KI-Produktbilder Online-Shop: Gemeinsam mit KI-Models verändern KI-Produktbilder den Fashion-E-Commerce. Doch je realistischer künstlich erzeugte Bilder werden, desto wichtiger könnte für Kunden eine ganz andere Information werden: Welches Bild zeigt eigentlich noch die Realität?
Ein Kleid an einem Model, aufgenommen in Kopenhagen. Perfektes Licht, perfekte Location, perfekter Look.
Nur: Das Model war nie in Kopenhagen. Vielleicht existiert nicht einmal das Model.
Was vor wenigen Jahren noch nach Zukunftsmusik klang, gehört inzwischen zum Alltag moderner Content-Produktion. Aus einem fotografierten Kleidungsstück entstehen neue Modelbilder, Locations werden ausgetauscht und Kampagnenmotive lassen sich erstellen, ohne dass dafür ein komplettes Produktionsteam an einen anderen Ort reisen muss.
Für Fashion-Unternehmen ist das eine enorme Chance.
Wir bei Neleon arbeiten selbst intensiv mit KI und erleben täglich, wie stark sich dadurch Produktionsprozesse verändern. Richtig eingesetzt, kann KI Produktcontent schneller, flexibler und skalierbarer machen. Sie kann klassische Fotografie ergänzen und Möglichkeiten schaffen, die wirtschaftlich früher kaum darstellbar gewesen wären.
Deshalb glauben wir nicht an die einfache Prognose, dass KI die Produktfotografie ersetzen wird.
Wir glauben eher, dass etwas anderes passiert:
Je mehr KI-Content wir sehen, desto wertvoller wird es zu wissen, was wir gerade sehen.
Gen Z googelt ein Produkt nicht unbedingt – sie sucht auf TikTok
Besonders interessant ist dabei das Verhalten jüngerer Konsumenten.
Wer heute wissen möchte, wie eine Jacke tatsächlich sitzt oder ein Kleid in Bewegung aussieht, verlässt sich längst nicht mehr ausschließlich auf die Produktseite eines Online-Shops.
Das Produkt wird bei TikTok gesucht. Bei Instagram. Auf YouTube. Bewertungen werden gelesen, Kommentare durchforstet und Bilder anderer Käufer angesehen.
Nach einer Untersuchung von Sprout Social starten bereits 41 Prozent der Gen Z ihre Suche bevorzugt in sozialen Netzwerken. Klassische Suchmaschinen liegen in derselben Befragung bei 32 Prozent. Noch interessanter für den E-Commerce: 90 Prozent der Gen Z gaben an, innerhalb der vergangenen sechs Monate etwas aufgrund von Content gekauft zu haben, den sie in sozialen Netzwerken gesehen haben.
Social Media wird damit zunehmend selbst zur Suchmaschine – gerade für Produkte, Empfehlungen und Reviews.
Warum ist das für Fashion-Marken so interessant?
Weil Nutzer dort etwas finden, was im perfekt inszenierten Online-Shop manchmal fehlt:
das Produkt im echten Leben.
- Das Handyvideo vor dem Spiegel.
- Die Jacke bei Tageslicht.
- Das Kleid in Bewegung.
- Der Sneaker nach einigen Wochen Benutzung.
Nicht unbedingt schöner produziert. Aber nah an der Realität.
Untersuchungen von Bazaarvoice zeigen ebenfalls, wie wichtig dieser Faktor ist. 82 Prozent der dort befragten Gen-Z-Konsumenten vertrauen einer Marke stärker, wenn echte Kunden in der Werbung eingesetzt werden. 70 Prozent empfinden Produktfotos und Produktvideos als besonders hilfreich für ihre Kaufentscheidung.
Aktuellere Daten von Bazaarvoice zeigen außerdem, dass fast 80 Prozent von Gen Z und Millennials Social Media inzwischen in ihre Shopping Journey integrieren. Junge Käufer verlassen sich dabei nicht einfach auf eine einzelne Empfehlung: Sie recherchieren weiter, vergleichen unterschiedliche Reviews und legen Wert auf Fotos, Videos und glaubwürdige Erfahrungen anderer Nutzer.
Das bedeutet nicht, dass professionelle Produktbilder plötzlich unwichtig werden.
Es zeigt vielmehr, dass Verbraucher neben Inspiration zunehmend nach einer zweiten Ebene suchen:
Bestätigung.
Sie wollen wissen, ob das Produkt in der Realität hält, was die Bilder versprechen.
Gleichzeitig werden KI-Produktbilder immer besser
Parallel zu dieser Entwicklung passiert etwas Faszinierendes.
Die Grenzen zwischen klassischer Fotografie und KI-generierten Bildern verschwimmen.
