Nano Banana Pro vs Nano Banana 2: gleicher Prompt, neun Bilder, drei echte Unterschiede

An Vergleichen dieser beiden KI-Bildmodelle herrscht kein Mangel. Das Problem ist, dass die meisten nur Bilder zeigen und die Bedingungen weglassen. Anderer Prompt, anderes Seitenverhältnis, manchmal sogar andere Auflösung — und dann ein Urteil. Mit so einem Ergebnis kann man nichts anfangen.

Also habe ich alle Variablen festgezurrt: gleicher Prompt, gleiches Seitenverhältnis, gleiche Auflösung, nur das Modell wechselt. Drei Szenarien plus ein Nebenversuch, insgesamt neun Generierungen. Hier ist, was dabei herauskam — inklusive der Stellen, an denen beide Modelle gescheitert sind.

Warum gerade diese zwei verglichen werden

In der Modellliste des KI-Bildgenerators stehen sie direkt nebeneinander, und ihre Parameterfelder sehen fast gleich aus: Prompt, Seitenverhältnis, Auflösung, Referenzbilder, 1k / 2k / 4k, jeweils zehn Formate. Die erste Annahme der meisten lautet: Pro ist einfach das teurere.

Es sind keine zwei Stufen desselben Modells. Der eine Name trägt eine Ausbaustufe, der andere eine Generationsnummer, und die Unterschiede, auf die es ankommt, liegen nicht darin, welches schärfer aussieht. Lässt man sie parallel laufen, merkt man: die beiden lesen denselben Satz unterschiedlich.

Zuerst die Testbedingungen

Alle drei Prompts wurden auf Englisch in einem Durchgang geschrieben und danach nicht mehr angefasst. Zwei Bilder pro Runde, identische Parameter außer dem Modell:

• Runden „volle Szene" und „Text": 16:9, 2k
• Charakter-Runde: 1:1, 2k, beide Modelle erhalten dasselbe Referenzbild
• Nano Banana 2 bleibt auf der Standard-Denkstufe (außer im Nebenversuch)

Das Referenzbild der Charakter-Runde ist ein separat erzeugtes Castingfoto: grauer Hintergrund, gleichmäßiges Frontlicht, kein Make-up, Kamera auf Augenhöhe. So ein sauberes Ausgangsbild ist die Voraussetzung, um Charakterkonsistenz zu prüfen — bei unruhigem Hintergrund oder gerichtetem Licht lässt sich nicht mehr sagen, ob das Modell abgedriftet ist oder die Referenz einfach zu viel Rauschen mitgebracht hat.

Wer sie nicht einzeln abschicken möchte: solche Gegenüberstellungen lassen sich auf der generativen Leinwand bequemer fahren — einen Prompt in zwei Knoten verzweigen und die Ergebnisse nebeneinander stehen lassen.

Runde 1: eine volle Szene

Der Prompt beschrieb einen Frühstücksstand am frühen Morgen: sechs Gerichte, ein Verkäufer in weißer Schürze, der eine Papiertüte übergibt, Wartende dahinter, links ein Stapel Bambusdämpfer, rechts ein Fahrrad an der Wand, hängende Glühbirnen, Morgendunst. Absichtlich viel auf einmal.

Nano Banana Pro lieferte etwas, das sich wie Fotografie liest. Durchgehend kühles Grau, klare Tiefe, Dunst und Licht passen zusammen, und die meisten geforderten Elemente sind da. Aber die Lesart der Szene bleibt zurückhaltend: auf der Theke stehen ein paar Edelstahlschalen, und ob das sechs Gerichte sind oder vier, lässt sich nicht sagen. Beschriftung gibt es nirgends.

Nano Banana 2 hat den Ausschnitt stattdessen vollgepackt: Ölkringel, Dampfbrötchen, Teigtaschen, Pfannkuchen, Nudeln, Tofu — sechs und mehr, auf einen Blick zählbar. An der Wand hängt ein Ladenschild, zwei weitere sind die Straße hinunter zu sehen, und am Türrahmen klebt ein QR-Code zum Bezahlen. Nichts davon stand im Prompt. Das Modell hat es hinzugefügt.

