Ich habe den Preis für ein 10-SKU-Produktshooting auf drei Arten berechnet. KI war nicht der billigste Teil.
Eine praktische Preisaufschlüsselung für Produktfotografie für E-Commerce-Teams, die Studioaufnahmen, hybride KI-Workflows und AI-First-Produktbildsätze vergleicht. Beinhaltet Kostenfaktoren, versteckte Qualitätssicherungszeit und wann sich KI tatsächlich lohnt.
David Chen
·7 min read
Als ich zum ersten Mal Preise für Produktfotografie festgelegt habe, habe ich die falsche Frage gestellt.
Ich fragte: „Wie viel kostet ein Produktfoto?“
Die bessere Frage ist:
Wie viel kostet ein brauchbares Bild nach all den Ablehnungen, Überarbeitungen, Retuschen und Kanalausschnitten?
Hier ändert sich die Mathematik.
Für diesen Beitrag habe ich die Preise für ein einfaches 10-SKU-E-Commerce-Shooting auf drei Arten festgelegt:
- Traditioneller Studio-Workflow
- Hybrider Arbeitsablauf aus Mensch und KI
- AI-First-Workflow mit menschlicher Qualitätssicherung
Das Überraschende daran: KI war nicht der günstigste Teil des Workflows.
Menschliche Überprüfung war.
Die gefälschte Billignummer
Durch die KI-Bildgenerierung fühlt sich der erste Entwurf fast frei an.
Das ist gefährlich.
Wenn Sie nur Credits zählen, wird die Arbeit unterbewertet. Wenn Sie nur den Fotografen zählen, zahlen Sie zu viel für Bilder, die keiner physischen Aufnahme bedürfen. Die tatsächliche Zahl liegt in der Mitte.
Hier ist das Kostenmodell, das ich verwende:
| Kostenkorb | Was es beinhaltet | Warum es wichtig ist |
|---|---|---|
| Einrichtung | Produktvorbereitung, kurze Beschreibung, Referenzen, Aufnahmeliste | Schlechte Eingaben verursachen teure Bereinigung |
| Generation | KI-Credits, Modelltests, Varianten | Günstig pro Bild, aber nicht null |
| Auswahl | Gewinner auswählen, Drift ablehnen, Text prüfen | Das ist die verborgene Arbeit |
| Retusche | Bereinigung, Farbanpassung, Kantenkorrekturen, endgültiger Zuschnitt | Wird noch für die endgültige E-Commerce-Nutzung benötigt |
| Qualitätssicherung | Ansprüche, Geometrie, Beschriftung, Marktplatzanpassung | Verhindert teure Fehler |
Credits sind nur eine Zeile.
Szenario 1: traditionelles Studio
Traditionelle Shootings machen immer noch Sinn.
Sie sind am besten, wenn:
- Das Produkt ist Premium.
- Textur ist wichtig.
- Der exakte Artikel muss dargestellt werden.
- Ein menschliches Modell steht im Mittelpunkt der Kampagne.
- Das Bild bleibt Monate, nicht Tage, bestehen.
Der Nachteil ist die Geschwindigkeit und die Fixkosten.
Selbst ein kleines Shooting erfordert Koordinationsaufwand: Versand der Produkte, Vorbereitung, Beleuchtung, Zeit des Fotografen, Zeit des Assistenten, Retusche und Genehmigungen.
Bei einem Shooting mit 10 Artikeln belaufen sich die tatsächlichen Kosten selten nur auf den Tagessatz des Fotografen. Es ist die gesamte Produktionsschleife.
Szenario 2: Hybrid Mensch plus KI
Das ist der Workflow, der mir für E-Commerce-Teams am besten gefällt.
Sie schießen oder laden eine saubere Produktreferenz hoch und erstellen dann mithilfe von KI den unterstützenden Bildsatz:
- Bereinigen Sie die Hintergrundversion
- Lifestyle-Szene
- Feature-Detailbild
- Soziale Ernte
- Werbeheld
- Saisonale Variante
Der Mensch macht immer noch die wichtigen Anrufe:
- Ist das Produkt korrekt?
- Ist der Stoff glaubwürdig?
- Ist das Etikett lesbar?
- Sind die Ansprüche sicher?
- Passt das Bild zur Marke?
KI verkürzt die Produktionszeit. Das Urteil wird dadurch nicht aufgehoben.
Szenario 3: KI-first
AI-first funktioniert, wenn das Bild nicht die rechtliche Quelle der Wahrheit ist.
Gute Passformen:
- Konzeptanzeigen
- Soziale Varianten
- Hintergrunderkundung
- Saisonale Kampagnenbilder
- Frühe Landingpage-Tests
- Marktplatz für unterstützende Bilder nach der Qualitätssicherung
Schlechte Passformen:
- Nahaufnahmen von Lebensmitteln, die Frische suggerieren
- Medizinische, ergänzende oder regulierte Ansprüche
- Luxuriöse Textur-Makroaufnahmen
- Alles, wo der genaue physische Gegenstand nachgewiesen werden muss
Der AI-First-Workflow ist am schnellsten, erfordert jedoch eine strenge Ablehnungsregel:
Wenn sich das Produkt ändert, schlägt das Bild fehl.
