Home
Case Studies Über uns Blog Kontakt Zur kostenlosen Analyse
E-Commerce

Produktfotografie mit KI: Wie wir 14 Shopify-Kategoriebilder in einer Stunde produziert haben

Hanno Fäßler ·

Von Hanno Fäßler · 13. Mai 2026 · Lesezeit: ca. 9 Minuten · Zuletzt aktualisiert: Mai 2026

Ein Studiotag für Kategoriebilder kostet je nach Setup zwischen 1.200 und 3.500 Euro. Du planst die Logistik der Produkte, koordinierst den Fotografen, briefst den Stylisten, organisierst die Retusche und wartest am Ende drei bis fünf Werktage auf die finalen Files. Das war jahrelang der Standard, wenn ein Shopify-Shop seine Kategorieseiten aus dem Lieferanten-Look der Hersteller herausholen wollte. Produktfotografie mit KI ist heutzutage kein Problem mehr, sondern ein regelrechter Vorteil.

Vor Kurzem haben wir das für einen DACH-Shop im Bereich Premium-Tiernahrung in einer Stunde erledigt. Vierzehn Kategorien, konsistente Bildsprache, einsatzbereit aus der Box. Keine Retusche. Kein Studio. Tim hat die Datei-Verarbeitung übernommen, nach meinem Briefing. Heute nutzt der Kunde unser Master-Prompt selbst weiter, um auch einzelne Produktbilder in Szene zu setzen.

Dieser Artikel zeigt dir, wie Produktfotografie mit KI funktionieren kann – mit dem kompletten Prompt zum Mitnehmen. Wenn du Shopify-Shop-Owner bist und Produktfotografie für dich bisher ein Kostenfaktor war, der nicht skaliert hat, dann liefert dieser Artikel dir den Workflow, den wir gerade live einsetzen.

Die Ausgangslage: 14 Kategorien, Lieferantenbilder, kein Premium-Gefühl

Unser Kunde verkauft Premium-Tiernahrung im DACH-Raum. Klassisches Shopify-Setup, gute Conversion auf Produktebene. Was nicht funktioniert hat: die Kategorieseiten. Die Hersteller stellten zwar saubere Produktbilder bereit – aber alle auf weißem Hintergrund, alle einzeln freigestellt, ohne jede Markenwelt. Auf einer Kategorieseite wirkten zwanzig dieser Freisteller untereinander wie ein Großhandels-Katalog, nicht wie ein Premium-Shop.

Das Problem ist nicht neu. Die meisten DACH-Shops kämpfen genau damit: Du hast hervorragende Produkte, deine Marke ist hochwertig positioniert, aber die Bildwelt deiner Kategorien sieht aus wie 2014. Studiofotografie für 14 Kategorien wäre die saubere Lösung – kostet aber Geld, Zeit und Koordination, die du in einer Wachstumsphase woanders besser einsetzt.

Was sich 2026 mit Nano Banana Pro geändert hat

Bis Ende 2024 war AI-Bildgenerierung für eCommerce eine schlechte Idee. Die Modelle haben Produkte halluziniert, Logos verzerrt, Texte erfunden – und die Konsistenz über mehrere Bilder hinweg war nicht zu kontrollieren. Wer trotzdem AI eingesetzt hat, brauchte Photoshop-Stunden in der Nachbearbeitung.

Nano Banana Pro – Googles aktuelles Bildmodell aus der Gemini-Familie – hat das geändert. Drei Eigenschaften sind für uns ausschlaggebend:

  • Referenzbild-Treue: Du kannst ein Produkt-Foto hochladen und das Modell darum herum eine Szene komponieren, ohne dass das Produkt selbst manipuliert wird.
  • Konsistenz über Bildserien: Mit einem strukturierten Prompt und einheitlichen Referenzen bleiben Licht, Hintergrund und Stil über zehn, zwanzig, fünfzig Bilder hinweg gleich.
  • Granulare Steuerung: Anders als bei rein textbasierten Prompts kannst du Kameraparameter, Lichtsetup, Weißabgleich und Schattenverhalten gezielt vorgeben.

Punkt eins ist der eigentliche Game-Changer. Du verlässt dich nicht mehr darauf, dass das Modell ein Produkt „richtig erfindet“ – du gibst ihm das echte Produktbild und beauftragst es nur mit dem Set, der Beleuchtung und der Komposition.

