ChatGPT Try-On vs. produktgetreue Darstellung: Was Händler wirklich wissen müssen

ChatGPT Try-On vs. produktgetreue Darstellung: Was Händler wirklich wissen müssen

Am 1. Oktober 2026 führte OpenAI eine „Anprobieren“-Option in ChatGPT Shopping ein. Einige Monate zuvor hatte Google KI-gestütztes virtuelles Anprobieren in Search und Shopping ausgerollt. Beide sind kostenlos, global und für jeden Shopper mit einem Smartphone verfügbar.

Das ist keine Bedrohung für Marken, die bereits in virtuelles Anprobieren auf ihren eigenen Websites investieren. Es ist ein Marktsignal.

Millionen von Shoppern lernen gerade ein neues Verhalten — ein Foto hochladen, sehen, wie ein Produkt an ihnen aussehen könnte — innerhalb von Plattformen, die sie bereits täglich nutzen. Die Erwartungshaltung wird im großen Maßstab gesetzt. Kostenlos. Von den zwei größten verbraucherorientierten KI-Plattformen der Welt.

Aber es gibt einen wesentlichen Unterschied zwischen dem, was diese Plattformen bieten, und dem, was ein Händler tatsächlich braucht. Der Unterschied ist nicht, ob generatives KI-Anprobieren funktioniert. In manchen Kategorien funktioniert es erstaunlich gut. Der Unterschied liegt darin, was gerendert wird, wo es passiert, wer die Kontrolle hat und wer davon profitiert.

Wie ChatGPT und Google Try-On tatsächlich funktionieren

Beide Plattformen nutzen generative KI, um ein Anprobier-Bild zu erstellen. Der Shopper lädt ein Selfie oder ein Ganzkörperfoto hoch. Das KI-Modell generiert ein neues Bild, das das Produkt am Körper des Shoppers zeigt — oder, bei Uhren, am Handgelenk.

Das Schlüsselwort ist generiert. Diese Plattformen verwenden nicht das tatsächliche Produktbild des Händlers und rendern es maßstabsgetreu. Sie nutzen ein Bildgenerierungsmodell, um eine Annäherung des Produkts zu erstellen — basierend auf dem, was das Modell darüber weiß. ChatGPT nutzt sein eigenes Bildmodell (derzeit Images 2.5). Google verwendet Gemini in Kombination mit seinem Shopping Graph.

Bei Kleidung sind die Ergebnisse wirklich beeindruckend. Wir testeten den COS Contrast-Lined Double-Breasted Blazer — luden ein Spiegel-Selfie in einem braunen Mantel hoch und baten ChatGPT, den Blazer einzusetzen. Das Styling stimmte: richtige Silhouette, Zweireiher-Verschluss, strukturierte Schultern, alles andere in der Szene unberührt.

Bei Uhren ändert sich das Bild. Wir testeten eine Rolex Daytona und eine Rolex Submariner 14060M. ChatGPT hat Schwierigkeiten, die Details beizubehalten, die eine Uhr definieren. Hilfszifferblatt-Proportionen, Lünettendicke, Kronengröße, Gliedergeometrie des Armbands — die Elemente, die eine 15.000-Dollar-Referenz von einem Lookalike unterscheiden, wurden angenähert, nicht reproduziert.

Aber es gibt ein grundlegenderes Problem: die Handgelenkgröße. ChatGPT kennt das Handgelenk des Shoppers nicht. Misst es 50mm oder 65mm? On-Site-Uhrenvisualisierung löst das anders. Ein Kalibrierungstool misst das tatsächliche Handgelenk des Shoppers, und die Uhr wird maßstabsgetreu darauf gerendert.

‍

Bei Schmuck werden die Anforderungen noch höher. Wir testeten den Messika Move Uno Pavé Diamantring in Gelbgold.

Der erste ChatGPT-Versuch war solide. Aber beim zweiten Versuch — diesmal mit dem direkten Link zur exakten SKU — halluzinierte es. Der generierte Ring war ein völlig anderes Design. Gleiche Marke, gleicher Prompt, falsches Produkt.

Das ist das Kernrisiko von generativem Try-On für Schmuck. Ein Ring mit der falschen Fassung oder dem falschen Banddesign ist einfach ein anderer Ring — und ein Shopper, der basierend auf diesem Bild kauft, kauft etwas, das er nicht wirklich gesehen hat.

Tangiblee Virtual Try-On renderte dieselbe Messika SKU in 11 Sekunden — das tatsächliche Produkt aus Katalogdaten, maßstabsgetreu platziert, mit intakten Designdetails.

Was generatives KI-Try-On richtig macht

Die visuelle Qualität verbessert sich rapide. Die Zugänglichkeit ist wirklich neu. Jeder Shopper kann jetzt Produkte anprobieren — markenübergreifend, händlerübergreifend — ohne zusätzliche Technologie auf Händlerseite. Und der Marktbildungseffekt zählt. Das normalisiert virtuelles Anprobieren als Standard-Shopping-Verhalten.

Sieben Unterschiede, die für Händler zählen

1. Was gerendert wird: Eine Annäherung versus die tatsächliche SKU.

2. Wo die Erfahrung lebt: Auf einer Plattform versus auf der PDP.

3. Geschwindigkeit: Sekunden der Generierung versus sofortiges Rendering.

4. Katalogabdeckung: Ein Produkt versus der gesamte Katalog.

5. Markenkontrolle: Unkontrollierter KI-Output versus QA-geprüftes Rendering.

6. Analytics: Unsichtbare Interaktion versus Conversion-Daten.

7. Wettbewerbsexposition: Offener Marktplatz versus geschlossener Katalog.

Die eigentliche Frage

Wem gehört die Erfahrung, und wo wird der Kauf abgeschlossen? Wenn Try-On auf der Produktseite stattfindet, gehört es der Marke.

Was das für Marken bedeutet

ChatGPT und Google normalisieren virtuelles Anprobieren. Aber die Erwartung, die sie setzen, können sie für den Händler nicht erfüllen.

Die Marken, die bereits produktgetreue Visualisierung auf ihren Websites haben, sind positioniert, diese Erwartung aufzufangen.

Generatives KI-Try-On und On-Site-Produktvisualisierung wie Tangiblee sind nicht dieselbe Kategorie. Eines ist Entdeckung. Das andere ist Conversion.

Sie besitzen das Verb. Wir besitzen das Produkt.

ChatGPT und Google haben der Welt das Anprobieren beigebracht. Denn „Anprobieren“ ist jetzt ein Verhalten, kein Feature.

Sie machen Try-On. Tangiblee macht produktgetreu.