7 praktische Tipps für wissenschaftliche Grafiken mit Nano Banana 2 – mühelos Top-Journal-Figuren erstellen

Autorenhinweis: Detaillierte Anleitung zur Erstellung von wissenschaftlichen Abbildungen für Top-Journale wie Nature, Science und Cell mit Nano Banana 2. Enthält 7 Eingabeaufforderungstechniken, 5 Diagrammvorlagen und vollständigen API-Aufrufcode.

In wissenschaftlichen Publikationen entscheidet oft eine hochwertige Abbildung über den ersten Eindruck eines Gutachters. Traditionelle wissenschaftliche Grafiksoftware wie BioRender oder Adobe Illustrator hat eine steile Lernkurve und ist oft teuer.

Heute wird Nano Banana 2 mit seiner integrierten Fähigkeit zum wissenschaftlichen Wissensschluss und präzisen Text-Rendering zur neuen Wahl für Forschende. Von Signalwegdiagrammen bis zu grafischen Abstracts, von Experimentabläufen bis zur Datenvisualisierung – mit einer einzigen Eingabeaufforderung lassen sich nahezu publikationsreife wissenschaftliche Abbildungen generieren.

Kernnutzen: Nach diesem Artikel beherrschen Sie 7 Eingabeaufforderungstechniken für wissenschaftliche Grafiken, erhalten 5 Vorlagen für Top-Journal-Diagramme und lernen den kompletten Workflow zur Batch-Generierung und iterativen Optimierung wissenschaftlicher Abbildungen via API.

Kernpunkte für wissenschaftliche Zeichnungen mit Nano Banana 2

Die zentralen Vorteile von Nano Banana 2 für wissenschaftliche Zeichnungen

Der größte Unterschied zwischen Nano Banana 2 (Gemini 3.1 Flash Image Preview) und herkömmlichen Zeichenwerkzeugen liegt darin, dass es nicht nur ein "Zeichenwerkzeug" ist, sondern eine Zeichen-Engine, die wissenschaftliche Konzepte versteht. Wenn Sie "MAPK/ERK-Signalweg mit RAS-Aktivierung" eingeben, kann es basierend auf der Gemini-Wissensdatenbank die Kaskadenbeziehung RAS→RAF→MEK→ERK korrekt verstehen und automatisch eine sinnvolle Layout-Struktur für den Signalweg generieren, anstatt einfach nur ein paar Blöcke und Pfeile zu zeichnen.

Diese "wissensgesteuerte" Generierungsweise ist für wissenschaftliche Zeichnungen entscheidend – sie bedeutet, dass Sie mehr Energie auf das Design der wissenschaftlichen Erzählung verwenden können, anstatt sich mit der Position und Verbindung jeder einzelnen Komponente herumzuschlagen.

Die Anwendungsgrenzen von Nano Banana 2 für wissenschaftliche Zeichnungen

Es ist wichtig klarzustellen, dass KI-generierte wissenschaftliche Abbildungen derzeit besser als schnelle Prototypen und Basisversionen geeignet sind. Abbildungen auf Einreichungsniveau für Publikationen erfordern in der Regel eine Feinjustierung in professionellen Werkzeugen wie Illustrator oder Photoshop. Der empfohlene Arbeitsablauf ist: Schnelle Generierung mit Nano Banana 2 → manuelle Überprüfung der wissenschaftlichen Korrektheit → Feinschliff und Export mit professionellen Werkzeugen.

7 Tipps für Eingabeaufforderungen zur wissenschaftlichen Grafik mit Nano Banana 2

Die folgenden 7 Tipps sind die Kernmethodik für Eingabeaufforderungen zur wissenschaftlichen Grafik und gelten für alle Arten von wissenschaftlichen Abbildungen.

