Nano Banana Pro von der Risikokontrolle blockiert? 4 Arten von Auslösern prüfen und das Problem in 3 Schritten beheben

Anmerkung des Autors: Anhand der JSON-Antwort lässt sich feststellen, ob Nano Banana Pro die Eingabe oder die Ausgabe blockiert hat oder ob die Absicht zur Bilderzeugung unklar war. Dieser Artikel zeigt, wie Sie vier Arten möglicher Auslöser prüfen und in welcher Reihenfolge Sie Eingabeaufforderung und Referenzbild anpassen, es erneut versuchen oder das Modell wechseln.

Bei der Bildbearbeitung mit Nano Banana Pro erleben viele Entwickler dasselbe: Die Anfrage liefert HTTP 200, alles scheint normal – doch in der Antwort fehlt das Bild. Manchmal steht bei finishReason der Wert IMAGE_PROHIBITED_CONTENT, manchmal gibt es nur eine textliche Erklärung, und manchmal fehlen sogar die candidates. In diesem Artikel erfahren Sie, wie Sie eine Blockierung durch die Sicherheitsfilter von Nano Banana Pro erkennen und vier Arten möglicher Auslöser prüfen. So wird aus „schon wieder blockiert“ ein Problem, das Sie eingrenzen und beheben können.

Dieser Artikel zeigt nicht, wie Sie Sicherheitsfilter umgehen. Er basiert auf den Erläuterungen zu Blockierungsmechanismen in der offiziellen Google-Dokumentation sowie auf den Praxistests von APIYI bei Text-zu-Bild und Bildbearbeitung. Wir behandeln ausschließlich regelkonforme Anpassungen und zulässige Alternativen.

Das nehmen Sie mit: Nach der Lektüre können Sie anhand der JSON-Antwort erkennen, ob der Fehler auf der Eingabe- oder Ausgabeseite aufgetreten ist. Sie können die vier Arten von Ursachen Ihrer Eingabeaufforderung oder Ihrem Referenzbild zuordnen und entscheiden, was Sie als Nächstes anpassen, ob Sie es erneut versuchen oder das Modell wechseln sollten.

---

Die wichtigsten Gründe für Sicherheitsblockaden bei Nano Banana Pro: 4 Kategorien im Überblick

Die häufigsten Gründe für Blockaden bei Nano Banana Pro (Modellname gemini-3-pro-image) lassen sich in vier Kategorien einteilen. Je nach Kategorie greifen die Filter an unterschiedlichen Stellen – und es gibt unterschiedliche Lösungsansätze.

Auslöser	Typische Szenarien	Wo der Filter greift	Lässt sich das Problem beheben?
NSFW	Pornografie, Gewalt, blutige Darstellungen, Hassrede und grenzwertige, indirekte NSFW-Inhalte	In der Eingabeaufforderung oder im Referenzbild	Beschreibung ändern oder anderes Material verwenden; bei Fehlalarmen andere Modelle testen
Wasserzeichen entfernen	Aufforderung, Wasserzeichen oder Kennzeichnungen aus einem Bild zu entfernen	Vor allem in der Eingabeaufforderung	Nein, da dies gegen die Inhaltsrichtlinien verstößt
Bekannte IPs	Namentlich genannte, urheberrechtlich geschützte Figuren von Disney, Marvel, Nintendo und anderen	In der Eingabeaufforderung oder im Referenzbild	Eigene oder frei erfundene Figuren verwenden
Minderjährige	Unangemessene Inhalte mit Minderjährigen	In der Eingabeaufforderung oder im Referenzbild	Null Toleranz; der integrierte Schutz lässt sich nicht abschalten

Warum die Sicherheitsprüfung bei Nano Banana Pro zuletzt strenger geworden ist

Neben diesen vier Kategorien sind zwei Zeitpunkte wichtig. Laut der Dokumentation von APIYI und Beobachtungen aus der Entwickler-Community wurde die Prüfung um den 23. Januar 2026 deutlich verschärft. Eingabeaufforderungen, die zuvor durchgegangen waren, wurden teilweise blockiert. Anfang Februar 2026 berichteten Nutzer im Google-AI-Entwicklerforum außerdem, dass selbst regelkonforme Produktbilder von Unterwäsche und Bademode wiederholt durch IMAGE_SAFETY blockiert wurden. Der Verfasser des Beitrags wünschte sich eine Rückkehr zur Prüfungspraxis vor dem 20. Januar. Wichtig: Dieses Datum stammt aus Dokumentationen Dritter und der Community. Im offiziellen Google-Changelog gibt es keinen entsprechenden Eintrag zu einer Richtlinienänderung – es handelt sich also nicht um eine offizielle Ankündigung.