Der eigentliche Move: Strukturiertes Prompting statt Fließtext

Die meisten Tutorials zu AI-Bildgenerierung zeigen dir, wie du einen Satz wie „ein modernes Studio mit warmer Beleuchtung und einem Holztisch“ eintippst und schaust, was rauskommt. Das funktioniert für Hobby-Anwendungen. Für eCommerce ist es unbrauchbar.

Wenn du einen echten Studio-Fotografen für 14 Kategorien buchst, schickst du ihm kein Bauchgefühl. Du schickst ein Briefing: Lichtsetup, Kameraposition, Farbtemperatur, Hintergrundton, Komposition, Output-Format. Genau dieses Briefing übergibt unser Master-Prompt – nur eben an Nano Banana Pro statt an einen Menschen.

Warum JSON funktioniert

Strukturiertes Prompting in JSON-Form hat drei konkrete Vorteile gegenüber Fließtext:

  • Wiederholbarkeit: Du kopierst das Prompt, tauschst nur die input_images aus und bekommst konsistente Ergebnisse für jede Kategorie.
  • Verhandelbarkeit: Wenn dir etwas am Ergebnis nicht passt, änderst du ein einzelnes Feld statt einen ganzen Absatz umzuformulieren.
  • Transparenz im Team: Tim hat den Workflow ausgeführt, ohne dass ich neben ihm sitzen musste. Das JSON ist selbsterklärend für jeden, der schon einmal mit einem Fotografen gesprochen hat.

Das komplette Master-Prompt für die Produktfotografie mit KI

Hier ist das Prompt, das wir für den Pet-Food-Shop verwendet haben – ohne Kürzung, ohne Glättung. Du kannst es 1:1 übernehmen und nur die Sektion scene_environment an deine Marke anpassen.

{
  "version": "1.4",
  "task": "professional_product_scene_composition",
  "instructions": {
    "goal": "Place the EXACT uploaded product images into a neutral premium studio environment with controlled warm tones and natural commercial lighting.",
    "image_integrity_rule": "Uploaded product images MUST remain 100% unchanged. No color shift, no retouching, no text modification, no warping, no contrast changes on the product itself.",
    "white_balance_control": "Use neutral white balance. Avoid yellow or orange color cast. Target color temperature 4200K–4800K for subtle warmth without visible tint.",
    "color_control": "Reduce overall warmth and saturation in background tones. No creamy yellow hues. Background must appear neutral beige-grey.",
    "lighting_rule": "Soft diffused key light from front-left (approx. 45°), neutral studio fill light from right side, subtle top softbox for controlled highlights. No golden glow.",
    "shadow_rule": "Soft realistic contact shadow under products with natural grey tone. No warm shadow tint.",
    "reflection_control": "Minimize floor reflection. Surface should be matte with only very subtle natural reflection.",
    "camera_setup": {
      "angle": "Front-facing slightly elevated (10°)",
      "lens": "85mm professional lens look",
      "aperture": "f/8",
      "sharpness": "Full product sharpness, commercial photography quality"
    },
    "consistency_rule": "Lighting, white balance, background tone and camera distance must remain identical across all product renders."
  },
  "scene_environment": {
    "background": "Neutral beige-grey soft gradient (less warm, no yellow cast)",
    "surface": "Matte neutral studio floor matching background tone",
    "atmosphere": "Premium ecommerce photography, clean, controlled, realistic"
  },
  "composition_guidelines": {
    "layout": "Balanced group composition with realistic spacing",
    "proportions": "Maintain true real-life proportions from original images",
    "alignment": "Physically grounded with natural shadow contact"
  },
  "rendering_constraints": {
    "photorealism": "extremely realistic",
    "no_warm_filter": true,
    "no_yellow_overlay": true,
    "no_stylization": true,
    "no_color_shift_on_products": true
  },
  "input_images": [
    "UPLOAD_IMAGE_1",
    "UPLOAD_IMAGE_2",
    "UPLOAD_IMAGE_3"
  ],
  "output_requirements": {
    "format": "High-resolution PNG or JPG",
    "aspect_ratio": "1:1",
    "resolution": "Minimum 2048x2048",
    "lighting_consistency": "Must remain identical in every image"
  }
}

Die kritischen Sektionen erklärt

Drei Felder entscheiden über Erfolg oder Misserfolg bei der Produktfotografie mit KI:

image_integrity_rule ist das Herzstück. Mit dieser Regel zwingst du das Modell, die echten Produkte unverändert in die generierte Szene einzubetten. Keine Halluzination, keine Farbverschiebung, keine „Schönheitskorrektur“ am Produkt. Das ist nicht nur eine Qualitätssache – es ist auch der rechtliche Differenzierer (mehr dazu weiter unten).