KI-Models sehen immer realistischer aus. Kleidungsstücke können auf unterschiedliche Models übertragen werden. Aus Studioaufnahmen entstehen Imagebilder. Hintergründe und Locations lassen sich verändern. Content kann für unterschiedliche Zielgruppen, Märkte oder Kampagnen skaliert werden.
Gerade im Fashion-E-Commerce sind die Möglichkeiten enorm.
Warum für jede zusätzliche Variante ein neues aufwendiges Shooting organisieren? Warum nicht aus vorhandenem Produktcontent zusätzliche Motive erstellen? Warum sollte eine Marke nicht unterschiedliche Modeltypen oder Locations einsetzen können, wenn sich der Content auf diese Weise wirtschaftlich und in gleichbleibender Bildsprache produzieren lässt?
KI kann hier einen echten Mehrwert schaffen.
Die entscheidende Frage ist deshalb aus unserer Sicht nicht:
„KI oder Fotografie?“
Sondern:
„Welche Aufgabe soll das jeweilige Bild erfüllen?“
KI kann inspirieren. Fotografie kann bestätigen.
Ein KI-generiertes Modelbild kann hervorragend zeigen, wie ein Kleidungsstück getragen wirkt. Ein generiertes Imagebild kann eine Geschichte erzählen. Eine neue Location kann einer Kollektion eine vollkommen andere Bildsprache geben.
Ein echtes Produktfoto hat dagegen eine besondere Stärke:
Es zeigt das tatsächlich vorhandene Produkt.
Wie sieht das Material aus? Wie verlaufen die Nähte? Welche Struktur hat der Stoff? Wie wirkt die Farbe? Welche Details besitzt das Kleidungsstück?
Genau deshalb sehen wir die Zukunft des Fashion-Contents nicht als Wettbewerb zwischen KI und Fotografie.
Beides kann nebeneinander existieren – und sogar voneinander profitieren.
KI sorgt für Flexibilität und Skalierbarkeit.
Professionelle Produktfotografie schafft eine verlässliche visuelle Referenz.
Gerade wenn Kunden ohnehin auf TikTok, Instagram, YouTube oder in Bewertungen nach zusätzlichen Bildern und Erfahrungen anderer Käufer suchen, sollten Online-Shops darüber nachdenken, diesen „Reality Check“ selbst anzubieten.
Und damit kommen wir zu einer Frage, die bisher erstaunlich selten gestellt wird.
Warum kennzeichnen wir eigentlich nur KI-Bilder?
Die Diskussion rund um KI-Kennzeichnung konzentriert sich verständlicherweise darauf, künstlich erzeugte oder manipulierte Inhalte erkennbar zu machen.
Mit dem EU AI Act gewinnt das Thema zusätzlich an Bedeutung. Artikel 50 sieht unter anderem vor, dass Anbieter von KI-Systemen, die synthetische Bild-, Audio-, Video- oder Textinhalte erzeugen, dafür sorgen müssen, dass entsprechende Ausgaben maschinenlesbar gekennzeichnet und als künstlich erzeugt oder manipuliert erkennbar sind. Die Verordnung nennt im Zusammenhang mit solchen technischen Verfahren unter anderem Metadaten, Wasserzeichen und kryptografische Verfahren.
Welche konkreten Pflichten für ein Unternehmen bestehen, hängt allerdings vom jeweiligen Inhalt, Workflow und Anwendungsfall ab. Nicht jedes mit KI bearbeitete Produktbild löst automatisch dieselbe Form einer sichtbaren Kennzeichnung aus.
Unabhängig von der rechtlichen Pflicht finden wir aber, dass man die Diskussion noch einen Schritt weiterdenken sollte.
Was wäre, wenn wir nicht nur sagen, was KI ist – sondern auch, was fotografiert wurde?
Ein Online-Shop könnte beispielsweise innerhalb seiner Produktgalerie deutlich zwischen verschiedenen Arten von Content unterscheiden:
- KI-generiertes Modelbild
- KI-generiertes Imagebild
- Fotografierte Produktaufnahme
- Fotografierte Detailaufnahme
Oder bei kombinierten Produktionsformen:
Fotografie + KI
Damit wäre Kennzeichnung nicht nur eine Frage regulatorischer Anforderungen.
Sie würde dem Kunden Orientierung geben.
Und ausgerechnet das vermeintlich unspektakuläre klassische Produktfoto bekäme dadurch einen zusätzlichen Wert: Es wird zum Reality Check dafür, wie das reale Produkt tatsächlich aussieht.
„Fotografiert“ könnte zum Qualitätsmerkmal werden
Wir halten diese Entwicklung für durchaus realistisch.
Je schwieriger es wird, künstlich erzeugte Bilder von Fotografien zu unterscheiden, desto wichtiger wird die Herkunft eines Bildes.
Interessant ist in diesem Zusammenhang die Entwicklung von Standards wie C2PA (Coalition for Content Provenance and Authenticity) und den sogenannten Content Credentials.
