Können 3D-Kleidungsstücke und KI-Bilder 2026 E-Commerce-Fotoshootings ersetzen?

Teilweise, und schneller als viele erwartet haben. 2026 berichten grosse Onlinehändler wie Zalando und About You, dass sie den Grossteil der Produktfotografie im Studio durch KI-generierte Bilder ersetzt haben, wobei About You eine Senkung der Ausgaben um rund 90 Prozent nennt. Der Ersatz ist jedoch überwiegend generative KI auf Basis echter Produktfotos, nicht physikbasierte 3D-Kleidungsstücke. 3D zählt weiterhin dort, wo ein Bild ein Produkt genau zeigen muss, bevor es existiert, und beide Ansätze werfen Fragen zu Genauigkeit, Arbeit und Recht auf.

Was hat sich bei E-Commerce-Bildern seit 2025 verändert?

Die deutlichsten Belege kommen von den grossen Plattformen. FashionUnited berichtete im März 2026, dass Zalando seinen KI-generierten Produktcontent 2025 innerhalb eines Jahres von fast null auf 90 Prozent ausgebaut, die Erstellungszeit für Kampagnen von sechs Wochen auf wenige Tage verkürzt und die Zahl der Content-Elemente um 70 Prozent erhöht hat. Am Partner Day von Zalando im September 2026 berichtete WWD, dass About You seine Ausgaben für die Produktpräsentation durch den Einsatz generativer KI statt Fotografie um rund 90 Prozent gesenkt habe, was bei einem Budget von etwa 7 Millionen Euro pro Jahr rund 6 Millionen Euro einspare.

WWD berichtete zudem, dass Zalando und About You die eigenen Studios, die sie zuvor für Content und Produktbilder im Katalogstil betrieben, beide fast vollständig aufgegeben haben. Gemäss Tarek Mueller von About You begann die Arbeit rund 18 Monate zuvor, und ein Durchbruch etwa sechs Monate vor der Veranstaltung habe dazu geführt, dass KI nicht nur Kosten senke, sondern auch die Conversion erhöhe. Content mit echten Persönlichkeiten, etwa mit der Markenbotschafterin von Zalando, wurde als einer der wenigen Bereiche genannt, in denen keine KI eingesetzt wird.

Ist das 3D oder generative KI?

Die Unterscheidung ist für die Planung wichtig. Physikbasierte 3D-Kleidungsstücke werden aus Schnitten und gemessenen digitalen Stoffen aufgebaut und simulieren Passform und Fall. Generative KI-Bilder gehen typischerweise von Fotos des echten Produkts aus und platzieren es an Models, in Posen oder vor Hintergründen, die nie gemeinsam fotografiert wurden. Die Grenze verschwimmt, seit Software für die Produktentwicklung Bildgenerierung ergänzt: Das im Mai 2026 lancierte AI Studio von Centric Software erzeugt commercefähige Bilder, die mit aktuellen PLM-Produktdaten und Freigabe-Workflows verbunden sind. Für Käufer ist weniger relevant, welche Technik zum Einsatz kommt, als wovon jedes Bild abgeleitet ist und ob diese Quelle eine freigegebene Produktversion ist.

Diese Nachvollziehbarkeit unterscheidet eine operative Content-Pipeline von Experimenten. Ein Bild, das aus dem Foto eines Vorproduktionsmusters oder aus einer später geänderten 3D-Datei erzeugt wurde, kann Details zeigen, die es im finalen Produkt nicht mehr gibt.

Lesen Sie auch

Was spart 3D-Sampling wirklich? Musterkosten, Durchlaufzeiten und CO2

Wo sind 3D-Kleidungsstücke für Bilder weiterhin sinnvoll?

