Aus vorhandenen Produktfotos, Artikeldaten und Stylingvorgaben entwickelten wir einen mehrstufigen Produktionsprozess für KI-generierte Modelbilder, Tragebilder und Produktvideos.
Für neue Taschenkollektionen werden neben klassischen Produktfotos auch Tragebilder und Videos benötigt.
Für Meier Logistik entwickelten wir gemeinsam mit unseren Netzwerkpartnern einen automatisierten Produktionsprozess, der vorhandene Packshots und Artikeldaten in zusätzliche Bild- und Videoinhalte übersetzte.
01
Eine Tasche freigestellt zu zeigen, reicht im Onlinehandel häufig nicht aus. Kunden möchten sehen, wie groß sie am Körper wirkt, wie sie getragen wird und wie sie sich in Bewegung verhält. Dazu kommen unterschiedliche Bildformate und Vorgaben der Verkaufsplattformen.
Die Aufgabe war, diese Inhalte aus vorhandenen Produktfotos zu erzeugen. Form, Proportionen, Materialien und Markendetails sollten dabei möglichst genau erhalten bleiben – auch über verschiedene Ansichten und Videosequenzen hinweg.
02
Wir verbanden die KI-Generierung mit einem strukturierten Daten- und Produktionsprozess.
Produktbilder, Maße, Stylingvorgaben und Posen bildeten gemeinsam die Grundlage für die Ausgabe. Dabei wurde nicht nur die Tasche generiert beziehungsweise in ein vorhandenes Bild integriert: Auch die Models und ihre Outfits entstanden mithilfe generativer KI.
Die Datenschnittstelle orientierte sich am bestehenden Produktinformationssystem des Kunden. Artikelinformationen konnten über eine Excel-Vorlage bereitgestellt und anschließend automatisiert verarbeitet werden.
Für Upload, Verarbeitung, Rückgabe und Korrekturen wurden feste Abläufe eingerichtet.
Vier Produktionsschritte, ein Artikel. Die Bildstrecke zeigt den Generierungsprozess anhand desselben Taschenmodells.
Ausgangspunkt sind vorhandene Packshots, Produktmaße und definierte Vorgaben zu Styling, Perspektive und Bildformat.
Ein passendes Model samt Outfit wird durch generative KI erzeugt. In diesem Schritt ist die Tasche noch nicht Bestandteil des Bildes.
Das Produkt wird in die generierte Szene integriert. Größe, Proportionen, Trageweise und Perspektive müssen möglichst genau mit dem Original übereinstimmen.
Aus den generierten Bildern entstehen kurze Videosequenzen, die das Produkt in Bewegung zeigen.
03
Ein wesentlicher Teil der Entwicklung lag in der Übersetzung strukturierter Artikeldaten in passende Generierungsanweisungen.
Produktmaße, Stylingvorgaben, Posen und Bildperspektiven mussten aufeinander abgestimmt werden. Widersprüchliche Vorgaben wurden aufgelöst und wiederkehrende Fehler gezielt bearbeitet.
Die automatisierte Produktion wurde durch manuelle Sichtung und Korrekturläufe ergänzt. Nicht alle Ergebnisse erreichten im ersten Durchlauf die erforderliche Qualität.
Besonders feine Logos, komplexe Gurtkonstruktionen und unzureichende Ausgangsperspektiven stellten die damaligen KI-Modelle vor Herausforderungen. Die Qualität und Vollständigkeit der ursprünglichen Produktfotos blieben deshalb entscheidend.
Im Projektverlauf entstanden für 133 Produkte rund 1.460 Bilder und 266 Videos.
04
Wir übernahmen die Projektverantwortung und koordinierten Konzeption, technische Umsetzung und Qualitätssicherung mit den beteiligten Netzwerkpartnern.
Dazu gehörten die Abstimmung der Datenstruktur, die Entwicklung der Generierungslogik sowie die Aufbereitung und Prüfung der Ergebnisse.
Eine ursprünglich vorgesehene eigenständige Softwarelösung wurde nicht vollständig realisiert. Die entwickelte Produktionspipeline zeigte jedoch, wie sich Produktdaten, KI-Bildgenerierung und Videoproduktion zu einem strukturierten Prozess verbinden lassen.
Das Projekt entstand in einer frühen Phase generativer Bild- und Videotechnologien. Die technischen Möglichkeiten haben sich seither erheblich weiterentwickelt.
Mehrstufiger Produktionsprozess mit festen Abläufen für Upload, Verarbeitung, Rückgabe und Korrektur.
Entwicklung der Produktionspipeline und der Generierungslogik.
Anbindung an das bestehende Produktinformationssystem; Artikeldaten über eine Excel-Vorlage.
Modelbilder, Tragebilder und kurze Produktvideos aus vorhandenen Packshots.
Übersetzung strukturierter Artikeldaten in passende Generierungsanweisungen.
Manuelle Sichtung und Korrekturläufe; Prüfung von Logos, Proportionen und Perspektiven.