Fünf Produktanzeigen mit n8n unter 0,20 $ generieren

Fünf Produktanzeigen-Kandidaten passen in ein Media-API-Budget von 0,20 $. Bei einem fünfteiligen Test am 3. September 2026 lieferte Nano Banana 2 Lite fünf Kandidaten für 75 reAPI-Credits zurück, also insgesamt 0,075 $. Jedes abgeschlossene 1K-Bild kostet 15 Credits. Dieses Handbuch verwandelt die gleichen Request-Bodies in einen n8n-Workflow, den du herunterladen und anpassen kannst.

Der gemessene Lauf wurde direkt an die API gesendet. Das Workflow-JSON wurde auf Importstruktur, Knotenfelder, Verzweigungen und Schleifenverbindungen überprüft, aber nicht in einer aktiven n8n-Instanz ausgeführt. Importiere ihn und hänge deine eigenen Anmeldedaten an, bevor du ihn ausführst.

Die Zahl 0,075 $ deckt fünf abgeschlossene API-Aufgaben ab, nicht fünf publikationsreife Anzeigen. Wiederholungen bei Produktdrift, falsch geschriebener Kopie oder unsicheren Zuschnitten zählen gegen das gleiche Budget von 0,20 $.

TL;DR

• Der gemessene Test schloss fünf Produktanzeigen-Kandidaten für 0,075 $ über reAPI ab, wobei der Batch weit unter der Media-API-Obergrenze von 0,20 $ lag.
• Der Live-Tarif war 15 Credits oder 0,015 $ pro abgeschlossenem Nano Banana 2 Lite Bild bei Überprüfung am 3. September 2026.^[1]
• Eine Obergrenze von 0,20 $ ermöglicht 13 abgeschlossene Generierungen zu diesem Satz. Nach den ersten fünf bleiben Platz für acht Wiederholungen, während die Rechnung unter 0,195 $ bleibt.
• Lade das n8n-Workflow-JSON herunter. Es nutzt einen manuellen Trigger, fünf Briefs, asynchrones Task-Polling, vergrenztes Statuscheck und keinen eingebetteten API-Schlüssel.
• Lade die Test-Zusammenfassung herunter mit Task-IDs, Output-URLs, erfassten Credits und Kostenberechnung.
• Halte legale Kopie, Preise, Gutscheincodes und pixelgenaue Layouts außerhalb des generierten Bildes. Lass das Modell die Szene erstellen, dann füge den exakten Text mit einem normalen Design-Template hinzu.

Warum fünf abgeschlossene Dateien nicht die ganzen Kosten sind

Wenn ein n8n-Workflow fünf verschiedene Produktanzeigen-Konzepte pro Lauf generiert, was sollte das Budget beinhalten? Die sichtbare Rechnung deckt abgeschlossene API-Aufrufe ab, aber Produktdrift, falsch geschriebene Kopie und unsichere Zuschnitten können bezahlte Wiederholungen auslösen. Zuverlässigkeit, Latenz und vorhersehbare Outputs sind auch wichtig, wenn der Workflow mit wenig Intervention laufen soll.

Verfolge diese Zahl:

Kosten pro genehmigtem Bild = Gesamtgenerierungskosten / genehmigte Bilder

Verfolge die gesamten Generierungsausgaben gegen die Anzahl der Bilder, die die Überprüfung bestehen. Ein niedriger Einheitspreis hilft nicht, wenn die meisten Outputs neu generiert werden müssen.

Der 0,20-$-Test: ein Produkt, fünf verschiedene Briefs

Die Eingabe war ein öffentlich zugängliches reAPI-Demobild einer ungebrändeten, zweifarbigen Keramiktasse. Jede Anfrage nutzte das Bild, ein 4:5-Canvas und eine andere Anzeigenrichtung. Für dein eigenes Workflow nutze ein Produktfoto, das du besitzt oder lizenziert hast. Nano Banana 2 Lite akzeptiert bis zu zehn öffentliche Bild-URLs und gibt pro Anfrage genau ein 1K-Bild zurück; es hat keinen n-Parameter, also erfordern fünf Kandidaten fünf Tasks.^[2]

Der Batch nutzt fünf unterschiedliche Richtungen. Fünf beinahe identische Studioprompts würden Konsistenz erleichtern, würden aber wenig darüber verraten, wie das gleiche Produkt verschiedene Settings abhält.