Bei „sechs verschiedene Gerichte" liegt das zweite Bild näher an meiner Vorgabe. Bei der Atmosphäre gefällt mir das erste besser. Ich kürte hier keinen Sieger, weil die Antwort davon abhängt, ob man Stimmung oder Informationsdichte will.

Beide brachen an derselben Stelle: die Hände. Bei Nano Banana Pro hat die linke Hand des Verkäufers über dem Topf verschmolzene Finger. Bei Nano Banana 2 wird die Stelle, an der sich die beiden Hände die Tüte übergeben, zu einem Schmier. Körperliche Interaktion zwischen Personen ist weiterhin der fragilste Teil des Bildes, und keines der beiden hat das gelöst.

Runde 2: dasselbe Gesicht behalten

Diese Runde verändert genau eine Sache: die Person vom Castingfoto in eine Straße bei Dämmerung stellen, warmes Seitenlicht von unten hinzufügen, die Ladenschilder hinter ihr unscharf ziehen. Der Prompt verlangte ausdrücklich dieselbe Person, denselben Kamerawinkel, denselben Bildausschnitt.

Links die Referenz, in der Mitte Nano Banana Pro, rechts Nano Banana 2.

Nano Banana Pro hat sie praktisch unangetastet hinübergetragen. Brauenform, Augenabstand, Breite des Nasenrückens, Lippenlinie, Haaransatz — selbst die gelösten Strähnen und das schwarze Trägertop haben überlebt. Man liest es als dieselbe Person, an einem anderen Tag fotografiert.

Die Fassung von Nano Banana 2 ist erkennbar „jemand, der ihr ähnelt", aber sie hat sich verändert: breiteres Gesicht, kantigerer Kiefer, gröbere Haut, mehrere Jahre älter, Haare flacher am Kopf. Für sich betrachtet fällt das nicht auf. Neben der Referenz sehr wohl.

Wenn eine Figur über mehrere Bilder hinweg wiederkehren muss — Storyboard, Bilderbuch, Posterreihe —, entscheidet dieser Abstand allein die Modellwahl.

Trotzdem noch keine Trophäe für Pro: Der Prompt verlangte denselben Ausschnitt, und beide Modelle sind von sich aus näher herangegangen. Die Referenz ist eine Brustaufnahme, beide Ergebnisse kamen als enge Nahaufnahme zurück. Zugehört hat keines von beiden.

Runde 3: Text im Bild

Hier hatte ich mit dem größten Scherbenhaufen gerechnet. Der Prompt forderte eine handbeschriebene Café-Tafel mit genau OPEN TODAY 7AM - 4PM und darunter kleiner FLAT WHITE 4.50.

Nano Banana Pro hat alle drei Zeilen richtig, und der Kreidestrich wirkt glaubwürdig. Den Preis hat es als 4·50 mit Mittelpunkt geschrieben, was auf einer handbeschriebenen Tafel völlig üblich ist — das zähle ich nicht als Fehler.

Nano Banana 2 hat die verlangten Zeilen ebenfalls alle richtig, hat dann aber ein Kaffeetassen-Symbol und eine Zierlinie hinzugefügt, um die niemand gebeten hatte — und ist genau an der einen Stelle gescheitert, an der es überhaupt nichts schreiben sollte. Der Name auf der Markise müsste THE DAILY GRIND lauten; das erste Wort ist zu etwas Unlesbarem zerfallen.