Tipp 1: Präzise Fachterminologie verwenden

Eingabeaufforderungen für wissenschaftliche Grafiken müssen standardisierte Fachbegriffe verwenden, keine umgangssprachlichen Beschreibungen. Nano Banana 2 nutzt die Wissensdatenbank von Gemini, um Fachterminologie korrekt zu verstehen und akademisch korrekte Diagramme zu generieren.

Beispiel für eine Eingabeaufforderung:

Erstellen Sie ein wissenschaftliches Schema des PI3K/AKT/mTOR-Signalwegs.
Enthalten Sie: Aktivierung des Rezeptor-Tyrosinkinase, Rekrutierung von PI3K,
Umwandlung von PIP2 zu PIP3, Phosphorylierung von AKT an Thr308 und Ser473,
mTORC1- und mTORC2-Komplexe, nachgeschaltete Ziele S6K1 und 4E-BP1.
Verwenden Sie die standardmäßige molekularbiologische Ikonografie.
Pfeile zeigen Aktivierung an, flachköpfige Linien zeigen Hemmung an.
Sauberer weißer Hintergrund, Publikationsqualität, 4K-Auflösung.

Tipp 2: Formatparameter auf Publikationsniveau angeben

Verschiedene Top-Journale haben strenge Formatvorgaben für Abbildungen. Das direkte Angeben dieser Parameter in der Eingabeaufforderung reduziert den Nachbearbeitungsaufwand.

Formatparameter-Suffix (an das Ende einer beliebigen Eingabeaufforderung für wissenschaftliche Grafiken anhängen):

Ausgabespezifikationen: 4K-Auflösung (4096px Breite),
weißer oder hellgrauer Hintergrund,
Arial-Schriftfamilie, Mindestschriftgröße 8pt,
RGB-Farbmodus, hoher Kontrast,
sauberes Layout mit ausreichend Weißraum,
geeignet für die Einreichung bei Nature/Science

Tipp 3: Iterative Änderungen über mehrere Dialogrunden

Wissenschaftliche Grafiken sind selten beim ersten Versuch perfekt. Nano Banana 2 unterstützt die Bearbeitung über mehrere Dialogrunden, sodass Sie das Ergebnis schrittweise anpassen können.

Strategie für iterative Änderungen:

• Runde 1: Grundstruktur und Layout generieren
• Runde 2: Größe und Position der Beschriftungstexte anpassen
• Runde 3: Farbschema optimieren, Farbenblindfreundlichkeit sicherstellen
• Runde 4: Details verfeinern, Abstände zwischen Elementen ausrichten

Pro Runde nur einen Aspekt ändern, um Verwirrung des Modells durch zu viele Änderungen auf einmal zu vermeiden. Zum Beispiel:

Runde 1: "Erstellen Sie ein Schema des CRISPR-Cas9-Geneditierungsmechanismus..."
Runde 2: "Machen Sie die Leit-RNA-Beschriftung größer und verschieben Sie sie nach oben rechts"
Runde 3: "Ändern Sie die Farbe des Cas9-Proteins von Blau zu Türkis (#0d9488)"
Runde 4: "Fügen Sie einen Maßstab hinzu und vergrößern Sie den Abstand zwischen der PAM-Stellen-Beschriftung und der DNA"

Tipp 4: Akademische Farbkonventionen angeben

Die Farbgebung wissenschaftlicher Abbildungen muss akademischen Konventionen folgen und gleichzeitig farbenblindfreundlich sein (ca. 8% der Männer haben eine Rot-Grün-Schwäche).

Empfohlenes akademisches Farbschema:

Farbschema für wissenschaftliche Abbildung:
- Aktivierung/positiv: Grün (#10b981 bis #34d399)
- Hemmung/negativ: Rot (#ef4444 bis #f87171)
- Neutrale Signalwege: Blau (#3b82f6 bis #60a5fa)
- Hervorgehobenes Element: Orange (#f97316 bis #fb923c)
- Hintergrundstrukturen: Grau (#94a3b8 bis #cbd5e1)
Farbenblindfreundlichkeit sicherstellen (deuteranopie-sicher).
Schraffurmuster als sekundäre visuelle Kodierung verwenden.

