KI-Produktbilder und KI-Models verändern gerade, wie Mode im Online-Shop gezeigt wird. Je echter diese Bilder wirken, desto öfter stellt sich für Kundinnen und Kunden eine Frage, die bisher kaum jemand gestellt hat: Welches Bild zeigt eigentlich noch die Wirklichkeit?
Ein Beispiel: Ein Kleid an einem Model, fotografiert in Kopenhagen, bei weichem Abendlicht. Nur war das Model nie in Kopenhagen, und vielleicht gibt es das Model gar nicht. Vor ein paar Jahren klang das nach Zukunft, heute ist es Alltag in der Content-Produktion. Aus einem fotografierten Kleidungsstück entstehen neue Modelbilder, die Location wird ausgetauscht, und für ein Kampagnenmotiv muss kein Team mehr verreisen.
Wir arbeiten bei Neleon jeden Tag mit KI und sehen, wie stark sich Produktionen dadurch verändern. Richtig eingesetzt macht KI Produktcontent schneller und flexibler, und manche Bildwelten werden überhaupt erst bezahlbar. Trotzdem glauben wir nicht, dass KI die Produktfotografie ersetzt. Wir erwarten eher das Gegenteil: Je mehr KI-Content es gibt, desto wertvoller wird die Information, was man eigentlich gerade sieht.
→ Synthetic Media im Glossar nachschlagen
Gen Z googelt ein Produkt nicht unbedingt. Sie sucht auf TikTok
Besonders deutlich zeigt sich das bei jüngeren Kundinnen und Kunden. Wer wissen will, wie eine Jacke wirklich sitzt oder wie ein Kleid in Bewegung fällt, schaut längst nicht mehr nur auf die Produktseite. Gesucht wird auf TikTok, Instagram und YouTube, dazu kommen Bewertungen, Kommentare und Fotos anderer Käufer.
Nach einer Umfrage von Sprout Social beginnen 41 Prozent der Gen Z ihre Suche am liebsten in sozialen Netzwerken, klassische Suchmaschinen kommen dort auf 32 Prozent. 90 Prozent gaben an, in den letzten sechs Monaten etwas gekauft zu haben, weil sie es in sozialen Medien gesehen hatten. Für diese Gruppe ist Social Media selbst zur Suchmaschine geworden, vor allem für Produkte und Empfehlungen.
Dort finden sie, was im perfekt inszenierten Shop oft fehlt: das Produkt im echten Leben. Das Handyvideo vor dem Spiegel, die Jacke bei Tageslicht, der Sneaker nach ein paar Wochen Benutzung. Weniger schön produziert, aber nah an der Wirklichkeit.
Bazaarvoice kommt zu ähnlichen Ergebnissen. 82 Prozent der befragten Gen-Z-Konsumenten vertrauen einer Marke mehr, wenn in der Werbung echte Kunden zu sehen sind, und 70 Prozent finden Produktfotos und Produktvideos besonders hilfreich beim Kauf. Neuere Zahlen derselben Quelle zeigen, dass fast 80 Prozent von Gen Z und Millennials Social Media in ihren Einkauf im Onlineshop einbeziehen. Sie vergleichen Bewertungen, suchen weitere Meinungen und achten auf Fotos und Videos anderer Nutzer.
Professionelle Produktbilder werden dadurch nicht unwichtig. Neben der Inspiration suchen viele Käufer aber etwas Zweites: die Bestätigung, dass das Produkt in der Wirklichkeit hält, was die Bilder versprechen.
Gleichzeitig werden KI-Produktbilder immer besser
Zugleich verschwimmt die Grenze zwischen Foto und KI-Bild. KI-Models wirken immer echter, Kleidungsstücke lassen sich auf andere Models übertragen, aus Studioaufnahmen entstehen Imagebilder, und Hintergründe lassen sich austauschen. Eine Marke kann so Bilder für verschiedene Zielgruppen und Märkte ausspielen, ohne für jede Variante ein neues Shooting zu organisieren. Hier hilft KI wirklich.
Die eigentliche Frage ist für uns deshalb nicht, ob KI oder Fotografie besser ist. Wichtiger ist, welche Aufgabe ein Bild erfüllen soll.
