E-Commerce: Produktfotografien

Aktualisiert am 2. November 2026 — Bildmodelle. Das Modell, für das dieser Kurs ursprünglich verfasst wurde, gpt-image-1, wurde am 23. Oktober 2026 eingestellt. gpt-image-1.5, gpt-image-1-mini und chatgpt-image-latest werden am 1. Dezember 2026 eingestellt. Die Beispiele verwenden nun gpt-image-2.5-sunburst, das die höchste Präzision für Bearbeitungen bietet; gpt-image-2.5-flare ist für die Standardgenerierung schneller. Beide Modelle unterstützen zudem die Qualitätsstufen xhigh und max. GPT-Bildmodelle geben Bilder stets im Base64-Format zurück: Der Parameter response_format, der von älteren DALL·E-Modellen verwendet wurde, wird nicht mehr akzeptiert und aus dem Code entfernt. Quelle: Bildgenerierung (OpenAI).

Die KI-generierte Bildproduktion transformiert die visuelle Erstellung im E-Commerce. Eine traditionelle Fotosession erfordert ein Studio, einen Fotografen, einen Retuscher und mehrere Wochen Terminplanung, wobei die Budgets in die Tausende von Euro gehen. GPT Image erstellt in Sekunden eine professionelle Produktvisualisierung. Diese Lektion zeigt Ihnen, wie Sie Bilder generieren, die kommerziell tragfähig sind – das heißt, sie erfüllen die visuellen Standards einer Produktlisting-Seite – und nicht nur dekorative Illustrationen erstellen.

Produktfotos auf weißem Hintergrund

Ein weißer Hintergrund ist der Goldstandard im E-Commerce. Marktplätze verlangen ihn, und Käufer erwarten ihn, wenn sie Artikel nebeneinander vergleichen. Die Herausforderung besteht nicht darin, einfach „weißen Hintergrund” zu sagen, sondern darin, die Beleuchtung zu beschreiben, die das Produkt lesbar macht. Der Prompt in der Funktion unten stapelt fünf spezifische Details, die den Unterschied machen: reiner weißer Hintergrund, Studio-Softbox-Beleuchtung, ein weicher Schatten, um einen groben Ausschneide-Effekt zu vermeiden, ein leicht erhöhter 3/4-Winkel, um Volumen hinzuzufügen, und ein Verweis auf den „Amazon / Premium E-Commerce”-Stil, um das Ergebnis einzuordnen.

from openai import OpenAI
import base64

client = OpenAI()

def photo_produit_fond_blanc(description_produit: str, output: str):
    """Generiert ein Produktfoto auf weißem Hintergrund im E-Commerce-Stil."""
    prompt = (
        f"{description_produit}, "
        "professionelle Produktfotografie auf reinem weißen Hintergrund, "
        "Studio-Softbox-Beleuchtung, weicher Schatten, "
        "leicht erhöhter 3/4-Winkel, "
        "maximale Schärfe, hohe Auflösung, "
        "Amazon / Premium E-Commerce-Stil"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Produktfoto: {output}")


photo_produit_fond_blanc(
    "Matte schwarze kabellose Kopfhörer, Premium-Design, Leder-Ohrpolster",
    "casque_fond_blanc.png"
)

Lifestyle-Fotos

Ein Foto auf weißem Hintergrund informiert; ein Lifestyle-Foto erzeugt Begehren. Es zeigt das Produkt in seinem Nutzungskontext und lässt den Käufer sich in die Szene hineinprojizieren. Eine isolierte Wasserflasche, die auf einem Felsen vor einem Bergpanorama liegt, verkauft nicht gebürstetes Stahl; sie verkauft einen Wandertrip. Das Prompt-Vokabular verschiebt sich daher vollständig: natürliches Licht statt Studio, weicher Bokeh-Effekt statt maximale Schärfe, seitliche Komposition nach der Drittelregel statt zentriertes Motiv. Das Format wechselt ebenfalls zu Querformat, da diese Visualisierungen als Banner auf Produktseiten oder für Social-Media-Inhalte dienen.

