Google Gemini vs. OpenAI: KI Produktbilder für Kosmetik & Beauty im Praxistest

1. Was wir getestet haben

Drei Bildtypen mit unterschiedlichen Anforderungen

Für den Test haben wir ausschließlich reale Produkte aus dem Kosmetik- und Beauty-Segment verwendet.

Input-Setup:

• Produktfotos mit iPhone aufgenommen, natürliches Licht, neutraler Hintergrund
• Einheitliche Prompt-Struktur über alle Modelle hinweg

Getestete Bildtypen:

Bildtyp	Ziel
Studio-Shot	Produktfreisteller vor neutralem Hintergrund
Model-Shot	Produkt präsentiert von einem Model
Mood-Shot	Inszenierung in einer stimmungsvollen Umgebung

Getestete Modelle

• Google Gemini Nano Banana Pro
• Google Gemini Nano Banana 2
• OpenAI GPT Image 1.5

Alle Modelle haben denselben Input und dieselben Prompts erhalten.

2. Rechtliche Grundlagen: Darfst du KI-generierte Bilder kommerziell nutzen?

KI-generierte Bilder aus Tools wie Google Gemini oder OpenAI dürfen grundsätzlich kommerziell eingesetzt werden. Beide Anbieter verzichten darauf, Eigentumsrechte am generierten Content geltend zu machen.

Rechtliche Einordnung aus urheberrechtlicher Perspektive

Nach deutschem Recht gilt: KI-Bilder erreichen häufig nicht die nötige Schöpfungshöhe, um als schutzfähige Werke eingestuft zu werden. Das bedeutet in der Praxis, dass kein exklusiver Schutz gegenüber Dritten besteht – vergleichbare Ergebnisse können theoretisch auch bei anderen Nutzern entstehen.

IP-Absicherung über Verträge (Business- und Enterprise-Pläne)

• Sowohl Google als auch OpenAI stellen Business-Kunden bei Copyright-Ansprüchen vertraglich frei.
• Diese Freistellungen gelten unter bestimmten Voraussetzungen: Der Output darf nicht verändert worden sein, Safety-Funktionen müssen aktiv bleiben, und es darf keine offensichtliche Rechtsverletzung bekannt sein.
• Explizit ausgenommen sind Ansprüche im Zusammenhang mit Marken und Trademarks.

Datenschutz und Modelltraining

In Business-Tarifen und über die API werden Prompts und generierte Inhalte in der Regel nicht zur Weiterentwicklung der Modelle verwendet. Bei Consumer-Produkten kann das je nach den persönlichen Einstellungen anders aussehen.

EU AI Act: Kennzeichnungspflicht ab August 2026

• Ab dem 2. August 2026 müssen Anbieter synthetische Inhalte technisch markierbar machen.
• Professionelle Nutzer sind verpflichtet, Deepfakes als solche kenntlich zu machen.
• Wer KI-generierte Produktbilder im Einsatz hat, sollte ein Kennzeichnungskonzept frühzeitig einplanen.

Wie die genauen Anforderungen im E-Commerce-Kontext aussehen werden, ist aktuell noch in der Konkretisierung.

3. Google Nano Banana für Kosmetik & Beauty

Zuerst haben wir uns Google Nano Banana Pro angeschaut: Das Modell liefert in unseren Tests bei Kosmetikprodukten überzeugende Ergebnisse – solange Schrift keine zentrale Rolle spielt. Produktform und Inszenierung werden stark getroffen, bei filigraner Typographie auf gekrümmten Flächen zeigt sich eine strukturelle Grenze.

Testbeispiele (Auszug) inkl. Bewertungen:

Hautcreme, Tube (Studio: 5/10, Model: 7/10, Mood: 7/10)

Beobachtungen

Produktkörper und Form werden sehr originalgetreu dargestellt. Das zentrale Problem: Die seitliche Kleinbeschriftung ("pH-hautneutral", "Parfümfrei") auf der gekrümmten Tuben-Fläche ist glitchy und pixelig – ein durchgängiges Ergebnis über alle Versuche hinweg. Großbuchstaben wie "CARE+REPAIR" auf der Hauptfläche werden dagegen gut rekonstruiert.

Das Model wirkt natürlich. Auch der Mood-Shot in atmosphärischer Inszenierung (Samtdecke, Clean Beauty Setting) überzeugt – die Problematik mit der Beschriftung bleibt jedoch über alle Ergebnisse hinweg gleich.

Nagellack (Studio: 9/10, Model: 8/10, Mood: 7/10)

Beobachtungen

Schrift auf einer geraden 2D-Fläche mit überschaubarem Textumfang: kein Problem. Google Gemini bildet die Aufschrift korrekt und klar ab. Erst wenn das Model den Lack schräg hält, verschlechtert sich die Lesbarkeit durch die Perspektive.