Vier Review-Bedingungen wurden vor Einreichen festgelegt: Behalte den rechten Griff der Tasse, Proportionen, zweifarbige Glasur und Oberflächentextur; reproduziere nur die angeforderte Überschrift; zeige eine Tasse; und halte Produkt und Kopie in sicheren Zuschnittsgrenzen.

Diese Rubrik ist wichtig, denn sie verhindert, dass die Überprüfung nach Ankunft der Bilder ändert. Es macht auch einen Wiederholungsversuch umsetzbar: du kannst die fehlgeschlagene Bedingung identifizieren, anstatt das Modell zu bitten, es „besser zu machen".

Ergebnisse: fünf abgeschlossene Kandidaten kosten 0,075 $

Alle fünf API-Tasks erreichten completed. Jede Antwort meldete 15 Credits Nutzung, für eine gemessene Summe von 75 Credits oder 0,075 $. Keine API-Task schlug fehl. Während dieses Abschluss-und-Kosten-Tests wurde keine API-Wiederholung vorgenommen.

Alle fünf Dateien wurden erfolgreich bei 928 × 1152 Pixeln geladen. Das ist nahe an der angeforderten 4:5-Form, aber nicht genau mathematisch. Wenn ein Ziel feste Pixelmaße erfordert, schneide oder fülle nach der Generierung zu, anstatt anzunehmen, dass ein Seitenverhältnis-Label die finalen Maße garantiert.

Die datierte Test-Zusammenfassung erfasst die Task-ID, temporäre Output-URL, Credits und Maße für jede Anfrage. Ein abgeschlossener Task-Status bestätigt die Zustellung, nicht die kreative Genehmigung. Überprüfe Produkttreue, Wortwahl, unerwünschten Text und Zuschnittsspielraum separat.

Die Modell-Dokumentation warnt, dass generierte Task-URLs ablaufen. Lade Dateien, die du genehmigst, zu Speicher herunter, den du kontrollierst, bevor du ihre URLs in einen Katalog, CMS oder geplanten Post platzierst.^[2]

Wie viel Wiederholungsspielraum kauft 0,20 $?

Bei 0,015 $ pro abgeschlossener Generierung beträgt die Obergrenze 13 Versuche:

13 × 0,015 $ = 0,195 $
14 × 0,015 $ = 0,210 $

Das lässt acht zusätzliche Versuche nach den ersten fünf. Hier sieht das gleiche Budget nach Wiederholungsanzahl aus, mit der Annahme, dass der endgültige genehmigte Satz fünf Bilder enthält:

In Batch-Ausdrücken erfordern fünf Genehmigungen aus höchstens 13 Versuchen eine realisierte Annahmequote von etwa 38,5 %. Das ist die Mindestannahmequote, um im Budget zu bleiben; sie beseitigt nicht die Notwendigkeit für Produkt- und Kopieüberprüfung. Ein gebrochener Preis, falsches Produktlabel oder mutiertes Verpackung kann viel mehr kosten als der Bildmodell-Aufruf.

Preise sind zeitempfindlich. Überprüfe die aktuelle Nano Banana 2 Lite Modellseite vor der Verwendung dieser Zahlen in einem Kundenangebot oder automatisierter Budget-Regel.

