Ausgangssituation
Die Textilmanufaktur Seifert entwickelt und fertigt hochwertige Kleidungsstücke in unterschiedlichen Schnitten, Stoffen und Farbvarianten. Für die Präsentation der Produkte werden regelmäßig professionelle Bilder benötigt. Diese kommen unter anderem im Webshop, in sozialen Medien, in Kampagnen und in weiteren Marketingmaterialien zum Einsatz.
Die klassischen Fotoshootings bilden dabei weiterhin die Grundlage der Produktkommunikation. Insbesondere für den Webshop sind authentische Aufnahmen wichtig, da Schnitt, Passform, Farben, Materialien und Verarbeitungsdetails möglichst realitätsgetreu dargestellt werden müssen.
Gleichzeitig steigt der Bedarf an vielfältigen visuellen Inhalten. Für soziale Medien werden regelmäßig neue Motive, Models, Posen, Hintergründe und Bildwelten benötigt. Diese Vielfalt ausschließlich über zusätzliche Fotoshootings abzudecken, ist für eine kleinere Manufaktur mit einem hohen organisatorischen, zeitlichen und finanziellen Aufwand verbunden.
Herausforderung / Zielstellung
Ziel des Projekts war ausdrücklich nicht, klassische Fotoshootings vollständig zu ersetzen. Stattdessen sollte untersucht werden, wie generative Künstliche Intelligenz bestehende Fotoshootings sinnvoll ergänzen und bereichern kann. Die zentrale Herausforderung bestand darin, einen hybriden Ansatz zu entwickeln, bei dem beide Verfahren entsprechend ihrer jeweiligen Stärken eingesetzt werden:
- klassische Fotografie für die authentische und verbindliche Produktdarstellung,
- KI-generierte Bilder für ergänzende, kreative und abwechslungsreiche Marketinginhalte.
Dabei musste gewährleistet werden, dass KI-generierte Darstellungen den Charakter des realen Kleidungsstücks möglichst genau beibehalten. Bildgenerierungsmodelle können jedoch Details wie Ausschnitte, Nähte, Ärmelformen, Stoffstrukturen, Muster oder Proportionen verändern.
Eine weitere Herausforderung bestand darin, virtuelle Models über mehrere Bilder hinweg konsistent darzustellen. Gesicht, Frisur, Körperform, Alter und Ausstrahlung sollten auch bei unterschiedlichen Kleidungsstücken, Posen und Bildsituationen wiedererkennbar bleiben.
Vorgehen
Zu Beginn des Projekts wurden die Ausgangsdaten systematisch aufgenommen. Hierzu gehörte insbesondere die Analyse der bereits verwendeten Models, der vorhandenen Produktbilder sowie der Kleidungsstücke selbst. Dabei wurde betrachtet, welche Bildsprache bisher eingesetzt wird, welche Art von Models glaubhaft zur Marke passt und welche Merkmale der Kleidungsstücke für eine realistische Darstellung besonders wichtig sind.
Im nächsten Schritt wurden eigene virtuelle Models entwickelt. Dazu wurde untersucht, welche Modeltypen für das Unternehmen und seine Marke besonders stimmig und glaubwürdig wirken. Anschließend wurden über verschiedene Textprompts passende KI-Models erzeugt und miteinander verglichen. Um diese Models konsistent weiterverwenden zu können, wurden aus den ausgewählten Ergebnissen sogenannte Character Sheets erstellt. Diese zeigen die jeweiligen Models in verschiedenen Perspektiven und dienen als stabile Referenz für weitere Bildgenerierungen.
Ein ähnliches Vorgehen wurde anschließend auf die Kleidungsstücke übertragen. Die Schnitte wurden detailliert analysiert, etwa hinsichtlich Schnittform, Länge, Silhouette, Ausschnitt, Ärmelgestaltung, Stoffstruktur, Faltenwurf, Farben und weiterer relevanter Merkmale. Auf dieser Grundlage sowie unter Einbezug von Referenzbildern wurden Clothing Sheets erstellt. Diese zeigen die einzelnen Kleidungsstücke übersichtlich auf einem Blatt und machen alle relevanten Details, Strukturen und Besonderheiten sichtbar.