Prinzip der Farbenblindfreundlichkeit: Vermeiden Sie, Informationen nur durch Rot und Grün zu unterscheiden. Verwenden Sie stattdessen Blau-Orange-Kontraste und kombinieren Sie diese mit Formen oder Texturen als zusätzliche Kodierung.

Tipp 5: Komplexe Abbildungen modular generieren

Abbildungen in Top-Journalen bestehen oft aus mehreren Panels (A, B, C, D). Das gleichzeitige Generieren komplexer mehrteiliger Grafiken führt leicht zu unübersichtlichem Layout. Es wird empfohlen, die Teile modular zu generieren und sie anschließend in Illustrator zu kombinieren.

Vorlage für Eingabeaufforderungen zu mehrteiligen Abbildungen:

Generieren Sie Panel [A/B/C/D] einer mehrteiligen wissenschaftlichen Abbildung:
Panel-Inhalt: [Konkrete Inhaltsbeschreibung]
Panel-Größe: 85mm x 85mm (quadratisches Format)
Panel-Beschriftung: Fetter Buchstabe "[A]" oben links, 12pt Arial
Konsistentes Farbschema: [Farbbeschreibung]
Weißer Hintergrund, 4K-Auflösung, saubere Ränder
Lassen Sie auf allen Seiten einen 5mm Rand für die Montage frei

Tipp 6: Referenzbilder zur Verbesserung der Genauigkeit nutzen

Nano Banana 2 unterstützt das Hochladen von bis zu 14 Referenzbildern. Für wissenschaftliche Grafiken kann das Hochladen ähnlicher Abbildungen aus bereits veröffentlichten Artikeln als Stilreferenz die Konsistenz des akademischen Stils der Ausgabe erheblich verbessern.

Verwendung von Referenzbildern:

• Laden Sie 1-2 ähnliche, bereits veröffentlichte Abbildungen aus dem Zieljournal hoch
• Geben Sie in der Eingabeaufforderung an: Folgen Sie dem visuellen Stil und Layout der Referenzabbildung
• Weisen Sie explizit darauf hin, welche Elemente beibehalten und welche geändert werden sollen

Tipp 7: Statistische Kennzeichnungen und Legenden hinzufügen

Wissenschaftliche Abbildungen benötigen oft statistische Kennzeichnungen (wie Signifikanzsterne *, **, ***) und Legenden. Die Genauigkeit von KI-generierten feinen Kennzeichnungen ist derzeit begrenzt. Es wird empfohlen, in der Eingabeaufforderung Platz dafür vorzusehen.

Lassen Sie oben rechts Platz für eine Legendenbox (ca. 25mm x 15mm).
Lassen Sie über jedem Balken Platz für statistische Signifikanzmarkierungen.
Generieren Sie keine Platzhalter-Statistiken - ich werde echte p-Werte manuell hinzufügen.

🎯 Praxistipp: Es wird empfohlen, statistische Kennzeichnungen später manuell in Illustrator hinzuzufügen, um numerische Genauigkeit zu gewährleisten. Generieren Sie mit Nano Banana 2 über die APIYI-Plattform apiyi.com schnell eine Grundgrafik und führen Sie die finale Feinarbeit in einem professionellen Tool durch.

5 Diagrammvorlagen für wissenschaftliche Grafiken mit Nano Banana 2

Die folgenden 5 Vorlagen decken die häufigsten Abbildungstypen in wissenschaftlichen Artikeln ab. Sie können die Eingabeaufforderungen direkt kopieren und verwenden.

Vorlage 1: Signalweg-Mechanismusdiagramm (Pathway Diagram)

Geeignet für Molekularbiologie, Zellbiologie, Pharmakologie usw.

Erstellen Sie ein publikationsreifes Schemadiagramm von [NAME DES SIGNALWEGS].

