Ghost Mannequin zu On-Model: Wie KI aus Produktfotos echte Model-Bilder macht

Was „Ghost Mannequin zu On-Model" eigentlich bedeutet

Wer online einkauft, kennt Ghost-Mannequin-Fotos: Ein Kleidungsstück wird auf einer unsichtbaren Büste fotografiert, sodass die Form erhalten bleibt, aber kein Körper zu sehen ist. Flat-Lay-Fotos — von oben fotografierte, flach ausgelegte Kleidung — und Bügel-Fotos sind die anderen beiden Standardformate der E-Commerce-Produktfotografie. Alle drei sind schnell, günstig und lassen sich in großem Umfang produzieren. Keines von ihnen zeigt, wie das Kleidungsstück tatsächlich an einer Person aussieht und fällt.

„On-Model"-Fotografie ist das Gegenteil: dasselbe Kleidungsstück, getragen von einem menschlichen Körper (oder zunehmend von einem KI-generierten Model), sodass Kundinnen und Kunden Passform, Fall, Proportionen und Styling im Kontext sehen können. Die meisten Modekataloge — besonders solche aus Lieferanten- oder Großhandels-Assets — sind voller Ghost-Mannequin-, Flat-Lay- und Bügel-Bilder und haben kaum On-Model-Abdeckung, schlicht weil On-Model-Fotografie historisch ein volles Fotoshooting pro Produkt erfordert hat.

Warum On-Model-Fotografie tendenziell besser konvertiert

Ghost-Mannequin- und Flat-Lay-Bilder können eines besonders gut: das Produkt sauber und ohne Ablenkung zeigen. Was sie nicht können, ist die Frage zu beantworten, die sich jede Käuferin und jeder Käufer vor dem Kauf eigentlich stellt: „Wie sieht das an mir aus?" Ein flach fotografiertes Kleidungsstück vermittelt keinen Fall, keinen Eindruck davon, wie ein Saum am Körper fällt, keine Größenrelation zu einer Person und keinen Styling-Kontext.

On-Model-Bilder schließen diese Lücke. Sie zeigen Länge, Passform und Silhouette so, wie eine Person sie tatsächlich erleben wird, und geben Kundinnen und Kunden eine Styling-Referenz statt einer flachen Abstraktion. Das ist keine neue Idee — deshalb haben traditionelle Fotoshootings Ghost-Mannequin- oder Flat-Lay-Aufnahmen schon immer mit mindestens einem On-Model-Bild pro Produkt kombiniert. Der Unterschied: Historisch bekamen nur Bestseller diese Behandlung, weil ein volles Fotoshooting für jede SKU wirtschaftlich nie realistisch war. Wie Fotoqualität mit Passform-Erwartungen und Retouren zusammenhängt, behandeln wir ausführlicher in unserem Guide zur Reduzierung von Mode-Retourenquoten — lesenswert, wenn du das größere Bild statt einer einzelnen Zahl willst.

Die ehrliche Einschränkung: On-Model-Fotografie ist ein Faktor unter vielen (Preis, Bewertungen, Größentabellen, Markenvertrauen), die eine Kaufentscheidung beeinflussen, und Ergebnisse variieren je nach Kategorie und Zielgruppe. Konstant über den Mode-E-Commerce hinweg ist aber: Ein Kleidungsstück, das nur als Flat-Lay oder auf einer Büste gezeigt wird, liefert strikt weniger Informationen als dasselbe Stück am Körper — und weniger Information bedeutet in der Regel mehr Zögern, nicht weniger.

Die traditionelle Lösung: alles neu On-Model fotografieren

Der naheliegende Weg zu On-Model-Abdeckung ist, einen Fotografen zu buchen, ein Model zu engagieren, ein Studio zu mieten und neu zu fotografieren. Ein typisches Mode-Fotoshooting für 20 bis 30 Looks kostet 10.000€ bis 50.000€, sobald Fotograf, Model, Styling, Studio und Retusche zusammengerechnet werden — und das, bevor man die 2 bis 6 Wochen Vorlaufzeit einrechnet. Für einen Katalog mit hunderten oder tausenden SKUs, die als Ghost-Mannequin- oder Flat-Lay-Bilder von Lieferanten stammen, ist ein komplettes On-Model-Reshooting schlicht nicht realistisch. Die meisten Marken machen, was sie sich leisten können: On-Model-Aufnahmen für die Top 20% der Produkte, Flat-Lay oder Ghost-Mannequin für den Rest.