Das Muster hielt über alle drei Runden: Text, den man ausdrücklich anfordert, kommt inzwischen bei beiden Modellen korrekt heraus; die Fehler stecken immer im Text, den das Modell selbst dazugestellt hat. Dieselbe Geschichte in der Straßenszene: die von Nano Banana 2 erfundenen Ladenschilder sind lesbar, die ebenfalls erfundene kleine Preisliste ist reines Kauderwelsch. Wer verlässliche Beschriftung braucht, schreibt die exakten Wörter in den Prompt und lässt dem Modell so wenig Raum zum Improvisieren wie möglich.

Eine Randnotiz: von fünf Ausgaben von Nano Banana 2 kam eine mit einem weißen Rand an allen vier Kanten zurück, der weggeschnitten werden musste. Einmal, also nenne ich das keinen Defekt — aber bei Serienproduktion lohnt sich ein Blick darauf.

Was die „Denkstufe" von Nano Banana 2 tatsächlich tut

Hier unterscheiden sich die Panels wirklich. Nano Banana 2 hat zwei Schalter mehr: Bildsuche und eine Denkstufe, die auf minimal, Standard oder hoch gestellt werden kann. Nano Banana Pro bietet nur Websuche.

Ich habe den Straßenstand-Prompt genommen und alle drei Stufen je einmal laufen lassen.

Von links nach rechts: minimal, Standard, hoch. Die Kernelemente überleben in allen drei — Verkäufer, Papiertüte, Warteschlange, Dämpfer, Fahrrad, nichts fehlt. Die Veränderung liegt anderswo: je höher die Stufe, desto weniger Text erfindet das Modell, und desto mehr davon ist korrekt. Minimal ist am wildesten, mit mehreren Plakaten, deren Kleingedrucktes Matsch ist. Hoch behielt nur ein senkrechtes Ladenschild und zwei, drei sauber lesbare Preistafeln, und die Komposition beruhigte sich sichtbar.

Es verhält sich also weniger wie eine Qualitätsstufe und mehr wie ein Regler dafür, wie gründlich das Modell arbeitet. Der Preis ist Zeit: hoch brauchte hier etwa hundert Sekunden gegenüber gut sechzig bei Standard, also fast die Hälfte mehr. Einzelbeobachtung, Wartezeit inklusive — kein Benchmark, aber die Richtung ist klar.

Welches nehmen

Nach neun Bildern sind meine Schlüsse konkreter als am Anfang:

Muss eine Figur wiederkehren, nimm Nano Banana Pro. Der Abstand in der Konsistenz-Runde ist keine Geschmacksfrage, sondern eine Frage der Brauchbarkeit.

Willst du eine dichte Szene, die ihre Details selbst wachsen lässt, nimm Nano Banana 2. Seine Fantasie für Umgebungen ist lebhafter; Schilder, Aufkleber und Requisiten, die du nie erwähnt hast, füllen sich von selbst — praktisch für Hintergründe und Stimmungsbilder.

Braucht das Bild exakte Schrift, geht beides, aber nagle die Wörter im Prompt fest. Verlass dich nicht auf das, was das Modell aus eigenem Antrieb schreibt.

Im Zweifel prototypisch mit Nano Banana 2 arbeiten. Es kostet pro Bild etwas weniger und ist auf Standard schneller, was beim Finden des Prompts hilft; wenn die Richtung steht und das Gesicht halten muss, für die finale Fassung auf Nano Banana Pro wechseln.

Willst du einen Bereich ändern statt alles neu zu zeichnen, ist keines von beiden die erste Wahl. Nimm dafür den KI-Bildeditor: Fläche markieren, nur diese ändern, ohne das ganze Bild neu zu würfeln.

Zum Schluss noch ehrlich: jede Runde lief nur einmal, ohne Wiederholungsstichproben, und ein anderer Seed könnte einzelne Beobachtungen kippen. Wer für ein echtes Projekt entscheidet, nimmt die eigenen Prompts, fixiert die Variablen genauso und lässt jeden mehrfach laufen. Wer sich den Aufbau sparen will: die fertig eingestellten Konfigurationen in der Vorlagenbibliothek sind ein vernünftiger Ausgangspunkt.