Der zweite Zeitpunkt liegt Ende Februar 2026. Google veröffentlichte am 26. Februar eine Vorschau von Nano Banana 2; in der APIYI-Dokumentation ist der 27. Februar als Startdatum angegeben. Danach kamen vier auffällige Blockadekategorien hinzu: fotorealistisch erkennbare bekannte Personen, Manipulation von Finanz- oder Bestellinformationen, Kleidungswechsel und Gesichtstausch bei Personen sowie indirekte NSFW-Inhalte, die nicht ausdrücklich benannt werden, aber erkennbar grenzwertig sind. Das erklärt, warum viele Teams den Eindruck haben, dass „in letzter Zeit häufiger blockiert wird“. Fiktive Figuren, stilisierte Porträts und illustrierte Personen lassen sich weiterhin normal erzeugen.

---

Sicherheitsantworten von Nano Banana Pro verstehen: Warum HTTP 200 kein Bild garantiert

Bei der Fehlersuche sollten Sie nicht als Erstes die Eingabeaufforderung ändern, sondern klären, wo der Fehler auftritt. Laut der Google-Cloud-Dokumentation zu den Sicherheitsmechanismen der Bilderzeugung gibt es mindestens drei verschiedene Gründe, warum trotz HTTP 200 kein Bild zurückgegeben wird. Jeder davon erfordert ein anderes Vorgehen.

Erstens: Das Modell lehnt die Anfrage ab

Enthält die Eingabeaufforderung potenziell unsichere Inhalte, erzeugt das Modell möglicherweise kein Bild, sondern antwortet mit einem Text wie: „Ich kann kein Bild mit pornografischen, anstößigen oder beleidigenden Inhalten für Sie erstellen.“ Typische Merkmale sind:

• candidates[0].finishReason ist weiterhin STOP – die Anfrage scheint also normal beendet worden zu sein
• candidates[0].content.parts enthält nur text, aber kein inlineData
• Die Zahl der Ausgabetoken im Log ist üblicherweise niedrig, etwa 100 bis 200

In diesem Fall hat das Modell die Anfrage nach eigener Einschätzung abgelehnt. Die Ursache liegt in der Formulierung der Eingabeaufforderung. Der zurückgegebene Text zeigt oft direkt, was das Modell als problematisch eingestuft hat.

Zweiter Fall: Blockierung durch den Sicherheitsfilter

Der Sicherheitsfilter arbeitet unabhängig vom Modell und prüft sowohl die Eingabe als auch die Ausgabe.

Merkmale einer Blockierung auf der Eingabeseite:

• Die Antwort enthält kein candidates-Feld.
• Stattdessen ist nur promptFeedback.blockReason vorhanden. Häufige Werte sind SAFETY, PROHIBITED_CONTENT, OTHER, BLOCKLIST und IMAGE_SAFETY.
• Die Antwort kommt normalerweise innerhalb weniger Sekunden; safetyRatings kann leer sein.

Merkmale einer Blockierung auf der Ausgabeseite:

• candidates ist vorhanden, aber candidates[0].finishReason hat den Wert IMAGE_SAFETY, IMAGE_PROHIBITED_CONTENT oder einen ähnlichen Wert.
• parts ist null – kein leeres Array.
• Die Begründung für die Ablehnung steht im Feld finishMessage und erscheint nicht als Text-Part.

Eine Blockierung auf der Eingabeseite bedeutet, dass das Modell gar nicht erst mit der Generierung beginnen konnte. Das Problem liegt bei den eingereichten Inhalten, insbesondere beim Referenzbild. Eine Blockierung auf der Ausgabeseite bedeutet, dass das Modell bereits ein Bild erzeugt hat, das Ergebnis aber als unzulässig eingestuft wurde. Das Problem liegt dann meist in der Bildszene, die durch die Beschreibung vorgegeben wurde.

