Virtuelle Anprobe 2026: generative, 3D- und AR-Ansätze im Vergleich

Virtuelle Anprobe ist nicht eine Technologie, sondern drei. Generative Anprobe nutzt KI-Bildmodelle, um ein Kleidungsstück auf ein Foto der Kundin oder des Kunden zu setzen. 3D-Anprobe erstellt aus Körpermassen einen Avatar und simuliert Kleidungsstücke in verschiedenen Grössen. Augmented Reality (AR) legt ein 3D-Produkt über ein Live-Kamerabild. Generative Tools skalieren am schnellsten, für 3D-Tools gibt es veröffentlichte Belege zu passformbedingten Retouren, und AR bleibt bei Schuhen, Brillen und Accessoires am stärksten.

Was ist virtuelle Anprobe, und warum gibt es unterschiedliche Ansätze?

Jede virtuelle Anprobe versucht, die Unsicherheit der Kundschaft vor dem Kauf zu beantworten, doch diese Unsicherheit ist unterschiedlich. Manche wollen wissen, ob ihnen eine Farbe oder Silhouette steht. Andere wollen wissen, welche Grösse passt. Eine dritte Gruppe möchte ein Produkt, etwa einen Sneaker oder eine Sonnenbrille, in Echtzeit am eigenen Körper sehen. Jede Frage verlangt andere Daten. Deshalb hat sich der Markt in klar unterscheidbare technische Familien aufgeteilt, statt zu einem einzigen Ansatz zusammenzuwachsen.

Wie funktioniert die generative virtuelle Anprobe?

Die generative Anprobe nutzt ein Bildmodell, um ein Bild der Person mit einem Kleidungsstück zu erzeugen. Google ist das prominenteste Beispiel. An seiner Konferenz I/O im Mai 2025 kündigte das Unternehmen ein Anprobe-Experiment an, bei dem Shopper in den USA ein Ganzkörperfoto von sich hochladen und Bekleidungsangebote am eigenen Körper sehen. Google beschrieb ein eigens für Mode entwickeltes Bildgenerierungsmodell, das berücksichtigt, wie Materialien an unterschiedlichen Körpern Falten werfen, sich dehnen und fallen, und erklärte, die Funktion arbeite über Milliarden von Angeboten in seinem Shopping Graph. Im Oktober 2025 berichtete TechCrunch, dass Google die Funktion auf Australien, Kanada und Japan ausgeweitet und Schuhe hinzugefügt habe, und hielt fest, dass Amazon und Walmart ähnliche Funktionen eingeführt hatten.

Die Stärken sind Skalierbarkeit und geringe Hürden. Weil das Modell mit gewöhnlichen Produktbildern arbeitet, kann eine Plattform die Anprobe für einen riesigen Katalog freischalten, ohne für jedes Kleidungsstück ein 3D-Modell zu erstellen. Die Schwäche ist die Präzision. Ein generiertes Bild ist eine plausible Darstellung, keine Messung. Es kann nicht verlässlich zeigen, dass Grösse 38 an den Schultern spannt, Grösse 40 aber nicht, weil das Modell weder die Schnittmasse des Kleidungsstücks noch die Körpermasse der Person kennt.

Lesen Sie auch

PIM erklärt: Warum Produktdaten der verborgene Wert einer Modemarke sind

Worin unterscheidet sich die virtuelle 3D-Anprobe?

Die 3D-Anprobe geht von Massen aus. Der Körper der Person wird als Avatar dargestellt, der aus gemessenen oder vorhergesagten Massen entsteht, und das Kleidungsstück mit seiner tatsächlichen Grössenspezifikation und idealerweise mit seinen Stoffeigenschaften. Das System kann dann zeigen, wie verschiedene Grössen desselben Artikels an diesem Körper sitzen.

Zalando hat im Fashion-E-Commerce die meisten Details zu diesem Ansatz veröffentlicht. In einem Unternehmensbeitrag vom Juni 2026 hiess es, seine virtuelle Umkleidekabine nutze Körpermasse, um einen 3D-Avatar zu erstellen, damit Kundinnen und Kunden vergleichen können, wie verschiedene Grössen desselben Artikels aussehen könnten. Der Händler wies darauf hin, dass ein einzelner Jeans-Style in mehr als 30 Grössenkombinationen erhältlich sein kann und dass rund 21 Prozent seiner Kundinnen und Kunden jedes Jahr Jeans kaufen. Er berichtete, dass jüngste Pilotprojekte die Retourenquoten um bis zu 40 Prozent senkten, und nannte als Ziel für 2026, das Angebot allen Kundinnen und Kunden zugänglich zu machen und das Sortiment auszubauen. Die zugrunde liegenden Körpermasse stammen aus einem smartphonebasierten Tool, das mit zwei Fotos oder einem Video arbeitet und das laut Zalando mehr als 1,5 Millionen Kundinnen und Kunden ausprobiert haben.