KI kann inspirieren. Fotografie kann bestätigen.
Ein KI-Modelbild zeigt sehr gut, wie ein Kleidungsstück getragen wirkt. Ein generiertes Imagebild erzählt eine Geschichte, und eine neue Location gibt einer Kollektion eine andere Bildsprache. Ein echtes Produktfoto kann dagegen etwas, das ein generiertes Bild nicht kann: Es zeigt das Produkt, das tatsächlich im Lager liegt. Wie sieht das Material aus, wie verlaufen die Nähte, wie wirkt die Farbe bei echtem Licht?
Deshalb sehen wir KI und Fotografie nicht als Konkurrenten. KI bringt Tempo und Varianten, die Fotografie liefert die verlässliche Vorlage. Und wenn Kundinnen und Kunden ohnehin auf TikTok oder in Bewertungen nach echten Bildern suchen, können Online-Shops diesen Abgleich mit der Wirklichkeit auch selbst anbieten.
Das führt zu einer Frage, die bisher erstaunlich selten gestellt wird.
Warum kennzeichnen wir eigentlich nur KI-Bilder?
In der Diskussion um KI-Kennzeichnung geht es meist darum, künstlich erzeugte oder veränderte Inhalte erkennbar zu machen. Mit dem EU AI Act ist das Thema verbindlich geworden: Seit dem 2. August 2026 gelten die Transparenzpflichten aus Artikel 50. Anbieter von KI-Systemen, die Bilder, Videos, Audio oder Texte erzeugen, müssen dafür sorgen, dass diese Ausgaben maschinenlesbar als künstlich erzeugt erkennbar sind. Für generative KI-Systeme, die schon vor dem 2. August 2026 auf dem Markt waren, gilt diese Pflicht ab dem 2. Dezember 2026. Als mögliche Verfahren nennt die Verordnung unter anderem Metadaten, Wasserzeichen und kryptografische Methoden.
Welche Pflichten ein Unternehmen konkret hat, hängt vom Inhalt, vom Workflow und vom Anwendungsfall ab. Nicht jedes Produktbild, an dem KI beteiligt war, muss automatisch sichtbar gekennzeichnet werden.
Wir finden, dass man den Gedanken weiterführen sollte. Warum sagen wir nur, was KI ist, und nicht auch, was fotografiert wurde? Ein Online-Shop könnte in seiner Produktgalerie klar trennen zwischen KI-generiertem Modelbild, KI-generiertem Imagebild, fotografierter Produktaufnahme und fotografierter Detailaufnahme. Bilder, die beides verbinden, bekämen den Hinweis „Fotografie + KI“.
Kennzeichnung würde so zur Orientierungshilfe für die Kundschaft. Und das unscheinbare Produktfoto bekäme einen neuen Wert, weil es zeigt, wie das Produkt wirklich aussieht.
„Fotografiert“ könnte zum Qualitätsmerkmal werden
Wir halten das für eine realistische Entwicklung. Je schwerer sich KI-Bilder von Fotos unterscheiden lassen, desto mehr zählt die Herkunft eines Bildes.
Spannend ist dabei der offene Standard C2PA der Coalition for Content Provenance and Authenticity. Die Angaben nach diesem Standard werden oft Content Credentials genannt. Sie dokumentieren Quelle und Bearbeitungsverlauf eines digitalen Inhalts und gehen damit über die Frage hinaus, ob KI im Spiel war.
Ein solcher Herkunftsnachweis funktioniert in beide Richtungen. Er kann zeigen, dass ein Bild mit KI erzeugt wurde, genauso aber, dass es aus einem echten Fotoshooting stammt. Für Marken kann daraus Vertrauen entstehen. Vielleicht erkennt man auf Produktseiten bald ganz selbstverständlich, welche Bilder fotografiert sind, welche KI enthalten und welche beides kombinieren. Als Information, nicht als Warnhinweis.
Bei 100 Bildern ist das einfach. Bei 100.000 nicht.
Bei ein paar Dutzend Bildern weiß ein Mitarbeiter noch, welches fotografiert, welches generiert und welches mit KI bearbeitet wurde. Bei zehntausenden Produktbildern geht das nicht mehr. Dann muss für jede Datei klar sein, woher sie stammt, welche Metadaten sie braucht und welche Vorgaben der jeweilige Shop oder Marktplatz macht.