Dritter Fall: Die Absicht zur Bilderzeugung ist nicht eindeutig

Wenn finishReason den Wert NO_IMAGE hat, sollte das Modell ein Bild erzeugen, hat es aber nicht getan. Das ist keine Sicherheitsblockierung. Eine häufige Ursache: Die Eingabeaufforderung bittet das Modell, ein Konzept zu schreiben, eine Analyse durchzuführen oder etwas schriftlich zu erklären. Das Modell versteht dies dann als Textaufgabe.

Nano Banana Pro: Übersicht der Antwortfelder bei Sicherheitsprüfungen

Fehlertyp	Kennzeichnende Felder	Fehlerstelle	Erste Maßnahme
Modell verweigert die Antwort	finishReason ist STOP, parts enthält nur Text	Modellentscheidung	Ablehnungstext lesen und Beschreibung anpassen
Eingabe blockiert	Kein candidates, aber promptFeedback.blockReason vorhanden	Eingabe	Zuerst das Referenzbild prüfen
Ausgabe blockiert	finishReason ist IMAGE_SAFETY oder ähnlich, parts ist null	Ausgabe	Bildbeschreibung ändern
Absicht zur Bilderzeugung unklar	finishReason ist NO_IMAGE	Interpretation	Ergänzen, dass nur ein Bild ausgegeben werden soll
Zitat oder Urheberrecht	finishReason ist IMAGE_RECITATION	Ausgabe	Namentlich genannte Werke und Figuren entfernen

So liest du die usage-Felder bei Sicherheitsprüfungen von Nano Banana Pro

APIYI hat anhand von 48 Text-zu-Bild-Tests und 18 Bildbearbeitungen einige Muster bei den usage-Feldern festgestellt:

• Ist candidatesTokenCount gleich 0, wurde die Anfrage bereits bei der Prüfung abgelehnt und kein Inhalt als Kandidat erzeugt.
• Bei einer Blockierung entspricht totalTokenCount der Summe aus promptTokenCount und thoughtsTokenCount.
• In diesem Fall spiegelt candidatesTokenCount den Wert von thoughtsTokenCount. Wer alle drei Werte addiert, zählt einen davon doppelt. Für die Abrechnung solltest du daher direkt totalTokenCount verwenden.

Wenn in der Antwort das Feld raiFilteredReason erscheint, zum Beispiel ERROR_MESSAGE. Support codes: 56562880, lässt sich die konkrete Kategorie anhand des Support-Codes ermitteln. Die folgende Tabelle zeigt einige Codegruppen, die für vier Ursachentypen besonders relevant sind:

Sicherheitskategorie	Support-Code für die Eingabe	Support-Code für die Ausgabe	Zugehörige Ursache
Child (Minderjährige)	58061214	17301594	Minderjährige
Celebrity (prominente Personen)	29310472	15236754	Bekannte Personen
Celebrity or child	64151117	64151117	Prominente oder Minderjährige
Sexual (sexuelle Inhalte)	90789179	63429089、43188360	NSFW
Prohibited content	89371032	49114662、72817394	Verbotene Inhalte

Wichtig: Dies ist eine allgemeine Tabelle der Sicherheitskategorien für Gemini-Bildmodelle. Sie ist kein Beleg dafür, dass Google an einem bestimmten Tag seine Richtlinien geändert hat.

---

Nano Banana Pro: Vier Arten von Risikoprüfungen und ihre Auslöser

Sobald Sie wissen, an welcher Stelle die Anfrage scheitert, können Sie die möglichen Ursachen mit Ihrer Anfrage abgleichen. Die folgenden Abschnitte behandeln die vier ursprünglichen Kategorien und eine neu hinzugekommene Kategorie.