• Vor dem Launch und bei Pre-Order: Styles in Wholesale-Line-Sheets oder auf Vorbestellseiten zeigen, bevor Produktionsmuster existieren.
• Vervielfachung von Farbvarianten: jede Farbe eines Styles aus einem 3D-Kleidungsstück rendern, statt jede einzeln zu fotografieren.
• Technische Detailansichten: konsistente Nahaufnahmen, Ghost-Mannequin-Ansichten oder 360-Grad-Ansichten aus derselben Datei erzeugen.
• Marken mit bestehender 3D-Praxis: Wo 3D-Dateien bereits aus der Entwicklung vorliegen, ist ihre Wiederverwendung für Bilder mit geringen Zusatzkosten verbunden.

Wo Produkte ohnehin aus anderen Gründen fotografiert werden oder wo sich Textur und Fall schwer simulieren lassen (Strick, transparente Stoffe, aufwendige Verzierungen), lassen sich generative Ansätze auf Basis echter Fotos derzeit leichter skalieren.

Welche Risiken birgt der Ersatz von Fotoshootings?

Das erste Risiko ist die Genauigkeit. Ein Bild, das einen Ausschnitt, die Grösse eines Drucks oder eine Farbe subtil verändert, erzeugt genau die Erwartungslücke, die zu Retouren führt. Die Qualitätskontrolle sollte generierte Bilder mit dem freigegebenen Produkt vergleichen und die Farbe an physischen Referenzen prüfen.

Das zweite betrifft Menschen. Der Ansatz von H&M zeigt einen möglichen Weg: Das Unternehmen kündigte im März 2025 Pläne für digitale Zwillinge von Models an und veröffentlichte die ersten Bilder im Juli 2025, in Zusammenarbeit mit Model und Fotograf, und beschrieb den Prozess als kooperativ und transparent. Rechte am Abbild eines Models, Vergütung und die Arbeitsplätze von Fotografinnen und Fotografen, Stylistinnen und Stylisten sowie Studioteams sind reale Fragen, die Marken offen angehen müssen.

Das dritte ist die Regulierung. Gemäss Artikel 50 der EU-KI-Verordnung müssen Anbieter generativer KI-Systeme synthetische Bildergebnisse in einem maschinenlesbaren Format kennzeichnen, mit einer Frist bis 2. Dezember 2026 für Systeme, die bereits vor dem 2. August 2026 auf dem Markt waren, und Inhalte, die realen Personen erkennbar ähneln, müssen als KI-generiert offengelegt werden. Marken sollten mit ihren Tool-Anbietern klären, wie die Kennzeichnung funktioniert und wann eine Kennzeichnung auf der eigenen Website nötig ist.

Wie sollten Marken den Return on Investment beurteilen?

Die Kostenseite lässt sich am einfachsten messen: Studio-, Muster-, Model- und Postproduktionskosten pro Style gegenüber Kosten für Tools, Rechenleistung und Prüfung. Die Umsatzseite braucht kontrollierte Tests, weil die von grossen Plattformen berichteten Conversion-Effekte nicht unbedingt auf kleinere Marken mit anderem Traffic übertragbar sind. Ein nüchterner Business Case umfasst:

1. Aktuelle Kosten und Vorlaufzeit pro Style für Bilder, nach Kategorie.
2. Anteil der Styles, bei denen generierte Bilder die Qualitätsprüfung ohne Nacharbeit bestehen.
3. Conversion- und Retourenquoten von KI- oder 3D-Bildern gegenüber Fotografie in A/B-Tests.
4. Kosten der Governance: Prüfzeit, Rechteverwaltung und Kennzeichnung.
5. Auswirkungen auf Wholesale-Partner, die eigene Bildanforderungen haben können.

Lesen Sie auch

ROI eines digitalen Showrooms: So erstellen Sie den Business Case für Kosten und Sell-in

Was sollten Marken als Nächstes tun?

Beginnen Sie mit einer Kategorie, deren Produkte einfach sind und heute gut fotografiert werden, setzen Sie generierte Bilder parallel zu bestehenden Fotos ein und messen Sie Genauigkeit, Conversion und Retouren. Behalten Sie echte Fotografie für Hero-Content und Produkte, bei denen die Textur verkauft. Und bauen Sie die Governance (Einwilligung, Kennzeichnung, Freigabe) vor der Skalierung auf, nicht danach.