Wie GridShot aus deinen vorhandenen Produktfotos On-Model-Bilder macht

GridShot überspringt das Reshooting. Du brauchst kein physisches Kleidungsstück, keinen Fotografen und keine Model-Buchung — du brauchst das Produktfoto, das du bereits hast. Ghost-Mannequin-, Flat-Lay- oder Bügel-Fotos funktionieren alle als Eingabe.

Das passiert, nachdem du eines hochgeladen hast:

• Kleidungsanalyse: GridShot analysiert das Produktfoto auf Farbe, Material, Silhouette und markante Details (Drucke, Nähte, Hardware) — und wo genau sie am Kleidungsstück sitzen.
• Model-Auswahl: Wähle ein gespeichertes KI-Model oder erstelle eines mit 70+ konfigurierbaren Eigenschaften (Körpertyp, Hautton, Haare, Gesichtszüge, Posenstil). Models bleiben erhalten, sodass dasselbe virtuelle Model deinen gesamten Katalog tragen kann.
• Virtuelle-Anprobe-Generierung: GridShot verwendet dein Produktfoto als Referenz für das Kleidungsstück auf dem Model. Abweichungen können entstehen, wie das erste Grid im Beispiel zeigt. Oberteile, Unterteile und Layering (z.B. eine Jacke über einem T-Shirt) lassen sich kombinieren, und derselbe Look kann in einem Durchgang über mehrere Models generiert werden.
• Fit-Accuracy-Sicherungen: Das zählt am meisten, sobald du eine physische Anprobe überspringst. GridShots Fit-Accuracy-System ist darauf ausgelegt, Länge, Fall und Silhouette anhand der Referenzen zu erhalten. Die Ergebnisse müssen trotzdem mit dem Original verglichen werden. Zeigt dein Originalfoto das Kleidungsstück bereits getragen (ein „Worn"-Referenzfoto), kann dieses Bild als direkte Fit-Referenz genutzt werden, damit die KI den echten Fall trifft, statt zu raten. Wo du eigene Passform-Daten pflegst — etwa eine Längen- oder Fit-Angabe aus deinem Produktkatalog —, hat diese markengepflegte Angabe Vorrang vor der KI-eigenen Einschätzung.
• Auslieferung: Sobald ein Panel passt, erstellt GridShots „Deliver This Shot"-Ablauf das finale Bild neu anhand der ursprünglichen Produkt- und Model-Referenzen. Braucht es nur eine kleine Änderung? Siehe Annotation-Editing unten.

In drei Schritten vom Produktfoto zum Model-Bild

1. Produkte und Model vorbereiten. Ghost-Mannequin-, Flatlay- oder Bügel-Fotos hochladen und ein Model wählen. Vorhandene Passform-Angaben oder getragene Referenzfotos ergänzen.
2. Varianten erzeugen und prüfen. Posen generieren, dann Schnitt, Saum, Farbe und Details mit den Produktfotos vergleichen. Abweichende Kandidaten aussortieren oder verfeinern — im Beispiel oben verändert das erste Grid die Hose.
3. Ausgewähltes Bild ausliefern. Das finale Bild erstellen lassen und vor dem Einsatz erneut prüfen. Zusätzliche Accessoires im Styling dürfen nicht als Teil des angebotenen Produkts missverstanden werden.

Die Anleitung vom Produktfoto zum Model-Bild zeigt den Ablauf mit diesem Beispiel.

Details anpassen, ohne neu zu fotografieren

Manchmal braucht ein ansonsten gutes On-Model-Bild nur eine kleine Änderung — ein hochgeschobener Ärmel, eine leicht andere Pose, eine Anpassung im Hintergrund. Statt komplett neu zu generieren oder ein Reshooting zu buchen, kannst du mit GridShots Annotation-Editing den genauen Bereich im Foto markieren, die Änderung in normaler Sprache beschreiben und nach etwa einer Minute ein aktualisiertes Foto zurückbekommen.

Batch-Verarbeitung: der gesamte Katalog, nicht nur Bestseller

Weil kein physisches Shooting involviert ist, skaliert derselbe Workflow über den ganzen Katalog: dasselbe Kleidungsstück über mehrere Models (unterschiedliche Körpertypen, Hauttöne oder Styling), oder viele Kleidungsstücke über dasselbe Model für ein konsistentes Lookbook. Das ist der Teil, den sich traditionelle Reshootings nie leisten konnten — professionelle On-Model-Abdeckung für jede SKU, nicht nur für die Bestseller.