Zu enthaltende Komponenten:
- [Rezeptor/Protein 1] an der Zellmembran
- [Kinasenkaskade: A → B → C → D]
- Translokation des [Transkriptionsfaktors] in den Zellkern
- Aktivierung des [Zielgens]

Visuelle Spezifikationen:
- Zellmembran als Phospholipid-Doppelschicht oben
- Zytoplasma in Hellbeige, Zellkern in Hellblau
- Aktivierungspfeile: durchgehend grün (#10b981), 2pt Stärke
- Hemmlinien: flachköpfig rot (#ef4444), 2pt Stärke
- Proteinknoten: abgerundete Rechtecke mit Farbverlauf
- Alle Beschriftungen in Arial 10pt, schwarzer Text auf weißen Hintergrundboxen
- Weißer Hintergrund, 4K-Auflösung
- Stil: Nature Reviews Molecular Cell Biology

Vorlage 2: Grafische Zusammenfassung (Graphical Abstract)

Top-Journale verlangen zunehmend die Einreichung einer grafischen Zusammenfassung, die die Kernentdeckung einer Studie in einer Abbildung zusammenfasst.

Erstellen Sie eine grafische Zusammenfassung für einen Forschungsartikel über [FORSCHUNGSTHEMA].

Layout: Erzählfluss von links nach rechts, 3 Hauptabschnitte
- Linker Abschnitt: [Eingabe/Problem/Ausgangsmaterial]
- Mittlerer Abschnitt: [Methode/Prozess/Intervention]
- Rechter Abschnitt: [Ausgabe/Ergebnis/Entdeckung]

Verbinden Sie die Abschnitte mit kräftigen Richtungspfeilen.
Verwenden Sie Icons und vereinfachte Illustrationen anstelle von Text.
Minimale Textbeschriftungen, maximal 15 Wörter insgesamt.
Farbpalette: [Primärfarbe] für Hauptelemente, [Akzentfarbe] für Hervorhebungen.
Größe: Querformat, Seitenverhältnis 16:9.
Sauberer weißer Hintergrund, moderner Flat-Design-Stil.
4K-Auflösung, geeignet für die Einreichung bei Cell/Nature.

Vorlage 3: Experimenteller Arbeitsablauf (Experimental Workflow)

Geeignet für die Beschreibung von Versuchsabläufen im Methodenteil.

Erstellen Sie ein schrittweises Diagramm des experimentellen Arbeitsablaufs für [NAME DES EXPERIMENTS].

Schritte (von links nach rechts oder von oben nach unten):
1. [Schritt 1: Probenvorbereitung - kurze Beschreibung]
2. [Schritt 2: Behandlung/Verarbeitung - kurze Beschreibung]
3. [Schritt 3: Analysemethode - kurze Beschreibung]
4. [Schritt 4: Datenerfassung - kurze Beschreibung]
5. [Schritt 5: Ergebnisse - kurze Beschreibung]

Visueller Stil:
- Jeder Schritt als abgerundetes Rechteck mit Icon
- Verbunden durch Pfeile mit kurzen Bedingungsbeschriftungen (z.B. "37°C, 24h")
- Zeitachsen- oder Dauerindikatoren zwischen den Schritten
- Farbkodiert nach Phase: Vorbereitung (Blau), Experiment (Grün), Analyse (Lila)
- Sauberer weißer Hintergrund, Arial-Schriftart, 4K-Auflösung
- Publikationsreif für ergänzende Materialien

Vorlage 4: Vergleichsergebnisdiagramm (Comparison Figure)

Geeignet für den Vergleich verschiedener Versuchsbedingungen oder Methoden.

Erstellen Sie eine wissenschaftliche Vergleichsabbildung, die [VERGLEICHTHEMA] zeigt.

