KI und generierte Medien # KI-Produktbildgenerierung mit Schutzmaßnahmen auf SKU-Ebene Generieren Sie Produktbilder, ohne Merkmale, Farben, Verpackungen oder Aussagen zu erfinden, die Kunden mit dem echten Produkt verwechseln könnten. Veröffentlicht am 13. August 2026 ## Wichtigste Erkenntnisse * Behandeln Sie Produktidentität, Etiketten, Materialien, Farben und enthaltenes Zubehör als Fakten, bei denen die Generierung nicht improvisieren darf. * Verwenden Sie deterministisches Compositing, wenn exakte, freigegebene Produktpixel wichtiger sind als kreative Szenenvariationen. * Messen Sie Ablehnungen und Korrekturen durch Kunden zusammen mit dem kreativen Durchsatz und den Rendering-Kosten. KI kann kostengünstige Varianten von Produktszenen erstellen, doch Bilder im E-Commerce vermitteln auch Fakten. Eine ansprechende Ausgabe, die ein Bedienelement, eine Textur, einen Maßstab oder ein Zubehörteil verändert, kann Retouren und regulatorische Risiken verursachen. ## In diesem Leitfaden 1. [Kreative Freiheit bei Szenen von SKU-Fakten trennen](#ai-product-image-generation-section-1) 2. [Bearbeitungen auf freigegebene Produktreferenzen stützen](#ai-product-image-generation-section-2) 3. [Compositing wählen, wenn exakte Pixel erhalten bleiben müssen](#ai-product-image-generation-section-3) 4. [Den vorgesehenen Bearbeitungsbereich mit Masken definieren](#ai-product-image-generation-section-4) 5. [Identität, Materialien, Farbe und Zubehör prüfen](#ai-product-image-generation-section-5) 6. [Kandidaten ablehnen, die wesentliche Produktfakten verändern](#ai-product-image-generation-section-6) 7. [Derivate bei Änderungen der Quell-SKU ungültig machen](#ai-product-image-generation-section-7) ## Kreative Freiheit bei Szenen von SKU-Fakten trennen Listen Sie die Produkteigenschaften auf, die exakt bleiben müssen: Form, Proportionen, Verpackung, Etiketten, Farbe, Material, enthaltenes Zubehör und rechtlich relevante Aussagen. Benennen Sie anschließend die Bereiche, in denen kreative Ergänzungen zulässig sind, etwa Hintergrundfläche, Schatten oder dekorativer Kontext. Die Prüfkriterien sollten diese Trennung widerspiegeln. Ein plausibles Bild kann dennoch kommerziell falsche Angaben vermitteln. Verknüpfen Sie jede Anfrage mit einer freigegebenen SKU-Version und einem Veröffentlichungskanal und legen Sie fest, ob die Ausgabe ein Konzept, ein interner Entwurf oder ein für Kunden bestimmtes Asset ist. Halten Sie für geschützte Produkte einen deterministischen Ausweichpfad mit Fotografie oder Compositing vor. ## Bearbeitungen auf freigegebene Produktreferenzen stützen Verwenden Sie kontrollierte Referenzaufnahmen und maßgebliche Produktdaten, keine Screenshots von Marktplätzen oder Dateinamen. Bewahren Sie Quellauflösung, Farbbehandlung und Prüfsumme auf. Wenn mehrere Ansichten oder Masken erforderlich sind, kennzeichnen Sie deren semantische Rollen und dokumentieren Sie, welche freigegebene Produktversion sie zeigen. Senden Sie vertrauliche Produkte vor ihrer Markteinführung oder unnötige Kundendaten nicht ohne einen freigegebenen Datenpfad an einen Anbieter. Prüfen Sie Region, Aufbewahrung, Modellbedingungen und Zugriffsregelungen des Anbieters. Prompts sollten zulässige Änderungen an der Szene beschreiben, ohne das Modell dazu anzuregen, geschützte Produkteigenschaften neu zu gestalten. ## Compositing wählen, wenn exakte Pixel erhalten bleiben müssen Verwenden Sie exaktes Compositing, wenn Produkt, Text, regulatorische Kennzeichnung oder Verpackung nicht verändert werden dürfen. Durch Hintergrundentfernung und ein deterministisches Layout lassen sich freigegebene Quellpixel häufig zuverlässiger in eine neue Szene einfügen als durch Generierung. Setzen Sie Inpainting nur für klar abgegrenzte Bereiche