Nano Banana Prompts: Mit dieser Struktur gelingen bessere Designs

Mit schlampigen Nano Banana Prompts entstehen entsprechend beliebige Ergebnisse. Wer mit Nano Banana präzise Bilder nach Briefing erstellt, verwendet nicht einfach bessere Wörter, sondern eine klare Struktur: ein starkes Verb, eine Szene wie aus einem Art-Direction-Briefing und pro Schritt genau eine Änderung.

Die Grundstruktur für gute Nano Banana Prompts

Am Anfang steht ein Verb, das die Aufgabe benennt. Danach folgt die Szene – beschrieben wie für ein Foto-Shooting, nicht verschlagwortet wie in einer Bilddatenbank. Allein diese Gewohnheit trennt brauchbare Resultate von der austauschbaren Hochglanzoptik, die viele Prompt-Sammlungen dominiert.

Nano Banana ist Googles Bildmodell auf Basis der Gemini 3-Familie. Es verarbeitet den Prompt zunächst inhaltlich und rendert erst danach. Klare Anweisungen funktionieren deshalb besser als eine lose Ansammlung von Keywords. Googles offizielles Rezept für Text-zu-Bild-Prompts besteht aus fünf Bausteinen:

[Motiv] + [Handlung] + [Ort/Kontext] + [Komposition] + [Stil]

Die Komposition legt den Bildausschnitt fest – etwa Nähe und Kamerawinkel. Der Stil beschreibt Anmutung oder Medium, zum Beispiel Editorial-Fotografie, flächige Illustration oder 3D-Rendering. Sind alle fünf Bausteine ausgefüllt, erhält das Modell eine konkrete Szene statt eines bloßen Wunsches.

Danach geht es im Dialog weiter. Zuerst genügt ein Satz, der die Szene grob trifft; anschließend wird pro Runde nur ein Element geändert. Wer Beleuchtung, Pose und Hintergrund gleichzeitig korrigieren will, verliert schnell genau die Teile, die bereits funktioniert haben.

Nano Banana Prompts für Produkt- und Markenbilder

Bei Produkt- und Verpackungsmotiven führt die Grundformel zusammen mit drei konkreten Vorgaben – Licht, Objektiv und Material – meist schon zu einem brauchbaren Hero-Bild.

Ein vager Einstieg produziert genau das Ergebnis, über das sich viele beschweren. Der Prompt „eine Wasserflasche auf einem Tisch, schönes Licht“ ergibt ein generisches Katalog-Rendering: frontal und flach fotografiert, mit künstlich wirkenden Glanzlichtern und einer Oberfläche ohne erkennbare Materialität. Technisch ist daran nichts falsch, verkaufsstark ist es trotzdem nicht.

Das gleiche Motiv als Shooting-Briefing:

Fotografiere eine mattschwarze Wasserflasche aus Edelstahl, die auf einem hellen Eichentisch steht. Weiches Morgenlicht von links, geringe Schärfentiefe, aus leicht erhöhter Perspektive aufgenommen. Fotorealistisch, warm und minimalistisch.

Entscheidend sind die konkreten Angaben. Der stärkste Hebel ist die Materialität: Verlangt wird nicht einfach „eine Flasche“, sondern „mattschwarzer Edelstahl“. Sobald Oberflächen so präzise benannt werden wie von einem Set-Designer – „marineblauer Tweed“, „gebürstetes Aluminium“, „glasierte Keramik“ –, verschwindet der synthetische Eindruck. Licht und Kamera erledigen den Rest: „weiches Morgenlicht von links“ und „aus leicht erhöhter Perspektive“ ersetzen den leblosen Studio-Standard durch eine glaubwürdige Fotografie.

Nano Banana lässt sich kostenlos in der Gemini App verwenden. Den vollständigen Funktionsumfang, von dem diese Rezepte ausgehen, bietet jedoch Google AI Studio. Wie viel sich dort generieren lässt, hängt davon ab, welcher Tarif gebucht ist.

Text, Logos und Poster: Woran die meisten Bild-Tools scheitern

Nano Banana rendert scharfe, lesbare Schrift – ausgerechnet jene Fähigkeit, an der Bildmodelle lange gescheitert sind. Drei Regeln reichen aus, damit aus unleserlichem Zeichensalat ein verwendbares Poster oder Mock-up wird.