Layout: Gegenüberstellung, 2-3 Bedingungen
- Bedingung A: [Beschreibung der Kontrollgruppe]
- Bedingung B: [Beschreibung der Behandlungsgruppe]
- Bedingung C (optional): [Beschreibung der alternativen Behandlung]

Enthalten Sie:
- Repräsentative Bilder/Schemata für jede Bedingung
- Konsistenter Maßstab und Ausrichtung über alle Bedingungen hinweg
- Bedingungsbeschriftungen oben (fett, 12pt)
- Wichtige Unterschiede mit farbigen Annotationen hervorgehoben
- Maßstab in der unteren rechten Ecke
- Weißer Hintergrund, 4K-Auflösung, Nature-Stil-Layout

Vorlage 5: Konzeptdiagramm für Datenvisualisierung (Data Visualization Concept)

Geeignet für konzeptionelle Visualisierungen komplexer Datenbeziehungen (Hinweis: Exakte Datenplots sollten weiterhin mit Python/R generiert werden).

Erstellen Sie ein konzeptionelles Datenvisualisierungsdiagramm, das [DATENBEZIEHUNG] zeigt.

Visualisierungstyp: [Heatmap-Konzept / Netzwerkdiagramm / Venn-Diagramm / Streudiagramm-Konzept]
Schlüsselelemente:
- [X-Achse/Kategorie 1]: [Beschreibung]
- [Y-Achse/Kategorie 2]: [Beschreibung]
- [Datentrend/Muster]: [Beschreibung]

Stil:
- Sauberes minimalistisches Design
- Farbverlauf: [Farbe für niedrige Werte] zu [Farbe für hohe Werte]
- Klare Achsenbeschriftungen und Titel
- Legende oben rechts
- Weißer Hintergrund, 4K-Auflösung
Hinweis: Dies ist eine konzeptionelle Illustration. Echte Datenplots sollten mit matplotlib/R generiert werden.

💡 Wichtiger Hinweis: Nano Banana 2 eignet sich gut für die Generierung konzeptioneller wissenschaftlicher Abbildungen (Mechanismusdiagramme, Flussdiagramme, grafische Zusammenfassungen). Für präzise statistische Diagramme (Balkendiagramme, Streudiagramme mit echten Daten) wird weiterhin die Verwendung von Python matplotlib oder R ggplot2 empfohlen. KI-generierte Datenvisualisierungen können ungenaue Werte enthalten und müssen streng überprüft werden.

Schneller Einstieg in die Nano Banana 2 Forschungsgrafik-API

Minimalbeispiel

Der folgende Code ruft über die APIYI-Plattform Nano Banana 2 auf, um eine wissenschaftliche Signalweg-Grafik zu generieren:

import requests, base64

API_KEY = "your-apiyi-api-key"
ENDPOINT = "https://api.apiyi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent"

prompt = """Create a publication-quality schematic of the Wnt/beta-catenin signaling pathway.
Include: Wnt ligand, Frizzled receptor, Dishevelled, GSK-3beta destruction complex,
beta-catenin stabilization and nuclear translocation, TCF/LEF transcription.
Activation arrows in green, inhibition in red. White background, Arial font, 4K resolution."""

payload = {
    "contents": [{"parts": [{"text": prompt}]}],
    "generationConfig": {"responseModalities": ["IMAGE"], "imageConfig": {"aspectRatio": "4:3", "imageSize": "4K"}}
}

response = requests.post(ENDPOINT, headers={"Content-Type": "application/json", "x-goog-api-key": API_KEY}, json=payload, timeout=120)
image_data = response.json()["candidates"][0]["content"]["parts"][0]["inlineData"]["data"]
with open("wnt_pathway.png", "wb") as f:
    f.write(base64.b64decode(image_data))

import requests
import base64
import json

API_KEY = "your-apiyi-api-key"
ENDPOINT = "https://api.apiyi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent"

headers = {"Content-Type": "application/json", "x-goog-api-key": API_KEY}

def generate_figure(prompt, filename, aspect_ratio="4:3", size="4K"):
    """Generiert eine einzelne wissenschaftliche Abbildung"""
    payload = {
        "contents": [{"parts": [{"text": prompt}]}],
        "generationConfig": {
            "responseModalities": ["IMAGE"],
            "imageConfig": {"aspectRatio": aspect_ratio, "imageSize": size}
        }
    }
    response = requests.post(ENDPOINT, headers=headers, json=payload, timeout=120)
    result = response.json()
    image_data = result["candidates"][0]["content"]["parts"][0]["inlineData"]["data"]
    with open(filename, "wb") as f:
        f.write(base64.b64decode(image_data))
    print(f"Saved: {filename}")
    return result