consistency_rule und die parallelen Felder im output_requirements-Block sichern die Bildserie ab. Ohne diese Anweisung würden 14 verschiedene Kategorien 14 verschiedene Lichtstimmungen produzieren – und genau dieser Drift war bis 2024 das Hauptproblem beim AI-Einsatz im eCommerce.

rendering_constraints ist die Anti-AI-Stilisierung. Standardmäßig haben viele Modelle einen leichten „AI-Look“ – zu warme Filter, zu gelbe Highlights, zu glatte Oberflächen. Diese Booleans schalten genau diesen Look aus. Bei unserem Pet-Food-Kunden war „no_yellow_overlay“ besonders kritisch, weil die Produktverpackungen schon eine warme Eigenfarbe haben und ein zusätzlicher Filter sie unbrauchbar gemacht hätte.

Konsistenz über 14 Kategorien: Die Referenzbild-Strategie

Ein Master-Prompt allein reicht nicht. Was den Unterschied gemacht hat, war die Kombination aus einem festen Prompt und wechselnden Referenzen pro Kategorie.

Konkret: Für jede der 14 Kategorien hat Tim drei bis fünf Produkt-Freisteller aus dem Bestand des Kunden hochgeladen. Das Prompt blieb unverändert. Die input_images rotierten. Damit hat das Modell für jede Kategorie eine eigene Komposition mit echten Produkten erzeugt – aber mit identischem Lichtsetup, identischem Hintergrund und identischer Kameraperspektive.

Das Ergebnis: 14 Kategoriebilder, die nebeneinander aussehen wie aus einem Shoot. Wenn du im Shop von „Trockenfutter“ zu „Nassfutter“ zu „Snacks“ navigierst, fühlt sich die Bildwelt zusammenhängend an. Genau das, was ein klassischer Studiotag liefert – ohne die Logistik dahinter.

Für deinen Shop heißt das: Sammle pro Kategorie die besten verfügbaren Produktbilder vom Lieferanten, gruppiere sie sinnvoll, und das Master-Prompt erledigt den Rest.

Das wichtigste Detail: Produkte unverändert lassen

Ich gehe an dieser Stelle bewusst kurz auf die rechtliche Seite ein, weil das in jeder Diskussion mit deutschen Shop-Owner-Communities aufkommt: Darf man Produktbilder mit AI generieren?

Die ehrliche Antwort: Ja, solange die Produktdarstellung nicht irreführt. Das UWG (Gesetz gegen den unlauteren Wettbewerb) verbietet täuschende Darstellungen. Wenn dein Modell aus einem realen Produkt etwas anderes macht – andere Farbe, andere Form, hinzugefügte Features –, dann hast du ein Problem. Wenn das Produkt unverändert bleibt und nur die Szene drumherum generiert wird, bist du auf der sicheren Seite.

Genau dafür ist die image_integrity_rule da. Sie ist nicht nur eine Qualitätsregel, sondern eine rechtliche Absicherung. Bei klassischer Studiofotografie wird ja auch nicht das Produkt selbst manipuliert – nur Licht, Hintergrund und Inszenierung. Unser AI-Workflow ist konzeptuell das Gleiche.

Eine pauschale Kennzeichnungspflicht für AI-generierte Produktbilder gibt es in DACH aktuell nicht. Trotzdem mein Rat: Wenn du komplette Lifestyle-Settings mit Models oder vorgetäuschten Anwendungssituationen generierst, kennzeichne das transparent. Bei reinen Produktshots auf neutralem Hintergrund – wie in unserem Pet-Food-Case – ist das nicht nötig.

Wann AI-Produktfotografie funktioniert – und wann nicht

Damit du nicht überrascht wirst, hier eine ehrliche Einschätzung.

