KI-Modelle: Digitale Avatare, Modebranche und rechtliche Leitplanken bis 2026

Künstliche Intelligenz verändert die Art, wie Mode fotografiert, vermarktet und verkauft wird. KI Modelle, also digital erzeugte Personen, die Kleidung tragen, Posen einnehmen und in Kampagnen auftreten, sind 2026 keine Zukunftsmusik mehr, sondern operativer Alltag bei großen Marken. Dieser Artikel erklärt, wie die Technologien hinter KI Models funktionieren, wo sie eingesetzt werden, welche Rechte zu klären sind und was der EU AI Act ab August 2026 für Unternehmen bedeutet.

Inhaltsverzeichnis

Was ist ein KI-Model?
Arten von KI-Modellen: Digitaler Zwilling vs. vollständig synthetisches KI-Model
Wie funktionieren KI-Modelle technisch?
Einsatzbereiche in Mode, E-Commerce und Social Media
Wie KI-Models die Arbeit im Content-Marketing und für reale Models verändern
Kosten, Effizienz und Markenimage
Rechtliche Rahmenbedingungen bis 2026
Was mit realen Models zu klären ist
Kennzeichnungspflichten und AI Act
Persönlichkeitsrechte, Daten-Bias und Ethik
Best Practices

Was ist ein KI-Model? (Begriffsklärung und aktueller Stand 2024, 2026)

Ein KI-Model ist ein durch Algorithmen generiertes, fotorealistisches Abbild einer Person, das in der Welt der Mode, Werbung und auf Social Media Plattformen zum Einsatz kommt. Es handelt sich nicht um einen echten Menschen, sondern um ein Ergebnis von künstlicher Intelligenz, mit realistischer Mimik, Haut, Posen und Kleidung. KI Modelle verarbeiten große Dateneingaben zur Mustererkennung und nutzen Algorithmen zur Entscheidungsfindung, um Bilder zu erzeugen, die von echten Fotos kaum zu unterscheiden sind.

In der Modebranche haben sich KI Modelle zwischen 2024 und 2026 von Experimenten zu Produktivwerkzeugen entwickelt:

H&M nutzt rund 30 digitale Zwillinge von realen Models, die für Social Media Posts und Kampagnenbilder eingesetzt werden.
Otto verwendet generative KI für fotorealistische Bilder fiktiver Personen über den „Virtual Content Creator“, mit einer Vielzahl an Posen, Körpertypen und Altersgruppen.
Zalando setzt digitale Zwillinge für kreative Kampagnen ein; laut Unternehmensangaben waren bereits im vierten Quartal 2024 etwa 70 % der redaktionellen Bilder KI-generiert.
Mango führte im Juli 2024 eine vollständig KI-generierte Kampagne („Sunset Dream“) ohne reale Models ein.

KI Modelle existieren in zwei Varianten: als digitale Zwillinge realer Personen oder als vollständig synthetische Figuren, die nur aus Daten entstehen.

Arten von KI-Modellen: Digitaler Zwilling vs. vollständig synthetisches KI-Model

Die Unterscheidung zwischen diesen beiden Typen ist zentral, sie beeinflusst die Rechte realer Models, die Transparenz gegenüber Konsumenten und die gesamte Markenwahrnehmung.

Digitaler Zwilling:

Eine 3D- oder 2D-Kopie eines echten Models, erstellt aus aufwendigen Fotoshootings, Body- und Gesichtsscans aus verschiedenen Blickwinkeln und Lichtverhältnissen.
Zalando erforscht digitale Zwillinge seit etwa 2023 zusammen mit Partnern wie Orendt Studios, um Kampagnenbilder flexibel und effizient zu produzieren.
H&M arbeitet mit rund 30 realen Models als digitale Zwillinge, deren Hauttexturen, Geburtsmale und Mimik werden millimetergenau digitalisiert.
Digitale Zwillinge benötigen die informierte Einwilligung des Models, da es sich um eine Abbildung einer realen Person handelt.
Ein einmal digitalisiertes Gesicht kann unbegrenzt verwendet werden, was Chancen, aber auch erhebliche Risiken birgt.

