Ein Yuan pro KI-Produktbild – Chengdus Schuhhändler fotografieren trotzdem weiter

Am 5. November lief ein Reporter von Sichuan Observer durch das Damenschuh-Viertel Wuhou in Chengdu. Die Händlerinnen, die gerade live sendeten, antworteten alle gleich: Produktfotos und Kurzvideos werden real fotografiert, und im Livestream steht ein echter Mensch. Eine Händlerin sagte es direkt: Sie habe sich KI-Material angesehen, aber das Ergebnis erfülle nicht, was ein Shop braucht, deshalb setze sie es vorerst nicht ein.
Am selben Tag nannte ein anderer Gesprächspartner seine Preisliste: Der Händler kauft Guthaben bei der Plattform, erzeugt die Produktbilder selbst im System, unter einem Yuan pro Bild. Für ein KI-Kurzvideo unter einer Minute liegt der Höchstpreis bei 1.000 Yuan, verhandelbar nach Schwierigkeit.
Legt man beide Antworten nebeneinander, zeigt sich die Preisdifferenz. Im Fotostudio kostet ein retuschiertes Außenfoto mit Model rund 200 Yuan, ein Produktvideo von zehn bis zwanzig Sekunden meist zwischen 600 und über 1.000 Yuan. Beim Bild ist die KI also zwei Größenordnungen billiger; beim Video liegen beide Seiten exakt auf demselben Preis.
So billig und trotzdem nicht ersetzt: Der Händler kauft keine Abbildung, er kauft etwas, das direkt verwendbar ist. Ein Bild allein ist dieses Geld nicht wert.
Billig ist die Generierung, teuer ist der fehlerfreie Fall
Was Damenschuhe bildlich verlangen, ist für Laien schwer nachzuvollziehen. Wie Leder unter dem Licht reflektiert, ob die Wölbung der Schuhspitze verzogen ist, ob die Nahtdichte stimmt, ob das Verhältnis von Absatz und Wade am Fuß realistisch wirkt – diese Details entscheiden, ob ein Käufer drei Sekunden länger auf der Produktseite bleibt. Genau hier ging in den letzten zwei Jahren die KI-Generierung am häufigsten schief: Sie malt ein sehr schönes Paar Schuhe, nur ist es selten das Paar, das man verkauft.
Deshalb sagt die Händlerin, das Ergebnis erreiche den Bedarf nicht. Hinter diesem Satz steht eine Retourenquote, keine ästhetische Empfindlichkeit. Wenn der Schuh auf dem Bild nicht der gelieferte ist, folgen Plattformentscheidung, Rücksendung, schlechte Bewertungen – und die Kosten liegen weit über den gesparten gut 190 Yuan.

Beim Kurzvideo entsteht der Abstand aus einem ähnlichen Grund nicht. Die KI berechnet für eine Sequenz unter einer Minute bis zu 1.000 Yuan, der reale Dreh von fünfzehn bis zwanzig Sekunden liegt bei 600 bis über 1.000 Yuan. Bei ähnlichem Preis hat der Händler keinen Grund, eine funktionierende Produktionskette zu ersetzen: Der Dreh garantiert, dass der Schuh der Schuh ist, der Mensch der Mensch, das Licht das Licht – und liefert nebenbei echtes Anprobier-Feedback.
Wer heute tatsächlich KI-Material ordert, sind daher meist Branchen, die es mit der Produkttreue nicht so streng nehmen, oder Anfragen nach reiner Atmosphäre: Stimmungsbilder, erweiterte Kulissen, neuer Hintergrund zum Feiertag. In der Straße von Wuhou warten die Händler lieber auf ein Studioshooting, als mit einem hübschen, aber beschwerdeanfälligen Bild Traffic zu kaufen.
Der Satz der Kundin ist in Wahrheit eine Kennzeichnungspflicht
Im Bericht ist die Haltung der Kunden keine Ablehnung. Es gibt nur eine Sorge: dass die Ware nicht zum Bild passt. Eine Kundin sagte, sie akzeptiere KI-Bilder, solange die Darstellung das Produkt wahrheitsgemäß wiedergibt und mit dem realen Artikel übereinstimmt.
Das klingt nach Vorliebe, juristisch ist es eine Pflicht. Die Regelung zur Kennzeichnung KI-generierter und KI-synthetisierter Inhalte verlangt von Plattformen, die solche Dienste anbieten, eine Kennzeichnung der Inhalte. Für den Veröffentlicher heißt das: Wer KI-generierte oder -synthetisierte Inhalte publiziert, besonders in Werbung, Marketing und Verkaufsförderung, muss von sich aus den Hinweis „KI-generiert/KI-synthetisiert“ anbringen.
Der befragte Anwalt Chen Zujun ergänzt zwei Ebenen. Erstens die Haftung: KI ist nur ein Hilfsmittel der Gestaltung und befreit den Verwender nicht automatisch von rechtlicher Verantwortung; generierte Inhalte können Urheber-, Bild- oder Namensrechte Dritter verletzen und irreführende Werbung oder unlauteren Wettbewerb darstellen. Zweitens die Lizenz: Manche KI-Werkzeuge beschränken private Nutzung, kommerzielle Nutzung und Materiallizenzen ausdrücklich. Vor dem kommerziellen Einsatz sind Nutzungsbedingungen und Lizenzumfang zu prüfen und die Nachweise aufzubewahren.
