Virtuelle Fashion-Models: KI-Fotoshootings in der Looks App

Wenn ich in der Looks App einer Jacke ein Gesicht geben will, brauche ich kein Fotostudio mehr. Ich brauche einen guten Prompt, und wenn mir Konsistenz wichtig ist, ein hinterlegtes Model-Profil. Wie beides zusammenspielt zeige ich hier.

Wie aus einem einfachen Prompt ein ganzer Editor wurde

Die Textgenerierung war schon in Looks integriert, also lag der Gedanke nahe, damit auch ein Fashion-Shooting mit einem KI-Model zu erzeugen. Ausprobiert habe ich das zuerst mit Flux.2 von Black Forest Labs, weil sich im Kontextfenster mehrere Bilddateien gleichzeitig mitschicken lassen. Die Ergebnisse haben mich aber nicht vollständig überzeugt. Kurz darauf ist Google Nano Banana 2 erschienen, das ebenfalls mehrere Bilder als Input akzeptiert, und die Resultate waren spürbar besser. Zur Wahrheit gehört aber auch: Das entscheidende Element ist nicht das Modell, sondern der Prompt.

Aus einem einfachen Prompt der zuvor fest im Code verankert war, wurde ein kleiner Editor über den ein User diverse Vorgaben machen kann, wie das Bild später aussehen soll. Der Prompt setzt sich anschließend aus vielen kleinen Bausteinen zusammen, die der Editor im Hintergrund kombiniert: Format (Instagram Story oder Post, DIN A4 Hoch- oder Querformat, quadratisch), Bildausschnitt, Stil (eher Social Media, also nahbar und authentisch, oder Hochglanzmagazin, also polished und professionell) und Location wie Studio, Loft-Wohnung oder Großstadtstraße. Viele dieser Werte lassen sich per eigenem Text überschreiben, die Location zum Beispiel. Für die Pose stehen 17 Presets zur Auswahl, alternativ kann ein eigenes Referenzbild eingefügt werden. Dazu kommen Gesichtsausdruck, Kamera, Tageszeit, Licht und Farbgebung. Im Bereich „Erweitert“ liegen dann freie Prompts, Wetter, Location-Referenzbilder und Stylinghinweise. Für schnelle Tests gibt es ein paar Presets, für produktiv nutzbare Ergebnisse muss ich die aber noch nachschärfen.

Die Basis Einstellungen im Editor

Referenzposen für das Model

Einstellungen für Kamera & Licht

Warum das gleiche Model nie zweimal gleich aussieht

Reine Textangaben zum Model liefern kaum Konsistenz, selbst wenn der Prompt exakt gleich bleibt. Gebe ich zum Beispiel vor, dass das Model männlich, 25 bis 35 Jahre alt, athletisch gebaut und kaukasisch aussehen soll, bekomme ich mit ziemlicher Sicherheit nie zweimal dasselbe Gesicht. Für ein einzelnes Bild ist das egal, für eine ganze Produktreihe mit demselben Model aber ein Problem.

Deshalb gibt es in Looks auch einen eigenen Model-Editor. Damit lässt sich entweder ein vollständig synthetisches KI-Model anlegen oder ein reales Model erfassen. In beiden Fällen braucht es drei Aufnahmen: ein Porträt, ein Ganzkörperbild von vorne und eines von hinten. Diese drei Bilder werden bei jeder Generierung als zusätzlicher Kontext an die KI übergeben und sorgen so für deutlich mehr Konsistenz im Ergebnis.

Sollte ein synthetisches Model nach der ersten Erstellung nicht gefallen, kann über die "Verfeinern"-Funktion über einen weiteren Prompt eine Änderung vorgenommen werden. Hierfür kommt ein weiterer Baustein dazu: das ursprünglich generierte Profilbild wird unveränderlich als sogenannter Identity Anchor gespeichert. Jedes Mal, wenn ich ein Model über die „Verfeinern“-Funktion nachschärfe, wird dieser Anker zusätzlich als Referenz mitgeschickt. Ohne diesen Mechanismus hatte ich beobachtet, dass sich Augenfarbe, Gesichtsform oder Nase über mehrere Korrekturdurchläufe hinweg langsam verändern, ohne das sie vom User angewiesen wurden. Der Anker verhindert, dass das Model bei jeder Anpassung ein bisschen mehr zu einer anderen Person wird.

Wie DSGVO-Konformität bei echten Models technisch verankert ist

Sobald ein reales Model beteiligt ist, reicht eine einzelne Einwilligung nicht aus. Looks unterscheidet deshalb zwei getrennte Consent-Felder. Eines für die interne Nutzung oder Präsentation und eines für die Weitergabe der Bilder an externe KI-APIs wie OpenRouter. Diese Trennung ist bewusst, weil beide Nutzungen eine völlig unterschiedliche rechtliche Tragweite haben, jemand kann intern gezeigt werden wollen, ohne dass die eigenen Fotos an einen externen KI-Dienst geschickt werden.

Wo das in der Praxis ankommt

Einen konkreten Praxiseinsatz gab es für dieses Feature bei mir bisher nicht. Die naheliegenden Anwendungsfälle sehe ich aber überall dort, wo Artikel an einer Person gezeigt werden sollen, also Social Media, Magazine und eCommerce. Gerade für kleinere Händler, die sich kein regelmäßiges Fotoshooting mit echten Models leisten können, wäre das ein realistischer Einstiegspunkt. Als Nächstes will ich die Presets im Editor überarbeiten, damit sie nicht nur für schnelle Tests, sondern auch für produktive Shootings taugen, im Besten Fall kann ein User seine eigenen Einstellungen als Preset speichern.