Virtual Try-On: Warum Fashion zeigt, wie KI skalierbar wird

Generative KI wird im Onlinehandel dann interessant, wenn sie nicht nur Bilder erzeugt, sondern konkrete Probleme reduziert. Virtual Try-On ist dafür eines der sichtbarsten Beispiele: In der Mode trifft hoher Retourendruck auf unsichere Passformentscheidungen. Genau dort kann die Technologie helfen – aber eben nur, wenn Daten, Darstellung und Recht sauber zusammenspielen.

Worum es geht

Virtual Try-On, kurz VTO, bezeichnet digitale Anproben, bei denen Kleidung, Brillen oder Accessoires auf einem Modell, einem Foto oder einem Avatar dargestellt werden. Laut aktueller Branchenberichterstattung entwickelt sich das Thema im Fashion-E-Commerce vom Marketing-Effekt hin zu einem operativen Werkzeug auf der Produktdetailseite¹⁵. Auslöser ist ein einfaches Geschäftsproblem: Modehändler verlieren bei unsicherer Passform Geld durch Retouren und Kaufabbrüche^1,2.

Der wirtschaftliche Druck ist real. Im Fashion-E-Commerce liegt die Retourenquote branchenweit häufig zwischen 20 % und 40 %, im stationären Handel dagegen nur bei 8 % bis 10 %^1,2. Ein großer Teil dieser Rücksendungen entsteht durch Größen- und Passformunsicherheit; je nach Studie betrifft das 45 % bis 53 % der Bekleidungsretouren³. Gleichzeitig bestellen viele Kunden bewusst mehrere Größen zur Auswahl, also Bracketing – dafür wird in mehreren Marktbeobachtungen ein Anteil von rund 63 % genannt⁴.

Was gesichert ist

Für Händler ist zunächst wichtig, dass VTO kein Selbstzweck ist, sondern auf bekannte Kennzahlen zielt. Die Bearbeitung einer einzelnen Retoure kostet im Handel durchschnittlich 8 € bis 25 €^1,3. Dazu kommt die niedrige Conversion im Fashion-Onlinehandel: Je nach Quelle liegt sie im Schnitt nur bei etwa 1,0 % bis 1,65 %, während der physische Einzelhandel deutlich höhere Abschlussraten erreicht^2,5.

Zu den belegten Effekten gehören vor allem Pilot- und Erfahrungswerte. Zalando berichtet aus Pilotprojekten mit Marken wie Levi’s und Puma von einer Senkung der größenbedingten Retourenquote um bis zu 40 %^6,18. Weitere Anbieter und Branchenberichte nennen je nach Kategorie und Einbindung auf der Produktdetailseite Reduktionen zwischen 25 % und 48 %^4,7. Das ist kein allgemeingültiges Versprechen, zeigt aber die Richtung: VTO kann dort wirtschaftlich sein, wo Artikeldaten stimmen und die Darstellung nah genug an der realen Ware bleibt^15,17.

Rechtlich ist die Lage ab August 2026 anspruchsvoller geworden. Der EU AI Act verpflichtet Anbieter und Betreiber generativer KI-Systeme ab dem 2. August 2026 zur transparenten Kennzeichnung synthetisch erzeugter oder manipulierter Bildinhalte, einschließlich entsprechender visueller und maschinenlesbarer Hinweise^10,11. Für VTO ist das relevant, sobald Tragebilder oder Modelle KI-generiert oder KI-verändert sind. Zusätzlich gelten bei Nutzerfotos, Körpermaßen oder Avatar-Erstellung die Regeln der DSGVO, insbesondere die Anforderungen an Rechtsgrundlage, Zweckbindung, Löschung und gegebenenfalls Einwilligung. Hinzu kommt das Irreführungsverbot des UWG: Virtuelle Anproben dürfen keine falschen Erwartungen an Passform oder Produkteigenschaften erzeugen¹⁵.

Wen es betrifft

Am stärksten betroffen sind B2C-Onlinehändler in Fashion, Schuhen, Sportartikeln, Brillen und Accessoires. Dort treffen hohe Retourenkosten direkt auf die Marge, daher ist die Dringlichkeit hoch^1,2. Ebenfalls deutlich betroffen sind Marktplatzhändler und D2C-Hersteller, weil Plattformen und Shopping-Ökosysteme zunehmend standardisierte Produkt-, Bild- und 3D-Daten verlangen^8,13. Für den stationären Handel ist das Thema spürbar, aber meist indirekt: relevant wird es vor allem dort, wo der Laden mit digitaler Beratung, Omnichannel und virtueller Kabine verknüpft ist^15,16.

Der B2B-Großhandel ist nicht der typische Endnutzer von VTO, aber er ist als Datenlieferant relevant. Wer Maßtabellen, Materialangaben, Schnittinformationen oder standardisierte Produktattribute liefert, beeinflusst, ob nachgelagerte Händler VTO überhaupt sinnvoll einsetzen können^15,17. Dropshipping-Händler sind besonders gefordert, weil ihnen oft die tiefe Datenqualität fehlt, die für realistische Anproben nötig wäre⁴.

Nicht betroffen oder nur am Rand betroffen sind Händler ohne Passformbezug, also etwa Elektronik, Baumarkt, Lebensmittel oder Rohstoffe. Auch reine Bildoptimierungen wie Schärfen, Entrauschen oder Belichtungskorrekturen sind nicht automatisch VTO und fallen nicht ohne Weiteres unter die Kennzeichnungspflichten für KI-generierte Inhalte^10,21.