Mit dieser Frage beschäftigen wir uns bei Neleon schon länger, weil wir beides produzieren: klassische Produktfotografie und KI-Content. Ein Bild einfach auszuliefern reicht uns deshalb nicht. Seine Herkunft soll auch in der Datei selbst nachvollziehbar sein.
Der Neleon Content Prozessor erkennt KI- und Foto-Content automatisch
Dafür haben wir den Neleon Content Prozessor entwickelt. Er erkennt an den Kamera-Metadaten, ob ein Bild fotografiert wurde, und schreibt dann die passende Kennzeichnung in die IPTC- und XMP-Metadaten: „digitalCapture“ für Fotos, „trainedAlgorithmicMedia“ für KI-Bilder. Vor dem Schreiben gibt es eine Vorschau, danach wird jeder Wert noch einmal ausgelesen und geprüft. Je nach Kunde kommen weitere Angaben dazu, etwa Urheber und Copyright oder ein zusätzliches Schlagwort, wenn ein Marktplatz das verlangt.
Der Vorteil liegt in der Menge. Ob hundert oder zehntausend Bilder: Niemand muss für jede Datei einzeln entscheiden, welche Angaben dazugehören. Das wird wichtiger, weil Bildbestände im Fashion-E-Commerce immer häufiger gemischt sind. Es wird kaum einen Ordner „KI“ und daneben einen Ordner „Fotografie“ geben, und der Workflow muss damit umgehen können.
Aus KI-Kennzeichnung wird Content-Management
Damit wird das Thema größer als die reine Kennzeichnung. Steht die Herkunft eines Bildes sauber in den Metadaten, können auch andere Systeme damit arbeiten. Ein Shop kann fotografierte Aufnahmen ausweisen und KI-Modelbilder anders behandeln, und vorhandene Angaben lassen sich gegen die Vorgaben von Kunden und Marktplätzen prüfen. Aus einer Pflicht wird so ein fester Teil des Content-Workflows. Für uns gehört Transparenz deshalb an den Anfang der Produktion und nicht ans Ende.
Wir machen es bei diesem Artikel genauso
Auch die Bilder in diesem Beitrag sind nach ihrer Herkunft gekennzeichnet. „Content-Herkunft: Fotografiert“ steht unter klassischen Aufnahmen, „Content-Herkunft: KI-generiert“ unter vollständig generierten Motiven und „Content-Herkunft: Fotografie + KI“ unter Bildern, die beides verbinden.
Wir müssen KI nicht verstecken, wir arbeiten jeden Tag damit und sind von den Möglichkeiten überzeugt. Genauso wenig wollen wir verstecken, wenn ein Bild wirklich fotografiert wurde. Beides gehört zu unserer Arbeit.
Die Zukunft ist hybrid, und hoffentlich transparenter
KI wird aus der Content-Produktion nicht mehr verschwinden. Sie ermöglicht Modemarken Dinge, die vor wenigen Jahren undenkbar oder zu teuer waren: mehr Varianten, neue Models und Locations, kürzere Produktionszeiten. Gleichzeitig wächst der Wunsch nach Echtheit und nachvollziehbarer Herkunft. Das Verhalten junger Käufer auf TikTok und Instagram zeigt das deutlich.
Vielleicht liegt die Antwort darauf eher in mehr Transparenz als in weniger KI. Dann muss man Fotografie und KI nicht gegeneinander ausspielen. Ein KI-Model präsentiert das Produkt, ein generiertes Imagebild erzählt die Geschichte, und daneben stehen fotografierte Produkt- und Detailaufnahmen, an denen die Kundin oder der Kunde das echte Kleidungsstück beurteilen kann. Dazu ist klar gekennzeichnet, was davon was ist.
Genau dort sehen wir die Zukunft der Content-Produktion: Fotografie, KI und automatisiertes Content-Management in einem Ablauf. Je mehr Bilder sich mit KI erzeugen lassen, desto wichtiger wird eine einfache Information: 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, Bewertungen, 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.
