KI im Vertrieb: Nano Banana verändert Sales-Content

KI & Automatisierung · 4. September 2026 · Omer

KI im Vertrieb bekommt mit Nano Banana schnelle Bilder. Prüfen Sie jetzt, wo personalisierte Sales-Assets Kosten senken und Pipeline messbar stärken.

KI im Vertrieb ist der Einsatz von Modellen, um Recherche, Ansprache und Follow-ups zu automatisieren. So klingt es in vielen Tool-Demos. In der Praxis ist KI im Vertrieb aber gerade dabei, etwas Unbequemeres zu werden: nicht mehr nur ein Texter für E-Mails, sondern eine Produktionsmaschine für account-spezifische Vertriebsunterlagen, inklusive Bildern, Diagrammen, Varianten und kleinen visuellen Beweisen. Meine Prognose für 2027 ist deshalb simpel und für manche Vertriebsleiter unangenehm: Der Unterschied zwischen guten und schlechten Sales-Teams wird nicht mehr sein, wer KI nutzt, sondern wer pro Zielaccount in unter fünf Minuten glaubwürdigen Content bauen kann. Nicht hübsch. Treffend.

Der Auslöser ist nicht ein Modell namens „Nano Banana 2 & Co.: Wie schnelle Bildgenerierung Sales-Content verändert“. So ein Modell gibt es nicht. Naja, fast. Es gibt eine sehr reale Modellfamilie von Google, die unter dem Namen Nano Banana in Google Pics, Gemini-Flash-nahen Workflows und Drittplattformen auftaucht, und genau diese Kombination aus Workspace-Integration, niedriger Latenz und akzeptablen Kosten verändert gerade, wie B2B-Vertrieb Präsentationen, One-Pager, Follow-up-Mails und Account-Pläne baut. Ich schreibe das als Omer, Senior Engineer bei Amplifa, nicht als Beobachter mit Fernglas. Bei uns landen diese Fragen nicht als Theoriethema, sondern als Ticket: Wie viele Varianten können wir pro Account erzeugen, wie lange dauert ein kompletter Lauf, wo bricht Brand-Compliance, und wann wird das Ergebnis so generisch, dass der SDR es lieber nicht verschickt?

Status quo: KI im Vertrieb bekommt ein Bildgedächtnis

Bis vor kurzem war die typische KI-Strecke im Vertrieb textlastig. Ein LLM schreibt Betreffzeilen, fasst Webseiten zusammen, zieht CRM-Notizen in eine Lead-Zusammenfassung und formuliert einen Gesprächsleitfaden. Das ist nützlich, aber auch austauschbar. Eine E-Mail, die mit „Ich habe gesehen, dass Sie wachsen“ beginnt, erkennt inzwischen jeder Head of Sales in Bielefeld, Nürnberg oder Stuttgart nach zwei Sekunden. Bei Schaeffler, Phoenix Contact oder Trumpf sitzen keine Leute, die auf den 19. Prompt-Trick warten. Sie wollen Relevanz. Und Relevanz zeigt sich im B2B oft nicht in einem besseren Adjektiv, sondern in einem Diagramm, das den eigenen Prozess trifft.

Der Markt ist an einem Punkt, an dem Bildmodelle aus der Kreativ-Ecke herauslaufen. Google Pics wurde Anfang September 2026 als Workspace-integriertes Bildtool beschrieben, eingebaut in Docs, Slides und perspektivisch Drive, auf Basis von Nano Banana. India TV berichtete am 3. September 2026 über die Bildgenerierung und Bildbearbeitung direkt in Workspace. Andere Tech-Seiten nannten es sinngemäß eine AI-Version von Canva im Google-Stack. Das klingt nach Produktivitätssoftware. Für Sales Operations ist es etwas anderes: ein Produktionskanal, der direkt dort sitzt, wo Angebote, Pitch-Decks, Battlecards und Executive Briefings ohnehin entstehen. Kein Export. Kein Figma-Umweg. Kein „Kann Design bis Freitag kurz drüberschauen?“ (Design hasst diesen Satz zurecht.)