Funktioniert hervorragend:

  • Kategoriebilder mit neutralem Hintergrund
  • Konsistente Produktgruppen-Kompositionen
  • Saisonale Hintergrund-Variationen für bestehende Produktshots
  • Asset-Variationen für Performance Marketing (PMax, Meta Andromeda)

Funktioniert mit Vorbehalt:

  • Lifestyle-Szenen mit menschlichen Händen am Produkt (Hände bleiben das Schwierigste)
  • Produkte mit feinen Texten oder Logos in der Hauptansicht (Referenz hilft, aber Kontrolle bleibt)
  • Spiegelnde oder transparente Materialien (Glas, Chrom)

Funktioniert nicht (Studio bleibt Pflicht):

  • Hero-Shots für Above-the-Fold auf der Produktseite, wenn die Marke premium positioniert ist
  • Editorial-Strecken mit Models
  • Kampagnenbilder mit narrativer Inszenierung
  • Detailshots mit haptischer Tiefe (Stoffe, Strukturen, Mikro-Texturen)

Die Faustregel: Skalier-Aufgaben über AI, Signature-Shots übers Studio. Beides hat seinen Platz.

Die Rechnung: 1 Stunde vs. 1 Studio-Tag

Lass uns die nackten Zahlen für unseren Pet-Food-Case anschauen:

PositionKlassischMit AI-Workflow
Setup & Briefing4–6 Stunden Koordination30 Minuten Prompt + Referenzen
Produktlogistik1 Tag Versand + 1 Tag Rückversand0 (alles digital)
Shooting1–2 Studiotage0
Retusche3–5 Werktage0 (einsatzbereit aus der Box)
Reine Arbeitszeit12–16 Stunden + Wartezeit1 Stunde
Direkte Kosten1.500–3.500 €Nano-Banana-Pro-Credits (zweistellig)
Time-to-Live7–10 WerktageSame Day

Das ist keine Spielerei – das ist eine Verschiebung der Wirtschaftlichkeit. Die eingesparte Zeit hat Tim in Performance-Marketing-Optimierungen für denselben Kunden gesteckt. Genau so soll es sein.

Was du jetzt konkret tun kannst

Wenn du das Prompt für deinen eigenen Shop adaptieren willst, gehst du in drei Schritten vor:

  1. Bildmaterial sammeln. Sortiere pro Kategorie die saubersten verfügbaren Freisteller deiner Lieferanten. Idealerweise drei bis fünf Stück mit ähnlicher Perspektive.
  2. Scene-Environment anpassen. Im JSON-Block oben tauschst du die Werte unter scene_environment gegen deine Markenwelt aus. Premium-Beauty? Marmorflächen, kühle Highlights. Sport? Studio-Beton, härteres Licht. Food? Genau wie bei uns, neutrale Wärme.
  3. Erste Kategorie testen, dann replizieren. Lass das Prompt auf eine Kategorie los, prüfe das Ergebnis ehrlich. Wenn es passt, fahre alle weiteren Kategorien mit demselben Prompt durch. Wenn nicht, justiere ein bis zwei Felder und teste neu.

Wenn du das Prompt strategisch in deine Performance-Marketing-Pipeline integrieren willst – Stichwort konsistente Asset-Variationen für Performance Max im Google-Ads-Setup oder die Creative-Anforderungen des Meta-Andromeda-Updates 2026 –, dann ist das exakt der Punkt, an dem Produktfotografie mit KI von einer Kostenoptimierung zu einem echten Wachstumshebel wird.

Fazit: Konsistente Bildwelt ist ein Verkaufspsychologie-Trigger

Es geht bei diesem Thema nicht nur um Effizienz. Eine konsistente, hochwertige Bildwelt über alle Kategorien hinweg ist ein klassischer Autoritäts-Trigger in der Verkaufspsychologie. Dein Shop signalisiert Professionalität, bevor der Besucher überhaupt ein Produkt anklickt. Bisher war dieses Signal teuer. Mit dem richtigen Workflow ist es heute eine Frage von einer Stunde Arbeit.

Nur umsetzen schafft Umsatz – und mit AI-Produktfotografie schaffst du in einem Vormittag, wofür du früher zwei Wochen geplant hast.

Wenn du Fragen zur Implementierung in deinem eigenen Shopify-Setup hast oder einen kompletten AI-Workflow für deine Kategorie- und Produktbilder aufsetzen willst, schreib mir direkt.

Über den Autor

Hanno Fäßler berät mit seinem Team Shopify-Shops im DACH-Raum zu Performance Marketing, eCommerce und digitaler Wachstumsstrategie. Als TÜV-zertifizierter Experte in der Verkaufspsychologie, zertifizierter KMU.DIGITAL Berater und E-Commerce & Social Media Expert (WIFI) hat sein Team über 200 Online-Shops optimiert.

← Zurück zum Blog