KI-Produktbilder treffen auf eine Compliance-Hürde, die niemand eingepreist hat

In den vergangenen zwei Jahren war das Verkaufsargument für KI-Produktfotografie einfach: mehr Varianten erzeugen, weniger ausgeben, schneller veröffentlichen. In der zweiten Hälfte des Jahres 2026 stieß dieses Argument auf eine Einschränkung, die nichts mit Bildqualität zu tun hat und alles damit, was das Bild behaupten darf.

Die Einschränkung ist die Offenlegung. Seit dem 2. August 2026 gelten die Transparenzpflichten des EU AI Act, wonach KI-generierte Inhalte gekennzeichnet oder Endnutzern anderweitig offengelegt werden müssen. Die einzelstaatlichen Gesetze in den Vereinigten Staaten haben sich parallel entwickelt. Und in der konkretesten Entwicklung für den E-Commerce hat Amazon begonnen, Anforderungen an KI-generierte Listing-Bilder durchzusetzen, einschließlich der Kennzeichnung KI-generierter Personen, nachdem New Yorks Ähnlichkeitsregeln in Kraft getreten sind.

Was die Vorschriften tatsächlich verlangen

Es gibt in den Vereinigten Staaten keine einzige Bundesregel, die besagt, dass jedes KI-Produktbild ein sichtbares Etikett benötigt. Stattdessen ist die Compliance geschichtet, was die Verwaltung unhandlich macht.

Kalifornien regelt die Offenlegungswerkzeuge der Anbieter und deren Nutzung durch die Betreiber. New York reguliert synthetische Darsteller in kommerzieller Werbung. Amazons Verkäuferrichtlinie fügt vertragliche Anforderungen hinzu, die an seinen Marktplatz gebunden sind. Die EU-KI-Verordnung erlegt Transparenzpflichten auf, die von der Rolle und dem Kontext des Systems abhängen, statt einen universellen Aufkleber vorzuschreiben.

Da diese Systeme unterschiedliche Akteure regulieren, muss ein Unternehmen möglicherweise mehrere gleichzeitig erfüllen, und eine Kennzeichnung, die eines erfüllt, erfüllt möglicherweise ein anderes nicht. Ein Hinweis in einem Instagram-Post kann verloren gehen, wenn das Bild zugeschnitten oder woanders eingebettet wird. Ein Hinweis auf einer Amazon-Produktseite reist mit dem Listing, aber nicht mit einem Repost.

Die praktische Schwierigkeit besteht darin, dass die Anforderungen nicht aufeinander abgestimmt sind. Jede Gerichtsbarkeit und jede Plattform definiert ein erfasstes System anders, und jede erwartet den Hinweis an einer anderen Stelle.

Die Unterscheidung, die die meisten Fälle entscheidet

Die Regeln hängen von einer Klassifizierungsfrage ab, über die Katalogteams selten nachdenken: Ist das Bild generiert, wesentlich verändert oder konventionell bearbeitet?

Ein vollständig synthetisches Bild könnte ein fiktives Model, einen generierten Raum oder eine Produktanordnung zeigen, die physisch nie existiert hat. Ein wesentlich verändertes Bild könnte einen Hintergrund ersetzen, ein Objekt hinzufügen, ein Merkmal entfernen oder eine Oberfläche rekonstruieren. Ein konventionell bearbeitetes Foto umfasst Zuschneiden, Belichtungskorrektur, Staubentfernung oder Farbkorrektur.

Die Trennlinie verläuft entlang dessen, was ein vernünftiger Betrachter glauben würde. Wenn ein Käufer annehmen würde, das Produkt sei physisch fotografiert worden, die Person sei echt oder das abgebildete Ergebnis spiegele die gewöhnliche Verwendung wider, birgt das Bild ein Täuschungsrisiko. Dieses Risiko steigt, wenn das Bild eine Tatsachenbehauptung über Abmessungen, Textur, Kompatibilität oder Leistung liefert, denn KI-Generierung macht eine Behauptung nicht wahr, und eine Offenlegung heilt keine falsche Werbung.

Hier werden generative Tools in einem Katalog gefährlich. Sie erfinden plausible Details, darunter Knöpfe, Etiketten, Inhaltsstoffe, Stoff, Verpackungstext und Zubehör. Eine generierte Hand, Stoffbewegung oder Reflexion kann überzeugend aussehen und dennoch sachlich falsch sein. Das polierte Bild ist das Risiko, nicht das grobe.

Das Personenproblem ist ein separates

Ein KI-generiertes Gesicht wirft eine zweite Reihe von Problemen auf, die eine Offenlegung allein nicht löst. Eine generierte Person ohne klaren Hinweis, dass sie synthetisch ist, kann Probleme mit falscher Befürwortung oder Testimonial-Werbung schaffen. Wenn das Gesicht einer realen Person, einem Prominenten, einem Kunden oder einem Mitarbeiter ähnelt, kann das Unternehmen zusätzlich zur Offenlegungspflicht Belastungen durch Persönlichkeits-, Datenschutz- oder Markenrechte ausgesetzt sein.

Eine Model-Freigabe hilft nicht, wenn die Person auf dem Bild nie erschienen ist. Die Erlaubnis einer KI-Plattform überträgt keine Persönlichkeitsrechte, die das Unternehmen nicht besitzt. Bei gewöhnlichen fiktiven Personen ist es weiterhin sinnvoll, Hinweise auf synthetische Darsteller in den Akten zu behalten, insbesondere wenn dieselbe Figur über eine Produktlinie hinweg auftaucht und wiedererkennbar wird.

