Virtual Try-on in der Mode: Wie funktioniert es und senkt es die Retouren?
Generative KI kann ein Kleidungsstück inzwischen auf einem Foto der Kundin oder des Kunden zeigen. Das hilft bei Stilentscheidungen, doch Passform und Grösse sind ein anderes Problem. Was die Technologie leistet, was sie braucht und was die Belege sagen.
DAS WICHTIGSTE Zusammenfassung der Redaktion
- Virtual Try-on nutzt Computer Vision oder generative KI, um zu zeigen, wie ein Kleidungsstück auf dem eigenen Foto einer Person oder auf einem Avatar aussehen würde.
- Google führte im Juli 2025 in den USA KI-gestütztes Virtual Try-on in der Suche, in Google Shopping und in Google Bilder ein. Es beruht auf einem Diffusionsmodell, das darauf trainiert ist zu verstehen, wie Stoffe an unterschiedlichen Körpern fallen und sich dehnen.
- Die meisten bildbasierten Try-on-Tools zeigen Aussehen und Stil, nicht aber, ob eine bestimmte Grösse passt, und genau das ist der wichtigste Treiber von Retouren in der Mode.
- Zalando berichtete 2023, dass Artikel mit seiner Grössenberatung 10 Prozent weniger grössenbedingte Retouren aufwiesen als vergleichbare Artikel ohne; diese Zahl betrifft die Grössenberatung, nicht das visuelle Try-on.
- Try-on-Tools verarbeiten Körperbilder. Marken brauchen deshalb klare Datenschutzhinweise, Datenminimierung und einen Messplan, der Retouren erfasst und nicht nur Engagement.
Virtual Try-on ermöglicht es Online-Kundinnen und -Kunden, ein Kleidungsstück vor dem Kauf auf einem Bild von sich selbst oder auf einem digitalen Avatar zu sehen. Moderne Systeme nutzen generative KI, um darzustellen, wie ein Stoff an einem bestimmten Körper fällt. Sie helfen bei der Beurteilung von Stil und Farbe, beantworten aber meist nicht zuverlässig die Frage, die Retouren verursacht: Passt mir diese Grösse?
Was ist Virtual Try-on in der Mode?
Virtual Try-on (VTO) ist eher eine Familie von Technologien als ein einzelnes Produkt. Augmented-Reality-Filter legen Artikel wie Sonnenbrillen, Make-up oder Sneaker über ein Live-Kamerabild. Avatarbasierte Umkleiden bauen aus Körpermassen einen 3D-Körper und kleiden ihn in ein 3D-Kleidungsstück. Der neueste Ansatz, das bildbasierte generative Try-on, nimmt ein Foto der Person und ein Foto des Produkts und erzeugt daraus ein neues Bild, auf dem die Person das Produkt trägt.
| Ansatz | Funktionsweise | Am besten geeignet für | Wichtigste Einschränkung |
|---|---|---|---|
| AR-Overlay | Erfasst Gesicht, Füsse oder Hände im Live-Kamerabild und legt ein 3D-Modell darüber | Brillen, Schuhe, Accessoires, Beauty | Schwach bei weiten oder fliessenden Kleidungsstücken |
| 3D-Avatar-Anprobe | Erstellt aus Grösse, Gewicht oder Körpermassen ein Körpermodell und simuliert ein 3D-Kleidungsstück | Visualisierung der Passform, wo Artikelspezifikationen vorliegen | Braucht exakte 3D-Daten je Modell und Grösse |
| Generatives Bild-Try-on | Ein Diffusionsmodell rendert das Produkt auf ein Foto der Person | Stil- und Farbentscheidungen im grossen Massstab | Bildet meist keine bestimmten Grössen ab |
| Grössenempfehlung | Prognostiziert die beste Grösse aus Kauf- und Retourenhistorie und Artikeldaten | Senkung grössenbedingter Retouren | Nicht visuell; abhängig von einheitlichen Grössendaten |
Wie funktioniert generatives Virtual Try-on mit KI?