Das Model wirkt natürlich, die Stimmungsbilder funktionieren gut.

Was funktioniert hervorragend:

• Produktkörper und Form werden originalgetreu dargestellt
• Models wirken natürlich – in den meisten Tests nicht sofort als KI erkennbar
• Schrift auf geraden 2D-Flächen mit wenig Text: problemlos
• Single-Shot-Fähigkeit: Erster Versuch liefert brauchbare Ergebnisse
• Atmosphärische Mood-Shots überzeugen

Grenzen:

• Kleine Schrift auf gekrümmten Flächen (Seitenaufschriften, Inhaltsstoffe): glitchy und pixelig
• Perspektive verschlechtert Schrift: Schräghalten des Produkts durch ein Model reicht aus, um Lesbarkeit zu zerstören
• "Text all over"-Produkte: kein geeigneter Use Case

Nano Banana Pro vs. Nano Banana 2: Fortschritt beim Schrift-Problem

Am 26. Februar 2026 stellte Google DeepMind Nano Banana 2 vor. Google positioniert beide Modelle dabei mit klarer Aufgabenteilung: Nano Banana Pro bleibt das Modell für Anwendungsfälle mit höchsten Qualitäts- und Genauigkeitsanforderungen, während Nano Banana 2 auf schnelle Generierung, präzise Prompt-Treue und integriertes Bild-Grounding ausgelegt ist.

Wir haben dieselbe Hautcreme mit Nano Banana 2 erneut getestet und die Ergebnisse direkt gegenübergestellt:

	Nano Banana Pro	Nano Banana 2
Produktkörper / Form	Originalgetreu	Originalgetreu
Großbuchstaben (Hauptfläche)	Gut rekonstruierbar	Gut rekonstruierbar
Kleinschrift auf Krümmung	Glitchy, pixelig	Klare Schrift, selbst bei Feinheiten
Geschwindigkeit	Standard	Deutlich schneller
Verbesserung gegenüber Vorgänger	–	Deutlicher Fortschritt

Das Ergebnis ist eindeutig: Nano Banana 2 verarbeitet selbst feine Schrift bei Produkten mit Beschriftung auf 3D-Flächen.

Wir haben anschließend einen weiteren Test mit einer stark bedruckten Shampoo Flasche durchgeführt:

Das Ergebnis: Selbst bei diesem stark mit Text bedruckten Produkt liefert Nano Banana 2 zuverlässigen, qualitativen Output und kommt damit durchaus als Lösung für AI-generierte Kosmetikprodukte mit viel Beschriftung in Frage.

Use Cases:

Kosmetik-Brands, bei denen Design, Farbe und Form im Vordergrund stehen. Mood-Bilder und Kategorie-Header für Collection Pages.

Produkte, bei denen Inhaltsstoffe, Claims oder Care-Informationen auf dem Produktbild lesbar sein müssen (mit Nano Banana 2).

4. OpenAI für Kosmetik

Für Kosmetik-Studio-Shots liefert OpenAI standardmäßig scharfen und lesbaren Text, auch auf gekrümmten Verpackungsflächen. Dafür fallen Model- und Mood-Shots deutlich ab.

Testbeispiele (Auszug) inkl. Bewertungen:

Euterpflege-Tube (Studio: 8/10, Model: 4/10, Mood: 4/10)

Beobachtungen

OpenAI rendert auch die seitliche Kleinbeschriftung korrekt – "pH-hautneutral" und "Parfümfrei" bleiben lesbar, selbst auf der gekrümmten Fläche. Produktkörper und Form werden sehr originalgetreu dargestellt. Der Studio-Shot ist klar PDP-tauglich.

Die Model-Shots fallen dagegen ab: Das Model wirkt plastisch und künstlich – deutlich weniger realistisch als Gemini. Mood-Shots orientieren sich zu stark am Ausgangsbild und erzeugen kaum eigenständige Inszenierung.

Nagellack (Studio: 9/10, Model: 6/10, Mood: 6/10)

Beobachtungen

Schrift auf gerader 2D-Fläche: komplett problemlos und originaltreu. Auch wenn das Model den Lack schräg hält, bleibt die Aufschrift bei OpenAI deutlich besser lesbar als bei Gemini. Model-Shot technisch in Ordnung, wirkt aber weniger authentisch.

Shampoo mit "Text all over" (Studio: 2/10)

Beobachtungen

Bei Produkten mit umlaufender Rundum-Beschriftung wird der Text auch bei OpenAI verzerrt und unleserlich – selbst wenn alle Texte vollständig in den Prompt eingetippt werden.

Bodylotion (Studio: 7/10, Model: 3/10, Mood: 4/10)

Beobachtungen

Moderater Textumfang, weißer Schriftzug: Studio-Shot ansprechend. Das kritische Problem zeigt sich beim Model-Shot – die Bodylotion-Flasche wird in unrealistischen XXL-Proportionen dargestellt. Auch nach zweimaligem Korrektur-Hinweis im Prompt bleibt das Problem bestehen. Für die Nutzung auf einer PDP ein Ausschlusskriterium.