Den n8n-Bildgenerierungs-Workflow bauen

Starten mit dem herunterladbaren Workflow-JSON, dann nimm die folgenden Änderungen in deinem eigenen n8n-Editor vor. n8n unterstützt das Importieren eines Workflows aus einer Datei über das Editor-Menü.^[5]

1. Eine Bearer-Authentifizierung erstellen

Erstelle einen reAPI-Schlüssel im Dashboard. Erstelle in n8n einen generischen Authentifizierungstyp und wähle Bearer Auth, dann füge den Schlüssel dort ein. Wähle diese Authentifizierung auf beiden HTTP Request Knoten. Gib den Schlüssel nicht in den Workflow-Body oder einen Code-Knoten ein. Exportierte Workflows können Authentifizierungsnamen und IDs enthalten, also lässt die gemeinsame Datei die Authentifizierungsbindung weg.^[3]

Der Workflow nutzt einen manuellen Trigger. Importieren kann nicht von alleine bezahlte Anfragen starten. Halte ihn manuell, bis du mindestens einen kompletten Lauf überprüft hast.

2. Demo-Produkt-URL und Briefs ersetzen

Öffne Build Five Ad Briefs. Der Code-Knoten gibt fünf n8n-Elemente zurück, jedes mit einem Konzept, exakter Überschrift, einem Prompt und einer source_image_url. Ersetze die Demo-URL durch eine öffentliche JPEG-, PNG- oder WebP-URL für dein Produkt. Base64- und data:-URLs werden von diesem Bild-Endpunkt nicht akzeptiert.^[2]

Du brauchst keinen Loop Over Items Knoten hier. Normal n8n Knoten verarbeiten eingehende Elemente, also sendet der nächste HTTP Request Knoten eine Task für jeden der fünf Briefs. Füge Loop Over Items nur hinzu, wenn du absichtliche Batching oder Rate-Limiting brauchst.

3. Eine Bildtask pro Element einreichen

Der Create Image Tasks Knoten sendet diesen n8n-Ausdruck als JSON:

={{ {
  model: 'nano-banana-2-lite',
  prompt: $json.prompt,
  image_urls: [$json.source_image_url],
  aspect_ratio: '4:5'
} }}

Der Endpunkt antwortet sofort mit einer id und einem Processing-Status. Er hält die HTTP-Verbindung nicht offen, bis das Bild fertig ist, also ist ein einzelnes langes HTTP-Timeout das falsche Design.

Aktiviere nicht blinde automatische Wiederholungen auf diesem POST. Wenn der Client die Antwort nach dem Server-Accept verliert, kann ein zweiter POST eine Aufgabe duplizieren und berechnen. Halte die zurückgegebene Task-ID und wiederhole stattdessen die Statusanfrage.

4. Warten, abfragen und sauber stoppen

Nach dem Submit wartet der Workflow 15 Sekunden und ruft auf:

={{ 'https://reapi.ai/api/v1/tasks/' + $json.id }}

Der GET-Knoten versucht Transport-Fehler bis zu dreimal erneut. Die zwei IF-Knoten handhaben dann den Task-Status:

1. completed geht zu Successful Images.
2. failed hält mit dem API-Fehler an, anstatt stumm eine leere Bild-URL zurückzugeben.
3. Jeder andere Status loopt zurück zu Wait 15 Seconds.
4. Ein separates IF hält nach der zwanzigsten unvollständigen Überprüfung an, ungefähr fünf Minuten geplantes Warten.

n8n dokumentiert dieses Bedingungsschleifen-Muster: verbinde einen späteren Knoten mit einem früheren und nutze einen IF-Knoten als Exit-Bedingung.^[4] Die Limit-Ausdrucksnutzung n8ns nullbasiertes $runIndex, also ist der zwanzigste Pass Index 19.^[6]

Die Kappe ist geteilt von diesem fünf-Element-Batch; es ist kein dauerhafter Pro-Element-Wiederholungszähler. Für eine größere Production-Queue, platziere die einzelne Task-Abfrage-Sequenz in einem Sub-Workflow oder persistiere einen pollCount mit jedem Job.

5. Einmal ausführen und Output lesen

Klicke auf Execute workflow. Wenn Tasks beenden, gibt Successful Images das Konzept, angeforderte Überschrift, Task-ID, Status, Credits und Bild-URL für jedes abgeschlossene Element zurück. Lade Dateien, die du genehmigst, zu dauerhaftem Speicher herunter. Dann erfasse die Review-Entscheidung und versuche nur das Konzept erneut, das fehlgeschlagen hat.