ein, in denen unerwünschte Änderungen bei der Prüfung erkannt werden können. Vergleichen Sie die Generierung anhand von Korrekturzeit und Veröffentlichungsfähigkeit mit dem deterministischen Referenzverfahren, nicht anhand visueller Neuartigkeit. Ein generierter Schatten oder eine generierte Reflexion kann dennoch dem Material oder dem Maßstab widersprechen. Produktverantwortliche sollten die Checkliste für geschützte Fakten freigeben, bevor eine für die kreative Prüfung zuständige Person die Ästhetik beurteilt. ## Den vorgesehenen Bearbeitungsbereich mit Masken definieren Das Beispiel verwendet zwei Uploads mit den semantischen Rollen `image` und `mask` für dokumentiertes Inpainting. Richten Sie die Maske an der Quelle aus und überprüfen Sie ihre Abmessungen und vorgesehene Polarität. Der Prompt fordert eine Änderung des Hintergrunds an, doch eine prüfende Person muss weiterhin bestätigen, dass die Produktpixel akzeptabel geblieben sind. Speichern Sie Quelle, Maske, Prompt-Version, Modell, Kandidat, SKU-Version und Prüfstatus. Erstellen Sie Derivate für die Auslieferung ausschließlich aus dem freigegebenen Kandidaten. Ein fehlgeschlagener Export sollte unabhängig erneut versucht werden, und ein verspätetes Ergebnis für ein veraltetes SKU-Bild darf ein neueres freigegebenes Asset nicht ersetzen. Eine Hintergrundbearbeitung anhand zweier Uploads vorschlagen: Produkt und Maske ``` { "steps": { ":original": { "robot": "/upload/handle" }, "scene_candidate": { "use": [ { "name": ":original", "as": "image" }, { "name": ":original", "as": "mask" } ], "robot": "/image/generate", "model": "stability-ai/stable-diffusion-inpainting", "prompt": "Replace only the masked background with a neutral studio set. Keep the product, packaging, labels, colors, and geometry unchanged.", "format": "png" } } } ``` ## Identität, Materialien, Farbe und Zubehör prüfen Vergleichen Sie Kandidat und Quelle hinsichtlich Silhouette, Abmessungen, Etiketten, Schreibweise, Logos, Farbe, Oberflächenbeschaffenheit, Textur, Öffnungen, Bedienelementen, enthaltenen Artikeln und Spiegelungen. Prüfen Sie jeden vorgesehenen Bildausschnitt und jede komprimierte Ausgabe. Nutzen Sie nach Möglichkeit objektive Farb- oder Geometrieprüfungen, behalten Sie jedoch die fachkundige visuelle Prüfung bei. Dokumentieren Sie die Ablehnungsgründe je Produktkategorie, da sich die Fehlermuster bei transparenten Artikeln, Schmuck, Textilien, spiegelnden Verpackungen und Produkten mit kleiner Schrift unterscheiden. Die Akzeptanzrate ohne Fehler bei den SKU-Fakten und die Korrekturzeit können verschleiern, dass Kandidaten ansprechend, aber unbrauchbar sind. ## Kandidaten ablehnen, die wesentliche Produktfakten verändern Lehnen Sie Kandidaten ab, statt sie zu retuschieren, wenn sie Merkmale hinzufügen, Mengen verändern, Verpackungen abwandeln, vorgeschriebene Warnhinweise verdecken oder eine nicht belegte Umgebung oder Verwendung suggerieren. Behalten Sie die freigegebene Quelle bei und wählen Sie Compositing, eine neue Aufnahme oder ein anderes kreatives Konzept, wenn die Freiheit des Modells den verbindlichen Produktfakten widerspricht. Prüfen Sie für das vorgesehene Gebiet und den vorgesehenen Kanal die Rechte, Einwilligungen abgebildeter Personen, den Umgang mit Marken, Offenlegungspflichten und die Belegbarkeit von Aussagen. Schützen Sie prüfende Personen und Zugangsdaten, bereinigen Sie Fehlermeldungen und stellen Sie für veröffentlichte Assets einen Prozess für Korrekturen und die Entfernung bereit. ## Derivate bei Änderungen der Quell-SKU ungültig machen Versionieren Sie SKU-Referenz, Masken, Prompt, Modelleinstellungen, Prüfschema, abschließende Steps und freigegebene Ausgaben. Wenn sich die Verpackung oder Produktfakten ändern, kennzeichnen