Erstens gehören die exakten Wörter in Anführungszeichen: also "URBAN EXPLORER" rendern, nicht „die Wörter Urban Explorer“. Zweitens braucht es eine typografische Vorgabe wie „fette weiße serifenlose Schrift“ oder „eine feine, minimalistische Century Gothic“. Drittens hilft bei längeren Texten der Text-zuerst-Trick: Gemini schreibt zunächst im Chat den gewünschten Inhalt und erhält danach den Auftrag, genau diesen Text im Bild zu rendern. Das Modell setzt außerdem mehrsprachige Typografie in mehr als zehn Sprachen um. Der Prompt kann also auf Englisch verfasst und für den Postertext eine Zielsprache festgelegt werden.

1. 1

   Text zuerst im Chat erstellen

   Headline und Unterzeile zunächst als reinen Text anfordern. Der Wortlaut steht fest, bevor das erste Pixel entsteht.

2. 2

   Wörter in Anführungszeichen rendern

   „Ein typografisches Poster mit einfarbig schwarzem Hintergrund; das Wort ‚GLOW‘ steht mittig in einer fließenden Pinselschrift.“

3. 3

   Bei Bedarf lokalisieren

   Mit „Übersetze die Headline ins Koreanische“ wird die Schrift im Motiv neu gerendert, nicht nur die Bildunterschrift.

Die Qualitätsgrenze ist eindeutig und wichtig: Nano Banana erzeugt Raster-, keine Vektorgrafiken. Ein Raster besteht aus einem Pixelgitter; Vektorgrafiken basieren auf editierbaren mathematischen Formen und lassen sich beliebig skalieren – genau das muss ein echtes Logo leisten. Nano Banana eignet sich daher hervorragend, um Logo- und Lock-up-Richtungen zu erkunden oder fertige Poster-Artworks zu gestalten. Sobald jedoch eine editierbare, stufenlos skalierbare Marke gebraucht wird, muss der gefundene Entwurf in einem Vektorprogramm nachgebaut werden. Das Logo-Ergebnis ist ein Moodboard, keine finale Produktionsdatei.

Nano Banana Bildbearbeitung: Eine Sache ändern, den Rest bewahren

Bei der Bildbearbeitung ist der Ansatz genau umgekehrt wie bei einer Neugenerierung. Das Bild existiert bereits; der Prompt muss deshalb sowohl die gewünschte Änderung als auch die unveränderten Bereiche eindeutig benennen.

Nano Banana bearbeitet Bilder per Text. Google nennt das semantisches Maskieren: Statt mit einem Pinsel wird ein Bereich sprachlich „maskiert“. „Entferne den Mann aus dem Foto“ oder „Ersetze nur den Hintergrund durch eine schlichte weiße Studio-Hohlkehle und lasse das Produkt exakt unverändert“ funktioniert, weil klar ist, was geschützt werden soll. Fehlt diese Angabe, zeichnet das Modell bereitwillig auch das Element neu, das eigentlich erhalten bleiben sollte.

Für eine konsistente Serie sind zwei Funktionen entscheidend. Pro Prompt lassen sich bis zu 14 Referenzbilder einbinden, zudem kann die Identität ausdrücklich fixiert werden. Soll dasselbe Maskottchen, Produkt oder dieselbe Figur in einer Kampagne wiederkehren, dient eine saubere Referenz als Ausgangspunkt. Gleichzeitig weist der Prompt das Modell an, die Identität des Motivs exakt beizubehalten und nur die Umgebung zu verändern. Das in der Community bewährte Muster für reproduzierbare Markenarbeit folgt genau diesem Prinzip: eine eindeutige Referenz plus die ausdrückliche Anweisung „Identität exakt beibehalten“.

Prompten wie ein Creative Director

Zwischen einem „guten“ und einem „atemberaubenden“ Ergebnis liegen meist jene Steuergrößen, die in Prompt-Listen fehlen. Eine Szene sollte so präzise inszeniert werden, wie ein Creative Director ein Shooting führt.

• Beleuchtung: Das Setup konkret benennen. „Drei-Punkt-Beleuchtung mit Softboxen“ erzeugt klares Produktlicht, „Chiaroscuro, harte starke Kontraste“ sorgt für Dramatik und „Gegenlicht zur goldenen Stunde mit langen Schatten“ für Wärme.
• Kamera und Objektiv: Die Technik prägt die gesamte visuelle DNA. „Aufgenommen mit einer Fujifilm-Kamera“ liefert eine authentische Farbwiedergabe, „Einwegkamera mit Blitz“ rohe Nostalgie, „Untersicht, f/1.8 und geringe Schärfentiefe“ einen filmischen Fokus, „Makroobjektiv“ Detailnähe und „Weitwinkel“ räumliche Größe.
• Color Grading und Filmmaterial: Formulierungen wie „als wäre es auf Farbfilm der 1980er-Jahre aufgenommen, leicht körnig“ oder „filmisches Grading, gedeckte Petroltöne“ bestimmen die emotionale Temperatur.