Geografisch ist Deutschland unmittelbar betroffen, weil hier die EU-Regeln, das UWG und die DSGVO gelten^10,11. Auf EU-Ebene ist die Wirkung noch breiter, weil der AI Act direkt in allen Mitgliedstaaten relevant wird²¹. Außerhalb der EU ist die Lage uneinheitlicher; dort entstehen Pflichten eher über Plattformvorgaben, Datenschutzrecht oder einzelne nationale Regeln¹⁶.

Was das im Handelsalltag bedeutet

Für den Einkauf heißt VTO vor allem: Artikel brauchen bessere Daten. Wer nur Artikelname, Farbe und Preis pflegt, wird bei virtuellen Anproben schnell an Grenzen stoßen. Benötigt werden präzise Maßtabellen, Materialangaben, Passformhinweise und möglichst konsistente Bild- und Attributdaten^15,17.

Für das Lager ändert sich VTO nicht direkt, aber indirekt sehr wohl. Wenn Conversion steigt und Rücksendungen sinken, verschieben sich Bestände, Nachbestellrhythmen und Fehlmengenrisiken. Das muss in die Absatzplanung einfließen, sonst laufen technische Verbesserungen im Shop an der operativen Planung vorbei^1,6.

In den Artikelstammdaten wird VTO schnell zum Qualitätsfilter. Unsaubere Größenlogik, wechselnde Bezeichnungen oder fehlende Produktattribute verschlechtern die Darstellung und erhöhen die Gefahr, dass die virtuelle Anprobe eher Vertrauen kostet als schafft^15,17. Für den Shop bedeutet das: VTO gehört nicht als isoliertes Widget betrachtet, sondern als Teil der Produktdetailseite, inklusive Ladezeit, Klartext-Hinweisen und transparenter Kennzeichnung^10,11.

Auch Rechnungen und Retourenprozesse sind betroffen, wenn VTO Erwartungen verändert. Wer eine digitale Anprobe anbietet, sollte Retourengründe sauber erfassen, damit aus Marketingdaten echte Produkt- und Prozessdaten werden. Nur dann lässt sich erkennen, ob die Technologie tatsächlich hilft oder lediglich die Präsentation verändert^3,15. In der Lieferantenkommunikation wiederum steigt der Druck, Daten in einer Form zu liefern, die Händler und Plattformen weiterverwenden können. Gerade für Markenware und Private Label wird das zum Wettbewerbsfaktor^16,18.

Was jetzt zu tun ist

Produktdaten- und Retouren-Audit durchführen – Zuständig: E-Commerce-Leitung und PIM-Team. Aufwand: mittel. Frist: sofort. Prüfen Sie die Top-Retouren-SKUs und ergänzen Sie Maßtabellen, Materialangaben und Passformlogik dort, wo die größten Rücksendegründe liegen^1,2.
VTO-Technologie und Integrationsmodell auswählen – Zuständig: IT, Shop-Management und Category Management. Aufwand: mittel. Frist: innerhalb von 1 bis 2 Monaten. Entscheiden Sie zwischen einfacher Bildüberlagerung, 3D-Modellierung oder Avatar-Ansätzen und bewerten Sie dabei Datenbedarf, Kosten und Pflegeaufwand^4,15.
Rechtliche Compliance für AI Act und DSGVO umsetzen – Zuständig: Datenschutzbeauftragter sowie Legal und Compliance. Aufwand: gering bis mittel. Frist: vor Go-live, spätestens bis 2026-08-02. Sorgen Sie für klare Kennzeichnung KI-generierter Tragebilder und für belastbare Opt-in-, Speicher- und Löschprozesse bei Kundenfotos und Körpermaßen^10,11.
Pilot auf Produktdetailseiten testen – Zuständig: UX/UI und Performance Marketing. Aufwand: gering bis mittel. Frist: fortlaufend. Starten Sie mit Kategorien wie Hosen, Kleider oder Brillen und messen Sie Conversion, Warenkorbwert und Retourenquote gegen eine saubere Kontrollgruppe^6,7.
Lieferanten auf Datenfähigkeit prüfen – Zuständig: Einkauf und Lieferantenmanagement. Aufwand: mittel. Frist: innerhalb von 4 bis 8 Wochen. Vereinbaren Sie verbindliche Datenformate für Größen, Materialien und Bildnutzung, damit VTO nicht an der Datenquelle scheitert^15,17.

Wo die Datenlage dünn ist

So überzeugend die Richtung ist, bleibt die Wirkung von VTO abhängig von Sortiment und technischer Umsetzung. Branchenquellen berichten über teils deutliche Retourenrückgänge, doch unabhängige, belastbare Langzeitdaten über alle Modekategorien hinweg sind begrenzt^4,7. Vor allem bei Passformproblemen, Dehnbarkeit oder Stofffall stößt rein visuelle KI an Grenzen; ein gut aussehendes Bild ist noch keine verlässliche Aussage über die reale Trageerfahrung^15,17. Genau deshalb sollte VTO nicht als Ersatz für Produktqualität und Datenpflege verstanden werden, sondern als Verstärker für beides.

Fazit

Virtual Try-On zeigt, wie KI im Handel skalierbar wird: nicht durch Showcases, sondern durch messbare Effekte auf Retouren und Conversion. Der Hebel ist real, aber nur mit sauberen Daten, klarer Kennzeichnung und einer realistischen Erwartung an das, was die Technik leisten kann. Wer VTO als Teil der Produkt- und Prozessqualität aufsetzt, gewinnt Handlungsspielraum. Wer nur schöne Bilder sucht, riskiert Vertrauen und zusätzliche Kosten.