Der API-Level-Test in diesem Artikel nutzte die gleichen fünf Request-Bodies und Endpunkt. n8n ändert nicht den Pro-Bild-API-Preis, aber sein eigener Cloud-Plan, Self-Hosting, Speicher und Personal-Review sind separate Betriebskosten.

Produktanzeigen vor der Veröffentlichung überprüfen

Verbinde Successful Images nicht direkt mit Shopify, einem Social-Planer oder einem Anzeigenkonto. Platziere einen Review-Schritt zwischen Generation und Veröffentlichung, auch wenn es nur eine Tabellenzeile mit einer approved Checkbox ist.

Überprüfe jeden Kandidaten in dieser Reihenfolge:

1. Produkt-Identität: Vergleiche Silhouette, Griffposition, Farben, Label, Verschlüsse, Knöpfe und unterscheidende Material-Details gegen die Quelle.
2. Kopie: Prüfe jeden Charakter. Schau nach zusätzlicher Mikrokopie, Interpunktionsänderungen und erfundenen Logos wie offensichtliche Rechtschreibfehler.
3. Anspruchssicherheit: Lehn jeden nicht unterstützten Vorteil, Preis, Zertifizierung oder Zutat ab, die das Modell eingefügt hat.
4. Layout: Vorschau des tatsächlichen Zuschnitts, der vom Ziel verwendet wird. Ein sauberes 4:5-Bild kann immer noch seine Überschrift in einem Feed-Overlay verlieren.
5. Artefakte: Inspiziere Kanten, Schatten, Reflexionen, wiederholte Objekte und physikalisch unmögliche Verbindungen in voller Größe.

Wenn ein Kandidat fehlschlägt, überarbeite eine Sache. Wenn das Produkt gedriftet ist, verstärke den Konservierungssatz und vereinfache die Szene. Wenn die Kopie falsch ist, zahle nicht weiter den Bildmodell zur Zusammensetzung eines Haftungsausschlusses. Generiere eine saubere Szene mit reserviertem Negativraum und füge die exakten Worte später hinzu.

Für feststehende Layout-Assets wie Gutscheine, Tickets und Geschenkkarten nutze programmatisches Rendern, da das Layout genau bleiben muss. Die gleiche Engineering-Regel hilft für Preise, Daten und regulierte Kopie: platziere diese Felder in einer deterministischen HTML-, Canvas-, SVG- oder Design-Template-Schicht. Das Bildmodell kann immer noch den Hintergrund oder die Produktszene liefern.

Einen günstig Workflow produktionsreif genug machen

Das Sample hält bei einer fehlgeschlagenen Task und führt nicht automatisch den bezahlten POST erneut. Vor der Planung, füge die Kontrollen hinzu, die dein Workload braucht:

• Eine Ausgaben-Guard vor Submit. Berechne Elemente × Einheitspreis und vergleich es mit einem Pro-Lauf-Limit. Verlasse dich nicht auf eine monatliche Rechnung, um einen rampage Schedule zu fassen.
• Dauerhafter Ergebnis-Speicher. Kopiere genehmigte Output weg von der temporären Task-URL, dann speichere die Task-ID neben der permanenten Objekt-URL.
• Ein Review-Status. Nutze pending_review, approved und rejected, anstatt ein vages done Flag.
• Selektive Wiederholung. Resubmit nur das abgelehnte Konzept und speichere seinen Grund, sodass spätere Kostenanalyse Copy-, Treue- und Layout-Fehler trennen kann.
• Eine Fehler-Route. Production-Läufe sollten normalerweise fehlgeschlagene Task-IDs in eine Queue oder Tabelle für Investigation platzieren, anstatt jedes unabhängige Element zu beenden.
• Einen kleinen Canary-Batch. Führe fünf oder zehn Eingaben aus, nachdem du das Modell, Prompt-Template, Quellbild-Vorverarbeitung oder Output-Verhältnis geändert hast. Aktueller Preis garantiert nicht aktuelle Annahmequote.