Sie davon abhängige generierte Medien als veraltet und sperren Sie deren erneute Veröffentlichung, bis sie anhand der neuen Quelle geprüft wurden. Überwachen Sie Ablehnungskategorien, Korrekturzeiten, Ablehnungen veralteter Ergebnisse, Anbieterfehler, Kosten pro akzeptierter SKU und spätere Ersetzungen. Halten Sie zuvor freigegebene Assets während der Einführung verfügbar und gestalten Sie Callbacks und Veröffentlichungen idempotent, damit die Reihenfolge der Fertigstellung nicht bestimmt, welche Produktdaten verbindlich sind. ## Wissenswerte technische Details * Aufgabengrenze: Die KI-Produktbildgenerierung erstellt oder bearbeitet Verkaufsbilder anhand eines Briefings und freigegebener Produktreferenzen. Die Produktbildgenerierung synthetisiert oder verändert eine Szene; die Produktfotografie bildet einen Artikel ab, und deterministisches Compositing bewahrt freigegebene Pixel. * Eingabevertrag: Stützen Sie die Generierung auf freigegebene Produktreferenzen und strukturierte Fakten, schützen Sie Etiketten und Geometrie nach Möglichkeit vor Änderungen und trennen Sie die kreative Freiheit bei Lifestyle-Darstellungen von verbindlichen SKU-Fakten. Das Beispiel erwartet zwei hochgeladene Dateien – ein Produktbild und eine Maske –, die über semantische Feldnamen oder Anweisungen mit as gekennzeichnet sind. Die Eingabevorbereitung muss zusammen mit dem Modell bewertet werden, da die Vorverarbeitung sowohl Nachweise als auch Störungen entfernen kann. * Ausgabevertrag: Erstellen Sie Kandidaten, die mit der SKU, freigegebenen Referenzen, Angaben zur Herkunft von Prompt und Modell, der Offenlegung generierter Bereiche, dem Prüfstatus und den finalen Kanalvarianten verknüpft sind. Eine gültige Antwort beweist nicht, dass ein vorhergesagtes Label, eine vorhergesagte Region oder ein generiertes Pixel korrekt ist. * Methodenwahl: Bevorzugen Sie den deterministischen Austausch von Hintergründen für die exakte Darstellung von SKUs und setzen Sie Generierung nur für Umgebungen oder Konzepte ein, die anhand des freigegebenen Produkts geprüft werden können. Modellnamen allein geben weder Aufschluss über Trainingsdaten, Schwellenwerte, Latenz oder Lizenzierung noch über das Fehlerverhalten eines bereitgestellten Systems. * Bewertung: Prüfen Sie SKU-Identität, Geometrie, Farbe, Materialien, Etiketten, enthaltenes Zubehör, Schatten, Markenregeln, kanalspezifische Bildausschnitte, Ablehnungsquote und Beschwerden zur Conversion. Aggregierte Bewertungen sollten nach Inhaltstyp segmentiert werden, damit häufige einfache Beispiele Fehler bei wichtigen Grenzfällen nicht verdecken. * Fehler und Sicherheit: Wenn die Ausgabe eine wesentliche Produktangabe verändert, lehnen Sie sie ab und verwenden Sie freigegebene Fotografie oder ein deterministisches Compositing, statt sie mit weiterer Automatisierung zu „korrigieren“. Verlangen Sie bei regulierten Aussagen, Personen, Marken, Verpackungen oder der Materialdarstellung eine produktbezogene und rechtliche Prüfung, und suggerieren Sie niemals Funktionen, die nicht in der SKU enthalten sind. * Betrieb: Versionieren Sie Produktfakten, Referenzen, Prompts und Genehmigungen, überwachen Sie Ablehnungsgründe und Kundenmeldungen und machen Sie Derivate ungültig, wenn sich die Quell-SKU ändert. ## Ein praxisnaher Ansatz 1. 1\ Halten Sie die Entscheidung, das Ausgabeschema und die Ablehnungskriterien für die KI-Produktbildgenerierung fest. 2. 2\ Erstellen Sie einen repräsentativen Evaluierungsdatensatz für die KI-Produktbildgenerierung und bewahren Sie jede Quelle, jede Entscheidung zur Vorverarbeitung und jeden Provenienznachweis auf. 3. 3\ Bewerten Sie den vollständigen Workflow anhand repräsentativer Nachweise und vergleichen Sie das Ergebnis mit vordefinierten, aufgabenspezifischen Akzeptanzkriterien. 