Vollständig synthetisches KI-Model:

Eine fiktive Person, die ausschließlich aus Daten und Algorithmen entsteht. Es gibt keine reale Entsprechung im echten Leben.
Otto nutzt solche Modelle über den Virtual Content Creator, um Produkte an synthetischen Personen unterschiedlicher Ethnien, Größen und Altersgruppen zu zeigen.
Generative KI Modelle erzeugen neue Inhalte wie Texte oder Bilder, indem generative KI Muster aus bestehenden Daten lernt, um daraus neue Inhalte zu erzeugen.
Frisuren, Make-up, Kleidung, Hintergründe und Posen können rein digital variiert werden, per Prompting oder spezialisierte Bildbearbeitungs-KI, ohne dass ein neues Foto nötig wird.
Synthetische Kindermodelle werden vereinzelt eingesetzt, um reale Kindershootings und die damit verbundenen ethischen Fragen zu vermeiden.

Wie funktionieren KI-Modelle technisch? (KI-Modellierung verständlich erklärt)

KI-Modellierung klingt komplex, lässt sich aber auf drei Grundpfeiler herunterbrechen: Daten, Algorithmen und Rechenleistung. Künstliche Intelligenz kann nach Architekturen und Lernmethoden kategorisiert werden, und die Auswahl des richtigen KI-Modells hängt vom konkreten Anwendungsfall ab.

Klassische Machine-Learning-Modelle (ML-Modelle) analysieren strukturierte numerische Daten mit Algorithmen. ML-Modelle nutzen Algorithmen zur Datenanalyse und Vorhersage, etwa um aus Körpervermessungsdaten die richtige Passform zu berechnen. Über ML hinaus helfen solche Modelle auch bei Betrugserkennung und Kundenabwanderungsanalyse in anderen Branchen.
DL-Modelle verwenden Deep Neural Networks für komplexe Daten wie Bilder, Videos und Sprache. Deep Learning nutzt viele Schichten neuronaler Netze zur Erkennung komplexer Muster, genau das, was nötig ist, um realistische Hautstrukturen, Licht, Schatten und Kleidungsfalten zu erzeugen.
Computer-Vision-Modelle sind auf die Verarbeitung visueller Informationen spezialisiert. Computer-Visions-Modelle nutzen Convolutional Neural Networks zur Analyse visueller Daten und bilden die Basis für Pose Estimation, Gesichtserkennung und Kleidungsanpassung.
Große Sprachmodelle sind spezielle Transformer-Modelle zum Verständnis menschlicher Sprache, sie steuern beispielsweise Prompting-Systeme, mit denen Nutzer per Texteingaben Bilder generieren.
Die Kontextgröße beeinflusst, wie viele Informationen ein Modell gleichzeitig berücksichtigen kann, relevant etwa bei der Konsistenz eines KI Avatars über mehrere Kampagnenbilder hinweg.

Beim Lernen dieser Modelle kommen verschiedene Methoden zum Einsatz:

Überwachtes Lernen nutzt Beispiele mit bekannten Ergebnissen zum Training des Modells, etwa Tausende annotierte Modefotos, bei denen Kleidungsart, Pose und Licht markiert sind.
Unüberwachtes Lernen sucht selbstständig nach Mustern in Daten ohne Vorgaben und hilft, Stilcluster oder Farbtrends aus großen Datenmengen zu erkennen.
Reinforcement Learning lernt durch Versuch und Irrtum zur Maximierung einer Belohnungsfunktion. Reinforcement Learning basiert auf Belohnung und Bestrafung zur Entscheidungsfindung und wird z. B. bei der Optimierung von Posen und Kamerawinkeln eingesetzt.

Zur Infrastruktur: TensorFlow und PyTorch sind gängige DL-Tools, auf denen viele Fashion-KI-Systeme aufgebaut werden. GPU-Computing und Cloud-Services ermöglichen Skalierbarkeit, eine komplette Sommerkollektion 2025 kann an einem Nachmittag virtuell geshootet werden, statt über Wochen in verschiedenen Studios.

KI Modelle verwenden statistische Techniken zur Datenanalyse, und die Datenqualität ist entscheidend für die Genauigkeit von KI-Modellen. Wenn Trainingsdaten überwiegend bestimmte Schönheitsideale zeigen, reproduzieren die Ergebnisse genau diese Muster, ein zentrales Problem für Diversität in der Mode. Daten-Bias kann die Genauigkeit von KI-Modellen negativ beeinflussen und führt zu einseitigen Darstellungen.

Hyperparameter-Abstimmung kann die Modellgenauigkeit erheblich verbessern, während Modellvalidierung Überanpassung verringert und die Genauigkeit verbessert. Auch die Modellauswahl beeinflusst die Genauigkeit von KI-/ML-Modellen maßgeblich. Bei sensiblen Daten, etwa biometrischen Scans realer Models, ist ein lokales Open-Source-Modell oft die bessere Wahl gegenüber Cloud-basierten Lösungen.

