wir mögen, wäre kein Verzeichnis.

Lesen Sie das am besten zusammen mit den Bearbeitungsseiten hier, denn die Begriffswelt überträgt sich. Was Nano Banana konversationell tut, leistet das offene Ökosystem mit benannten Techniken: inpainting für Änderungen innerhalb einer Maske, outpainting für Änderungen ausserhalb des Rahmens, denoise-Stärke dafür, wie weit sich ein Ergebnis von der Quelle entfernen darf. Diese Wörter zu kennen, macht klarer, was ein Editor tut und was nicht.