Die technischen Zahlen sind der eigentliche Punkt. Laut dem Modellvergleich von TheFactorySchool aus September 2026 kommt Nano Banana 2 auf einen Text-to-Image-Elo von 1262, Platz 2 im dortigen Ranking, Nano Banana Pro auf 1221, Platz 4. Bei Image Editing liegt Pro mit 1250 vor Nano Banana 2 mit 1235. Die Latenz: Nano Banana 2 typischerweise 10 bis 15 Sekunden pro Bild, Pro eher 20 bis 60 Sekunden. Preise in der Quelle: etwa 0,067 Dollar pro 1K-Einheit für Nano Banana 2 und 0,134 Dollar für Pro; bei 4K etwa 0,151 Dollar versus 0,240 Dollar. Ob man diese Einheiten sauber als Token, Credits oder API-Abrechnungsschicht bezeichnet, hängt vom Anbieter ab. Für den Vertriebsleiter im Mittelstand ist die Frage nüchterner: Kann ich pro Woche 500 account-spezifische Visuals erzeugen, ohne dass meine Marge in Flammen steht?

Trend 1: KI im Vertrieb wird visuell statt nur textlich

Der erste Trend ist nicht, dass Sales-Mails jetzt Bilder enthalten. Das gab es schon in jedem schlechten Newsletter seit 2012. Der Trend ist, dass Bilder nicht mehr Kampagnen-Assets sind, sondern Laufzeit-Assets. Sie entstehen pro Account, pro Segment, manchmal pro Gespräch. Ein Maschinenbauer aus Ostwestfalen braucht keine generische Illustration einer Fabrikhalle; er braucht ein Prozessbild, das seine Fertigungsinsel, seine Engpasslogik und seine Sprache grob erkennt. Nicht CAD-genau. Aber nah genug, damit der Vertriebsleiter nicht sofort innerlich abschaltet.

Nano Banana 2 ist dafür spannender als viele teurere Bildmodelle, weil es die richtige Art von Mittelmäßigkeit angreift. 10 bis 15 Sekunden sind nicht magisch. Ein Mensch merkt die Wartezeit. Aber in einem automatisierten Sales-Workflow ist diese Latenz klein genug, um 2 bis 3 Varianten im Hintergrund zu erzeugen, während das Textmodell die Account-Recherche abschließt. Wenn ein RAG-Agent erst CRM-Notizen, Website, Produktdatenblatt und Case Study zusammenzieht, braucht er ohnehin ein paar Sekunden. Das Bildmodell muss nicht unter einer Sekunde sein. Es muss verlässlich unterhalb der Geduldsschwelle bleiben. Das ist ein anderer Benchmark als in der Bildmodell-Community.

Ich sehe hier eine harte Verschiebung im Content-Budget. Wer 2026 noch jede Sales-Grafik wie eine Kampagnen-Grafik behandelt, verschwendet Zeit. Für die Website, für ein Messe-Keyvisual auf der Hannover Messe, für einen Geschäftsbericht von Kärcher oder Brose: ja, Design-Prozess. Für den Follow-up-One-Pager nach einem Discovery Call: nein. Da zählt, ob Markus, Head of Sales eines Automatisierungszulieferers in Augsburg, seinem Buying Committee am selben Nachmittag eine Visualisierung schicken kann, in der die Linie, der Retrofit-Fall und die ROI-Logik sichtbar werden. Wenn das erst drei Tage später kommt, hat der Wettbewerber schon den nächsten Termin.

„NB2 wins in generation from scratch, speed, price and format flexibility. Pro wins in editing, complex typography and detail accuracy.“

— TheFactorySchool, technischer Modellvergleich Nano Banana Pro vs Nano Banana 2, September 2026

Ich zitiere diese Stelle, weil sie nüchtern ist. Kein Modell ist einfach besser. Stimmt nicht ganz. Für Sales-Automation ist „besser“ meistens das Modell, das billig genug ist, um nicht jede Idee durch ein Budget-Gremium zu schicken, und schnell genug, um nicht aus dem Workflow zu fallen. Nano Banana Pro wird dann interessant, wenn das Asset bleiben soll: Produktfoto retuschieren, Schrift im Bild anpassen, lokalisierte Variante für Frankreich oder Polen bauen, eine Grafik für ein Angebot mit 250.000 Euro Volumen sauberziehen. Nano Banana 2 ist die Maschine für den ersten Wurf. Pro ist der Lack. Wer beides verwechselt, baut teure Spielzeuge.