NSFW und indirektes NSFW

Eindeutige Inhalte wie Pornografie, Gewalt, Blutvergießen oder Hassrede können sowohl in der Eingabeaufforderung als auch im Referenzbild eine Sperre auslösen. Schwieriger zu erkennen ist indirektes NSFW: Das Bild zeigt nichts ausdrücklich Anstößiges, vermittelt insgesamt aber eine entsprechende Absicht. Die zuvor genannten Beispiele aus der Community zeigen, dass Begriffe wie Unterwäsche, Nachtwäsche oder Bademode bereits als risikoreich gelten. Selbst eine zulässige Produktdarstellung kann dadurch fälschlich blockiert werden.

Wenn der Inhalt tatsächlich gegen die Richtlinien verstößt, muss er geändert werden. Wird dagegen eine zulässige Bekleidungsdarstellung für den Onlinehandel fälschlich blockiert, können Sie den kommerziellen Zweck und den Bildaufbau genauer beschreiben. Sie können dieselbe Anfrage auch mit anderen Bildmodellen testen und den Fall an die Google-Entwicklercommunity melden.

Wasserzeichen entfernen

Die Aufforderung, ein Wasserzeichen aus einem Bild zu entfernen, verstößt gegen die Inhaltsrichtlinien und wird direkt abgelehnt. Dafür gibt es keine zulässige Umformulierung. Außerdem tragen alle Bilder, die mit der Nano-Banana-Modellreihe erzeugt werden, ein SynthID-Wasserzeichen. Das ist eine Eigenschaft des Modells und lässt sich nicht abschalten. Wenn Ihr Geschäftsprozess einen Schritt zur „Bildbereinigung“ enthält, müssen Sie solche Anfragen aus dem Prozess entfernen, statt nur die Formulierung anzupassen.

Bekannte geschützte Figuren und Persönlichkeiten

Anfragen zur Erzeugung namentlich genannter, urheberrechtlich geschützter Figuren von Disney, Marvel, Nintendo und anderen werden aus Gründen des Urheberrechtsschutzes abgelehnt. Die Dokumentation von APIYI hält fest, dass dies seit dem 23. Januar 2026 verstärkt zu beobachten ist. Seit Ende Februar 2026 stehen außerdem fotorealistische Darstellungen erkennbarer realer Personen im Fokus der Sperren.

Eine zulässige Alternative sind eigene Figuren, stilisierte Porträts oder illustrierte Personen. Enthält ein Referenzbild Fotos von Prominenten oder Screenshots geschützter Figuren, kann ebenfalls bereits bei der Eingabe eine Sperre ausgelöst werden.

Minderjährige

Bei unangemessenen Inhalten mit Minderjährigen gilt Nulltoleranz. Laut offizieller Dokumentation lassen sich über safetySettings nur vier Kategorien einstellen: Belästigung, Hassrede, explizit sexuelle Inhalte und gefährliche Inhalte. Der Schutz von Kindern und andere grundlegende Schutzmaßnahmen sind fest eingebaut und lassen sich durch keine Parameter abschalten. Solche Anfragen sollten bereits auf Geschäftsebene herausgefiltert werden.

Manipulation von Finanz- und Bestelldaten sowie Kleidungs- und Gesichtsaustausch

Diese beiden Bereiche sind seit Ende Februar 2026 neu hinzugekommen. Blockiert werden sowohl Änderungen an Beträgen, Bestellnummern oder Kontodaten in Screenshots als auch der Austausch von Gesichtern zwischen Personen oder der Kleidung realer Personen. Bei solchen Anfragen sollte nicht versucht werden, die Sperre durch eine andere Eingabeaufforderung zu umgehen. Wenn Sie bei einem Produktbild den Hintergrund aus einem legitimen Grund ändern möchten, beschränken Sie die Bearbeitung auf das Produkt und die Szene. Personenidentitäten und Informationen auf Belegen sollten nicht betroffen sein.

---

Nano Banana Pro: Referenzbild oder Eingabeaufforderung bei einer Sicherheitsblockierung ändern?

Diese Frage beschäftigt die meisten Entwickler. Die Antwort hängt davon ab, wo die Anfrage scheitert: Wird sie auf der Eingabeseite blockiert, sollten Sie zuerst das Referenzbild prüfen. Bei einer Blockierung auf der Ausgabeseite ändern Sie die Beschreibung. Bei NO_IMAGE stellen Sie klar, dass ein Bild erzeugt werden soll.