Daneben gibt es einen Web-gestützten Modus, den man kennen sollte: Beide aktuellen Modelle können Echtzeitinformationen aus der Suche abrufen. Die Formel lautet [Quelle/Suchanfrage] + [Analyseaufgabe] + [visuelle Übersetzung]. Ein Beispiel: „Suche nach dem aktuellen Wetter in San Francisco und visualisiere es anschließend als winzige Stadt in einer Kaffeetasse.“ Das ist ein Nischenfall, doch für datenbasierte oder aktuelle Visualisierungen erledigt kein anderes Tool alles in einem Schritt.

Wann strukturierte JSON-Prompts sinnvoll sind – und wann nicht

Ein strukturierter JSON-Prompt lohnt sich, wenn eine Serie wiederholt denselben Look braucht. In allen anderen Fällen ist natürliche Sprache die bessere Wahl. So einfach ist die ehrliche Empfehlung.

Seit 2026 verbreitet sich in der Design-Community ein Muster, bei dem Prompts als JSON geschrieben werden – mit eindeutigen Schlüsseln für subject, camera, style, photographic_quality und aspect_ratio. Der Vorteil liegt in der Wiederholbarkeit: Sobald ein Block die gewünschte Optik erzeugt, wird nur ein Wert geändert und neu generiert; der Rest bleibt bestehen. Der Preis dafür ist zusätzlicher Aufwand. Für ein einzelnes Hero-Bild ist das überdimensioniert, natürliche Sprache schneller und häufig kreativer. Bei einem Set aus zehn konsistenten Produktbildern zahlt sich die Struktur dagegen aus.

Einige feste Spezifikationen setzen jedem Prompt klare Grenzen:

Wo Nano Banana weiterhin scheitert – und was dagegen hilft

Selbst ein perfekter Prompt stößt an drei Grenzen, die darüber entscheiden, ob das Ergebnis produktionsreif ist. Diese sollten geklärt sein, bevor einem Kunden eine finale Datei zugesagt wird.

Keine Vektorausgabe. Es gibt ausschließlich Rastergrafiken. Für Fotos, Poster und die Ideenfindung reicht das; Logos und Icons müssen vor der Auslieferung in einem Vektorprogramm nachgebaut werden. Ein sichtbares Herkunftssignal. Jedes Bild enthält bewusst ein unsichtbares SynthID-Wasserzeichen sowie C2PA Content Credentials. Das schafft Transparenz, sollte aber bekannt sein, falls ein Kunde nach einer KI-Kennzeichnung fragt. Detaildrift bei Bearbeitungen. Lange Ketten dialogbasierter Änderungen beschädigen nach und nach kleine Details. Beginnt ein Motiv sich zu verändern, ist eine saubere Neugenerierung sinnvoller als weitere Korrekturversuche. Keiner dieser Punkte ist ein Ausschlusskriterium. Zusammen markieren sie jedoch die Grenze zwischen „im echten Projekt einsetzen“ und „zur Exploration verwenden“ – und im professionellen Design muss für jede Aufgabe klar sein, auf welcher Seite sie liegt.

Wie ist ein guter Nano Banana Prompt aufgebaut?

Am Anfang steht ein starkes Verb, danach folgen fünf Bausteine: Motiv, Handlung, Ort/Kontext, Komposition beziehungsweise Bildausschnitt und Stil beziehungsweise Anmutung oder Medium. Die Beschreibung sollte wie ein Art-Direction-Briefing klingen, nicht wie eine Keyword-Liste.

Warum ignoriert Nano Banana Angaben wie „kein Text“ oder „keine Menschen“?

Das Modell reagiert stärker auf genannte Begriffe als auf deren Verneinung. Deshalb positiv formulieren und die gewünschte leere, aufgeräumte Variante beschreiben – etwa „ein schlichter Studiohintergrund“ –, statt unerwünschte Elemente aufzulisten.

Kann Nano Banana korrekten Text in einem Bild darstellen?

Ja. Der genaue Wortlaut gehört in Anführungszeichen, ergänzt um den gewünschten Schriftstil. Bei längeren Texten entsteht der Inhalt zuerst im Chat und wird anschließend gerendert. Lesbare Typografie ist in mehr als zehn Sprachen möglich.

Wie viele Referenzbilder lassen sich gleichzeitig verwenden?

Bis zu 14 in einem einzigen Prompt. Damit werden konsistente Figuren und Produkte über eine Bildserie hinweg möglich.

Die nächste Analyse dieser Art – inklusive relevanter Prompts und Tools – direkt ins Postfach? Newsletter abonnieren.