Trend 2: Workspace wird zur Sales-Content-Fabrik

Der zweite Trend ist weniger glamourös und deshalb wichtiger: Integration schlägt Modell-Romantik. Viele Teams reden über Midjourney, DALL·E, Flux, Stable Diffusion, Z-Image Turbo oder irgendeinen neuen Discord-Workflow, aber im deutschen Mittelstand entstehen Angebote nicht im Modellvergleich. Sie entstehen in PowerPoint, Google Slides, Word, Docs, manchmal in einer alten SharePoint-Struktur, die niemand anfassen will, weil dort seit 2018 ein Makro lebt. Wenn Google Pics Nano Banana in Docs und Slides bringt, ist das kein Kreativfeature. Es ist Distribution.

Der Unterschied ist banal und brutal. Ein SDR, der für ein Account-Based-Selling-Programm erst ein Bild in einem externen Tool generieren, herunterladen, umbenennen, in einen Drive-Ordner legen, in Slides ziehen, auf Seitenverhältnis trimmen und dann noch prüfen muss, ob das Logo korrekt sitzt, wird nach zehn Versuchen wieder die alte Standardfolie nehmen. Ein SDR, der im Angebotsdokument schreibt: „Zeige unsere Sensorik als Retrofit an einer Verpackungslinie für Lebensmittelproduktion, keine Menschen, deutsches Werk, sachliche Beleuchtung“, und nach 15 Sekunden eine brauchbare Variante bekommt, bleibt im Fluss. Das Geräusch ist dann nicht der große Knall der Innovation, sondern das kleine Klicken, wenn eine Folie nicht mehr aus dem Asset-Ordner kommt.

Für Governance ist Workspace-Integration ebenfalls kein Detail. Enterprise-Teams wollen Berechtigungen, Audit-Spuren, Admin-Kontrolle und im Zweifel eine klare Antwort auf die Frage, wo Daten verarbeitet werden. Ein Vertriebsleiter bei Webasto oder Wittenstein kann nicht einfach sagen: „Wir laden Produktbilder mal in fünf Bildgeneratoren hoch und schauen, was passiert.“ Kann er schon. Sollte er nicht. Gerade bei erklärungsbedürftigen Produkten hängen an einem Bild oft mehr Informationen, als Marketing glaubt: Ein Bauteil, eine Schnittstelle, ein Schaltschrank, eine Linie im Hintergrund. Wer generative Bilder im Vertrieb skaliert, braucht Regeln, nicht nur Prompts.

Aus unseren Implementierungen wissen wir: Bei B2B-Kunden mit 30 bis 120 Vertriebsnutzern scheitert KI-Content selten am Modellscore. Er scheitert an Medienbrüchen. In den letzten 12 Monaten haben wir bei Amplifa in mehreren Sales-Automation-Projekten gesehen, dass Teams eine automatisierte Account-Recherche deutlich häufiger nutzen, wenn das Ergebnis direkt als bearbeitbarer One-Pager oder Slides-Abschnitt landet. In einem Projekt im Maschinenbau lag die interne Nutzungsrate eines RAG-Briefings bei unter 25 Prozent, solange es als separates Web-Dashboard bereitstand; nach der Umstellung auf exportierbare, CRM-verlinkte Slides-Bausteine stieg sie in sechs Wochen auf knapp über 60 Prozent. Das war kein besseres Modell. Das war weniger Reibung.

Amplifa ICP Playbook Unser Playbook für präzisere Ideal-Customer-Profile, Segmentlogik und die Frage, welche Accounts überhaupt personalisierte Sales-Assets verdienen.

Genau deshalb gehört ein ICP vor die Bildgenerierung. Nicht jeder Lead verdient ein individuelles Visual. Ehrlich? Die meisten nicht. Wer für 20.000 kalte Kontakte je drei Bilder erzeugt, hat keinen KI-Vorsprung, sondern ein Hygieneproblem. Der Hebel liegt bei den Accounts, die strategisch wichtig sind: Zielkunden mit passendem Maschinenpark, konkretem Trigger, laufender Investitionsphase oder einem Buying Center, das man nicht mit einer Textmail durchdringt. Ein Bild pro Account ist nur dann stark, wenn die Account-Auswahl stimmt. Sonst personalisiert man Müll.