Im nächsten Schritt wurden Model und Kleidungsstück zusammengeführt. Dabei wurde getestet, wie sich die entwickelten virtuellen Models mit den analysierten Kleidungsstücken kombinieren lassen, sodass das jeweilige Model das Kleidungsstück in verschiedenen Perspektiven trägt. Ziel war es, die Kleidung möglichst glaubhaft und konsistent am Model darzustellen und daraus verwertbare Bildserien zu erzeugen.
Im letzten Schritt wurden aus diesen Grundlagen weiterführende Shooting-Bilder entwickelt. Dazu wurden unterschiedliche Posen, Hintergründe und Bildwelten getestet, passende Prompts ausgearbeitet und die zuvor entwickelten Referenzen zusammengeführt. Auf diese Weise konnten schließlich Modelfotos erzeugt werden, die die Kleidung in ansprechenden, markengerechten Inszenierungen zeigen und insbesondere für Social Media und Marketingzwecke geeignet sind.
Lösung
Im Ergebnis des Projekts entstand ein detailliert beschriebener Workflow, mit dem sich markengerechte virtuelle Models systematisch entwickeln und für die Bildgenerierung nutzen lassen. Der Workflow zeigt, wie Models, die dem Unternehmen gefallen und zur Marke passen, erzeugt, ausgewählt und mithilfe von Referenzbildern konsistent weiterverwendet werden können.
Darüber hinaus wurde ein Vorgehen entwickelt, mit dem auch Kleidungsstücke strukturiert analysiert und in Form von Clothing Sheets aufbereitet werden können. So lassen sich die relevanten Merkmale der Produkte gezielt erfassen und anschließend mit virtuellen Models kombinieren. Auf dieser Basis wurden verschiedene Tests mit unterschiedlichen Kleidungsstücken und Darstellungsformen durchgeführt, um die Praxistauglichkeit des Ansatzes zu erproben und den Workflow schrittweise zu verfeinern.
Ein weiteres Ergebnis war die Erprobung eines teilautomatisierten Workflows beim Bild-KI-Anbieter Magnific AI. Dort besteht die Möglichkeit, eigene Workflows anzulegen, in denen zentrale Prompts und Einstellungen einmalig definiert werden. Werden anschließend die passenden Referenzbilder ergänzt, können per Klick direkt mehrere relevante Bilder erzeugt werden. Dadurch wurde beispielhaft aufgezeigt, wie sich die entwickelten Arbeitsschritte perspektivisch stärker standardisieren und für wiederkehrende Aufgaben effizienter nutzen lassen.
Die Lösung des Projekts liegt somit nicht in der vollständigen Ersetzung klassischer Fotoshootings, sondern in einem klar beschriebenen und praxiserprobten Workflow zur Ergänzung der bestehenden Bildproduktion. Klassische Produktfotografie bleibt weiterhin die verlässliche Grundlage, insbesondere für den Webshop. Generative KI erweitert diese um zusätzliche Models, Perspektiven, Inszenierungen und Bildwelten für Marketing und Social Media.
Das Projekt zeigt, wie kleine und mittlere Modeunternehmen generative KI einsetzen können, ohne ihre etablierte Bildproduktion grundlegend umzustellen. Durch eine klare Trennung der Einsatzbereiche und eine sorgfältige Qualitätskontrolle lassen sich die Stärken klassischer Fotografie und KI-gestützter Bildgenerierung sinnvoll kombinieren.
Durch die Unterstützung des Mittelstand-Digital Zentrums Chemnitz habe ich nicht nur einen guten Einblick in die Möglichkeiten von KI bekommen, sondern inzwischen selbst angefangen, die verschiedenen Anwendungen auszuprobieren. Dabei merke ich, welchen Mehrwert die Technologie für meine tägliche Arbeit und die Präsentation meiner Mode bieten kann. Besonders wertvoll war für mich, das Thema gemeinsam zu erschließen und nun mit dem nötigen Wissen selbst weiterarbeiten zu können.
