Ein gutes Produktfoto und eine Kampagne, die drei verschiedene Stimmungen verlangt. Wer im Produktmarketing arbeitet, kennt das. Jedes zusätzliche Shooting kostet Zeit und Geld. Also wollte ich wissen: Wie weit kommt man mit einem bestehenden Foto und einem Bildmodell, das nur die Umgebung verändert?
Bei der Frage habe ich es nicht belassen. In einem Praxistest haben wir in unserer eigenen XS2Content-Plattform eine kleine Pipeline gebaut und sie dreimal mit demselben Sneaker-Foto ausgeführt. Im Folgenden zeige ich, wie das funktioniert hat, was dabei herauskam und wo die Grenzen liegen.
Der Ausgangspunkt: ein Foto, eine Frage
Das Original: ein farbenfrohes Paar Sneaker vor einem hellblauen Hintergrund, mit farbigen Blöcken, transparenten Scheiben und einem grauen Podest. Ein gutes Foto mit einer ganz eigenen Stimmung. Die Frage: Können wir die Schuhe unverändert lassen und nur die Kulisse austauschen – ohne Fotograf oder Retuscheur?
So ist die Pipeline aufgebaut
Bewusst klein gehalten, in zwei Schritten:
- Eingabe (FormInput). Es gehen genau zwei Dinge hinein: das Produktfoto und ein Szenen-Prompt – eine Beschreibung der gewünschten Umgebung in einfacher Sprache.
- Bildbearbeitung mit FLUX.2 Pro. Foto und Prompt gehen an einen Bearbeitungsschritt auf Basis von FLUX.2 Pro von Black Forest Labs, über Replicate. Eingestellt auf 1 Megapixel, 16:9, png, ein Bild pro Durchlauf.
Danach folgt der wichtigste Schritt, und der ist nicht automatisch: das Ergebnis beurteilen. Mit meinen eigenen Augen.
Es handelte sich um eine separate Test-Pipeline: nicht eingeplant und ohne Anbindung an Website, Social Media oder andere Kanäle. Jeder Prompt begann mit derselben Anweisung: Ändere nur die Umgebung und lass beide Schuhe, wie sie sind – gleiche Position, Perspektive, Farben, Materialien, Schnürsenkel und Sohlen. Kein Text, keine zusätzlichen Logos, keine zusätzlichen Objekte.
Eine Entscheidung ist wichtig: Für alle drei Szenen haben wir immer das Originalfoto als Eingabe verwendet, nie ein zuvor generiertes Bild. So stapeln sich keine Abweichungen. Jede Szene bekam einen Durchlauf, ohne zweite Chance und ohne zwischenzeitliches Nachjustieren. Was Sie unten sehen, ist also der erste Versuch.
Szene 1: neutrales Studio
Gewünscht: ein hochwertiges, neutrales Studio in warmem Hellgrau, mit weichen Kontaktschatten.
Der unruhige Hintergrund ist verschwunden, und die Schuhe stehen ruhig im Bild. Nur ist das Studio taupefarben geworden, deutlich dunkler als gewünscht. Brauchbar als Stimmungsbild, aber nicht genau das, was der Prompt beschrieb.
Szene 2: eine Straße in New York
Gewünscht: die Schuhe auf einem Gehweg in New York, bodennah fotografiert, bei Tageslicht, mit einer stark unscharfen Straße mit Gebäuden und gelben Taxis.
Gebäude, Unschärfe und gelbe Taxis machen die Szene sofort erkennbar. Tiefe, Licht und Schatten wirken wie ein echtes Straßenfoto. Aber auch hier lässt das Modell die Schuhe nicht unangetastet: Perspektive und Licht auf den Schuhen passen sich der neuen Umgebung an.
Szene 3: von der Bühne in den Saal
Gewünscht: die Schuhe auf einer Holzbühne, die Kamera von der Bühne aus auf einen leeren Saal mit roten Sitzen und goldenen Rängen gerichtet.
Die Stimmung ist sofort da: warm, festlich, ein wenig theatralisch. Wer genau hinsieht, entdeckt hinter den Schuhen ein kleines dunkles Objekt, das nicht im Auftrag stand. Genau die Art von Detail, die man in einer Prüfung bemerkt.
Was das zeigt – und was nicht
Ehrlich gesagt: Das Produkt bleibt erkennbar, ist aber nicht identisch. Farbflächen und Form stimmen mit dem Original überein. Schaut man auf die Details, haben sich Material, Schnürsenkel, Sohlen, Perspektive und Lichteinfall in allen drei Bildern verändert. Die Ausgabe ist außerdem etwas kleiner als das Original (1344×752 gegenüber 1360×768).
Für Stimmungsbilder, Moodboards und schnelle Kampagnen-Erkundungen finde ich das schon jetzt interessant: Man macht eine Idee sichtbar, ohne neues Shooting. Aber wo das Produkt exakt stimmen muss – ein Webshop-Foto, eine bestimmte Ausführung, alles, worauf ein Kunde eine Kaufentscheidung stützt –, reicht das nicht. Dieser Aufbau garantiert keine pixelgenaue Produkttreue. Dafür ist ein anderer Ansatz nötig, zum Beispiel mit Masken, die das Produkt schützen, und einer nachträglichen Kontrolle, die Abweichungen misst.
Zwei Lektionen nehme ich mit:
- Ein Prompt ist kein Vertrag. Das Modell folgt der Richtung, nicht jedem Wort.
- Menschliche Prüfung ist keine Formalität. Das ist der Moment, in dem Sie entscheiden, ob ein Bild veröffentlicht werden darf.
Was das für uns bedeutet
So gehen wir bei XS2Content mit neuen KI-Möglichkeiten um: nicht behaupten, dass etwas „alles kann“, sondern klein bauen, wirklich ausführen und ehrlich prüfen, was dabei herauskommt. Dieser Test hat gezeigt, dass ein bestehender Bildschritt in unserer Plattform starke Szenen erzeugen kann – und wo die Grenze liegt.
Die Frage ist also nicht, ob das funktioniert, sondern für welche Art von Bildern.
Arbeiten Sie mit Produktfotos und möchten wissen, wo das in Ihren Kampagnen passt – und wo nicht? Schreiben Sie mir – ich denke gern mit.
— Sebastian Plasschaert, XS2Content