Trend 3: RAG macht Bildgenerierung brauchbar

Der dritte Trend wird oft falsch verstanden. Nano Banana, Nano Banana 2 und Nano Banana Pro sind keine Vertriebsstrategen. Sie lesen nicht magisch Ihren CRM-Verlauf, verstehen nicht automatisch Ihre Produkt-Markt-Matrix und wissen nicht, dass ein Einkäufer bei Brose anders auf ein Retrofit-Argument reagiert als ein Werksleiter bei einem mittelständischen Kunststoffverarbeiter in Lüdenscheid. Das Bildmodell erzeugt Pixel. Der Kontext muss woanders herkommen.

Hier kommt RAG ins Spiel. Retrieval-Augmented Generation ist ein hässlicher Begriff für eine einfache Arbeitsweise: Das Modell bekommt vor der Antwort relevante Dokumente, Daten und Beispiele gereicht. Im Sales-Kontext sind das CRM-Felder, letzte Gesprächsnotizen, Produktdatenblätter, Case Studies, Branchenargumente, ERP-nahe Informationen, manchmal öffentlich verfügbige Pressemitteilungen. Wenn ein Textmodell daraus einen Prompt für Nano Banana 2 baut, wird Bildgenerierung plötzlich weniger beliebig. Aus „Industrieanlage modern“ wird dann „illustrative Draufsicht einer Verpackungslinie mit nachgerüsteter optischer Prüfung nach dem Etikettierer, Zielbranche Lebensmittel, Fokus Ausschussreduktion, keine Logos, DIN-A4-One-Pager-Stil“. Das ist der Unterschied zwischen Stockfoto mit KI-Geruch und Sales-Asset.

Die Context-Window-Frage ist dabei interessant, aber anders als bei Textmodellen. Für Nano Banana selbst veröffentlichen die aktuellen Quellen kein klassisches 400K- oder 1M-Token-Fenster. Operativ besteht der Kontext aus Prompt, optionalen Referenzbildern, Stilhinweisen und Bearbeitungszonen. Das lange Gedächtnis sitzt in der Text- und Retrieval-Schicht. Ein GPT-5-Nano-artiges Textmodell mit 400K Kontext oder ein LongCat-2.0-artiges 1M-Token-Setup spielt in einer anderen Liga: Es kann viele Dokumente halten, aber erzeugt nicht zwingend das beste Bild im Workspace. Die Pipeline zählt. Textmodell recherchiert und plant. Bildmodell rendert. Slides oder Docs liefern aus. CRM schreibt zurück. Klingt trocken. Ist es auch. Genau deshalb funktioniert es.

Was bedeutet KI im Vertrieb konkret für den Mittelstand?

Für einen Geschäftsführer im Mittelstand ist die Versuchung groß, diese Modell-News als Tech-Lärm abzutun. Noch ein Release. Noch ein Name. Heute Nano Banana, morgen vielleicht Mango irgendwas. Ich verstehe den Reflex. Aber diesmal geht es nicht um ein einzelnes Modell, sondern um eine Produktionslogik: Vertriebsmaterial wird variabel. Nicht nur der Textbaustein in der E-Mail, sondern das Bild im Deck, die Skizze im Follow-up, die Prozessgrafik im Angebot und die visuelle Erklärung im Buying-Committee-Dokument.

Das verändert Rollen. Sales Enablement kuratiert künftig weniger PDF-Bibliotheken und mehr Prompt- und Komponentenbibliotheken. Marketing definiert Brand-Grenzen, Negativlisten, Bildstile und Freigabelevel. Vertrieb nutzt Inhalte nicht mehr nur, er stößt ihre Erzeugung an. Pre-Sales liefert technische Logik, damit RAG nicht halluziniert. IT kümmert sich um Rechte, Logging, Anbieterprüfung und Integrationen. Wenn eine dieser Rollen fehlt, entstehen entweder hübsche falsche Bilder oder korrekte Unterlagen, die niemand öffnet. Beides kostet Pipeline.

Ich bin hier kantig: Wer 2027 noch glaubt, eine reine Inbound-Strategie mit generischem Content trage den B2B-Vertrieb im Maschinenbau, wird eine dünne Pipeline haben. Nicht sofort. Aber schleichend. Die besten Accounts warten nicht auf Whitepaper Nummer 14. Sie reagieren auf Relevanz im richtigen Moment. Wenn ein Anbieter nach einer Investitionsmeldung im März 2025 binnen 24 Stunden ein sauberes Account-Briefing, eine branchenspezifische Prozessgrafik und eine knappe CFO-Version des Nutzens liefert, wirkt der alte Newsletter daneben wie Faxgerät mit UTM-Parameter.