Die Preistabelle, die ich tatsächlich verwenden würde
Für die Planung verwende ich die Kosten pro nutzbarem Endbild, nicht die Kosten pro Generation.
| Arbeitsablauf | Beste Verwendung | Kostenverhalten | Hauptversteckte Kosten |
|---|---|---|---|
| Studio | Heldenkampagne, Premium-SKU, texturkritisches Produkt | Höhere Fixkosten, konsistente Endergebnisse | Terminplanung und Retusche |
| Hybrid | E-Commerce-Bildsets, Anzeigen, Lifestyle-Varianten | Niedrigere Gesamtkosten, schnellere Iteration | Menschliche Qualitätssicherung und Bereinigung |
| KI-zuerst | Konzepte, soziale Tests, Hintergrundvarianten | Niedrigste Entwurfskosten | Produktdrift ablehnen |
Der größte Fehler besteht darin, ein Studio-Finale mit einer KI-Generation zu vergleichen.
Das ist nicht die gleiche Einheit.
Der richtige Vergleich ist:
Wie viele verwendbare, genehmigte und kanalbereite Bilder haben wir für die Gesamtausgaben erhalten?
Die Eingabeaufforderung, die für eine vernünftige KI-Preisgestaltung sorgt
Wenn Sie vage Bilder erzeugen, zahlen Sie für die Bereinigung.
Beginnen Sie mit einer Eingabeaufforderung, die die Abweichung begrenzt:
Create a clean 3:4 ecommerce product image set from one uploaded product reference.
Generate one of the following:
[white-background hero / lifestyle scene / feature-detail image / ad-style hero]
Product:
Preserve the exact product shape, color, label, logo placement, material, and key silhouette. Keep the original product design intact.
Scene:
Use realistic commercial product photography lighting, clean composition, and channel-appropriate negative space.
QA:
Use only safe, verifiable product labels. Keep the geometry clean, the label readable, and the product fully visible.Testen Sie die AI-first-Bildsatzaufforderung
Öffnen Sie GPT Image2 Studio mit einer bereits geladenen Produktbildsatz-Eingabeaufforderung. Laden Sie eine Referenz hoch und testen Sie, ob KI für Ihre SKU sinnvoll ist.
Wo KI am meisten Geld spart
KI spart am meisten, wenn das Bild nur eine kurze Haltbarkeitsdauer hat.
Dazu gehört:
- Wöchentliche Anzeigen
- Saisonale Hintergründe
- Soziale Varianten
- Heldenbilder per E-Mail versenden
- Marktplatz-unterstützende Grafiken
- Frühe kreative Tests vor einem endgültigen Shooting
KI spart weniger, wenn das Bild das permanente Gesicht des Produkts ist.
Dann möchte ich immer noch einen Fotografen, Retuscheur und Markenprüfer miteinbeziehen.
Das Fazit
- Bei den Preisen für Produktfotografie handelt es sich nicht um Kosten pro Generation. Es handelt sich um Kosten pro genehmigtem nutzbarem Bild.
- Studioaufnahmen lohnen sich immer noch für hochwertige, texturkritische, regulierte oder lang laufende Hero-Assets.
- AI-First-Workflows eignen sich am besten für Varianten, Kampagnentests, unterstützende Bilder und schnelle E-Commerce-Creatives.
- Hybride Arbeitsabläufe bieten in der Regel die beste Wirtschaftlichkeit: echtes Referenzbild, KI-Varianten, menschliche Qualitätssicherung.
- Bei den versteckten Kosten handelt es sich nicht um KI-Credits. Es handelt sich um Überprüfung, Ablehnung, Bereinigung und endgültige Genehmigung.
Wenn Sie Ihre eigene SKU testen möchten, beginnen Sie mit einer Produktreferenz und einem Bildtyp. Prüfen Sie, ob das erste Bild funktioniert, bevor Sie die gesamte Kampagne erweitern.
Beweisen Sie, dass das Produkt präzise bleibt.
Dann skalieren Sie das Set.
Frequently asked questions
Do I need a credit card to try GPT Image2 Studio?
No. Every new account starts with 30 credits on signup, then unlocks 30 more after the first successful image. Paid plans only kick in if you want more than the free ceiling.
Can I use the generated images commercially?
Yes. Every tier, including the free starter credits, comes with full commercial rights. Run ads, sell products, print on merchandise, publish on any platform. No watermark, no attribution required.
Which model should I route to for what?
Hero ads and text-heavy creative fit GPT Image 1.5 high. Product and macro texture work fit Nano Banana Pro. High-volume social iteration fits Nano Banana 2. Fast drafts and mood boards fit Z Image. The workbench can route one prompt across all of them.
How fast is a single generation?
Z Image returns in about 10 seconds. Nano Banana 2 often returns in 15 to 20 seconds. Nano Banana Pro and GPT Image 1.5 high usually take 30 to 45 seconds for standard quality, and up to about a minute for 4K high quality.
What's the difference between GPT Image 1.5 high and Nano Banana 2?
GPT Image 1.5 high is stronger for text inside images and premium ad creative. Nano Banana 2 is faster and cheaper. In production, compare both with the same prompt before choosing the final image.
Can I edit an existing image instead of generating from scratch?
Yes. Upload a reference image, then continue with image-to-image, masked edits, background removal, object cleanup, or compression inside the same workflow.
Stop guessing the model.
Run all three.
We route your prompt to GPT Image 1.5 high, Nano Banana 2, Z Image and more — same workbench, same prompt, side-by-side blind compare. 30 credits on signup, another 30 after your first successful image, and commercial rights at every tier.
30 + 30
Free credits
5+
SOTA models
30s
To first render