Generative Try-on-Systeme beruhen in der Regel auf Diffusionsmodellen, derselben Modellfamilie, die auch für die KI-Bildgenerierung genutzt wird. Das Modell lernt aus einer grossen Zahl von Bildern von Menschen und Kleidungsstücken, wie Körper geformt sind und wie Materialien Falten werfen, sich dehnen und fallen. Bei der Anwendung erhält es zwei Inputs, die Person und das Kleidungsstück, und erzeugt ein neues Bild, das Pose und Merkmale der Person beibehält und dabei die Kleidung ersetzt.
Google ist das prominenteste Beispiel im grossen Massstab. Auf seiner Entwicklerkonferenz im Mai 2025 stellte das Unternehmen in Search Labs ein Try-on-Experiment vor, bei dem Nutzer ein Ganzkörperfoto hochladen und das, laut TechCrunchs Wiedergabe der Beschreibung von Google, ein neues Diffusionsmodell für Mode nutzte, das verstehen soll, wie verschiedene Materialien an unterschiedlichen Menschen Falten werfen und sich dehnen. Am 24. Juli 2025 führte Google die Funktion in den USA breiter ein, in den Produktergebnissen von Suche, Google Shopping und Google Bilder. Nutzer können bei Bekleidungsangeboten auf "Anprobieren" tippen und die generierten Looks teilen.
Google hat zudem ein persönlicheres Format getestet. Die experimentelle App Doppl nutzt laut TechCrunch dieselbe generative Technologie, ergänzt sie aber um eine tiefere Personalisierung und KI-generierte Videos, die zeigen, wie Outfits in Bewegung aussehen könnten. Für Marken liegt die Bedeutung weniger in der App selbst als darin, dass Try-on in Suchmaschinen und Plattformen einzieht, die sie nicht kontrollieren, und dort die Qualität ihrer eigenen Produktbilder und Daten bestimmt, wie ihre Kleidungsstücke dargestellt werden.
Senkt Virtual Try-on die Retouren?
Das ist die zentrale kommerzielle Frage, und die ehrliche Antwort lautet, dass öffentliche, unabhängige Belege rar sind. Viele veröffentlichte Zahlen zur Senkung von Retouren stammen von Technologieanbietern und sind nicht unabhängig überprüft. Drei Punkte sind besser belegt:
- Die Grösse ist das Kernproblem. Wissenschaftliche Arbeiten zum Virtual Try-on halten fest, dass die meisten bestehenden Tools einem standardisierten Ansatz folgen, der die Auseinandersetzung mit Grösse und Passform begrenzt und keine verwertbare Grössenberatung bietet. Ein Forschungsprototyp von 2024, SiCo, liess Nutzer verschiedene Grössen auf ihrem eigenen Bild visualisieren, und die Teilnehmenden der Nutzerstudie berichteten von mehr Sicherheit bei der Grössenwahl.
- Grössenberatung hat messbare Effekte. Als Zalando 2023 in 25 Märkten eine 3D-Avatar-Umkleide für Jeans pilotierte, meldete das Unternehmen, dass Artikel mit seiner Grössenberatung 10 Prozent weniger grössenbedingte Retouren aufwiesen als vergleichbare Artikel ohne Beratung. Das ist ein Beleg für Grössenempfehlungen, nicht für visuelles Try-on.
- Stilsicherheit kann helfen. Eine Farbe oder Silhouette am eigenen Körper zu sehen, kann Retouren mit der Begründung "sieht an mir anders aus" verringern, doch Marken sollten dies mit ihren eigenen Daten testen.
Welche Daten und welche Integration braucht Virtual Try-on?
- Saubere Produktbilder: frontal aufgenommene, gut ausgeleuchtete Bilder vor neutralem Hintergrund liefern generativen Modellen den besten Input.
- Kleidungsmasse je Grösse: unverzichtbar für jeden Ansatz, der die Passform und nicht nur das Aussehen zeigen will.