from openai import OpenAI
import base64

client = OpenAI()

def photo_lifestyle(produit: str, contexte: str, output: str):
    """Generiert ein Lifestyle-Foto eines Produkts im Kontext."""
    prompt = (
        f"{produit} verwendet in einem {contexte}-Kontext, "
        "editorial Lifestyle-Fotografie, natürliches Licht, "
        "Tiefenschärfe mit weichem Bokeh, "
        "seitliche Komposition nach der Drittelregel, "
        "aspirationaler Stimmung, Magazin-Stil"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1536x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(output, "wb") as f:
        f.write(data)
    print(f"Lifestyle-Foto: {output}")


photo_lifestyle(
    "Gebürstete Edelstahl-isolierte Wasserflasche",
    "Bergwandern, auf einem Felsen mit Panoramablick",
    "gourde_lifestyle.png"
)

photo_lifestyle(
    "Brauner Wachstuch-Rucksack",
    "trendiges Café, auf einem Holzstuhl neben einem Laptop",
    "sac_lifestyle.png"
)

Farbvarianten desselben Produkts

Ein Sneaker-Modell, das in fünf Farben erhältlich ist, erfordert fünf rigoros identische Visualisierungen, die sich nur in der Farbe unterscheiden: gleicher Winkel, gleicher Schatten, gleicher Bildrahmen. Der untenstehende Loop erledigt genau das. Er hält einen Block fotografischer Direktiven strikt konstant und variiert lediglich den Farbnamen. Was Ihnen sonst die Hälfte eines Studio-Tages und Retusche-Arbeit kosten würde, wird hier in einer einzigen Skriptausführung abgedeckt.

from openai import OpenAI
import base64

client = OpenAI()

produit_base = "High-Top-Leder-Sneaker"
couleurs = [
    ("white", "white_sneakers.png"),
    ("black", "black_sneakers.png"),
    ("burgundy red", "bordeaux_sneakers.png"),
    ("navy blue", "navy_sneakers.png"),
    ("olive green", "olive_sneakers.png"),
]

for couleur, filename in couleurs:
    prompt = (
        f"{produit_base} in {couleur}, "
        "Produktfotografie auf weißem Hintergrund, Studio-Beleuchtung, "
        "vordere 3/4-Ansicht, weicher Wurf-Schatten, "
        "Premium E-Commerce-Website-Stil, maximale Schärfe"
    )

    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="high",
    )

    data = base64.b64decode(response.data[0].b64_json)
    with open(filename, "wb") as f:
        f.write(data)
    print(f"Farbe {couleur} → {filename}")

Mehransichten-Paket

Eine seriöse Produktliste stützt sich nie auf einen einzigen Schuss. Käufer möchten das Objekt von vorne, seitlich, von oben und aus der 3/4-Perspektive sehen, bevor sie ihre Karte ziehen. Die Funktion pack_vues_produit industrialisiert diese Anforderung, indem sie durch vier Winkelbeschreibungen iteriert und jede Dateinamen-Endung vorhersehbar anhängt. Dies ermöglicht es Ihrem Back-Office-System, sie später automatisch dem richtigen SKU zuzuordnen.

from openai import OpenAI
import base64

client = OpenAI()

def pack_vues_produit(description: str, prefix: str):
    """Generiert ein Paket mit 4 Produktansichten."""
    vues = [
        ("vordere Ansicht, zentriert", "face"),
        ("linke Profilansicht, 90 Grad Winkel", "profil"),
        ("Obenauf-Ansicht, flach liegend", "dessus"),
        ("3/4-Ansicht, leicht erhöhter Winkel", "3-4"),
    ]

    for prompt_vue, suffix in vues:
        prompt = (
            f"{description}, {prompt_vue}, "
            "reiner weißer Hintergrund, professionelles Studio-Licht, "
            "maximale Schärfe, E-Commerce-Stil"
        )

        response = client.images.generate(
            model="gpt-image-2.5-sunburst",
            prompt=prompt,
            size="1024x1024",
            quality="high",
        )

        path = f"{prefix}_{suffix}.png"
        data = base64.b64decode(response.data[0].b64_json)
        with open(path, "wb") as f:
            f.write(data)
        print(f"Ansicht {suffix} → {path}")


pack_vues_produit(
    "Smartwatch mit schwarzem Silikonarmband, rundes Zifferblatt, OLED-Bildschirm",
    "montre"
)