Einsatzbereiche von KI-Modellen in Mode, E-Commerce und Social Media

KI Modelle sind längst über Testprojekte hinaus: Sie stecken im Tagesgeschäft von Marken und verändern, wie Produkte auf einer Website, in Medien und auf Geräten aller Art präsentiert werden.

Mode- und E-Commerce: Produktfotos für den Onlineshop bei Zalando, Otto und H&M, von Lookbooks über Newsletter-Bilder bis hin zu A/B-Tests mit unterschiedlichen KI Avataren für verschiedene Zielgruppen. KI Modelle können Echtzeitentscheidungen treffen und ermöglichen schnellere Anpassungen an Modetrends, wenn eine neue Kollektion schnell online gehen muss. Echtzeitanwendungen erfordern dabei minimale Verzögerungen während der Verarbeitung.
Social Media: Instagram-, TikTok- und Pinterest-Feeds mit KI Models, die Markenoutfits tragen oder als virtuelle Influencer auftreten. Social Media Posts mit KI Avataren erreichen Follower in Netzwerken weltweit.
Content-Marketing: Blogartikel und Kampagnen-Landingpages mit KI Avataren in unterschiedlichen Stimmungen und Settings, etwa für saisonale Trends oder regionale Anpassungen.
Influencer-Marketing: Synthetische Profile wie fiktive Personen, die als KI-generierte Influencer Follower aufbauen und Kooperationen mit Marken anziehen. Frauen und Männer, die nur digital existieren, aber echte Werbung machen.
KI Avatare werden zunehmend in virtuellen Events, Metaverse-Umgebungen und AR-Filtern eingesetzt, um immersive Erlebnisse zu schaffen. KI Modelle können dabei Vorhersagen basierend auf neuen Daten treffen, etwa welcher Look bei welcher Zielgruppe am besten funktioniert.

Wie KI-Models die Arbeit im Content-Marketing und für reale Models verändern

Die Transformation durch KI Modelle betrifft Kosten, Geschwindigkeit und Kreativität gleichermaßen, und hat handfeste Auswirkungen auf Menschen in der Branche.

Unternehmen profitieren von reduzierten Produktionskosten: Wegfallende Reisekosten, keine Studiosuche, keine Catering-Logistik. Otto berichtet, dass mit dem Virtual Content Creator fünfmal mehr Inhalte pro Tag entstehen und die Produktionskosten um etwa 60 % sinken.
Marketing-Teams gewinnen Flexibilität: Schnelle Trendanpassung bei Fast Fashion, Eingaben für verschiedene Zielgruppen (z. B. unterschiedliche KI Avatare für verschiedene Länder), Kampagnenbilder in mehreren Sprachen und Stilen ohne erneutes Foto.
Echte Models verlieren Jobs durch den Einsatz von KI-Models, insbesondere Standardkatalog-Jobs und E-Commerce-Strecken gehen zurück. Der Fokus verschiebt sich auf High-End-Kampagnen, Personality, Live-Events und echte Interaktion, wo Menschen unersetzbar bleiben.
Gesichter realer Models werden per KI in internationale Kampagnen übertragen, ohne dass die Person physisch vor Ort sein muss, etwa für regionale Anpassungen eines globalen Film- oder Werbe-Motivs.
Agenturen bieten digitale Zwillinge als zusätzliche Erlösquelle an: Lizenzierung statt Tagessätze pro Shooting. Die Ideen reichen von monatlichen Nutzungspauschalen bis hin zu Umsatzbeteiligungen, ein neues Einkommen für Models in einer sich wandelnden Realität.

Kosten, Effizienz und Markenimage: Rechnet sich ein KI-Model wirklich?

Spart ein KI-Model wirklich Geld, und was kostet es im Markenbild? Diese Frage lässt sich nicht pauschal beantworten, aber die Datenlage wird klarer.

