KI Produktfotos für Shopify — was funktioniert 2026
Der ehrliche Workflow für AI-Produktfotografie auf Shopify-Niveau. Welche Modelle, welche Limits, welche Fehler du vermeiden musst.
AI-Bildgeneration hat 2025 einen Sprung gemacht. Google Gemini 3.1 Flash Image und OpenAI gpt-image-2 sind Modelle die du nicht mehr von professionellen Studio-Shoots unterscheiden kannst — wenn du sie richtig nutzt. Das große ABER: bei 80% der Use-Cases nutzen DTC-Brands die Tools falsch und bekommen 'AI-stock-photo'-Output. Dieser Guide zeigt dir den Workflow den ecombeat-Agency-Brands aktuell live nutzen — was funktioniert, was nicht, und wo du sparen kannst.
Stand 2026: Was AI-Modelle aktuell wirklich können
Es gibt 3 AI-Modelle die für DTC-Product-Photography ernsthaft genutzt werden:
- Google Gemini 3.1 Flash Image — Strict-Lock auf Reference-Bilder, sehr gut bei Skincare/Supplements/Food. Schwach bei sehr feinen Etiketten-Details auf transparenten Verpackungen.
- OpenAI gpt-image-2 — Beste Text-Rendering-Performance (Headlines auf Pills, Logo-Reproduktion). Etwas weicheres Lighting als Gemini.
- Midjourney + ImagenSpec-Workflows — Höchste visuelle Quality bei Editorial-Hero-Shots, aber kein Strict-Lock-Mode. Nutze nur wenn du das Output manuell weiterverarbeiten willst.
Bei Pablo nutzen wir Gemini als Default + gpt-image-2 für Text-heavy Outputs (Classic Ads mit Headline-Pills). Die Wahl zwischen Modellen wird automatisch pro Recipe getroffen — du musst dich nicht damit beschäftigen.
Was funktioniert exzellent
- Lifestyle-Shots mit Produkt in der Hand — Person + Produkt + Setting. Strict-Lock auf Produktbild. Output in 95% der Fälle nicht von Studio-Shoot unterscheidbar. Use-Case: Performance-Ads, Story-Hooks, Reel-Thumbnails.
- Bath-Spa / Editorial-Lighting für Skincare — soft window-light, marble-surface, low-key Stilllife. AI-Modelle haben hier sehr viele Trainingsdaten + reproduzieren das verlässlich.
- Kitchen / Cafe / Morning-Routine-Settings für Food + Beverage — kompositorisch erforscht, AI rendert das mit guter Tiefen-Schärfe + warm-light konstant.
- Texture-Close-Ups (Cream-on-Hand, Powder-on-Spoon) — close-range macro-style works well, weil das Produkt-Detail dominant ist statt Sub-Element.
Was nicht funktioniert (und wo du Photoshoot brauchst)
- Sehr feine Etiketten-Details auf transparenten Glasflaschen — Glas-Reflektion + Etikett-Lesbarkeit + Liquid-Color-Through-Glass ist eine schwierige Kombination. Hier helfen entweder mehrere Reference-Bilder oder manuelle Retouching.
- Bewegte Hand-Gesten (Pumpen, Schütteln, Bewegungs-Sequences) — wirken oft etwas steif. Video-Generation (Seedance 2.0) ist hier besser als Static.
- Multi-Produkt-Composition mit 5+ Items (z.B. ganze Routine-Collection-Shots) — AI verliert hier oft die exakte Reproduktion einzelner Items. Hero-Single-Shots funktionieren besser.
- Sehr spezifische Brand-Influencer-Persona ohne Character-Lock — generische Personen rendern, danach fühlt sich das Output austauschbar an. Avatar Character-Lock (Brand-Influencerin trainieren) löst das.
Der konkrete Workflow für ein Shopify-Store
Wenn du als Shopify-DTC-Brand AI-Produktfotos systematisch nutzen willst, ist das die Workflow-Sequence die wir täglich fahren:
- 1Produktbilder hochladen — Hero-Packaging-Shot, plus 2-3 Angles (Top, Front, Side) für gute AI-Strict-Lock-Trainingsdaten
- 2Brand-Mood-Refs hochladen — 3-5 Reference-Bilder die deinen visuellen Stil zeigen (Aesop-Style, Glossier-Style, etc.). AI nutzt das als Tone-Reference.
- 3Avatar trainieren (falls Brand-Influencer-Strategie) — 5-10 Bilder einer fiktiven oder echten Person, Character-Lock-Training-Pipeline (~2 Stunden Wartezeit, einmalig)
- 4Pro Refresh-Zyklus: 5 Szenen × 4 Format-Variationen pro Hero-Produkt = 20 Assets, ~10 Minuten Click-Through
- 5Selection + Approval — 20 Assets → 5-8 final-passende → 3 final eingereicht für Performance-Test
- 6Refinement bei guten Performern — Story-Overlay-Engine setzt Headlines, Trust-Stamps, Discount-Badges auf top-performende Hero-Assets
Kosten-Vergleich: Photoshoot vs AI
Professioneller Studio-Photoshoot für eine DTC-Brand (10-15 Hero-Assets):
- Photographer: 1.500-3.500 € (Tagessatz)
- Stylist + Set-Design: 500-1.500 €
- Model (falls Person on Shoot): 800-2.500 € (Tagessatz)
- Studio + Equipment: 300-800 €
- Post-Production: 600-1.500 €
- Total: 3.700-9.800 € für 10-15 Final-Assets, ~3-6 Wochen Turnaround
AI-Production via Pablo für die gleichen 10-15 Hero-Assets:
- Tool-Subscription: 49-249 €/Monat
- Effektiver Planpreis pro neuem Creative: ab rund 0,50 €
- Zusätzlich enthält jeder Plan ein gleich großes Budget für Anpassungen
- Turnaround: 1-2 Stunden inkl. Selection
Realistisch ergänzen sich beide. AI für Volume-Production + Performance-Iteration, klassischer Photoshoot 1-2x/Jahr für Hero-Brand-Material (Webseite-Above-the-Fold, PR-Press-Kit, Premium-Brand-Story-Content). Bei kleinen DTC-Brands ist AI für 80-90% des Output ausreichend.
Häufige Fehler, die DTC-Brands machen
- Generic AI ohne Brand-Refs nutzen — Output ist nach 30 Generations austauschbar mit jeder anderen Brand. Multi-Modal-Refs sind essentiell.
- Nur 1-2 Szene-Typen — Audience sieht 100 Bilder im gleichen Cafe-Setting. Variation der Szenen ist mindestens so wichtig wie Variation der Headlines.
- Headline + Visual nicht aufeinander abgestimmt — wenn die AI 'Person auf Sofa' rendert und die Headline 'Performance-Workout' verkauft, fühlt sich das disconnected an. Brand-Intel + Recipe-Selection lösen das.
- Keine Selection-Filter — alle generierten Assets ungefiltert in Ads-Manager pushen. AI generiert auch Misses — die müssen raus. Smart-Mode (basierend auf historischen Feedback-Trainingsdaten) hilft.
AI-Produktfotos für Shopify 2026 sind nicht mehr 'AI-stock-photo'-Tier. Mit Strict-Lock-Brand-Refs + Multi-Recipe-Output + ehrlichem Selection-Workflow bekommst du Outputs die in 80-90% der Ad-Performance-Cases nicht von Studio-Shoots unterscheidbar sind — bei <5% der Kosten und 1-2 Stunden Turnaround. Der Rest bleibt klassischer Photoshoot für Hero-Brand-Material.