So bereiten Sie Produktbilder und 3D-Dateien für KI-Tools auf: Formate und Benennung

Um Assets für KI-Tools aufzubereiten, vereinheitlichen Sie die Bilder, wählen 3D-Formate nach dem Einsatzort und benennen jede Datei mit Kennungen, die zu Ihrem Produktstamm passen. KI- und 3D-Tools sind auf Konsistenz angewiesen: dieselben Perspektiven, Hintergründe und Kennungen über eine ganze Kollektion hinweg. Aufwendige Nachbearbeitung ist weniger wichtig als eine klare, wiederholbare Konvention.

Welche 3D-Dateiformate sollten Sie verwenden?

Der Überblick von VNTANA empfiehlt, das Format nach dem Einsatzort zu wählen. GLB, ein offenes Khronos-Format, eignet sich für Web-Viewer und Commerce-Seiten und speichert Geometrie, Materialien, Texturen und Animation in einer Datei. USDZ, von Apple und Pixar, passt zu Augmented Reality auf iOS. FBX wird breit für Animations- und Game-Pipelines und als Austauschformat genutzt, OBJ für den universellen Austausch, wobei OBJ keine Animation unterstützt und Texturen in einer separaten Materialdatei hält. VNTANA rät, von Anfang an richtig zu wählen, da wiederholtes Konvertieren Probleme verursachen kann. Khronos weist darauf hin, dass glTF physikalisch basierte Materialeigenschaften wie Grundfarbe, Rauheit und Metallizität unterstützt und als ISO/IEC 12113:2022 standardisiert wurde.

Tools für das Bekleidungsdesign haben eigene Export-Listen. Marvelous Designer etwa dokumentiert Import und Export von OBJ, FBX, USD und Alembic. Prüfen Sie deshalb, welche Formate Ihr Design-Tool tatsächlich unterstützt, bevor Sie die Pipeline planen.

Wie sollten Produktbilder aufbereitet werden?

Die Richtlinien von Marktplätzen und Plattformen zeigen das Muster. Die visuellen Richtlinien von The Folklore legen ein vertikales Seitenverhältnis von 2:3 fest, ein Hauptbild auf weissem Hintergrund (bei Mode mit Ghost Mannequin) und weitere Aufnahmen von vorne, hinten, den Seiten und Detailnahaufnahmen. Welchen Standard Sie auch wählen: Dokumentieren Sie ihn und wenden Sie ihn auf jeden Style an, mit gleichem Seitenverhältnis, gleichem Hintergrund und gleicher Reihenfolge der Perspektiven. Einheitliche Bilder erleichtern es KI-Tools, Produkte zu klassifizieren, Varianten zu erzeugen oder auf Ihrem eigenen Katalog zu trainieren.

Lesen Sie auch

KI in der Produktentwicklung der Mode: vom Briefing zum Muster

Wie sollten Dateien benannt werden?

Es gibt keine universelle Namenskonvention. Legen Sie also eine fest und halten Sie sich daran. Bilden Sie Namen aus Kennungen des Produktstamms: Stylenummer, Farbcode, Ansicht und Version. Eine Stylenummer identifiziert ein Design, während laut GS1 jede Grössen- und Farbvariante eines verkaufsfähigen Produkts eine eigene GTIN braucht. SPS Commerce ergänzt, dass interne SKUs nur innerhalb eines Unternehmens eindeutig sind und deshalb in Daten, die mit Partnern geteilt werden, nicht an die Stelle von GTINs treten dürfen. Vermeiden Sie Leerzeichen und Sonderzeichen und halten Sie Namen bei Aktualisierung einer Datei stabil, indem Sie stattdessen ein Versionsfeld verwenden.

1. Stylenummer, zum Beispiel ein kurzer alphanumerischer Code aus dem Produktstamm.
2. Farbcode, nicht ein frei formulierter Farbname.
3. Ansicht oder Perspektive aus einer festen Liste (front, back, side, detail).
4. Version oder Datum der Datei.
5. Dateiendung in Kleinbuchstaben.

Welche Prüfungen sollten vor dem Einsatz von KI-Tools erfolgen?