- Kategorieumfang: Generatives Try-on funktioniert am besten bei Oberteilen, Kleidern, Hosen und Röcken; Googles erstes Experiment umfasste Hemden, Hosen, Röcke und Kleider.
- Performance und mobile Nutzerführung: Generierungszeit sowie Kamera- oder Upload-Abläufe beeinflussen die Nutzung stark.
- Daten zu Retourengründen: nötig, um zu beurteilen, ob das Tool die Gründe verändert, die Kundinnen und Kunden bei Retouren angeben.
Welche Risiken bestehen bei Datenschutz und Genauigkeit?
Try-on-Tools verarbeiten Ganzkörperfotos, und manche ermitteln Körpermasse. Marken sollten diese als sensible personenbezogene Daten behandeln: klar erklären, was wie lange gespeichert wird, Bilder löschen, sobald sie nicht mehr benötigt werden, und sie nicht ohne Rechtsgrundlage für andere Zwecke weiterverwenden. Identifiziert ein Tool Personen anhand von Gesichtsmerkmalen, können strengere Vorschriften für biometrische Daten gelten.
Die Genauigkeit ist das zweite Risiko. Ein generiertes Bild kann ein Kleidungsstück vorteilhafter oder anders sitzend erscheinen lassen als das reale Produkt. Verlassen sich Kundinnen und Kunden auf eine allzu optimistische Darstellung, kann Try-on Enttäuschungen eher vergrössern als verringern. Eine klare Kennzeichnung, dass das Bild KI-generiert und eine Annäherung ist, hilft, Erwartungen zu steuern.
Sollte eine Modemarke in Virtual Try-on investieren?
Für die meisten Marken hat eine präzise Grössenberatung auf Basis von Kleidungsmassen und Retourendaten Vorrang, weil sie die Hauptursache von Retouren angeht. Visuelles Try-on ist zunehmend über grosse Plattformen und Suchmaschinen verfügbar. Marken sollten deshalb zuerst sicherstellen, dass ihre Produktbilder und Daten gut genug sind, um dort überzeugend dargestellt zu werden. Ein eigenes Try-on-Erlebnis aufzubauen, ist für Marken sinnvoll, die in visuell geprägten Kategorien hohe Retourenquoten haben, über genügend Traffic für aussagekräftige Tests verfügen und die nötigen Produktdaten besitzen.
Häufige Fragen
Wie funktioniert KI-gestütztes Virtual Try-on?
Generatives Try-on nutzt ein Diffusionsmodell, das gelernt hat, wie Körper und Stoffe aussehen. Es nimmt ein Foto der Person und ein Bild des Kleidungsstücks und erzeugt ein neues Bild, auf dem die Person es trägt. Andere Ansätze nutzen AR-Overlays oder 3D-Avatare.
Senkt Virtual Try-on die Retouren in der Mode?
Unabhängige Belege sind begrenzt, und viele veröffentlichte Zahlen stammen von Anbietern. Die meisten visuellen Try-on-Tools zeigen den Stil und nicht die Passform, während die Grösse eine Hauptursache für Retouren ist. Zalando meldete 10 Prozent weniger grössenbedingte Retouren bei Artikeln mit Grössenberatung, was ein anderes Tool ist.
Ist Googles Virtual Try-on in Europa verfügbar?
Google führte seine KI-Try-on-Funktion im Juli 2025 in den USA in Suche, Shopping und Bilder ein. Marken sollten die aktuelle Dokumentation von Google zur Verfügbarkeit in anderen Märkten prüfen, da sich der Stand der Einführung laufend ändert.
Was brauchen Marken für Virtual Try-on?
Hochwertige Produktbilder, Kleidungsmasse je Grösse, wenn die Passform gezeigt werden soll, klare Datenschutzhinweise für Körperfotos und ein Testdesign, das die Retourenquoten mit einer Holdout-Gruppe vergleicht.
Eine Ausgabe an jedem Werktag. In fünf Minuten gelesen. Kostenlos für Branchenprofis.