Schritt 1: Bei einer Blockierung auf der Eingabeseite zuerst das Referenzbild prüfen

APIYI dokumentierte im September 2026 einen typischen Fall. Die Anfrage enthielt eine Eingabeaufforderung und sechs Referenzbilder für Pose, Person, Szene, Outfit, eine Schuh-und-Socken-Collage und einen Hut. Das Seitenverhältnis betrug 2:3, die Auflösung 2K. gemini-3-pro-image gab wiederholt nach wenigen Sekunden blockReason mit dem Wert OTHER zurück, ohne candidates. Mit gemini-3.1-flash-image erzeugte dieselbe Anfrage dagegen problemlos ein Bild.

Zur Fehlersuche wurden die Referenzbilder wiederholt in zwei Gruppen aufgeteilt. Als einzige Ursache stellte sich schliesslich ein Charakterentwurf mit vier Ansichten heraus. Die wichtigsten Ergebnisse:

Vorgehen	Testergebnis	Fazit
Originalbild direkt eingereicht	13/13 blockiert	Löst die Blockierung zuverlässig aus
Nur als PNG gespeichert	Weiterhin 2/2 blockiert	Formatwechsel allein hilft nicht
Als JPEG neu exportiert (Qualität 95)	6/6 durchgelassen	Neukodierung hilft
Vollständige Anfrage mit sechs Bildern nach Austausch	2/2 Bilder erzeugt	Problem gelöst

Der Fall zeigt, dass Pro die Eingaben strenger prüft als Flash. Es kann also vorkommen, dass Flash dieselbe Anfrage akzeptiert, während Pro sie blockiert. Checkliste zur Standardisierung von Referenzbildern:

1. In den sRGB-Farbraum konvertieren
2. Das Bild anhand der EXIF-Ausrichtungsdaten korrekt drehen
3. Die längere Bildseite auf höchstens 2048 Pixel begrenzen
4. Als JPEG mit Qualität 90–95 neu kodieren
5. Metadaten entfernen

Wichtig: Eine Neukodierung kommt nur bei unklaren Ursachen wie OTHER infrage. Lautet blockReason auf einen eindeutigen Sicherheitsgrund wie SAFETY, PROHIBITED_CONTENT oder IMAGE_SAFETY, sollten Sie die Blockierung nicht durch Wiederholungen oder Neukodierung zu umgehen versuchen. Tauschen Sie stattdessen das Material aus.

Schritt 2: Bei einer Ausgabesperre oder NO_IMAGE die Eingabeaufforderung ändern

Wird die Ausgabe blockiert, liegt das Problem an dem Bild, das die Beschreibung hervorruft. Ein Beispiel ist die Bearbeitungsanweisung „Szene und Produkt im Originalbild unverändert lassen und den Gegenstand im roten Rahmen austauschen“. Bleibt unklar, was genau „unverändert“ bleiben soll, hat das Modell zu viel Spielraum und erzeugt womöglich unerwartete Inhalte. So formulierst du die Anweisung präziser:

• Verwende konkrete Bezeichnungen statt allgemeiner Verweise: Schreibe zum Beispiel „die beiden Tassen im roten Rahmen“ statt „der Gegenstand im roten Rahmen“.
• Gib die gewünschte Farbe an, statt nur „Farbe ändern“ zu schreiben.
• Liste einzeln auf, was unverändert bleiben soll: Position und Proportionen des Hauptmotivs, Logo, Beschriftungen und Hintergrund.
• Teile die Bearbeitung in nummerierte Schritte auf. Ändere jeweils nur eine Art von Element und verteile zusammengesetzte Anweisungen auf mehrere Bearbeitungsrunden.