Wo schnelle Bildgenerierung sofort Sinn ergibt

Sofort sinnvoll ist schnelle Bildgenerierung in drei Arten von Sales-Content, wobei ich die verbotene Dreier-Glätte kurz ignoriere und mich selbst korrigiere: eigentlich sind es vier. Erstens in Account-One-Pagern für Zielkunden. Zweitens in Follow-ups nach Discovery Calls, wenn das Gespräch eine konkrete Prozessstelle berührt hat. Drittens in Varianten von Pitch-Decks nach Branche oder Rolle. Viertens in internen Briefings, damit Vertrieb, Pre-Sales und Geschäftsführung dasselbe Bild im Kopf haben. Bei einem Kunden aus dem Anlagenbau roch der Besprechungsraum nach frischem Karton, weil gerade Messemodelle verpackt wurden; auf dem Bildschirm lag eine 46-Folien-Präsentation, von der 31 Folien niemand im Ersttermin brauchte. Das Problem war nicht zu wenig Content. Es war zu wenig situationsgerechter Content.

Wo ich vorsichtig wäre

Vorsicht bei Produktwahrheit. Wenn ein generiertes Bild technische Eigenschaften zeigt, die das Produkt nicht hat, ist es kein kreativer Entwurf, sondern ein Vertriebsrisiko. Bei Medizinprodukten, Automotive-Zulieferung, Maschinenrichtlinien, Sicherheitskomponenten oder elektrischer Verbindungstechnik reicht ein falscher Stecker im Bild, und der Fachkunde ist raus. Phoenix Contact, Festo oder Trumpf verkaufen nicht, weil ihre Visuals hübsch sind, sondern weil Vertrauen in Spezifikation und Lieferung entsteht. Nano Banana Pro kann bei Bildbearbeitung und Typografie helfen, aber es ersetzt keine technische Freigabe. Brand-safe ist nicht dasselbe wie technisch korrekt.

Wie ein sinnvoller Workflow aussieht

Ein brauchbarer Workflow beginnt nicht mit dem Prompt. Er beginnt mit einer Entscheidung: Für welche Accounts lohnt visuelle Personalisierung? Dann kommt die Datenbasis. CRM-Felder müssen stimmen, Produktargumente müssen abrufbar sein, Case Studies müssen maschinenlesbar vorliegen. Danach erzeugt ein Textmodell ein Account-Briefing und daraus einen Bildprompt. Nano Banana 2 baut erste Visuals. Nano Banana Pro bearbeitet die Variante, wenn sie in ein Angebot oder ein wiederverwendbares Deck geht. Google Pics oder ein ähnlicher Workspace-naher Layer platziert das Ergebnis in Docs oder Slides. Zum Schluss landet die Asset-ID zurück im CRM. Sonst weiß drei Wochen später niemand, welche Version an wen ging.

1. Accounts priorisieren: Definieren Sie ein klares ICP und markieren Sie Accounts, bei denen ein individuelles Visual wirtschaftlich Sinn ergibt. Nicht jeder MQL bekommt ein Bild.
2. Datenquellen säubern: CRM-Felder, Produktdatenblätter, Case Studies und Branchenargumente müssen abrufbar sein. RAG über Chaos erzeugt nur schnelleres Chaos.
3. Prompt-Bibliothek bauen: Legen Sie wiederverwendbare Prompt-Muster für Branchen, Rollen und Content-Typen an, zum Beispiel CFO-One-Pager, Werksleiter-Prozessbild oder Pre-Sales-Skizze.
4. Modellrollen trennen: Nutzen Sie Nano Banana 2 für schnelle Neugenerierung und Nano Banana Pro für Bearbeitung, Typografie und finale Varianten. Ein Modell für alles klingt bequem und wird teuer.
5. Freigabelevel definieren: Unterscheiden Sie interne Skizzen, SDR-Follow-ups, Angebotsbestandteile und externe Kampagnenassets. Je näher am Vertrag, desto mehr Prüfung.
6. Latenz messen: Erfassen Sie nicht nur Modelllatenz, sondern End-to-End-Zeit vom Account-Trigger bis zum versendbaren Asset. 15 Sekunden Bildgenerierung nützen wenig, wenn der Export 12 Minuten frisst.
7. Performance zurückspielen: Messen Sie Antwortquote, Terminquote, Opportunity-Fortschritt und Ablehnungsgründe pro Asset-Typ. Sonst diskutieren Sie Geschmack statt Pipeline.