Verfolge genehmigt / abgeschlossen nach Prompt-Template und Produktkategorie, dann nutze diese Annahmequote zur Kostenestimation zukünftiger Batches.

FAQ

Ist n8n-Bildgeneration kostenlos?

n8n kann Anfragen orchestrieren, aber das Bildmodell und dein n8n-Hosting können Kosten haben. In diesem Test berechnet reAPI 0,075 $ für fünf abgeschlossene Bilder. Kein Anspruch auf eine permanent kostenlose Bild-API wird gemacht.

Warum erstellt der Workflow fünf Tasks anstatt n auf 5 zu setzen?

Nano Banana 2 Lite gibt genau ein 1K-Bild pro Anfrage zurück und stellt keinen n-Parameter bereit. Fünf Konzepte erfordern daher fünf Request-Elemente.^[2]

Kann ich mein eigenes Produktfoto verwenden?

Ja. Ersetze source_image_url mit einer öffentlichen HTTP oder HTTPS JPEG-, PNG- oder WebP-URL. Das Modell akzeptiert bis zu zehn Referenzbilder pro Anfrage, obwohl dieses Tutorial absichtlich einen klaren Anker nutzt.

Was soll ich tun, wenn die Überschrift falsch geschrieben ist?

Versuche für kurze erkundbare Überschriften einmal mit nur exaktem Copy und einfacherem Layout erneut. Für Preise, Gutscheincodes, Haftungsausschlüsse, Daten oder beliebigen Text, der genau sein muss, entferne ihn vom Generation-Prompt und wende ihn mit einem normalen Template nach Bild-Genehmigung an.

Sollte der POST-Knoten Retry On Fail nutzen?

Nicht standardmäßig. Ein blinder POST-Retry kann eine Task duplizieren, wenn die erste Anfrage akzeptiert aber ihre Antwort verloren wurde. Der eingebundene Workflow versucht den GET-Statusanfrag erneut, nicht den bezahlten Submit.

Was nach dem ersten Lauf zu messen ist

Der API-Test schloss fünf Produktanzeigen-Kandidaten für 0,075 $ ab, hinterlässt Platz für acht weitere Versuche, bevor 0,20 $ beim getesteten Satz überschritten wird. Der herunterlad bare n8n-Workflow nutzt die gleichen Request-Bodies und fügt vergrenztes Status-Polling hinzu.

Behalte den Review-Schritt. Prüfe Produkt und Kopie, speichere genehmigte Dateien irgendwo dauerhaft und messe Kosten pro genehmigtem Bild. Wenn exakter Text Wiederholungen auslöst, höre auf, den Bildmodell zur Zusammensetzung zu bitten. Nutze Generation für die Szene und ein deterministisches Template für die Worte.

Referenzen

1. reAPI. Nano Banana 2 Lite model page and live rate card. Retrieved September 3, 2026. reapi.ai/models/nano-banana-2-lite
2. reAPI. Nano Banana 2 Lite API reference: request fields, one-image output, async task flow, pricing rules, and URL retention note. Retrieved September 3, 2026. reapi.ai/docs/nano-banana-2-lite
3. n8n. HTTP Request node and HTTP Request credentials. Retrieved September 3, 2026. HTTP Request node and HTTP Request credentials
4. n8n. Loop over data and Wait node documentation. Retrieved September 3, 2026. Loop logic and Wait node
5. n8n. Export and import workflows. Retrieved September 3, 2026. docs.n8n.io export and import
6. n8n. Built-in methods and variables: $runIndex. Retrieved September 3, 2026. docs.n8n.io metadata

Weitere Lektüre

• Nano Banana 2 Lite API Dokumentation
• Warum kostenlose KI-API-Limits in Production oft fehlschlagen
• Wie man ein Produktfoto in eine Multi-Szenen-KI-Video-Anzeige verwandelt