Bei NO_IMAGE hilft es meist, am Ende der Eingabeaufforderung zu ergänzen: „Gib nur das fertige Bild aus, keinen Text.“

Schritt 3: Entscheiden, ob du es erneut versuchst oder das Modell wechselst

Bevor du einen weiteren Versuch startest, bedenke: Auch fehlgeschlagene Anfragen können Kosten verursachen. Google zieht sie vom Kontingent ab, und die Plattform kann derzeit nicht garantieren, dass bei einer leeren Ausgabe keine Gebühren anfallen. Wiederholte Anfragen mit derselben Eingabeaufforderung verbrauchen also unnötig dein Tageskontingent. Bei regelwidrigen Anfragen besteht zudem das Risiko, dass der offizielle API-Schlüssel gesperrt wird. Bei klaren Sicherheitsgründen solltest du es daher nicht erneut versuchen. Nur bei OTHER und fälschlich blockierten Anfragen lohnt sich ein weiterer Versuch mit einer anderen Formulierung.

Für einen Modellwechsel musst du bei APIYI lediglich den Parameter model ändern – API-Schlüssel und Endpunkt https://api.apiyi.com/v1 bleiben gleich. Empfehlenswert ist folgendes Vorgehen: Nutze für Routineaufgaben zunächst das günstige und schnelle 2.1 oder Lite. Scheitert eine präzise Bearbeitung ein- bis zweimal, wechsle zu Pro. Klappt es dann immer noch nicht, überarbeite die Eingabeaufforderung.

Modell-ID	Name	Preis pro Aufruf	Verfügbare Plattform
gemini-3-pro-image	Nano Banana Pro	$0.09/Aufruf	APIYI
gemini-nano-banana-2.1	Nano Banana 2.1	$0.045/Aufruf	APIYI
gemini-3.1-flash-image	Nano Banana 2	$0.055/Aufruf	APIYI
gemini-3.1-flash-lite-image	Nano Banana 2 Lite	$0.025/Aufruf	APIYI
gpt-image-2-all	GPT Image 2	$0.025/Aufruf	APIYI

Alle Bildmodelle werden pro Aufruf abgerechnet. Massgeblich für Modelle und Preise ist die Modellliste der Plattform. Google hat ausserdem am 6. Oktober 2026 angekündigt, dass gemini-3.1-flash-image veraltet ist; ein Abschaltdatum wurde nicht genannt. Für neue Projekte empfiehlt sich der Umstieg auf gemini-nano-banana-2.1.

🚀 Schnellstart: Wenn du mehrere Modelle mit denselben Eingabeaufforderungen und Referenzbildern vergleichen möchtest, kannst du auf APIYI unter apiyi.com mit einem einzigen API-Schlüssel nacheinander die Modelle aus der Tabelle nutzen. Neue Nutzer erhalten ein kostenloses Testkontingent – ideal, um die Modelle zunächst kostengünstig zu prüfen, bevor du sie in grösserem Umfang einsetzt.

---

Nano Banana Pro: Häufige Fragen zur Sicherheitsprüfung

F1: Was bedeutet eine Sperre durch die Sicherheitsprüfung von Nano Banana Pro?

Das bedeutet, dass `gemini-3-pro-image` aus Gründen der Inhaltssicherheit kein Bild zurückgegeben hat. Dabei gibt es drei Fälle: Das Modell lehnt die Anfrage ab, der Eingabefilter blockiert sie oder der Ausgabefilter blockiert das Ergebnis. Die Anfrage liefert meist trotzdem HTTP 200 zurück. Um die Fälle zu unterscheiden, müssen Sie die Antwortfelder auslesen.

F2: Ist es normal, dass flash bei derselben Anfrage ein Bild erzeugt, Pro aber blockiert?

Ja. Tests zeigen, dass Pro Eingaben strenger prüft als flash. Bei unklaren Gründen wie `OTHER` sollten Sie zuerst die Referenzbilder anhand der Checkliste prüfen. Wenn der Inhalt regelkonform ist, können Sie alternativ auch Nano Banana 2.1 verwenden.

F3: Warum werden Anfragen in letzter Zeit häufiger blockiert?

Hier kommen zwei Entwicklungen zusammen: Laut APIYI-Dokumentation und Beobachtungen aus der Entwickler-Community wurden die Prüfungen um den 23. Januar 2026 insgesamt verschärft – eine offizielle Ankündigung von Google gab es dazu nicht. Nach dem Start von Nano Banana 2 Ende Februar kamen vier weitere Prüfbereiche hinzu: bekannte Personen, Manipulation von Finanzaufträgen, Kleidungs- und Gesichtsaustausch sowie versteckte NSFW-Inhalte.