Klassische Kosten eines Shootings: Gage für Models, Fotograf mit Kamera, Stylist, Make-up, Studiolocations, Reisekosten, Produktionszeit, Nachbearbeitung. Je nach Umfang entstehen schnell fünfstellige Beträge pro Kampagne.
Initiale Investition in KI: Datenaufnahme (Scans, Fotos), Technologiepartner, Software-Lizenzen, GPU-Rechenleistung, Workflow-Einrichtung, rechtliche Absicherung. Laufende Kosten für Rendering und Variantenproduktion.
Vorteile: Hohe Skalierbarkeit, tausende Motive aus einem KI-Model, unterschiedliche Altersgruppen und Körperformen simulierbar, verschiedene Hintergründe und Lichtstimmungen per Eingaben steuerbar. Datenqualität ist dabei entscheidend für die Genauigkeit der erzeugten Bilder.
Risiken fürs Image: Gefahr, als „zu künstlich“ wahrgenommen zu werden. Levi’s musste Kritik einstecken, als KI-Models für Diversitätsversprechen eingesetzt wurden, statt reale Models einzubeziehen. Fehlende Authentizität kann Shitstorms in sozialen Medien auslösen.
Viele Kunden bevorzugen reale Menschen für emotionale Markenstorys, während KI Modelle für Standard-Produktbilder eher akzeptiert werden.
Transparenz, also die sichtbare Kennzeichnung von KI-generierten Bildern, kann Vertrauen stärken, erfordert aber zusätzliche Kommunikationsarbeit und klare Einstellungen in den internen Prozessen.

Rechtliche Rahmenbedingungen: Von Modelverträgen bis AI Act (Stand: 2026)

Neben Kosten und Kreativität ist Rechtssicherheit der entscheidende Faktor, wenn Unternehmen mit KI Modellen und digitalen Zwillingen arbeiten.

Drei Themenkomplexe sind relevant: Rechte realer Models, neue EU-Regulierung (AI Act) und allgemeine Persönlichkeitsrechte bzw. Datenschutz.
Alle Angaben in diesem Artikel fassen den aktuellen Stand bis August 2026 zusammen und ersetzen keine Rechtsberatung.
Ab dem 2. August 2026 gilt eine Kennzeichnungspflicht für KI-Inhalte in der EU, auch für Fashion-Kampagnen, Onlineshop-Bilder und Social Media Posts.
Unternehmen müssen Datenschutzgesetze wie die DSGVO einhalten: Fotos und Scans realer Personen gelten als personenbezogene Daten. Einwilligung, Zweckbindung und Löschfristen sind verbindlich.
Model-Release-Verträge sind wichtig für die Nutzung von KI-Models, ohne klare vertragliche Basis riskieren Unternehmen Klagen und Bußgelder.
Nationale Regelungen zum Recht am eigenen Bild, Urheberrecht und Persönlichkeitsrecht kommen zusätzlich zur EU-Regulierung hinzu.

Was mit realen Models zu klären ist: Einwilligung, Lizenzen und KI-Avatare

Ein digitaler Zwilling ohne klare Einwilligung des echten Models ist rechtlich und ethisch problematisch, und kann für Marken zum Reputationsrisiko werden.

Modelverträge müssen explizite Klauseln zur Verwendung von Bild- und Videodaten für die Erstellung von KI Avataren und digitalen Zwillingen enthalten. Bildrechte und Nutzungsrechte sind dabei zentrale Verhandlungspunkte.
Models sollten Mitspracherecht erhalten: bei Verwendungszweck, Kanälen (Social Media, Out-of-Home, Metaverse), Regionen und Laufzeit der Lizenzen.
H&M etwa gewährt Models fortlaufendes Mitspracherecht bei Social Media Posts; die Lizenzierung orientiert sich an klassischen Shooting-Honoraren plus digitale Nutzungspauschalen. Die Models behalten Eigentumsrechte am digitalen Zwilling.
Widerrufsmöglichkeiten, Nachvergütungen bei großem kommerziellem Erfolg und Geoblocking-Regelungen können vertraglich adressiert werden, das gibt den Personen hinter den Gesichtern Kontrolle.
Für Unternehmen empfiehlt sich eine Checkliste pro Model: Einwilligung dokumentiert, Kanäle definiert, Laufzeit festgelegt, Vergütung geklärt, Ansprechpartner benannt.

Kennzeichnungspflichten und AI Act: Was Unternehmen ab August 2026 beachten müssen

Der AI Act tritt stufenweise in Kraft. Die Kennzeichnungspflicht für KI-generierte oder -manipulierte Bilder im Marketing greift ab dem 2. August 2026.