• Bewahren Sie eine unveränderte Masterdatei auf und konvertieren Sie Kopien.
• Vergewissern Sie sich, dass Sie die Rechte besitzen, Bilder und 3D-Assets mit Tools Dritter zu nutzen, und prüfen Sie die Bedingungen jedes Tools zu Datennutzung und Speicherung.
• Testen Sie einen Style durchgängig, bevor Sie eine Kollektion verarbeiten.
• Erfassen Sie Metadaten: Saison, Kategorie, Farbe, Material und die Herkunft des Assets.
• Vergleichen Sie das Ergebnis mit der Vorlage, um Farbverschiebungen zu erkennen, denn die Bildschirmfarbe unterscheidet sich von der Stofffarbe.

Wie lässt sich die Qualität im grossen Massstab prüfen?

Sobald eine Konvention besteht, lässt sich die Qualität automatisch prüfen: Dateinamen, die nicht zum Muster passen, Bilder ausserhalb des vereinbarten Seitenverhältnisses, fehlende Ansichten und 3D-Dateien ohne Texturen können von einem kurzen Skript oder einem Digital-Asset-Management-System markiert werden. Die manuelle Prüfung konzentriert sich dann auf das, was die Automatisierung nicht sieht, etwa Farbtreue und Passform des Kleidungsstücks in einem Rendering.

Führen Sie für jeden Stapel ein einfaches Protokoll: Quelle, Datum, verwendetes Tool und Einstellungen. Verändert ein KI-Tool ein Asset, speichern Sie das Ergebnis als neue Version und behalten Sie das Original. Das ist gute Praxis für Audits und für spätere Fragen nach der Herkunft eines Bildes, was mit der Entwicklung von Transparenzregeln für KI-generierte Inhalte zunehmend relevant wird.

• Führen Sie automatisierte Prüfungen zu Namen, Seitenverhältnissen und Vollständigkeit durch.
• Prüfen Sie eine Stichprobe visuell auf Farbe und Passform.
• Versionieren Sie jedes Ergebnis und behalten Sie das Original.
• Dokumentieren Sie das verwendete Tool und die Einstellungen.

Welche Daten sollten jedes Asset begleiten?

Ein Asset ohne Metadaten lässt sich schwer wiederverwenden. Mindestens sollte jedes Bild oder jede 3D-Datei mit Stylenummer, Farbe, Saison, Kategorie, Material und der GTIN der dargestellten Varianten verknüpft sein. Bei 3D-Kleidungsstücken kommen die vom Modell dargestellte Grösse, die verwendeten Einstellungen der Stoffsimulation und das Datum hinzu. KI-Tools, die Assets klassifizieren, erzeugen oder suchen, arbeiten mit strukturierten Attributen besser, und dieselben Attribute helfen Ihren eigenen Teams, das Gesuchte zu finden.

• Stylenummer, Farbcode und Saison.
• Kategorie, Passform und Material.
• Dargestellte Grösse (bei 3D- und Passformmodellen).
• Rechteinformationen: wer es erstellt hat und wo es verwendet werden darf.
• Version und Datum.

Lesen Sie auch

KI für Produktdaten in der Mode: Attribute, Tech Packs und Anreicherung im grossen Massstab

Was sollten Sie vermeiden?

Vermeiden Sie aufwendige Bearbeitungen, die Farbänderungen fest einrechnen, denn sie machen das Asset zu einer schlechten Dokumentation des Produkts. Vermeiden Sie es, die einzige Kopie in einem proprietären Format zu exportieren, das Ihre künftigen Tools womöglich nicht lesen können: Bewahren Sie neben der Arbeitsdatei ein Austauschformat wie OBJ oder FBX auf. Verlassen Sie sich nicht auf eine einzige Konvertierung für alles, denn VNTANA warnt, dass vielfaches Konvertieren Probleme verursachen kann. Vermeiden Sie schliesslich, unveröffentlichte Kollektionen in externe KI-Tools zu geben, ohne die Bedingungen zu prüfen, denn Assets können vom Anbieter nach dessen eigener Richtlinie gespeichert oder verwendet werden.

Fangen Sie klein an. Bereiten Sie eine Kategorie durchgängig auf, messen Sie, wie lange es dauert und wo Fehler entstehen, und weiten Sie die Konvention erst dann auf den gesamten Katalog aus. Der erste Durchlauf deckt fast immer Lücken bei Benennung oder Metadaten auf, die sich an hundert Dateien günstiger beheben lassen als an zehntausend.