Wo sich der Workflow ändern muss

Die operative Lösung ist weniger eine Frage der Tools als des Prozesses. Weisen Sie Verantwortung zu, anstatt die Entscheidung demjenigen Designer zu überlassen, der zufällig das Tool kennt. Lassen Sie die Person, die das Bild vorbereitet, die Software, den Prompt, die Quellfotos, die Bearbeitungen, die beabsichtigte Aussage und die vorgesehenen Kanäle dokumentieren, denn eine Tool-Aufzeichnung ist meist der beste Beweis dafür, welche Kategorie das Unternehmen tatsächlich gewählt hat.

Halten Sie das Produkt selbst aus der Generierung heraus, wann immer Genauigkeit zählt. Kombinieren Sie echte Fotografie mit generierten Umgebungen, anstatt das Produkt zu generieren, und geben Sie im Prompt ausdrücklich an, dass Flasche, Uhr, Schuh, Gerät, Etikett, Logo und Proportionen unverändert bleiben müssen. Verwenden Sie Image-to-Image- oder referenzbasierte Bearbeitung mit maskiertem Produkt, damit das Modell weniger Freiheit hat, identitätsprägende Merkmale zu verändern.

Prüfen Sie die Ausgabe dann zweimal, bei 100-prozentiger Vergrößerung und in Miniaturansicht, und vergleichen Sie Logo-Buchstabenformen, Nähte, Anschlüsse, Textur, Schatten und Farbbezeichnungen mit dem realen Artikel. Jedes erfundene Merkmal oder jede geänderte Abmessung ist ein Ablehnungsgrund, selbst wenn das Bild besser aussieht als das Produkt.

Das Kostenmodell, das nie richtig gemessen wurde

Die Wirtschaftlichkeit von KI-Produktbildern wurde anhand der Kosten pro Asset und der Time-to-Market diskutiert, und beide Zahlen sprechen weiterhin für die Generierung. Keine von beiden war jemals die vollständige Rechnung.

Der fehlende Posten ist die Prüfung. Tausend Varianten zu generieren ist billig, aber jede einzelne zu klassifizieren, zu entscheiden, welche einen Hinweis braucht und welche nicht, und den richtigen Hinweis für jeden Kanal anzubringen, ist es nicht. Die ehrliche Vergleichseinheit sind die Kosten für hundert freigegebene Assets und nicht der beworbene Preis für tausend Generierungen, denn die Freigabequote variiert enorm je nach Kategorie. Ein Workflow, der bei einem matten Keramikbecher funktioniert, kann bei Schmuck, Kosmetik oder leichtem Stoff auseinanderfallen.

Deshalb kann das teurere Tooling, das Produktmasken erhält und Batch-Steuerung bietet, nach Berücksichtigung der Arbeitszeit unterm Strich günstiger sein. Das scheinbare Schnäppchen wird pro Generierung berechnet. Die echten Kosten werden pro Asset berechnet, das die Prüfung übersteht.

Wie ein sinnvoller Pilot aussieht

Beginnen Sie mit 20 bis 50 repräsentativen SKUs und beziehen Sie die schwierigen absichtlich ein. Reflektierende Oberflächen, transparente Objekte, exaktes Branding, menschliche Anwendungsszenarien und Artikel, deren Abmessungen wahrheitsgemäß sein müssen, gehören alle in die Stichprobe, denn ein Pilot mit einfachen Produkten wird bestehen und Ihnen nichts sagen.

Messen Sie dann die Dinge, die entscheiden, ob der Workflow skaliert: die Durchlaufzeit von der Produktreferenz bis zum freigegebenen Asset, die Anzahl manueller Bearbeitungen pro Asset, die Fehlerquote bei der Produktgenauigkeit und ob die generierten Varianten tatsächlich Conversion oder Click-Through bewegen. Wenn sich nichts davon bewegt, ist der Workflow eine als Fähigkeit verkleidete Kostenstelle.

Bewahren Sie die Originaldatei und eine Prüfnotiz auf, die jede Bearbeitung beschreibt. Diese Aufzeichnung beantwortet eine Offenlegungsfrage, eine Rechtefrage oder eine Marktplatzanfrage und ist weitaus günstiger aufzubewahren als zu rekonstruieren.

Was niemand eingepreist hat

Die Wirtschaftlichkeit von KI-Produktbildern wurde anhand der Kosten pro Asset und der Time-to-Market diskutiert. Diese Zahlen gelten weiterhin, aber sie waren nie die ganze Rechnung. Der fehlende Posten ist die Compliance, und sie skaliert anders als die Generierung.

Tausend Varianten zu generieren ist billig. Tausend Varianten zu prüfen, jede einzelne zu klassifizieren und den richtigen Hinweis für jeden Kanal anzubringen, ist es nicht. Der erfolgreiche Workflow wird wahrscheinlich so aussehen wie der, den der Artikel, den Sie gerade lesen, beschreibt: ein kleiner Pilot mit schwierigen SKUs, Fotografie reserviert für alles, was wahr sein muss, Generierung beschränkt auf Hintergründe und Ausschnitte und eine dokumentierte Aufzeichnung jeder Entscheidung.

Das ist ein schwerfälligerer Prozess, als die Demo-Videos vermuten lassen, und es ist der Prozess, der noch stehen wird, wenn die nächste Durchsetzungsmaßnahme kommt. Die Marken, die die Offenlegung als Design-Vorgabe statt als auszufüllendes Formular behandelt haben, werden die Regeln günstiger erfüllen können als diejenigen, die sie erst auf Listing-Ebene entdecken.