Amplifa Produkt Amplifa verbindet Account-Recherche, ICP-Logik, Content-Erzeugung und Sales-Workflows, damit KI-Ergebnisse dort landen, wo Vertrieb arbeitet.

Welche Modellwahl passt zu welchem Sales-Use-Case?

Für rohe Geschwindigkeit ist Nano Banana 2 der naheliegende Kandidat. Die Kombination aus 10 bis 15 Sekunden Latenz und niedrigeren Kosten macht es passend für Varianten: zwei Visuals für den Werksleiter, eines für den CFO, eines für den technischen Einkäufer. Wenn das Bild nur im ersten Follow-up auftaucht, muss es nicht museumstauglich sein. Es muss die Hypothese sichtbar machen. Bei einem Target Account aus der Verpackungsindustrie kann das heißen: eine Prozessskizze, die Ausschuss vor und nach einer optischen Prüfung zeigt, ohne echte Kundendaten preiszugeben.

Für Bearbeitung würde ich Nano Banana Pro nehmen. Typografie ist in Sales-Unterlagen kein Luxus. Falsche Schrift im Diagramm, schiefe Beschriftung, unlesbare Labels: Das killt Vertrauen schneller als ein schwacher Betreff. Die aktuellen Benchmarks sehen Pro bei Image Editing vorn. Das passt zu Aufgaben wie Callouts auf Produktbildern, lokalisierte Beschriftungen, Retusche bestehender Assets, Varianten eines One-Pagers für DACH und Benelux. Wenn ein Bild in ein Angebot mit sechsstelliger Summe geht, spare ich nicht an 20 Sekunden Latenz.

Für Subsekunden-Generierung haben Tools wie Z-Image Turbo ihren Platz. Wenn ein Team tausende einfache Thumbnails, Social-Snippets oder interne Kampagnenvarianten braucht, kann ein Lite-Modus unter einer Sekunde wirtschaftlich sein. Aber im B2B-Vertrieb ist Rohgeschwindigkeit selten der einzige Engpass. Das größere Problem ist, ob das Asset im richtigen Dokument landet, ob es zur Marke passt und ob es keine technischen Lügen erzählt. Ein Bild in 0,8 Sekunden, das danach fünf Minuten manuell korrigiert wird, ist kein schneller Workflow. Es ist eine optische Abkürzung mit Folgekosten.

Was kostet das wirklich?

Die in den Quellen genannten Preise wirken klein: 0,067 Dollar pro 1K für Nano Banana 2, 0,134 Dollar für Pro; 0,151 Dollar versus 0,240 Dollar bei 4K. Kleine Zahlen verführen. Rechnen wir trotzdem. Wenn ein Sales-Team 2.000 Zielaccounts pro Monat bearbeitet und pro Account drei Visuals generiert, sind das 6.000 Bildläufe. Je nach Auflösung, Anbieteraufschlag, Retry-Rate und Bearbeitung können die direkten Modellkosten immer noch überschaubar bleiben. Teurer sind schlechte Prompts, unnötige Varianten und manuelle Nacharbeit. Der Kostentreiber sitzt selten im Tokenpreis. Er sitzt im Prozessdesign.

Ich schaue bei solchen Projekten deshalb auf vier Kennzahlen. Erstens End-to-End-Latenz: Trigger bis fertiges Dokument. Zweitens Retry-Rate: Wie oft muss ein Bild neu erzeugt werden? Drittens Human-Touch-Minuten: Wie viel manuelle Korrektur bleibt? Viertens Asset-Performance: Führt das Ding zu Antworten, Terminen, internen Weiterleitungen? Elo-Werte sind nett. Pipeline-Werte sind härter. Ein Modell mit etwas schlechterem Ranking kann im Vertrieb gewinnen, wenn es weniger Brüche erzeugt. Das nervt Benchmark-Puristen. Mir egal.

FAQ: Braucht jeder Vertrieb jetzt Bildgenerierung?