# ========== Beispiel für mehrere Iterationen ==========

# Runde 1: Grundversion generieren
prompt_r1 = """Create a schematic of CRISPR-Cas9 gene editing mechanism.
Show: guide RNA binding to target DNA, Cas9 protein cutting double-strand,
PAM site recognition, and DNA repair pathways (NHEJ and HDR).
White background, publication quality, 4K resolution."""

generate_figure(prompt_r1, "crispr_v1.png")

# Runde 2: Anpassungen an Beschriftungen (vorheriges Bild als Referenz)
prompt_r2 = """Based on the previous CRISPR diagram, make these changes:
1. Enlarge the guide RNA label to 12pt bold
2. Add a dashed box around the PAM site region
3. Use blue (#3b82f6) for NHEJ pathway, green (#10b981) for HDR pathway
4. Add small arrow labels for 'Blunt-end joining' and 'Template-directed repair'
Keep all other elements unchanged. 4K resolution."""

# Lese das vorherige Bild als Referenz ein
import pathlib
prev_image = pathlib.Path("crispr_v1.png").read_bytes()
payload_r2 = {
    "contents": [{
        "parts": [
            {"inlineData": {"mimeType": "image/png", "data": base64.b64encode(prev_image).decode()}},
            {"text": prompt_r2}
        ]
    }],
    "generationConfig": {
        "responseModalities": ["IMAGE"],
        "imageConfig": {"aspectRatio": "4:3", "imageSize": "4K"}
    }
}
response_r2 = requests.post(ENDPOINT, headers=headers, json=payload_r2, timeout=120)
result_r2 = response_r2.json()
image_r2 = result_r2["candidates"][0]["content"]["parts"][0]["inlineData"]["data"]
with open("crispr_v2.png", "wb") as f:
    f.write(base64.b64decode(image_r2))
print("Saved: crispr_v2.png (iteration 2)")

Empfehlung: Für wissenschaftliche Grafiken sind in der Regel 3-5 Iterationsschritte nötig, um ein zufriedenstellendes Ergebnis zu erzielen. Der Aufruf von Nano Banana 2 über APIYI apiyi.com kostet $0,045 pro Aufruf. Fünf Iterationen kosten somit nur $0,225 (ca. 1,6 €), was deutlich günstiger ist als die monatlichen Gebühren für professionelle Tools wie BioRender.

Nano Banana 2 Forschungsgrafik im Vergleich zu traditionellen Tools

🎯 Auswahl-Empfehlung: Der kombinierte Workflow «Nano Banana 2 + Illustrator» wird empfohlen: Zuerst mit Nano Banana 2 eine Grundversion schnell generieren ($0,045/Bild), Layout und Inhalt bestätigen und dann in Illustrator zur Vektorisierung und Verfeinerung importieren. Der Modellaufruf über die APIYI-Plattform apiyi.com ermöglicht kostengünstige Batch-Iterationen.