Für wen ist das?

• D2C-Marken auf Shopify, deren Lieferant oder Hersteller nur Ghost-Mannequin-, Flat-Lay- oder Bügel-Fotos liefert und die On-Model-Bilder für ihren Store brauchen, ohne für jeden Drop ein Shooting zu beauftragen.
• Enterprise-Retailer mit großen Multi-Brand-Katalogen aus lieferantenseitigen Flat-Lay- oder Bügel-Bildern, die konsistente On-Model-Abdeckung über tausende SKUs brauchen.
• Marketplace-Seller, die Flat-Lay- oder Ghost-Mannequin-Assets von mehreren Marken erhalten und einen schnellen, konsistenten Weg brauchen, um jedem Listing On-Model-Bilder hinzuzufügen.

GridShot verbindet sich mit Shopify und WooCommerce für Katalog-Sync und unterstützt CSV-Import für Bulk-Workflows — sodass Ghost-Mannequin- und Flat-Lay-Bilder, die bereits in deinem Produktkatalog liegen, direkt für die On-Model-Generierung eingeplant werden können.

Häufige Fragen

Was ist der Unterschied zwischen einem Ghost-Mannequin-Foto und einem On-Model-Foto?

Ein Ghost-Mannequin-Foto zeigt ein Kleidungsstück auf einer unsichtbaren Form, sodass die Silhouette erhalten bleibt, aber kein Körper sichtbar ist — schnell und sauber, aber ohne Informationen zu Passform oder Fall. Ein On-Model-Foto zeigt dasselbe Kleidungsstück getragen auf einem Körper (real oder KI-generiert), sodass Kundinnen und Kunden Länge, Fall, Silhouette und Styling im Kontext sehen können.

Muss ich meine Produkte neu fotografieren, um On-Model-Bilder zu bekommen?

Nein. GridShot arbeitet direkt mit den Produktfotos, die du bereits hast — Ghost-Mannequin-, Flat-Lay- oder Bügel-Fotos funktionieren alle als Eingabe. Ein physisches Kleidungsstück, ein Fotograf oder eine Model-Buchung sind nicht nötig.

Trifft die KI die Passform wirklich, oder zieht sie mein Kleidungsstück einfach einem generischen Körper an?

GridShots virtuelle Anprobe zieht dem Model das tatsächliche Kleidungsstück aus deinem Foto an, und das Fit-Accuracy-System ist darauf ausgelegt, die reale Länge, den Fall und die Silhouette über jede generierte Pose hinweg zu erhalten, statt sie nur anzunähern. Lieferst du ein getragenes Referenzfoto oder eigene Passform- und Längenangaben, haben diese Vorrang als Quelle der Wahrheit.

Kann GridShot Layering-Outfits wie eine Jacke über einem T-Shirt darstellen?

Ja. Oberteile, Unterteile und Layering-Teile lassen sich in einer Generierung auf demselben Model kombinieren.

Kann ich dasselbe Produkt gleichzeitig über mehrere KI-Models generieren?

Ja. Batch-Generierung wendet dasselbe Kleidungsstück in einem Durchgang auf mehrere gespeicherte Models an — nützlich, um Körpertyp- oder Styling-Vielfalt zu zeigen, ohne separate Einzelshootings zu buchen.

Was kostet ein On-Model-Bild, und kann ich Details danach noch anpassen?

GridShot berechnet 1$ pro fertigem, veröffentlichtem Bild plus die zugrunde liegenden KI-Rechenkosten, ohne Abo — neue Accounts starten mit 10$ Guthaben. Braucht ein generiertes Bild eine kleine Korrektur, kannst du mit Annotation-Editing den Bereich markieren, die Änderung in normaler Sprache beschreiben und nach etwa einer Minute ein aktualisiertes Foto zurückbekommen — ganz ohne neues Shooting oder komplette Neugenerierung.

Was es kostet

GridShot funktioniert Pay-per-Image: 1$ pro fertigem, veröffentlichtem Bild, plus die zugrunde liegenden KI-Rechenkosten — kein Abo. Neue Accounts starten mit 10$ Guthaben. Details siehe Preise, oder vereinbare eine Demo, um deinen konkreten Katalog durchzugehen.