Der Preis des 3D-Ansatzes sind die Daten. Jeder Style braucht genaue Masse für jede Grösse, und ein überzeugender Fall braucht Stoffinformationen. Deshalb wird die 3D-Anprobe in der Regel Kategorie für Kategorie eingeführt, oft beginnend mit Artikeln wie Jeans, bei denen die Passform die meisten Retouren verursacht.

Welche Rolle spielt die Anprobe mit Augmented Reality?

Die AR-Anprobe nutzt die Smartphone-Kamera, um ein 3D-Modell eines Produkts in Echtzeit am Körper der Person zu platzieren. Am wirksamsten ist sie bei formstabilen oder halbstabilen Produkten, deren Form sich beim Tragen kaum verändert. Die virtuelle Schuhanprobe von Amazon, im Juni 2022 in der iOS-Shopping-App in den USA und Kanada lanciert, ist ein bekanntes Beispiel: Shopper richten die Kamera auf ihre Füsse, sehen den Schuh an Ort und Stelle, wechseln die Farben und teilen ein Foto. TechCrunch berichtete, dass zum Launch unter anderem Marken wie New Balance, Adidas, Reebok, Puma und Asics unterstützt wurden.

Für weiche Kleidungsstücke eignet sich AR weniger. In Echtzeit auf einem Smartphone zu simulieren, wie ein Kleid an einem sich bewegenden Körper fällt, ist weit schwieriger, als einen Schuh an einem Fuss zu verfolgen, und die Ergebnisse für Kleidung wirken eher wie Aufkleber als wie Kleidungsstücke. Die Stärke von AR liegt in der Mode deshalb bei Schuhen, Brillen, Uhren, Schmuck und Taschen.

Welcher Ansatz der virtuellen Anprobe senkt die Retouren?

Die veröffentlichten Belege zu Retouren sprechen derzeit für messbasierte Ansätze. Die von Zalando gemeldeten Ergebnisse stammen aus Tools, die Körpermasse, Produktdaten und Retoureninformationen kombinieren, und nicht allein aus Bildgenerierung. Google hat keine Daten dazu veröffentlicht, ob seine generative Anprobe die Retourenquoten verändert, und seine eigene App Doppl enthielt den Hinweis, dass Passform und Kleidungsdetails möglicherweise nicht immer genau sind. Das heisst nicht, dass die generative Anprobe keine Wirkung hat, sondern dass diese Wirkung in öffentlichen Daten nicht belegt ist.

• Ist das Problem die Retoure wegen Grösse und Passform, haben messbasierte Grössenberatung und 3D-Vergleich die stärkere Beleglage.
• Ist das Problem mangelnde Sicherheit bei Stil oder Farbe, kann die generative Anprobe helfen, auch wenn ihre kommerzielle Wirkung öffentlich noch nicht dokumentiert ist.
• Handelt es sich um formstabile Accessoires oder Schuhe, bietet AR ein ausgereiftes Echtzeiterlebnis.
• Ist der Katalog gross und schnelllebig, skalieren Ansätze, die mit bestehenden Bildern arbeiten, leichter als eine 3D-Modellierung pro Style.

Lesen Sie auch

Agenten-Zahlungen und Checkout-Protokolle: Was Modehändler 2026 wissen müssen

Was sollten Marken vor der Wahl bedenken?

1. Ermitteln Sie den Hauptgrund für Retouren in jeder Kategorie: Dominieren Grösse und Passform, beginnen Sie mit Messdaten statt mit Bildern.
2. Prüfen Sie, welche Produktdaten vorhanden sind: Gradierte Grössenspezifikationen und Stoffeigenschaften sind Voraussetzung für eine glaubwürdige 3D-Passform.
3. Überlegen Sie, wo die Anprobe stattfinden wird: auf der eigenen Website der Marke oder auf Plattformen wie Suchmaschinen und Marktplätzen, die die Bilder der Marke verwenden.
4. Planen Sie Einwilligung und Datenschutz ein, denn alle drei Ansätze verarbeiten Fotos oder Körperdaten der Kundschaft.
5. Messen Sie die Ergebnisse nach Kohorten, indem Sie Retourenquoten und Conversion von Kundinnen und Kunden, die die Anprobe nutzen, mit jenen vergleichen, die das nicht tun.

An den Rändern wachsen die Ansätze zusammen: 3D-Systeme ergänzen generatives Rendering für mehr Realismus, und generative Systeme werden künftig wahrscheinlich auf mehr strukturierte Grössendaten zurückgreifen. Vorerst erzielen Marken die besten Ergebnisse, wenn sie die Methode auf die konkrete Frage der Kundschaft abstimmen, die sie beantworten müssen.