C2PA beschäftigt sich nicht einfach mit der Frage „KI oder nicht?“. Der offene technische Standard soll Informationen über Quelle und Historie digitaler Medien nachvollziehbar machen.
Das ist ein entscheidender Unterschied.
Content Provenance – also die nachvollziehbare Herkunft eines digitalen Inhalts – funktioniert in beide Richtungen.
Nicht nur:
„Dieses Bild wurde mit KI erzeugt.“
Sondern genauso:
„Dieses Bild stammt aus einer fotografischen Produktion.“
Für Marken kann daraus ein zusätzlicher Vertrauensfaktor entstehen.
Vielleicht werden wir auf Produktseiten künftig ganz selbstverständlich erkennen können, welche Bilder fotografiert wurden, welche KI enthalten und welche eine Kombination aus beiden Produktionsformen darstellen.
Nicht als Warnhinweis.
Sondern als Information.
Bei 100 Bildern ist das einfach. Bei 100.000 nicht.
Und genau hier beginnt das eigentliche Problem für Unternehmen.
Bei einigen wenigen Bildern kann ein Mitarbeiter noch nachvollziehen, welches Bild fotografiert, welches generiert und welches mit KI bearbeitet wurde.
Aber was passiert bei tausenden oder zehntausenden Produktbildern?
Welches Bild wurde fotografiert? Welches mit KI erstellt? Welche Metadaten müssen geschrieben werden? Sind die benötigten Informationen überhaupt vorhanden? Und wie können unterschiedliche Anforderungen von Shops, Marktplätzen oder Kunden berücksichtigt werden?
Genau mit dieser Herausforderung beschäftigen wir uns bei Neleon schon länger.
Denn wir produzieren sowohl klassische Produktfotografie als auch KI-Content.
Und deshalb reicht es für uns nicht aus, ein Bild einfach nur auszuliefern.
Seine Herkunft sollte auch technisch nachvollziehbar sein.
Der Neleon Content Prozessor erkennt KI- und Foto-Content automatisch
Dafür haben wir den Neleon Content Prozessor entwickelt.
Das Prinzip dahinter ist einfach:
Unternehmen sollen nicht tausende Bilder manuell prüfen und anschließend einzeln mit den jeweils passenden Metadaten versehen müssen.
Der Neleon Content Prozessor kann automatisch unterscheiden, ob es sich um KI-Content oder fotografischen Content handelt.
Auf Grundlage dieser Erkennung können anschließend die jeweils passenden Metadaten geschrieben werden.
So lassen sich KI-generierte Bilder anders auszeichnen als klassische fotografische Aufnahmen. Entsprechende Informationen können in IPTC- und XMP-Metadaten hinterlegt und die Dateien abhängig von ihrer Herkunft verarbeitet werden.
Der entscheidende Vorteil liegt in der Skalierbarkeit.
Ob hundert, tausend oder zehntausend Bilder verarbeitet werden müssen: Die Entscheidung, welche Metadaten zu welchem Content gehören, muss nicht für jede einzelne Datei von Hand getroffen werden.
Das ist gerade für Fashion-Unternehmen interessant, deren Bildwelten künftig immer häufiger hybrid sein werden.
Denn wahrscheinlich wird es nicht den einen Bildbestand „KI“ und daneben den Bildbestand „Fotografie“ geben.
Beides wird sich mischen.
Genau deshalb muss auch der technische Workflow damit umgehen können.
Aus KI-Kennzeichnung wird Content Management
An diesem Punkt wird das Thema größer als die reine Kennzeichnung von KI-Bildern.
Wenn die Herkunft eines Bildes strukturiert in seinen Metadaten hinterlegt ist, kann diese Information anschließend auch von anderen Systemen genutzt werden.
Ein Shop könnte fotografierte Aufnahmen entsprechend ausweisen. KI-Modelbilder könnten als solche verarbeitet werden. Unterschiedliche Anforderungen von Kunden und Marktplätzen lassen sich berücksichtigen und vorhandene Metadaten können geprüft werden.
Damit wird aus einer vermeintlichen Pflicht ein sinnvoller Bestandteil des Content-Workflows.
Und genau darin sehen wir die eigentliche Chance.
Transparenz sollte nicht erst ganz am Ende einer Content-Produktion stattfinden. Sie sollte Bestandteil der Produktion selbst sein.
Wir machen es bei diesem Artikel genauso
Auch die Bilder in diesem Blogbeitrag werden wir entsprechend ihrer Herkunft kennzeichnen.
Bei einer klassischen fotografischen Aufnahme steht beispielsweise:
Content-Herkunft: Fotografiert
Bei einem vollständig KI-generierten Motiv:
Content-Herkunft: KI-generiert
Und wenn Fotografie und KI miteinander kombiniert wurden:
Content-Herkunft: Fotografie + KI
Nicht, weil wir KI verstecken müssten.