F4: Werden blockierte Anfragen berechnet?

Möglicherweise. Google zieht dafür Kontingent ab; die Plattform kann derzeit nicht gewährleisten, dass bei leerer Ausgabe keine Kosten entstehen. Maßgeblich sind die Aufrufprotokolle in der Konsole von APIYI unter apiyi.com: Sehr niedrige Werte wie 100–200 Ausgabe-Tokens oder eine leere Spalte „Completion“ zeigen an, dass kein Bild erzeugt wurde.

F5: Gibt es eine Kompensation für Tool-Anbieter mit vielen fehlgeschlagenen Bilderzeugungen?

Ja, es gibt ein Kompensationsprogramm für fehlgeschlagene Bilderzeugungen mit Nano Banana Pro. Es gilt ausschließlich für Nano Banana Pro bei Abrechnung pro Aufruf. Voraussetzungen sind ein monatlicher Verbrauch ab 1.000 US-Dollar über beliebige Modelle auf der Plattform, die Tätigkeit als Tool-Anbieter und Fehler, die nicht auf subjektive Ursachen zurückgehen. Das Programm gilt ab dem 1. Mai 2026 (UTC+8); außerdem ist eine Registrierung auf einer internen Liste erforderlich. Die Kompensation wird nach „Anzahl × Modellpreis / Rabattfaktor“ berechnet. Die Daten des Vormonats werden jeweils zum Monatsende ausgewertet; die Gutschrift erfolgt innerhalb der ersten fünf Arbeitstage des folgenden Monats. Einzelheiten erhalten Sie beim Kundenservice von APIYI unter apiyi.com.

F6: Wie exportiere ich fehlgeschlagene Aufrufe für einen Antrag oder die Fehlersuche?

Öffnen Sie in der Konsole die Protokolle und klicken Sie oben rechts auf „Exportieren“. Wählen Sie den Zeitraum aus und starten Sie den asynchronen Export. Anschließend können Sie die Excel-Datei unter den asynchronen Aufgaben herunterladen. Fehler aufgrund subjektiver Ursachen wie regelwidriger Inhalte sind von der Kompensation ausgeschlossen.

F7: Lassen sich die Sperren über safetySettings abschalten?

Nicht vollständig. Einstellbar sind nur die Schwellenwerte für die vier Kategorien Belästigung, Hassrede, explizit sexuelle Inhalte und gefährliche Inhalte. Grundlegende Schutzmechanismen wie der Kinderschutz sind fest integriert. Googles Nutzungsrichtlinien verbieten außerdem ausdrücklich die Umgehung von Sicherheitsfiltern.

---

Nano Banana Pro: Zusammenfassung zur Fehlersuche bei Sicherheitssperren

Das Wichtigste auf einen Blick

• Erst die Antwort prüfen, dann Inhalte ändern: Fehlt candidates, wurde die Eingabe blockiert; ist parts null, wurde die Ausgabe blockiert.
• Ablehnung und Blockierung sind nicht dasselbe: Steht finishReason auf STOP und enthält die Antwort nur Text, hat das Modell die Anfrage abgelehnt.
• Vier Hauptursachen: NSFW, Wasserzeichenentfernung, bekannte geistige Eigentumsrechte und Minderjährige. Ab Februar kommen vier weitere Kategorien hinzu.
• Bei Eingabeproblemen zuerst das Referenzbild prüfen: In sRGB konvertieren, die längere Seite auf höchstens 2048 Pixel begrenzen und als JPEG mit Qualität 90–95 erneut exportieren.
• Bei eindeutigem Sicherheitsgrund nicht erneut versuchen: Stattdessen Material oder Beschreibung ändern, um kein Kontingent zu verschwenden.
• Für einen Modellwechsel nur den Parameter ändern: Über APIYI apiyi.com mit demselben API-Schlüssel zwischen 2.1, Lite und Pro wechseln.

