> ## Documentation Index
> Fetch the complete documentation index at: https://docs.samsa.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Bildbearbeitung

> Bearbeite ein bestehendes Bild mit einem Prompt — mit oder ohne Maske — und nutze deine trainierten Modelle wieder.

Magic Edit nimmt ein Quellbild und einen Prompt und gibt ein bearbeitetes Bild
zurück. Gib die Quelle auf drei Wegen an — eine `image_id`, die bereits im Kontext
deiner Organisation liegt, eine `https`-`url` oder inline `base64` + `mime_type`.
Füge eine `mask` hinzu, um im **PRO**-Modus (maskenbasiertes Inpainting) zu
arbeiten, und nutze deine trainierten `style`/`object`/`person`/`setting`-Modelle
und color palettes wieder, um markenkonforme Ergebnisse zu erhalten.

## Asynchrones Muster

Wie die Generierung ist auch die Bearbeitung asynchron: `POST /images/edits` gibt
**`202 Accepted`** mit einer Job-`id` zurück; frage
[`GET /images/edits/{id}`](/de/api-reference/edits/get-edit) ab, bis `completed`,
und lies dann die bearbeiteten Bilder (presigned URLs, 24 Stunden gültig). Eine
`webhook_url` liefert dir stattdessen einen Push-Callback — siehe
[Webhooks](/de/guides/webhooks).

## Engines und Credits

Die Standard-Engine ist `nano_banana_pro`; `gemini` und `kontext` sind ebenfalls
verfügbar. Das Übergeben einer `mask` führt die Bearbeitung im **PRO**-Modus
(maskenbasiert) aus, unterstützt von den Engines `nano_banana_pro` und `gemini`.
Das Übergeben trainierter Modelle (`style_id`/`object_ids`/`person_ids`/`setting_ids`)
oder einer `color_palette_id` erzwingt `nano_banana_pro`. Jedes Ergebnis (output)
wird zu den Tarifen der App aus dem Pool deiner Organisation abgerechnet; ein
aufgebrauchter Pool liefert `402`. Siehe [Preise](/de/guides/pricing).