Ein Shampoo-Fläschchen auf weißem Hintergrund, perfekt ausgeleuchtet, kein Staubkorn, kein Schatten, der stört. Früher brauchte man dafür ein Studio, einen Fotografen und mehrere Stunden. Heute reicht ein Textprompt und etwa 30 Sekunden Rechenzeit. Bildgeneratoren wie Midjourney, Adobe Firefly oder das weniger bekannte Stable Diffusion erzeugen Produktfotos, die selbst geübten Augen kaum auffallen. Der Markt für KI-generierte Werbebilder wächst schnell, und die Frage, was auf einem Produktbild eigentlich noch real ist, wird zunehmend schwerer zu beantworten.
Wie Produktbilder heute entstehen
Die klassische Produktfotografie folgt einem klaren Ablauf: Objekt aufbauen, Licht setzen, fotografieren, retuschieren. Schon der letzte Schritt hat die Grenze zwischen Realität und Darstellung immer wieder verschoben. Ein Lippenstift wirkt auf dem Foto gesättigter als in der Hand, ein Sofa erscheint im Bild größer als im Wohnzimmer. Das war lange eine akzeptierte Konvention.
Was sich verändert hat, ist das Ausmaß. Generative KI erlaubt es, ein Produkt in eine Umgebung zu setzen, die nie existiert hat. Das Parfumfläschchen steht auf einem Marmortisch in einem Penthouse, das kein Mensch je betreten hat. Der Hintergrund ist synthetisch, das Licht ist synthetisch, manchmal ist sogar das Produkt selbst synthetisch, also ein 3D-Rendering statt eines fotografierten Objekts. Für den Nutzer im Shop ist das nicht erkennbar.
Was das mit Deepfakes zu tun hat
Das Phänomen berührt eine breitere Debatte, die weit über Werbegrafik hinausgeht. Wer verstehen will, was Deepfakes sind, erkennt schnell: Die Technologie hinter manipulierten Gesichtern und die hinter generierten Produktbildern ist dieselbe. Beide nutzen neuronale Netze, die aus Millionen realer Bilder lernen, um synthetische zu erzeugen, die echt wirken. Der Unterschied liegt im Anwendungsfall, nicht in der Methode.
Bei Produktbildern ist die gesellschaftliche Diskussion noch wenig entwickelt. Deepfakes von Personen werden zu Recht kritisch betrachtet, aber ein synthetischer Sneaker im Online-Shop löst bislang kaum öffentliche Reaktionen aus, obwohl auch er Erwartungen weckt, die das reale Produkt nicht erfüllen kann.
Rechtliche Lage: Was gilt in Deutschland?
Das deutsche Recht kennt das Täuschungsverbot im Wettbewerb. Das Gesetz gegen den unlauteren Wettbewerb untersagt irreführende Angaben über wesentliche Merkmale eines Produkts, darunter ausdrücklich Beschaffenheit und Aussehen. Ob ein vollständig KI-generiertes Produktbild, das vom tatsächlichen Produkt abweicht, darunter fällt, ist juristisch noch nicht abschließend geklärt. Erste Abmahnungen in ähnlichen Kontexten zeigen aber, dass das Thema in der Praxis ankommt.
Daneben greift die europäische Omnibus-Richtlinie, die seit 2022 in deutsches Recht überführt wurde und Verbrauchern mehr Transparenz bei digitalen Darstellungen sichern soll. Konkrete Kennzeichnungspflichten für KI-Bilder in der Werbung fehlen aber noch. Die EU arbeitet mit dem AI Act an einem übergreifenden Rahmen, der unter anderem Transparenzpflichten für KI-generierte Inhalte vorsieht.
Was Verbraucher konkret tun können
Hundertprozentige Sicherheit gibt es nicht, aber es gibt Indikatoren, die auf synthetische Bilder hinweisen:
- Zu perfekte Oberflächen: Kein Fingerabdruck, keine Delle, keine leichte Ungleichmäßigkeit in der Verpackung.
- Unplausible Reflexionen: KI-Modelle haben Schwierigkeiten mit konsistenten Spiegelungen auf Hochglanzoberflächen.
- Fehlende Produktionschargen-Details: Echte Fotos zeigen oft Barcodes, Chargennummern oder leicht abweichende Druckfarben. Synthetische Bilder lassen das weg.
- Nur ein einziger Blickwinkel: Studios fotografieren aus mehreren Perspektiven. KI-Generatoren liefern häufig nur das eine „Idealfoto“.
- Zu homogene Bewertungsfotos: Wenn alle Nutzerbewertungen ebenfalls perfekte Bilder zeigen, ist Skepsis angebracht.
Umgekehrte Bildersuche über Google Images oder TinEye kann helfen, wenn dasselbe Bild unter verschiedenen Produktnamen auftaucht, ein klassisches Zeichen für Stockfoto-Missbrauch oder generierte Massenware.
Der Graubereich zwischen Retusche und Simulation
Es wäre falsch, generative KI pauschal als Betrug zu rahmen. Die Technologie hat legitime Anwendungen. Kleine Händler ohne Fotobudget können mit KI-Hintergründen professionelle Darstellungen erzeugen, ohne das Produkt selbst zu verfälschen. Wenn eine Handtasche real fotografiert und anschließend in einen synthetischen Außenbereich montiert wird, ist das nicht grundlegend anders als ein klassisches Freistellen und Platzieren auf einem Stockfoto-Hintergrund.
Die Grenze zur Irreführung beginnt dort, wo das dargestellte Produkt selbst nicht dem entspricht, was der Käufer bekommt. Eine Jacke, die im KI-Bild strahlend rot wirkt, auf dem Bildschirm des Käufers aber bordeaux erscheint, weil die Farbe synthetisch übersättigt wurde, verletzt berechtigte Erwartungen. Dasselbe gilt für Größenverhältnisse, Materialoptik und Verarbeitungsdetails.
Das Verbraucherschutzrecht reagiert auf solche Fälle grundsätzlich, aber die Nachweispflicht liegt beim Käufer. Wer bemerkt, dass ein Produkt von seiner Darstellung erheblich abweicht, hat Ansprüche aus dem Kaufrecht, muss aber zunächst reklamieren und im Streitfall belegen, worin die Abweichung besteht.
Wohin die Entwicklung geht
Bildgeneratoren werden besser, nicht schlechter. Modelle der aktuellen Generation erzeugen Bilder, bei denen selbst Metadaten-Analyse keine eindeutigen Hinweise mehr liefert. Die Branche diskutiert technische Standards wie C2PA (Coalition for Content Provenance and Authenticity), die eine Art digitale Herkunftskette für Bilder ermöglichen sollen. Kameras und Software würden dann von Anfang an maschinenlesbar vermerken, ob ein Bild fotografiert oder generiert wurde.
Bis solche Standards flächendeckend verbreitet sind, bleibt die Einschätzung schwierig. Für Verbraucher bedeutet das: Produktbilder sind ein Anhaltspunkt, aber kein Beweis. Technische Daten, Bewertungen mit Fotos aus Nutzerhand und Rückgabeoptionen bleiben die verlässlicheren Entscheidungsgrundlagen beim Online-Kauf.