Bei der Fehlersuche in Nano Banana Pro empfiehlt sich diese Reihenfolge: Anhand der Antwortfelder die Fehlerstelle eingrenzen, die vier Hauptursachen auf den Auslöser prüfen, bei Eingabeproblemen das Referenzbild und bei Ausgabeproblemen die Beschreibung anpassen. Bei NO_IMAGE sollte die Absicht zur Bilderzeugung ergänzt werden. Erst danach stellt sich die Frage, ob ein Modellwechsel sinnvoll ist. Inhalte, die tatsächlich gegen die Regeln verstoßen, lassen sich nicht durch solche Anpassungen freigeben – sie müssen im Geschäftsprozess vermieden werden. Bei Fehlalarmen oder unklaren Ursachen lohnt es sich dagegen, das Material zu standardisieren und verschiedene Modelle zu testen.

Wenn Ihr Team Fehlerprotokolle zuverlässig auswerten und mehrere Bildmodelle vergleichen möchte, empfiehlt sich der Zugang über APIYI apiyi.com: Mit demselben API-Schlüssel genügt es, den Parameter model zu ändern. In den Logs lassen sich die Kosten jedes fehlgeschlagenen Aufrufs nachvollziehen. Tool-Anbieter, die die Voraussetzungen erfüllen, können außerdem an einem Erstattungsprogramm für fehlgeschlagene, pro Aufruf abgerechnete Anfragen teilnehmen.

Quellen

1. Gemini image generation and responsible AI: Sicherheitsmechanismen für die Bilderzeugung in Google Cloud und Erläuterungen zu Support-Codes
2. Link: cloud.google.com/vertex-ai/generative-ai/docs/image/responsible-ai-imagen

3. Inhalt: Zuordnung von Blockierungstypen und Sicherheitskategorien zu Support-Codes

4. Gemini API-Sicherheitseinstellungen: Anpassbare Sicherheitskategorien und integrierte Schutzmechanismen

5. Link: ai.google.dev/gemini-api/docs/safety-settings

6. Inhalt: Erläutert, welche Sicherheitsschwellen sich anpassen lassen und welche Schutzmechanismen nicht abgeschaltet werden können

7. Gemini API generateContent-Referenz: Enum-Werte für finishReason und blockReason

8. Link: ai.google.dev/api/generate-content

9. Inhalt: Offizielle Definitionen der Antwortfelder

10. Gemini API-Changelog: Zeitplan für Modellveröffentlichungen, allgemeine Verfügbarkeit und Ausphasung

11. Link: ai.google.dev/gemini-api/docs/changelog
12. Inhalt: Zur Überprüfung der Versionsmeilensteine der Nano-Banana-Reihe

---

Autor: APIYI-Technikteam
Technischer Austausch: Kontaktieren Sie uns über die Startseite von APIYI. Weitere Informationen finden Sie im Dokumentationszentrum unter docs.apiyi.com.

Weiterführende Artikel

• Hängt die Prüfung Ihrer Mini-App wegen einer möglichen Verletzung des Rechts am eigenen Bild einer öffentlichen Person fest? 5 API-Lösungen zur Erkennung öffentlicher Personen und 4 Ebenen technischer Schutzmaßnahmen in der Praxis: Da ein WeChat-Mini-Programm wegen der Verletzung von Persönlichkeitsrechten durch Abbildungen öffentlicher Personen technische Sperren einführen soll, die WeChat-API zur Inhaltsmoderation jedoch Prominente und Influencer nicht erkennt und die API von Alibaba Cloud eine Unternehmensverifizierung erfordert, vergleicht dieser Artikel Zugangshürden und Abdeckung von fünf APIs zur Erkennung öffentlicher Personen und stellt eine vierstufige Sperrarchitektur samt Codebeispielen vor, die auch Einzelunternehmer umsetzen können.
• Was wurde bei Nano Banana 2.1 verbessert? Die 6 großen Upgrades im Detail und ein Leistungsvergleich mit Nano Banana Pro: Nano Banana 2.1 ist ein Upgrade von Nano Banana 2 und übertrifft bei offiziellen Benchmarks bereits Nano Banana Pro – doch kann es bei der Bilderzeugung tatsächlich mithalten, und welche der sechs wichtigsten Verbesserungen, offiziellen und unabhängigen Testergebnisse sowie Empfehlungen zur Auswahl je nach Anwendungsfall sprechen für Nano Banana 2.1 oder Pro?