Was funktioniert gut:

• Text auf 3D-Flächen bleibt lesbar – auch bei Krümmungen und Perspektive
• Produkte mit ca. 60% Textabdeckung auf der Hauptfläche: sehr gut geeignet für Studio-Shots
• Etiketten und Care Labels scharf und originalgetreu

Kritische Schwächen:

• Model-Shots wirken künstlich – deutlich weniger realistisch als Gemini
• Proportionsprobleme: Produktgröße in Relation zu Hand/Körper teilweise unrealistisch, auch nach Korrektur-Prompt
• Mood-Shots zu wenig inszeniert: Ändert oft nur Hintergrund statt neu zu inszenieren
• Mehrere Iterationen nötig: Kein "Single Shot" – oft 2–3 Versuche bis zum brauchbaren Ergebnis
• "Text all over"-Produkte: kein geeigneter Use Case

Empfohlene Use Cases:

Studio-Shots für Produkte, bei denen Etiketten-Lesbarkeit und Text-Treue kritisch sind. Nicht geeignet für Model-Shots, Serien mit gleichbleibenden Models oder Produkte mit umlaufender Rundum-Beschriftung.

5. Unsere Empfehlung: Wann welches Modell für Kosmetik-Produktbilder?

Es gibt keine pauschale Antwort – die Entscheidung hängt davon ab, welchen Bildtyp du benötigst und wie viel Text auf deiner Verpackung eine Rolle spielt.

OpenAI als zuverlässige Wahl für Studio-Shots mit moderatem Text

Wenn Produktbeschriftungen PDP-relevant sind – also Inhaltsstoffe, Claims oder Produktinformationen auf dem Bild lesbar sein müssen – ist OpenAI für Studio-Shots eine gute Wahl. Wichtig: OpenAI korrigiert fehlerhafte Ausgangsbilder nicht automatisch. Die Input-Qualität muss besser sein als bei Gemini.

Wir empfehlen OpenAI in diesen Fällen:

• Produkte mit moderator Schrift auf der Hauptfläche (Headlines, Claims, Großbuchstaben)
• Studio-Shots für PDPs, bei denen Etiketten-Lesbarkeit entscheidend ist
• Brands, die saubere, gerade Ausgangsfotos liefern können

Nicht geeignet: Model-Shots, Mood-Shots, Produkte mit umlaufender Kleinbeschriftung, "Text all over"-Produkte

OpenAI – Qualitative Bewertung

Kategorie	Score (1–5)	Begründung
Nutzen	4	Klarer Vorteil bei Text-Rendering für Studio-Shots. Für Model- und Mood-Shots eingeschränkt nutzbar.
Zeitersparnis / Effizienz	3	Mehrere Iterationen nötig, höherer Input-Qualitätsanspruch. Kein Single-Shot.
Umsetzungsaufwand (5 = sehr leicht)	3	Erfordert saubere Ausgangsfotos – kein Optimierungspuffer wie bei Gemini.
Skalierbarkeit	2	Skalierbar für Studio-Shots, aber Inkonsistenz bei Models begrenzt die Serien-Fähigkeit.

Gemini als erste Wahl für Mood- und Model-Shots

Für atmosphärische Inszenierungen und Model-Shots empfehlen wir Gemini. Die Single-Shot-Fähigkeit und natürliche Model-Darstellung sprechen klar für Gemini bei diesen Bildtypen. Mit der neuesten Version Google Nano Banana 2 kannst du selbst bedruckten 3D-Körper mit hohem Schriftanteil zuverlässig darstellen.

Wir empfehlen Gemini in diesen Fällen:

• Mood-Bilder und Kategorie-Header, bei denen Design und Atmosphäre im Vordergrund stehen
• Model-Shots, bei denen Produktform und Inszenierung wichtig sind
• Brands mit einfacher, großer Hauptbeschriftung (auch für Nano Banana Pro okay) und Kleingedrucktem (unter Verwendung von Nano Banana 2)

Gemini – Qualitative Bewertung

Kategorie	Score (1–5)	Begründung
Nutzen	4	Stark bei Inszenierung und Model-Shots, Schrift auf gekrümmten Flächen mit Nano Banana 2 möglich
Zeitersparnis / Effizienz	4	Single-Shot-Fähigkeit reduziert Iterationsaufwand deutlich.
Umsetzungsaufwand (5 = sehr leicht)	4	Strukturierter Aufbau notwendig – Model-Steckbriefe, Settings, klare Prompts.
Skalierbarkeit	4	Gut skalierbar für Mood- und Kategorie-Bilder ohne kritische Schriftanforderungen.