Ganz im Gegenteil.
Wir arbeiten täglich damit und sind von den Möglichkeiten überzeugt.
Wir möchten aber genauso wenig verstecken, wenn ein Bild tatsächlich fotografiert wurde.
Denn beide Produktionsformen haben ihre Berechtigung.
Die Zukunft ist hybrid – und hoffentlich transparenter
KI wird aus der Content-Produktion nicht wieder verschwinden.
Warum sollte sie auch?
Sie eröffnet Fashion-Marken Möglichkeiten, die vor wenigen Jahren noch undenkbar oder schlicht zu teuer waren: mehr Content, mehr Varianten, neue Models und Locations, schnellere Produktionen und eine Skalierbarkeit, die mit rein klassischen Produktionsprozessen kaum erreichbar wäre.
Gleichzeitig beobachten wir ein wachsendes Bedürfnis nach Authentizität und nachvollziehbarer Herkunft.
Dass gerade junge Konsumenten Produkte über TikTok, Instagram und andere Plattformen recherchieren und sich dabei an Fotos, Videos, Reviews und Erfahrungen anderer Nutzer orientieren, ist dafür ein interessantes Signal.
Vielleicht ist deshalb nicht weniger KI die Antwort.
Vielleicht ist mehr Transparenz die Antwort.
Dann müssen wir echte Fotografie und KI nicht gegeneinander ausspielen.
Wir können ein KI-Model nutzen, um ein Produkt attraktiv zu präsentieren. Wir können ein Imagebild generieren, um eine Geschichte zu erzählen. Und gleichzeitig können wir eine fotografierte Produkt- und Detailaufnahme bereitstellen, anhand derer der Kunde das reale Kleidungsstück beurteilen kann.
Und vor allem können wir ihm sagen, was davon was ist.
Genau an dieser Schnittstelle sehen wir bei Neleon die Zukunft moderner Content-Produktion:
Fotografie, KI und automatisiertes Content Management in einem gemeinsamen Workflow.
Der Neleon Content Prozessor sorgt dabei dafür, dass die Herkunft des Contents automatisch erkannt und über die jeweils passenden Metadaten dokumentiert werden kann.
Denn je mehr Bilder wir mit KI erzeugen können, desto wichtiger könnte künftig eine ganz einfache Information werden:
Wie ist dieses Bild entstanden?
Quellen und weiterführende Informationen
Sprout Social – Social Media Search: Everything to Know in 2026
Die Untersuchung nennt unter anderem 41 Prozent Social-first Search bei Gen Z und 90 Prozent, die innerhalb der vergangenen sechs Monate aufgrund von Social-Media-Content einen Kauf getätigt haben.
Quelle: Sprout Social
Sprout Social – New Research: Social Media is the Top Place Gen Z Turns to for Search
Informationen zur zugrunde liegenden Q2 2025 Pulse Survey mit mehr als 2.200 Social-Media-Nutzern aus den USA, Großbritannien und Australien.
Quelle: Sprout Social
Bazaarvoice – Marketing to Gen Z: What the new consumers want
Daten zur Bedeutung von echten Kunden, User Generated Content sowie Produktfotos und Videos für Gen Z.
Quelle: Bazaarvoice
Bazaarvoice – Gen Z and Millennials lead in social commerce trends
Aktuellere Ergebnisse zum Shopping-Verhalten jüngerer Konsumenten, Social Commerce, Reviews, Fotos, Videos und der Suche nach unterschiedlichen Meinungen vor einer Kaufentscheidung.
Quelle: Bazaarvoice, Shopper Preference Report 2025
Europäische Union – EU AI Act, Verordnung (EU) 2024/1689
Insbesondere Artikel 50 zu Transparenzpflichten sowie Erwägungsgrund 133 zu maschinenlesbarer Kennzeichnung, Metadaten und Verfahren zur Herkunftsbestimmung.
Quelle: EUR-Lex / Europäische Union
C2PA – Coalition for Content Provenance and Authenticity
Technischer Standard für Content Provenance und Content Credentials zur nachvollziehbaren Dokumentation von Quelle und Historie digitaler Medien.
Quelle: C2PA
Disclaimer
Dieser Beitrag gibt den aktuellen Informationsstand und unsere Einschätzung zur Entwicklung von KI-Content, Produktfotografie und Content-Kennzeichnung wieder. Er stellt keine Rechtsberatung dar. Anforderungen des EU AI Act und anderer Vorschriften können je nach Inhalt, eingesetztem KI-System und Anwendungsfall unterschiedlich ausfallen. Unternehmen sollten ihre konkreten Prozesse und Kennzeichnungspflichten bei Bedarf rechtlich prüfen lassen.
Schreibe einen Kommentar