Hintergrund einer bestehenden Fotografie ändern

Besitzen Sie bereits ein Foto auf weißem Hintergrund und möchten eine Lifestyle-Version erstellen, ohne das Produkt neu zu generieren? images.edit() ermöglicht dies, sofern Sie in umgekehrter Richtung denken: Die Maske schützt das Produkt und setzt alles andere frei. Die Funktion unten zeichnet eine undurchsichtige Ellipse in der Mitte – den geschützten Bereich – und lässt den Rand transparent, damit das Modell den Hintergrund neu anmalen kann. Der Aufruf gibt im Prompt vor, dass das zentrale Produkt intakt bleibt, um das erwartete Verhalten zu verstärken.

import base64
from openai import OpenAI
from PIL import Image, ImageDraw

client = OpenAI()

def changer_fond_produit(image_path: str, nouveau_fond: str, output: str):
    """
    Ersetzt den Hintergrund eines Produktfotos.
    Geht davon aus, dass das Produkt zentriert im Bild liegt.
    """
    source = Image.open(image_path)
    w, h = source.size
    mask = Image.new("RGBA", (w, h), (0, 0, 0, 0))
    draw = ImageDraw.Draw(mask)

    # Undurchsichtiger Bereich in der Mitte = geschützt
    margin_x, margin_y = w // 5, h // 5
    draw.ellipse(
        [margin_x, margin_y, w - margin_x, h - margin_y],
        fill=(0, 0, 0, 255)
    )
    mask.save("temp_mask_fond.png")

    response = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=open(image_path, "rb"),
        mask=open("temp_mask_fond.png", "rb"),
        prompt=f"Hintergrund: {nouveau_fond}, das Produkt in der Mitte bleibt intakt"
    )

    with open(output, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Hintergrund geändert: {output}")


changer_fond_produit(
    "casque_fond_blanc.png",
    "minimalistisches Schreibtischdesign aus hellem Holz, unscharfe grüne Pflanze im Hintergrund",
    "casque_lifestyle_auto.png"
)

Was die Generierung nicht garantiert

Vier Vorbehalte sind wertvoll, bevor Sie dies in einen Produktionskatalog einbinden. Erstens ist die Konsistenz: GPT Image garantiert nicht, dass dasselbe Produkt von einer Generierung zur nächsten identisch ist. Eine Farbvariante, die drei Tage später generiert wird, könnte mit einem leicht anderen Sohlendesign zurückkehren. Die Lösung besteht darin, alle Varianten desselben SKU in derselben Sitzung zu generieren, wie der Farb-Loop es tut.

Zweitens betrifft dies Text auf dem Produkt selbst. Logos und gedruckte Etiketten werden gut gerendert, aber Sie müssen sie dennoch auf Fehler prüfen. Ein Cremeglas, bei dem der Markenname ein Buchstabe fehlt, könnte das Auge des Skripts passieren, aber nicht das des Kunden. Der dritte Vorbezug betrifft reale Abmessungen, die das Modell ignoriert. Wenn Proportionen wichtig sind – eine 50-ml-Flasche, die nicht wie ein 1-Liter-Glas aussehen sollte – geben Sie diese explizit im Prompt an. Der vierte ist methodischer: KI beschleunigt die Produktion, ersetzt aber die menschliche Validierung nicht. Kein visuelles Element darf je auf einer Produktseite ohne Überprüfung durch eine Person live gehen.

Um die gesamte Kette zu testen, wählen Sie ein reales oder fiktives Produkt und schreiben Sie ein Skript, das sein komplettes E-Commerce-Paket generiert: ein Foto auf weißem Hintergrund, zwei Lifestyle-Fotos in unterschiedlichen Kontexten und drei Farbvarianten. Sie erhalten dann einen konkreten Eindruck davon, was ein Katalog mit hundert SKUs bedeutet.