4. 4\ Führen Sie die KI-Produktbildgenerierung mit expliziten Prüf- und Fallback-Pfaden ein und überwachen Sie anschließend die Betriebssignale, anhand derer sich entscheidet, ob sie weiterhin nützlich ist. Ein vierstufiger Medien-Workflow ## Wann Transloadit hilfreich ist Verwenden Sie /image/generate für unterstützte Generierungsaufgaben, /image/bgremove für freigegebene Freisteller aus Quelldateien und /image/resize nach der Produktprüfung für kanalspezifische Derivate. ## Architekturgrenze Transloadit kann Bilder generieren, Hintergründe entfernen und deterministische Schritte zur Größenänderung, zum Compositing und zum Export ausführen. Es kann jedoch nicht beurteilen, ob eine generierte Darstellung eines Produkts rechtlich oder kommerziell korrekt ist. ## Häufig gestellte Fragen ### Wann ist Compositing sicherer als die Generierung von Produktbildern? Verwenden Sie Compositing, wenn exakte Produktpixel, Verpackungen, Etiketten, Farben oder regulatorische Details erhalten bleiben müssen. Generierung eignet sich nur für klar eingegrenzte, überprüfbare Erfindungen. ### Garantiert eine Inpainting-Maske, dass Pixel außerhalb der Maske unverändert bleiben? Behandeln Sie Maske und Prompt als vorgegebene Einschränkungen, nicht als Beleg. Vergleichen Sie geschützte Produktdetails mit der freigegebenen Quelle und lehnen Sie Kandidaten ab, die wesentliche Fakten verändern. ### Was sollte nach einer Überarbeitung des Produkts oder der Verpackung geschehen? Machen Sie abhängige generierte Assets anhand der SKU-Version ungültig, bewahren Sie den bisherigen Verlauf auf und prüfen oder generieren Sie sie vor der Veröffentlichung anhand der neuen maßgeblichen Referenz erneut. ### Was sollte die Produktprüfung neben der visuellen Attraktivität messen? Prüfen Sie für jede Produktkategorie Identität, Geometrie, Etiketten, Rechtschreibung, Material, Farbe, Zubehör, Aussagen, Zielbildausschnitte, Korrekturzeit und Ablehnungsgründe. ## Erstellen Sie den Workflow Entwickeln Sie das Konzept mithilfe der Robot-Dokumentation und funktionsfähiger Demos zu einer getesteten Assembly weiter. ### Relevante Robots * [/image/generate](/de/docs/robots/image-generate.md) * [/image/bgremove](/de/docs/robots/image-bgremove.md) * [/image/resize](/de/docs/robots/image-resize.md) * [Lesen Sie die API-Dokumentation](/de/docs.md) * [Entdecken Sie funktionsfähige Demos EN (English)](/demos.md) * [Kostenlosen Workspace erstellen](/c/signup/) KI und generierte Medien ## Mit verwandten Leitfäden fortfahren * [KI-Bildanalyse: Aufgaben, Architektur und Schutzmaßnahmen](/de/guides/ai-image-analysis.md)\ Verstehen Sie Klassifizierung, Detektion, OCR, Bildbeschreibung, Embeddings und Moderation als unterschiedliche Bildanalyseaufgaben. * [Prüfworkflow für KI-gestützte Bildmetadaten](/de/guides/ai-for-media-seo.md)\ Nutzen Sie KI für Medien-SEO, wo sie wirklich hilft: bei Inventarisierung, Metadatenvorschlägen, barrierefreien Entwürfen und messbarer Asset-Optimierung. * [KI-Bildersetzung: Masken, Inpainting und Prüfung](/de/guides/ai-image-replacement.md)\ Ersetzen Sie Bildbereiche mit KI und halten Sie Auswahlmasken, verlässliche Quelldaten, visuelle Kontinuität und redaktionelle Prüfung sichtbar. * [Generative KI im E-Commerce: fünf praktische Beispiele](/de/guides/generative-ai-in-ecommerce.md)\ Nutzen Sie generative KI für fünf E-Commerce-Aufgaben und schützen Sie Katalogfakten, Kanalvorgaben, Freigaben und deterministische Ausgaben. * [KI-basierte Videoanalyse: Signale, Metriken und Architektur](/de/guides/ai-video-analytics.md)\ Entwerfen Sie KI-Videoanalysen, die Inhaltssignale, Wiedergabetelemetrie, Geschäftsereignisse, Evaluation und zeitlich abgestimmte Nachweise trennen.