Nano Banana 2: Hinweise zur Erstellung wissenschaftlicher Grafiken für Top-Journale

Aktuelle KI-Bildpolitik von Fachzeitschriften

Top-Journale haben klare Richtlinien für KI-generierte Bilder, die vor der Einreichung bekannt sein müssen:

Empfehlungen für konforme wissenschaftliche Grafiken

1. Immer offenlegen: Im Methods-Teil klar schreiben: «Figure X was generated using Nano Banana 2 (Gemini 3.1 Flash Image Preview, Google DeepMind) and refined in Adobe Illustrator»
2. Manuell prüfen: KI-generierte wissenschaftliche Abbildungen müssen vom Forscher auf wissenschaftliche Genauigkeit geprüft werden, blindes Vertrauen ist nicht erlaubt
3. Keine Datenfälschung: KI kann sehr «wissenschaftlich» aussehende gefälschte Datencharts generieren. Es ist strengstens verboten, KI-generierte Datencharts als echte experimentelle Daten auszugeben
4. Prozess dokumentieren: Speichern Sie die Eingabeaufforderungen und Ausgabebilder jeder Iteration für mögliche Rückfragen der Gutachter

Häufig gestellte Fragen

Zusammenfassung

Die Kernpunkte der wissenschaftlichen Grafik mit Nano Banana 2:

1. Verwenden Sie Fachterminologie in den Eingabeaufforderungen: Präzise Fachbegriffe sind der Schlüssel zur Generierungsqualität, vermeiden Sie umgangssprachliche Beschreibungen.
2. 4K + 4:3 erfüllt Top-Journal-Standards: Die native 4K-Ausgabe deckt die 300-DPI-Anforderungen von Nature/Science/Cell ab.
3. Mehrere Iterationen zur Verfeinerung: Ändern Sie pro Runde nur einen Aspekt, 3-5 Runden reichen für nahezu publizierbare Qualität.
4. Hybrider Arbeitsablauf: KI-Generierung + manuelle Nachbearbeitung: Schnelle Bildgenerierung mit Nano Banana 2, finale Verfeinerung mit Illustrator.
5. Verpflichtende Offenlegung und Überprüfung: Top-Journals verlangen die Nennung der KI-Tools in den Methoden, die wissenschaftliche Korrektheit muss manuell geprüft werden.

Wir empfehlen die Nutzung von Nano Banana 2 über die APIYI-Plattform apiyi.com. Ein einzelnes Bild kostet nur $0.045, 5 Iterationsrunden weniger als $0.25. Verglichen mit den Abonnementkosten von BioRender und dem Zeitaufwand für traditionelle Handzeichnungen ist dies ein effizienter Ausgangspunkt für wissenschaftliche Grafiken.

📚 Referenzen

1. Google Nano Banana 2 Bildgenerierungsdokumentation: Offizielle API-Parameter- und Fähigkeitsbeschreibung

   • Link: ai.google.dev/gemini-api/docs/image-generation
   • Beschreibung: Enthält vollständige Parametererklärungen für Auflösung, Seitenverhältnis, Thinking-Modus usw.

2. Nature Figuren-Richtlinien für Einreichungen: Formatierungsanforderungen für Abbildungen im Nature-Journal

   • Link: research-figure-guide.nature.com/figures/preparing-figures-our-specifications/
   • Beschreibung: Enthält detaillierte Einreichungsspezifikationen für Auflösung, Schriftarten, Größe usw.

3. Nature KI-Richtlinie: Die Redaktionsrichtlinien von Nature zu KI-generierten Inhalten

   • Link: nature.com/nature-portfolio/editorial-policies/ai
   • Beschreibung: Informieren Sie sich über die aktuellen Richtlinien von Top-Journals zu KI-generierten Bildern.

4. APIYI Nano Banana 2 Integrationsdokumentation: Anleitung zur Nutzung von Nano Banana 2 auf der APIYI-Plattform

   • Link: docs.apiyi.com/en/api-capabilities/nano-banana-2-image
   • Beschreibung: Enthält Pay-per-Use- und Volumentarif-Optionen, geeignet für iterative Nutzung in der wissenschaftlichen Grafik.

Autor: APIYI Technikteam
Technischer Austausch: Für mehr KI-Grafik-Tipps und Empfehlungen für akademische Publikationstools besuchen Sie bitte das APIYI Dokumentationszentrum unter docs.apiyi.com.