Betroffen sind Deepfakes, digitale Zwillinge und vollständig synthetische KI Modelle, das Ziel ist Transparenz für Konsumenten.
Konkrete Anforderung: eine eindeutige, gut erkennbare Kennzeichnung im Onlineshop, auf der Website und in Social Media, nicht versteckt im Impressum. Auch maschinenlesbare Metadaten sind vorgeschrieben, um automatisierte Erkennung zu ermöglichen.
KI Systeme, die Inhalte generieren, müssen so gebaut sein, dass deren Output als KI-erzeugt markiert werden kann. Dies betrifft alle Anwendungen entlang der Content-Kette.
Unternehmen brauchen interne Workflows und Tools, um zu dokumentieren, welche Assets KI-basiert sind: Tags, Metadaten, interne Kennzeichnung pro Bild oder Video.
Zentrale Digital-Asset-Management-Systeme helfen, Bildrechte, Laufzeiten und KI-Herkunft nachzuhalten. Wer hier keine saubere Basis schafft, riskiert Bußgelder von bis zu 15 Millionen Euro oder 3 % des weltweiten Jahresumsatzes.

Persönlichkeitsrechte, Daten-Bias und ethische Fragen rund um KI-Modelle

KI Modelle werfen nicht nur wirtschaftliche, sondern auch gesellschaftliche und ethische Fragen auf, und diese verdienen ebenso viel Aufmerksamkeit wie die technologische Leistung.

Persönlichkeitsrechte: Das Recht am eigenen Bild gilt auch im digitalen Raum. Wenn ein KI Avatar stark an eine reale Person erinnert, ohne deren Zustimmung, können Persönlichkeitsrechte verletzt werden, selbst wenn die Ähnlichkeit rein zufällig entsteht.
Datenschutz: Die Verwendung von Shooting-Material als Trainingsdaten unterliegt den Anforderungen der DSGVO. Rechtsgrundlage, Zweckbindung, Speicherfristen und Informationen über die Datenverarbeitung müssen transparent dokumentiert sein.
Daten-Bias: Wenn Trainingsdaten überwiegend bestimmte Hautfarben, Körperformen oder Altersgruppen zeigen, reproduzieren KI Modelle diese Muster. Stereotype Schönheitsideale können systematisch verstärkt werden, ein Unterschied, der in der Folge gesellschaftliche Auswirkungen hat.
Diversität als Chance: KI bietet die Möglichkeit, gezielt vielfältige Modelle zu entwickeln, verschiedene Ethnien, Größen, Behinderungen. Marken können damit reale Diversität besser abbilden als mit eingeschränkten Casting-Pools.
Ethik im Social-Media-Kontext: Nutzer auf Instagram oder TikTok erkennen oft nicht, dass sie einem KI-Model folgen. Es gibt dokumentierte Fälle, in denen KI Avatare Hostessen-Anfragen oder Kooperationsangebote erhalten, obwohl die abgebildeten Personen schlicht nicht existieren. Eine klare Kennzeichnung in Profilnamen und Bio ist nicht nur ethisch geboten, sondern wird ab August 2026 auch rechtlich erforderlich.

Best Practices: Saubere Workflows, klare Regeln und zukunftsfähiges Know-how zu KI-Modellen

KI Avatare und KI Modelle bieten enormes Potenzial, funktionieren aber nur mit klaren Prozessen, definierten Verantwortlichkeiten und einem ehrlichen Blick auf die Grenzen der Technologien.

Ein zentrales KI-Governance-Team im Unternehmen etablieren, das Marketing, Legal, IT und HR vereint. Dieses Team definiert Leitlinien für die Nutzung von KI Modellen, prüft Methoden und überwacht die Einhaltung des AI Acts.
Checkliste für Unternehmen: transparente Kennzeichnung aller KI-generierten Inhalte (sichtbar und maschinenlesbar), dokumentierte Einwilligungen der realen Models, klare Vergütungsmodelle für digitale Zwillinge, regelmäßige rechtliche Updates zur KI Nutzung.
Schulungen für Marketing-, Social-Media- und Content-Teams aufsetzen, um Know-how zu KI Modellen, AI Act und Bildrechten aufzubauen. Ohne dieses Lernen bleiben selbst die besten Tools wirkungslos.
Reale Models weiterhin bewusst einsetzen, dort, wo Authentizität, Markenwerte und emotionale Geschichten im Vordergrund stehen. KI Modelle ergänzen den Ansatz, ersetzen aber nicht die Kraft echter Menschen vor der Kamera.
Google, Social-Media-Plattformen und Marktüberwachungsbehörden werden zunehmend prüfen, ob KI-generierte Inhalte korrekt gekennzeichnet sind, Services wie automatisierte KI-Erkennung werden Standard.
Langfristig entscheiden Kunden, wie stark KI Modelle akzeptiert werden. Marken sollten daher testen, zuhören und ihre Strategie flexibel anpassen, die Trends ändern sich schnell, und wer heute die richtigen Einstellungen trifft, steht morgen besser da.

Redaktion