Beide Ebenen werden in einer konzentrierten Kampagnenphase wie dem Double 11 besonders leicht zum Problem. Ein Shop fährt Dutzende Motive gleichzeitig, der Operator klickt zwei Mal im Backend und hat eine neue Version, und niemand prüft Zeile für Zeile die kommerziellen Klauseln des Generators. Wenn die Marke beschwert wird, zieht man einen Stapel Bilder hervor, von denen niemand weiß, aus welchem Konto sie stammen.
In derselben Woche rechneten die Designer anders
Anfang November fand die zehnte Zcool Design Week statt, passend zum zwanzigjährigen Bestehen der Plattform. Das Motto war ein verneinender Satz: „In der KI-Ära gestalte ich nicht so.“ Über tausend Designer kamen, und der Schwerpunkt der Debatte lag anders als vor zwei Jahren. Früher stritt man, ob man die Werkzeuge nutzen soll; in diesem Jahr hieß es, „KI ist normal geworden, so wie niemand mehr über Photoshop spricht“.
Der Digitalkünstler Tudou_man nannte auf dem Podium einen Vergleich: Als er in der Werbebranche arbeitete, konnte ein hochwertiger Illustrator für ein Werk 50.000 bis 200.000 Yuan verlangen; heute erreichen nur wenige solche Summen. Der Grund ist nicht kompliziert: Was zu leicht kommt, lässt sich beim Kunden schwer als Wert verteidigen.
Die anderen Zahlen kamen von KI-Kreativteams. Das Team Yepusa produzierte für Hisense vier KI-Werbespots zur Klub-WM, mit drei oder vier Personen pro Projekt, zwei bis drei Wochen Arbeit, und die Rechenkosten lagen meist bei 5 Prozent des Ausführungsbudgets. Bei Adobe genügt seit der Anbindung des Design-Agenten in Illustrator eine Tabelle, um 50 Varianten in Serie zu erzeugen.
Nebeneinandergestellt ergibt das eine unangenehme Rechnung: Die Generierung kostet fast nichts, die Lieferung ist nicht billiger geworden. Die brauchbare Aufnahme finden, begründen, warum sie funktioniert, sie so weit bearbeiten, dass der Kunde unterschreibt – diese Schritte bleiben beim Menschen. Wenn Mai Ju für Film und Fernsehen KI-Casting macht, zerlegt sie das „hochwertige Gesicht“ in vier Achsen – Knochen, Haut, Form, Ausdruck – und stellt höchstens fünf Entweder-oder-Fragen: lebhaft oder ruhig, plastisch oder zierlich. Erst wenn der Bedarf ausgerichtet ist, kommt das Modell zum Zug.
Was der Händler wirklich kauft
Zurück in die Straße von Wuhou. Betrachtet man nur den Stückpreis, ist der Vorteil des KI-Bildes nicht diskutabel; fragt man, ob dieses Bild direkt eingestellt und verkauft werden kann, hängt die Antwort an drei Dingen: Ist die Produktstruktur korrekt gezeichnet, ist die Kennzeichnung der Plattform angebracht, lässt sich im Streitfall ein Lizenznachweis vorlegen.
Die ersten zwei sind Technik und Prozess, die dritte ist Dokumentenverwaltung. Erst wenn alle drei sitzen, ist das KI-Bild wirklich billig; fehlt eines, kommt das Gesparte über Retouren und Beschwerden zurück.
Deshalb ist im Preiskampf nicht die billigste Stufe die belebteste. SiliconFlow stellte am 3. November MOSS-Image in seine API, zu 0,3 Yuan pro Bild; in den Diskussionen dieser Tage wurde vor allem die Darstellung dichter chinesischer und englischer Schrift sowie die Layout-Steuerung per JSON genannt. Alle schauen darauf, ob man eine Nachbesserung spart – über die paar Cent spricht niemand.
Für „eine Nachbesserung weniger“ zahlt der Händler. Dass der reale Dreh noch steht, hat denselben Grund: teuer, aber beim ersten Mal richtig.
Verwandte Artikel
Google hat Coding-Agenten vom Laptop geholt, und der Berechtigungsdialog bleibt der Engpass
Die Leitungen sind fast gelöst. Der Berechtigungsdialog bleibt der menschliche Engpass.
NVIDIA gibt vier 16B-Weltmodelle frei, und der Teil ohne Benchmark ist Policy-Learning
NVIDIA sagt, es sei ungemessen, ob diese Modelle Policy-Learning tragen. Der Satz gehört in jede Geschichte über offene Weltmodelle.
Vier der Top-Repos auf GitHub sind heute Skill-Bibliotheken, und jetzt haben wir ein Packaging-Problem
Die Verbreitung läuft. Das interessante Scheitern sind vier nicht kompatible Wege, dasselbe Objekt zu installieren.
Thinking Machines liefert ein 594B-Modell und schiebt die Gewichte auf nächste Woche
Ein starkes Modell, ein dokumentiertes Rezept, eine unterschätzte Fähigkeit und ein Termin, den das Labor nicht zugesagt hat.