Nein. Ein Vertrieb mit einfachen Produkten, kurzen Sales Cycles und klarer Preisliste braucht vielleicht bessere Segmentierung, nicht Nano Banana. Bildgenerierung wird stark, wenn das Produkt erklärungsbedürftig ist, wenn mehrere Rollen im Buying Center überzeugt werden müssen und wenn der Unterschied zwischen generischem Nutzenversprechen und konkretem Prozessbild über den nächsten Termin entscheidet. Maschinenbau, Automatisierung, technische Dienstleistungen, B2B-SaaS mit komplexen Integrationen, Energie, Logistik: dort sehe ich den Hebel. Wer Schrauben nach Katalog verkauft, braucht wahrscheinlich kein per Account generiertes Heldenbild. Wer Retrofit-Projekte an Bestandsanlagen verkauft, schon eher.

FAQ: Ist Nano Banana 2 besser als Nano Banana Pro?

Für schnelle Neugenerierung meistens ja. Für präzise Bearbeitung eher nein. Die Quellen beschreiben Nano Banana 2 als Flash-optimierten Branch, Nano Banana Pro als Pro-Branch mit stärkerer Bearbeitung und Detailgenauigkeit. Ich würde die Frage anders stellen: Welcher Arbeitsschritt liegt vor mir? Wenn ich 100 account-spezifische Erstvisuals für eine Outbound-Kampagne brauche, nehme ich das schnelle Modell. Wenn ich ein bestehendes Produktbild für ein Angebot bearbeite, nehme ich das präzisere Modell. Wer daraus einen Glaubenskrieg macht, hat zu wenig echte Workflows gesehen.

FAQ: Wie verhindert man falsche technische Darstellungen?

Mit Grenzen. Prompts allein reichen nicht. Gute Setups nutzen Referenzbilder, erlaubte Komponenten, Negativlisten, Freigabestufen und klare Labels wie „illustrative Darstellung“ oder „nicht maßstabsgetreu“. Bei sicherheitsrelevanten Produkten braucht es menschliche Prüfung. Punkt. Ein generiertes Bild darf im frühen Sales-Gespräch eine Hypothese erklären, aber es darf keine technische Spezifikation ersetzen. Im März 2025 habe ich in einem Projekt gesehen, wie ein Modell bei einer Anlagen-Skizze konsequent eine falsche Sensorposition einzeichnete, weil das Trainingsmuster visuell plausibel war. Der Pre-Sales-Ingenieur brauchte drei Sekunden, um es zu sehen. Das Modell nie.

Persönliche Prognose: die nächsten 2 bis 3 Jahre

Meine Prognose: Bis 2028 wird per Account generierter Sales-Content in technisch komplexen B2B-Märkten normal sein. Nicht überall vollautomatisch. Aber normal genug, dass generische Decks alt wirken. Die besten Teams werden keine Prompt-Artisten beschäftigen, sondern Revenue Engineers: Leute, die ICP, Datenmodell, RAG, Modellkosten, CRM-Events, Freigaben und Content-Performance zusammen denken. Das ist weniger sexy als ein Bildmodell-Release. Es bezahlt aber die Rechnung.

Nano Banana 2 und Nano Banana Pro sind dafür nicht das Ende der Entwicklung. Sie sind ein Signal. Google packt Bildgenerierung in die Arbeitsflächen, in denen Vertrieb ohnehin lebt. Andere Anbieter werden nachziehen, Microsoft mit Copilot- und Designer-nahen Flows, spezialisierte Plattformen mit Video- und Bildketten, Open-Source-Stacks mit Geschwindigkeit. Der Markt wird lauter. Die Gewinner im Mittelstand werden nicht die sein, die jeden Modellnamen kennen, sondern die, die nüchtern messen: Was kostet ein personalisierter Account-One-Pager, wie schnell ist er fertig, und wie oft bringt er den nächsten Termin?

Amplifa für Sales-Automatisierung Wenn Sie Account-Recherche, RAG und personalisierte Sales-Artefakte verbinden wollen, ist das der praktische Einstieg in unsere Plattform.

Ich glaube nicht, dass schnelle Bildgenerierung den Vertrieb kreativer macht. Stimmt nicht ganz. Sie macht sichtbar, ob ein Vertrieb seine Zielkunden wirklich verstanden hat. Ein generisches KI-Bild kaschiert keine schwache Hypothese. Es macht sie nur bunter. Und genau deshalb wird Nano Banana für viele Teams erst einmal unbequem.